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
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/50049
Acceder
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

Publicaciones similares