Mostrar el registro sencillo del ítem

dc.contributor.author
Bianchini, Germán  
dc.contributor.author
Caymes Scutari, Paola Guadalupe  
dc.date.available
2016-07-19T19:31:08Z  
dc.date.issued
2013-05  
dc.identifier.citation
Bianchini, Germán; Caymes Scutari, Paola Guadalupe; Método estadístico-evolutivo para la reducción de incertidumbre en procesos de predicción; Asociación Argentina de Matemática Aplicada, Computacional e Industrial; Revista MACI; 4; 5-2013; 441-444  
dc.identifier.issn
2314-3282  
dc.identifier.uri
http://hdl.handle.net/11336/6602  
dc.description.abstract
Existen diversos factores que dificultan y limitan el modelado y la implementación de fenómenos ambientales, y que impactan en la calidad de la predicción arrojada por la evaluación del modelo en función de los parámetros de entrada. Por su parte, existen diferentes métodos para la reducción de incertidumbre, los cuales permiten reducir los efectos negativos provocados por los aspectos no representables o cuantificables ya sea matemática o computacionalmente. En este trabajo se describe un método de reducción de incertidumbre basado en la estadística, la computación evolutiva y el paralelismo, denominado Evolutionary-Statistical System o ESS. El método es iterativo y dirigido por datos con solución múltiple solapada. Su potencia se basa en aumentar la predicción realizada por el modelo implementado en el simulador con la orientación de la búsqueda y la calibración de los resultados.  
dc.format
application/pdf  
dc.language.iso
spa  
dc.publisher
Asociación Argentina de Matemática Aplicada, Computacional e Industrial  
dc.rights
info:eu-repo/semantics/openAccess  
dc.rights.uri
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/  
dc.subject
Estadística  
dc.subject
Incertidumbre  
dc.subject
Algoritmos Evolutivos  
dc.subject.classification
Estadística y Probabilidad  
dc.subject.classification
Matemáticas  
dc.subject.classification
CIENCIAS NATURALES Y EXACTAS  
dc.subject.classification
Ciencias de la Computación  
dc.subject.classification
Ciencias de la Computación e Información  
dc.subject.classification
CIENCIAS NATURALES Y EXACTAS  
dc.title
Método estadístico-evolutivo para la reducción de incertidumbre en procesos de predicción  
dc.type
info:eu-repo/semantics/article  
dc.type
info:ar-repo/semantics/artículo  
dc.type
info:eu-repo/semantics/publishedVersion  
dc.date.updated
2015-10-15T19:55:07Z  
dc.journal.volume
4  
dc.journal.pagination
441-444  
dc.journal.pais
Argentina  
dc.journal.ciudad
Santa Fe  
dc.description.fil
Fil: Bianchini, Germán. Universidad Tecnologica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Informacion. Laboratorio de Investigacion en Computo Paralelo/Distribuido; Argentina; Argentina  
dc.description.fil
Fil: Caymes Scutari, Paola Guadalupe. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Tecnologica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Informacion. Laboratorio de Investigacion en Computo Paralelo/Distribuido; Argentina; Argentina  
dc.journal.title
Revista MACI  
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/https://asamaci.org.ar/wp-content/uploads/2021/06/MACI-Vol-4-2013.pdf