Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/20.500.14076/18062
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorHuaco Oviedo, Daniel-
dc.contributor.authorDe La Puente Altez, Alejandro Gaspar-
dc.creatorDe La Puente Altez, Alejandro Gaspar-
dc.date.accessioned2019-06-28T14:02:44Z-
dc.date.available2019-06-28T14:02:44Z-
dc.date.issued1998-
dc.identifier.urihttp://hdl.handle.net/20.500.14076/18062-
dc.description.abstractSe inició el estudio de las redes neuronales artificiales en series de tiempo con la finalidad de evaluar su capacidad generalizadora en la restauración de señales procedentes de registros de mareas terrestres. Estas señales, consecuencia de perturbaciones gravimétricas del Sol y la Luna que están deformando la superficie de la Tierra, y medidas por un extensómetro de volumen pueden ser afectados e interrumpidos por agentes externos teniendo como consecuencia registros incompletos o con perturbaciones no previstas. El estudio mostró que las redes neuronales artificiales requieren una gran cantidad de memorización a través de una selección de un gran número de puntos en el pasado o una gran cantidad de neuronas en el estrato de entrada. La confiabilidad de estos resultados fue verificada por un análisis del espectro de Fourier de la señal instrumental y de la señal reconstituida teniendo como resultado que una red de 500 neuronas en el estrato de entrada en un registro con marcas cada hora puede restaurar hasta 150 horas con un error menor del 0.3% medido en el Espectro de Fourier correspondiente.es
dc.description.abstractThe study scope deals with artificial neural networks in time series to test its capacity on signal restoration from records of earth tidal waves. These signals, consequences of gravimetric disturbance of the Sun and the Moon that are deforming the Earth surface measured by a volume strainmeter can be affected and interrupted by extemal agents providing as a consequence uncompleted records or undesirable disturbances. The study shows that the artificial neural networks require a large amount of memorizing through a selection of a big number of points in the past or a big number of neurons in the input layer. The confidence on these results was verified by an analysis of the Fourier Spectra of the instrumental and rebuild signal, having as a result that a net of 500 neurons in the input layer in a record with points each .hour can restore up to 150 hours with a error less than 0.3% sized in the respective Fourier Spectra.en
dc.description.uriTesises
dc.formatapplication/pdfes
dc.language.isospaes
dc.publisherUniversidad Nacional de Ingenieríaes
dc.rightsinfo:eu-repo/semantics/restrictedAccesses
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/es
dc.sourceUniversidad Nacional de Ingenieríaes
dc.sourceRepositorio Institucional - UNIes
dc.subjectAplicaciones de computadorases
dc.subjectDiseño asistido por computadores
dc.subjectRedes neuronaleses
dc.titleAplicación de redes neuronales artificiales a las mareas terrestreses
dc.typeinfo:eu-repo/semantics/masterThesises
thesis.degree.nameMaestro en Ciencias con Mención en Ingeniería Estructurales
thesis.degree.grantorUniversidad Nacional de Ingeniería. Facultad de Ingeniería Civil. Unidad de Posgradoes
thesis.degree.levelMaestríaes
thesis.degree.disciplineMaestría en Ciencias con Mención en Ingeniería Estructurales
thesis.degree.programMaestríaes
Aparece en las colecciones: Maestría

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
delapuente_aa.pdf7,57 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons

Indexado por:
Indexado por Scholar Google LaReferencia Concytec BASE renati ROAR ALICIA RepoLatin UNI