Método de reducción de incertidumbre basado en algoritmos evolutivos paralelos orientado a procesos de predicción
- Autores
- BIanchini, Germán; Caymes Scutari, Paola; Méndez Garabetti, Miguel; Tardivo, María Laura
- Año de publicación
- 2015
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- El modelado matemático, la simulación, la visualización, la programación y la computación de alto rendimiento, propician el estudio de problemas que resultan muy complejos, demandantes de tiempo y espacio (en términos de memoria y almacenamiento), e incluso muy peligrosos por los riesgos humanos y/o ambientales que conllevan. Sin embargo, aún cuando la formulación del modelo y el algoritmo de implementación estén libres de errores, es muy difícil que el simulador ofrezca una salida fiel a la situación real que se desea representar dada la incertidumbre introducida tanto por las expresiones que pueden no responder a un modelo estrictamente matemático como por las limitaciones de la representación numérica inherente a la arquitectura del hardware subyacente. De esta manera, la reducción de incertidumbre constituye un proceso muy importante para lograr predicciones más precisas. Un problema concreto dentro de las limitaciones de los modelos suele estar relacionado con la gran cantidad de parámetros de entrada que deben manejar. Dichos parámetros suelen presentar algún tipo de incertidumbre debido a la imposibilidad de medirlos en tiempo real, y por lo tanto es común que deba recurrirse a la utilización de estimaciones producto de medidas indirectas. El proyecto aquí comentado propone el diseño y desarrollo de un método, basado en Algoritmos Evolutivos Paralelos, HPC y Estadística, para reducir la incertidumbre de los parámetros de entrada en procesos de predicción de propagación.
Eje: Procesamiento Distribuído y Paralelo
Red de Universidades con Carreras en Informática (RedUNCI) - Materia
-
Ciencias Informáticas
reducción de incertidumbre
Parallel algorithms
modelo de islas
Modeling and prediction - 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:10915/46170
Ver los metadatos del registro completo
id |
SEDICI_f95e42531e6842e3cd480eeef1583e10 |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/46170 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Método de reducción de incertidumbre basado en algoritmos evolutivos paralelos orientado a procesos de predicciónBIanchini, GermánCaymes Scutari, PaolaMéndez Garabetti, MiguelTardivo, María LauraCiencias Informáticasreducción de incertidumbreParallel algorithmsmodelo de islasModeling and predictionEl modelado matemático, la simulación, la visualización, la programación y la computación de alto rendimiento, propician el estudio de problemas que resultan muy complejos, demandantes de tiempo y espacio (en términos de memoria y almacenamiento), e incluso muy peligrosos por los riesgos humanos y/o ambientales que conllevan. Sin embargo, aún cuando la formulación del modelo y el algoritmo de implementación estén libres de errores, es muy difícil que el simulador ofrezca una salida fiel a la situación real que se desea representar dada la incertidumbre introducida tanto por las expresiones que pueden no responder a un modelo estrictamente matemático como por las limitaciones de la representación numérica inherente a la arquitectura del hardware subyacente. De esta manera, la reducción de incertidumbre constituye un proceso muy importante para lograr predicciones más precisas. Un problema concreto dentro de las limitaciones de los modelos suele estar relacionado con la gran cantidad de parámetros de entrada que deben manejar. Dichos parámetros suelen presentar algún tipo de incertidumbre debido a la imposibilidad de medirlos en tiempo real, y por lo tanto es común que deba recurrirse a la utilización de estimaciones producto de medidas indirectas. El proyecto aquí comentado propone el diseño y desarrollo de un método, basado en Algoritmos Evolutivos Paralelos, HPC y Estadística, para reducir la incertidumbre de los parámetros de entrada en procesos de predicción de propagación.Eje: Procesamiento Distribuído y ParaleloRed de Universidades con Carreras en Informática (RedUNCI)2015-04info: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/10915/46170spainfo: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:UNLP2025-09-29T11:02:35Zoai:sedici.unlp.edu.ar:10915/46170Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:02:35.523SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Método de reducción de incertidumbre basado en algoritmos evolutivos paralelos orientado a procesos de predicción |
title |
Método de reducción de incertidumbre basado en algoritmos evolutivos paralelos orientado a procesos de predicción |
spellingShingle |
Método de reducción de incertidumbre basado en algoritmos evolutivos paralelos orientado a procesos de predicción BIanchini, Germán Ciencias Informáticas reducción de incertidumbre Parallel algorithms modelo de islas Modeling and prediction |
title_short |
Método de reducción de incertidumbre basado en algoritmos evolutivos paralelos orientado a procesos de predicción |
title_full |
Método de reducción de incertidumbre basado en algoritmos evolutivos paralelos orientado a procesos de predicción |
title_fullStr |
Método de reducción de incertidumbre basado en algoritmos evolutivos paralelos orientado a procesos de predicción |
title_full_unstemmed |
Método de reducción de incertidumbre basado en algoritmos evolutivos paralelos orientado a procesos de predicción |
title_sort |
Método de reducción de incertidumbre basado en algoritmos evolutivos paralelos orientado a procesos de predicción |
dc.creator.none.fl_str_mv |
BIanchini, Germán Caymes Scutari, Paola Méndez Garabetti, Miguel Tardivo, María Laura |
author |
BIanchini, Germán |
author_facet |
BIanchini, Germán Caymes Scutari, Paola Méndez Garabetti, Miguel Tardivo, María Laura |
author_role |
author |
author2 |
Caymes Scutari, Paola Méndez Garabetti, Miguel Tardivo, María Laura |
author2_role |
author author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas reducción de incertidumbre Parallel algorithms modelo de islas Modeling and prediction |
topic |
Ciencias Informáticas reducción de incertidumbre Parallel algorithms modelo de islas Modeling and prediction |
dc.description.none.fl_txt_mv |
El modelado matemático, la simulación, la visualización, la programación y la computación de alto rendimiento, propician el estudio de problemas que resultan muy complejos, demandantes de tiempo y espacio (en términos de memoria y almacenamiento), e incluso muy peligrosos por los riesgos humanos y/o ambientales que conllevan. Sin embargo, aún cuando la formulación del modelo y el algoritmo de implementación estén libres de errores, es muy difícil que el simulador ofrezca una salida fiel a la situación real que se desea representar dada la incertidumbre introducida tanto por las expresiones que pueden no responder a un modelo estrictamente matemático como por las limitaciones de la representación numérica inherente a la arquitectura del hardware subyacente. De esta manera, la reducción de incertidumbre constituye un proceso muy importante para lograr predicciones más precisas. Un problema concreto dentro de las limitaciones de los modelos suele estar relacionado con la gran cantidad de parámetros de entrada que deben manejar. Dichos parámetros suelen presentar algún tipo de incertidumbre debido a la imposibilidad de medirlos en tiempo real, y por lo tanto es común que deba recurrirse a la utilización de estimaciones producto de medidas indirectas. El proyecto aquí comentado propone el diseño y desarrollo de un método, basado en Algoritmos Evolutivos Paralelos, HPC y Estadística, para reducir la incertidumbre de los parámetros de entrada en procesos de predicción de propagación. Eje: Procesamiento Distribuído y Paralelo Red de Universidades con Carreras en Informática (RedUNCI) |
description |
El modelado matemático, la simulación, la visualización, la programación y la computación de alto rendimiento, propician el estudio de problemas que resultan muy complejos, demandantes de tiempo y espacio (en términos de memoria y almacenamiento), e incluso muy peligrosos por los riesgos humanos y/o ambientales que conllevan. Sin embargo, aún cuando la formulación del modelo y el algoritmo de implementación estén libres de errores, es muy difícil que el simulador ofrezca una salida fiel a la situación real que se desea representar dada la incertidumbre introducida tanto por las expresiones que pueden no responder a un modelo estrictamente matemático como por las limitaciones de la representación numérica inherente a la arquitectura del hardware subyacente. De esta manera, la reducción de incertidumbre constituye un proceso muy importante para lograr predicciones más precisas. Un problema concreto dentro de las limitaciones de los modelos suele estar relacionado con la gran cantidad de parámetros de entrada que deben manejar. Dichos parámetros suelen presentar algún tipo de incertidumbre debido a la imposibilidad de medirlos en tiempo real, y por lo tanto es común que deba recurrirse a la utilización de estimaciones producto de medidas indirectas. El proyecto aquí comentado propone el diseño y desarrollo de un método, basado en Algoritmos Evolutivos Paralelos, HPC y Estadística, para reducir la incertidumbre de los parámetros de entrada en procesos de predicción de propagación. |
publishDate |
2015 |
dc.date.none.fl_str_mv |
2015-04 |
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/10915/46170 |
url |
http://sedici.unlp.edu.ar/handle/10915/46170 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
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_ |
1844615893250736128 |
score |
13.070432 |