Examinando por Materia "Redes neuronales (computadores)"

Mostrando 1 - 3 de 3
  • Miniatura
    PublicaciónAcceso abierto
    Una aproximación práctica a las redes neuronales artificiales.
    (2017-08-28) Caicedo Bravo, Eduardo Francisco; López Sotelo, Jesús Alfonso
    CONTENIDO: Generalidades sobre redes neuronales artificiales -- Redes neuronales perceptron y adaline -- Perceptron multicapa y algoritmo backpropagation -- Red neuronal de Hopfield -- Mapas auto-organizados de Kohonen -- Red neuronal de Base radial (RBF).
  • Miniatura
    PublicaciónAcceso abierto
    Artificial intelligence and complex network- based model for seismicity analysis in the colombian region
    (Universidad del Valle, 2025) León Vargas, Daniel Andrés; Bucheli, Víctor; Valdivia, Juan Alejandro
    Research about Earthquake Networks has been carried on for many years, and they have been proved as a tool to analyze the seismicity. However, there has been no comprehensive integration of this representation with artificial intelligence methods to model the dynamics of seismicity. This thesis presents a novel approach to find how Earthquake Networks, supported by Machine Learning methods, can be used to look into the dynamics of the seismicity in the Colombian region. This thesis shows how can Earthquake Networks be constructed to represent the seismicity in the region of study. The information of such networks has been analyzed, contrasting their characteristics with the variations of the seismicity in time, in order to find an appropriate way of creating the Earthquake Networks. Also, data analysis of a seismic catalog is performed to develop an annotation schema and a pipeline for the application of Machine Learning algorithms with Earthquake Networks information. The outputs of the Machine Learning models trained have been analyzed using different metrics, and some models appeared fit to forecast some aspects of the seismicity such as the seismic energy released by the expected events, or the moment of occurrence of the next event. The findings indicate that earthquake networks, combined with machine learning techniques, can provide valuable insights into seismic behavior, and may serve as a predictive tool for seismic monitoring. These models can potentially be integrated into real-time systems for seismic observatories, offering forecasting and alerts to users of interest.
  • Miniatura
    PublicaciónAcceso abierto
    Integración de redes neuronales de grafos y análisis de redes complejas para el pronóstico de eventos sísmicos en Colombia
    (Universidad del Valle, 2023) Giraldo Alegría, Santiago; Bucheli, Víctor
    Los terremotos se consideran una catástrofe, no dan tiempo suficiente para reaccionar y tomar precauciones, por lo que generan víctimas y daños en la infraestructura. En los últimos años ha habido un creciente interés investigativo en el pronóstico de terremotos aplicando aprendizaje automático y redes neuronales que han obtenido resultados asombrosos. Este trabajo aborda el problema de pronóstico de terremotos con una aplicación de Redes Neuronales de Memoria a Corto y Largo Plazo (LSTM por sus siglas en inglés) y Redes Neuronales de Grafos (GNN por sus siglas en inglés) a eventos sísmicos históricos de Colombia, obtenidos mediante el Servicio Geológico de los Estados Unidos (USGS por sus siglas en inglés), integrando propiedades de redes complejas tales como centralidad del grado (degree centrality), centralidad de vector propio (eigenvector centrality) y PageRank. Se analizó el catálogo de eventos sísmicos y se construyeron redes complejas seleccionando una ventana de eventos, teniendo como objetivo encontrar la característica siguiente en el tiempo. Además entrenamos múltiples redes neuronales LSTM y GNN con ajuste de hiper parámetros mediante la librería Ray Tune encontrando una diferencia bastante marcada en los resultados, obteniendo mejores métricas de clasificación con el modelo GNN.