Predicción de ingresos de causas penales utilizando programación genética lineal
- Autores
- Garcete Rodríguez, Alberto David; Barán, Benjamín
- Año de publicación
- 2015
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Este trabajo propone una metodología de predicción de ingresos de causas penales utilizando Programación Genética Lineal (Linear Genetic Programming - LGP). El estudio se realizó en base a datos mensuales recogidos durante siete años (2007 a 2013), en los siete Juzgados Penales de Garantías de Ciudad del Este - Paraguay. La verificación del método propuesto se hizo mediante la comparación del método LGP implementado con modelos estadísticos conocidos como la regresión lineal, promedio móvil, suavizado exponencial y suavizado exponencial con tendencia, prediciendo valores sobre una serie de tiempo, de forma a comparar los errores promedios de cada metodología de predicción. Se utilizaron dos métricas de error: (1) el error cuadrático medio y (2) el error absoluto medio. Resultados experimentales demuestran la superioridad del LGP implementado sobre los demás métodos estadísticos para la predicción de ingresos de causas penales.
XVI Workshop Agentes y Sistemas Inteligentes (WASI)
red de Universidades con Carreras en Informática (RedUNCI) - Materia
-
Ciencias Informáticas
Modeling and prediction
Programación Genética Lineal (PGL) - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/50049
Ver los metadatos del registro completo
id |
SEDICI_471a92e6f2861a2c805d6553990ff62f |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/50049 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Predicción de ingresos de causas penales utilizando programación genética linealGarcete Rodríguez, Alberto DavidBarán, BenjamínCiencias InformáticasModeling and predictionProgramación Genética Lineal (PGL)Este trabajo propone una metodología de predicción de ingresos de causas penales utilizando Programación Genética Lineal (Linear Genetic Programming - LGP). El estudio se realizó en base a datos mensuales recogidos durante siete años (2007 a 2013), en los siete Juzgados Penales de Garantías de Ciudad del Este - Paraguay. La verificación del método propuesto se hizo mediante la comparación del método LGP implementado con modelos estadísticos conocidos como la regresión lineal, promedio móvil, suavizado exponencial y suavizado exponencial con tendencia, prediciendo valores sobre una serie de tiempo, de forma a comparar los errores promedios de cada metodología de predicción. Se utilizaron dos métricas de error: (1) el error cuadrático medio y (2) el error absoluto medio. Resultados experimentales demuestran la superioridad del LGP implementado sobre los demás métodos estadísticos para la predicción de ingresos de causas penales.XVI Workshop Agentes y Sistemas Inteligentes (WASI)red de Universidades con Carreras en Informática (RedUNCI)2015-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/50049spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-3806-05-6info:eu-repo/semantics/reference/hdl/10915/50028info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:03:51Zoai:sedici.unlp.edu.ar:10915/50049Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:03:51.444SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Predicción de ingresos de causas penales utilizando programación genética lineal |
title |
Predicción de ingresos de causas penales utilizando programación genética lineal |
spellingShingle |
Predicción de ingresos de causas penales utilizando programación genética lineal Garcete Rodríguez, Alberto David Ciencias Informáticas Modeling and prediction Programación Genética Lineal (PGL) |
title_short |
Predicción de ingresos de causas penales utilizando programación genética lineal |
title_full |
Predicción de ingresos de causas penales utilizando programación genética lineal |
title_fullStr |
Predicción de ingresos de causas penales utilizando programación genética lineal |
title_full_unstemmed |
Predicción de ingresos de causas penales utilizando programación genética lineal |
title_sort |
Predicción de ingresos de causas penales utilizando programación genética lineal |
dc.creator.none.fl_str_mv |
Garcete Rodríguez, Alberto David Barán, Benjamín |
author |
Garcete Rodríguez, Alberto David |
author_facet |
Garcete Rodríguez, Alberto David Barán, Benjamín |
author_role |
author |
author2 |
Barán, Benjamín |
author2_role |
author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Modeling and prediction Programación Genética Lineal (PGL) |
topic |
Ciencias Informáticas Modeling and prediction Programación Genética Lineal (PGL) |
dc.description.none.fl_txt_mv |
Este trabajo propone una metodología de predicción de ingresos de causas penales utilizando Programación Genética Lineal (Linear Genetic Programming - LGP). El estudio se realizó en base a datos mensuales recogidos durante siete años (2007 a 2013), en los siete Juzgados Penales de Garantías de Ciudad del Este - Paraguay. La verificación del método propuesto se hizo mediante la comparación del método LGP implementado con modelos estadísticos conocidos como la regresión lineal, promedio móvil, suavizado exponencial y suavizado exponencial con tendencia, prediciendo valores sobre una serie de tiempo, de forma a comparar los errores promedios de cada metodología de predicción. Se utilizaron dos métricas de error: (1) el error cuadrático medio y (2) el error absoluto medio. Resultados experimentales demuestran la superioridad del LGP implementado sobre los demás métodos estadísticos para la predicción de ingresos de causas penales. XVI Workshop Agentes y Sistemas Inteligentes (WASI) red de Universidades con Carreras en Informática (RedUNCI) |
description |
Este trabajo propone una metodología de predicción de ingresos de causas penales utilizando Programación Genética Lineal (Linear Genetic Programming - LGP). El estudio se realizó en base a datos mensuales recogidos durante siete años (2007 a 2013), en los siete Juzgados Penales de Garantías de Ciudad del Este - Paraguay. La verificación del método propuesto se hizo mediante la comparación del método LGP implementado con modelos estadísticos conocidos como la regresión lineal, promedio móvil, suavizado exponencial y suavizado exponencial con tendencia, prediciendo valores sobre una serie de tiempo, de forma a comparar los errores promedios de cada metodología de predicción. Se utilizaron dos métricas de error: (1) el error cuadrático medio y (2) el error absoluto medio. Resultados experimentales demuestran la superioridad del LGP implementado sobre los demás métodos estadísticos para la predicción de ingresos de causas penales. |
publishDate |
2015 |
dc.date.none.fl_str_mv |
2015-10 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/50049 |
url |
http://sedici.unlp.edu.ar/handle/10915/50049 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-987-3806-05-6 info:eu-repo/semantics/reference/hdl/10915/50028 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/2.5/ar/ Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/ Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1844615906773172224 |
score |
13.070432 |