Mostrar el registro sencillo del ítem
| dc.contributor | Rodríguez Agurto, José Nibaldo | ||
| dc.contributor | Cubillos Figueroa, Claudio Alonso | ||
| dc.creator | Quezada Román, Pablo Andrés | ||
| Fecha Ingreso | dc.date.accessioned | 2021-10-19T22:40:09Z | |
| Fecha Disponible | dc.date.available | 2021-10-19T22:40:09Z | |
| Fecha en Repositorio | dc.date.issued | 2021-10-19 | |
| Resumen | dc.description | <p>En la presente memoria de título se presentan los objetivos, estado de arte y modelos de red desarrollados para pronosticar el nivel de captura mensual de anchovetas en la zona norte de Chile. Estos modelos consisten en la utilización de redes neuronales recurrentes con función de base radial (RRBF) cuyos parámetros internos son configurados mediante la utilización de algoritmos evolutivos como son: Algoritmos Genéticos, Optimización por Enjambre de Partículas y dos modelos híbridos en base a estos últimos. Finalmente, el modelo basado en PSO presenta el mejor desempeño con un 92,5% de la varianza explicada</p> | |
| Resumen | dc.description | <p>On this thesis the objectives, state of the art and developed network model are presented to forecast the monthly capture level of anchovy in the north area of Chile. This model consists on Recurrent Neural Networks with Radial Basis Function (RRBF) whose parameters are estimated using evolutive algorithms as: Genetic Algorithms (GA), Particle Swarm Optimization (PSO) and two Hybrid model based on GA and PSO. Finally, the model based on PSO presents the best performance with a 92,5% of the explained variance</p> | |
| Resumen | dc.description | last modification | |
| Resumen | dc.description | Licenciado en Ciencias de la Ingeniería | |
| Resumen | dc.description | Ingeniero Civil en Informáticatítulo | |
| Resumen | dc.description | INGENIERIA CIVIL INFORMATICA | |
| Resumen | dc.description | <p>En la presente memoria de título se presentan los objetivos, estado de arte y modelos de red desarrollados para pronosticar el nivel de captura mensual de anchovetas en la zona norte de Chile. Estos modelos consisten en la utilización de redes neuronales recurrentes con función de base radial (RRBF) cuyos parámetros internos son configurados mediante la utilización de algoritmos evolutivos como son: Algoritmos Genéticos, Optimización por Enjambre de Partículas y dos modelos híbridos en base a estos últimos. Finalmente, el modelo basado en PSO presenta el mejor desempeño con un 92,5% de la varianza explicada</p> | |
| Resumen | dc.description | <p>On this thesis the objectives, state of the art and developed network model are presented to forecast the monthly capture level of anchovy in the north area of Chile. This model consists on Recurrent Neural Networks with Radial Basis Function (RRBF) whose parameters are estimated using evolutive algorithms as: Genetic Algorithms (GA), Particle Swarm Optimization (PSO) and two Hybrid model based on GA and PSO. Finally, the model based on PSO presents the best performance with a 92,5% of the explained variance</p> | |
| Formato | dc.format | ||
| Lenguaje | dc.language | spa | |
| dc.rights | autorizado | ||
| dc.source | http://opac.pucv.cl/pucv_txt/txt-2000/UCG2468_01.pdf | ||
| Materia | dc.subject | ANCHOVETAS | |
| Materia | dc.subject | CAPTURA | |
| Materia | dc.subject | Algoritmos | |
| Materia | dc.subject | ALGORITMOS GENETICOS | |
| Materia | dc.subject | REDES NEURONALES | |
| Title | dc.title | Redes RRBF con aprendizaje híbrido para la predicción de captura de anchovetas | |
| Tipo | dc.type | texto |
| Archivos | Tamaño | Formato | Ver |
|---|---|---|---|
|
No hay archivos asociados a este ítem. |
|||