Estratificación temporal de Aedes Aegypti basada en herramientas geoespaciales y aprendizaje automático / Juan Manuel Scavuzzo.
Detalles de publicación: [S.l. : s.n. ], 2018.Descripción: ix, 58 p. : il. ; 30 cmTema(s): Recursos en línea: Nota de disertación: Tesis (Lic. en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2018. Resumen: En el presente trabajo, por un lado, implementa un framework para la generación de modelos de aprendizaje automático (ML) con el objetivo de estimar la abundancia de vectores de Dengue, Zika y Chikungunya. A su vez, se entrenan y evalúan modelos no lineales para modelar las poblaciones del mosquito. Éstos poseen mayor capacidad de generalización, en comparación con los modelos que actualmente se utilizan para tal fin. En este trabajo se propone resolver el problema de la decisión de qué modelo utilizar en las localidades que no poseen datos de entrenamiento a través de un concepto novedoso en el campo de la epidemiología, que establece relaciones de cercanía entre regiones teniendo en cuenta sus características ambientales: la Distancia Ambiental Normalizada.Resumen: n the present work, on the one hand, we implements a framework for the generation of automatic learning models (ML) with the objective of estimating the abundance of Dengue, Zika and Chikungunya vectors. In turn, non-linear models are trained and evaluated to model mosquito populations. These have greater generalization capacity, in comparison with the models that are currently used for this purpose. In this work we propose to solve the problem of deciding which model to use in localities that do not have training data through a novel concept in the field of epidemiology, which establishes relations of closeness between regions taking into account their environmental characteristics : Normalized Environmental Distance.Tipo de ítem | Biblioteca actual | Signatura | URL | Copia número | Estado | Notas | Fecha de vencimiento | Código de barras | Reserva de ítems |
---|---|---|---|---|---|---|---|---|---|
Trabajo Especial de Grado | FaMAF Secc. Tesis y Trabajos especiales | Trabajo Especial Computación CAJA 23 - 23421 | Enlace al Recurso | 1 | Disponible | Disponible también en línea | 23421 |
Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional.
Tesis (Lic. en Ciencias de la Computación)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2018.
Bibliografía: p. 50-58.
En el presente trabajo, por un lado, implementa un framework para la generación de modelos de aprendizaje automático (ML) con el objetivo de estimar la abundancia de vectores de Dengue, Zika y Chikungunya.
A su vez, se entrenan y evalúan modelos no lineales para modelar las poblaciones del mosquito. Éstos poseen mayor capacidad de generalización, en comparación con los modelos que actualmente se utilizan para tal fin.
En este trabajo se propone resolver el problema de la decisión de qué modelo utilizar en las localidades que no poseen datos de entrenamiento a través de un concepto novedoso en el campo de la epidemiología, que establece relaciones de cercanía entre regiones teniendo en cuenta sus características ambientales: la Distancia Ambiental Normalizada.
n the present work, on the one hand, we implements a framework for the generation of automatic learning models (ML) with the objective of estimating the abundance of Dengue, Zika and Chikungunya vectors.
In turn, non-linear models are trained and evaluated to model mosquito populations. These have greater generalization capacity, in comparison with the models that are currently used for this purpose.
In this work we propose to solve the problem of deciding which model to use in localities that do not have training data through a novel concept in the field of epidemiology, which establishes relations of closeness between regions taking into account their environmental characteristics : Normalized Environmental Distance.