Mostrar el registro sencillo del ítem
| dc.contributor | Mendoza Baeza, Jorge Eduardo | ||
| dc.creator | Granados Núñez, Paulo Eduardo | ||
| Fecha Ingreso | dc.date.accessioned | 2021-10-19T19:07:40Z | |
| Fecha Disponible | dc.date.available | 2021-10-19T19:07:40Z | |
| Fecha en Repositorio | dc.date.issued | 2021-10-19 | |
| Resumen | dc.description | <p>La fusión nuclear se ha presentado como la energía del futuro debido a su abundante materia prima y su muy reducido impacto en el medio ambiente. Esta energía se da naturalmente en el centro del Sol, haciendo realmente complicado replicar las condiciones necesarias para aprovechar dicha energía para el consumo de la humanidad. El principal problema de implementar la generación de energía por fusión nuclear es la disrupción, fenómeno asociado a la pérdida de estabilidad del plasma y que puede significar daños irreparables a los dispositivos de generación. Existen dispositivos dedicados al estudio de la fusión nuclear y su posible implementación. Estos dispositivos generan una cantidad gigantesca de información por cada campaña de experimentación, la cual es prácticamente imposible de analizar por un usuario. Se plantea entonces un método de aprendizaje automático para colaborar en la realización de esta importante tarea. El aprendizaje automático es una rama de la ingeniería que tiene como objetivo principal lograr que las máquinas aprendan. El Deep Learning es un tipo de aprendizaje automático capaz de crearmodelos de redes neuronales profundos. Esto permite obtener características abstractas difíciles de observar por una persona. Este proyecto contempla el uso de estas redes neuronales artificiales con el enfoque de Deep Learning. Las redes neuronales elegídas fueron las recurrentes, en particular las Long Short- TermMemory -LSTM- y Gated Recurrent Unit -GRU-, las cuales son ideales para trabajar con secuencias de información</p> | |
| Resumen | dc.description | last modification | |
| Resumen | dc.description | Licenciado en Ciencias de la Ingeniería | |
| Resumen | dc.description | Ingeniero Civil Electrónicotítulo | |
| Resumen | dc.description | INGENIERIA CIVIL ELECTRONICA | |
| Resumen | dc.description | <p>La fusión nuclear se ha presentado como la energía del futuro debido a su abundante materia prima y su muy reducido impacto en el medio ambiente. Esta energía se da naturalmente en el centro del Sol, haciendo realmente complicado replicar las condiciones necesarias para aprovechar dicha energía para el consumo de la humanidad. El principal problema de implementar la generación de energía por fusión nuclear es la disrupción, fenómeno asociado a la pérdida de estabilidad del plasma y que puede significar daños irreparables a los dispositivos de generación. Existen dispositivos dedicados al estudio de la fusión nuclear y su posible implementación. Estos dispositivos generan una cantidad gigantesca de información por cada campaña de experimentación, la cual es prácticamente imposible de analizar por un usuario. Se plantea entonces un método de aprendizaje automático para colaborar en la realización de esta importante tarea. El aprendizaje automático es una rama de la ingeniería que tiene como objetivo principal lograr que las máquinas aprendan. El Deep Learning es un tipo de aprendizaje automático capaz de crearmodelos de redes neuronales profundos. Esto permite obtener características abstractas difíciles de observar por una persona. Este proyecto contempla el uso de estas redes neuronales artificiales con el enfoque de Deep Learning. Las redes neuronales elegídas fueron las recurrentes, en particular las Long Short- TermMemory -LSTM- y Gated Recurrent Unit -GRU-, las cuales son ideales para trabajar con secuencias de información</p> | |
| Formato | dc.format | ||
| Formato | dc.format | JEPG | |
| Lenguaje | dc.language | spa | |
| dc.rights | autorizado | ||
| dc.source | http://opac.pucv.cl/pucv_txt/txt-0000/UCB0276_01.pdf | ||
| dc.source | http://opac.pucv.cl/pucv_img/Img-0000/UCB0276_01.jpg | ||
| Materia | dc.subject | FUSION NUCLEAR | |
| Materia | dc.subject | GENERACION DE ENERGIA | |
| Materia | dc.subject | SERIES DE TIEMPO | |
| Title | dc.title | Pronóstico de series temporales utilizando Deep Learning con aplicación en fusión nuclear | |
| Tipo | dc.type | texto |
| Archivos | Tamaño | Formato | Ver |
|---|---|---|---|
|
No hay archivos asociados a este ítem. |
|||