Facultad Regional Córdoba
Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/94
Browse
5 results
Search Results
Item Relaciones entre los momentos de aprendizaje y reconocimiento de las redes neuronales artificiales y la evolución espacio-temporal de los autómatas celulares(2005) Vázquez, Juan Carlos Jesús; Marciszack, Marcelo Martín; Martínez, Osvaldo FacundoSe intenta determinar posibles relaciones entre los patrones emergentes de la evolución espacio-temporal de los autómatas celulares (AC: modelos computacionales de cálculo sencillo que desarrollan un comportamiento complejo y auto-organizativo) y la evolución que sufren las redes neuronales artificiales (RNA: modelos computacionales de elementos de proceso simple altamente interconectados que emulan los sistemas neuronales biológicos) durante las fases de aprendizaje y reconocimiento. Se consideran las redes del tipo backpropagation (BP) durante su fase de aprendizaje y las redes de tipo Hopfield (HP) durante su fase de reconocimiento, como sistemas evolutivos y se trata de plasmar esa evolución en patrones gráficos comparables a los del modelo AC. El estudio intenta descubrir primero, relaciones morfológicas y/o topológicas entre patrones evolutivos generados por estos modelos utilizados en el enfoque subsimbólico de la Inteligencia Artificial para estudiar el comportamiento inteligente y en las Ciencias Naturales (Física, Biología, etc.) para el modelado de sistemas naturales de dinámica compleja; luego, y en caso de logros positivos, indagar sobre una aproximación formal de estas relaciones, lo que permitiría de alguna forma, el intercambio de herramental teórico entre ambos modelos.Item Modelos basados en redes neuronales artificiales para la obtención de monoglicéridos: desarrollo y validación(2017) Modesti, Mario; Kliger, Luis; Bálsamo, Nancy Florentina; Crivello, Mónica Elsie; Álvarez, Dolores María EugeniaLa producción de biodiesel genera grandes cantidades de glicerol remanente. Este puede convertirse en monoglicéridos, producto de mayor valor agregado. El objetivo del presente trabajo es comprobar la capacidad de generalización de modelos matemáticos basados en Redes Neuronales Artificiales que caractericen la relación entre la conversión del reactivo, estearato de metilo, y el rendimiento de los productos de la reacción de transesterificación con glicerol. Para esto se emplearon distintos parámetros de reacción referidos al catalizador sólido, que consistió en un óxido mixto de Mg y Al con Li incorporado en diferentes proporciones, derivado de hidróxidos dobles laminares. Se crearon tres modelos de Redes Neuronales Artificiales con estructura backpropagation. La red que mayor capacidad de generalización mostró fue la constituida por una capa oculta con 35 neuronas y función de transferencia sigmoidea y una capa con función lineal de salida. Esta fue capaz de explicar la relación entre los porcentajes de conversión y rendimiento de la reacción, en cuanto a la obtención de mono- y di-glicéridos, cuando la masa del catalizador varía hasta en un 1%, pero no demostró aptitud para explicar dicha relación entre los parámetros de reacción al modificarse el contenido de Li como sitio activo en el catalizador sólido. El empleo de estos modelos es de interés, dada su incidencia en la proyección del proceso a mayores escalas.Item Modelado neuronal en la obtención selectiva de monoglicéridos empleando catalizadores de Litio(2018) Álvarez, Dolores María Eugenia; Bálsamo, Nancy Florentina; Modesti, Mario; Crivello, Mónica ElsieLa producción de biodiesel genera grandes cantidades de glicerol remanente. Este puede convertirse en monogliceridos, de mayor valor agregado, empleando catalizadores de Litio. En trabajos anteriores se estudiaron Redes Neuronales Artificiales con estructura backpropagation, que explican la relación entre el porcentaje molar de conversión del reactivo estearato de metilo y el del rendimiento de los productos. El objetivo de este es evaluar la capacidad predictiva de una de las redes que obtuvo mejor desempeño, con distinto número de neuronas en la capa oculta. Para la comparación se consideraron el menor error cuadrático medio y mayor índice de correlación, la similitud en la evolución de errores de validación y simulación y la ausencia de sobre-aprendizaje de datos. La red de mayor simplicidad que mejor desempeño mostró fue la constituida por 35 neuronas con función de transferencia sigmoidea en la capa oculta y una lineal en la capa de salida. El menor error y mayor índice de correlación entre respuestas reales y predichas fueron 0,011193 y 0,999977, para la simulación con datos de monoglicéridos. El desarrollo de estos modelos es de interés por la consecuente disminución de tiempos y costos en ensayos experimentalesItem Modelos basados en redes neuronales artificiales para la degradación de contaminantes emergentes: desarrollo y validación(2021) Álvarez, Dolores María Eugenia; Modesti, Mario Roberto; Gerbaldo, María Verónica; Mendieta, Silvia Nazaret; Crivello, Mónica ElsieLos contaminantes emergentes son sustancias químicas que comúnmente que no se encuentran monitoreadas pero pueden causar efectos adversos ecológicos y para la salud humana, tal es el caso del diclofenaco sódico. Éste puede ser degradado mediante un proceso heterogéneo de Photo-Fenton, utilizando CoFe2O4 como catalizador, H2O2 como oxidante y radiación germicida UV. El objetivo del trabajo es comprobar la capacidad de generalización de modelos matemáticos basados en redes neuronales artificiales que caractericen la relación entre la degradación del diclofenaco y el consumo de H2O2, con los porcentajes de Carbono Orgánico Total logrados en la mineralización del fármaco. La red neuronal bakpropagation que mejor desempeño mostró está constituida con una capa oculta con función de transferencia sigmoidea, conteniendo 10 neuronas y una de salida con lineal. Se determinó que el modelo posee capacidad de aproximar la tendencia en cuanto a la combinación de datos de entrada (Absorbancia y concentración de H2O2) y salida del mismo (% de TOC), cuando se valida con el catalizador reusado por primera y segunda vez. El desarrollo de estos modelos es de interés por la consecuente disminución de tiempos y costos en ensayos experimentales; representa un estudio preliminar de la evolución en el tratamiento de contaminantes emergentes.Item Modelado matemático de la pirólisis de residuos sólidos olivícolas(2021) Mansilla, Ayelén María; Bálsamo, Nancy Florentina; Álvarez, Dolores María Eugenia; Crivello, Mónica ElsieLa industria olivícola es una actividad social y económica clave en la región noroeste de Córdoba. Ésta genera importantes cantidades de biomasa residual que se puede transformar en moléculas plataforma, de mayor valor agregado, mediante pirólisis. La pirólisis consiste en la carbonización en ausencia de oxígeno. El objetivo de este trabajo es utilizar Redes Neuronales Artificiales para obtener un modelo matemático que permita reproducir el proceso de pirólisis que transforma a los carozos de aceitunas en biolíquidos y biocarbón. Se desarrolló una red con algoritmo backpropagation. Para su entrenamiento se utilizó un conjunto predefinido de datos entrada/salida considerados como referencia del proceso; se utilizaron la temperatura y porcentajes de biocarbón obtenidos experimentalmente, como datos de entrada y los porcentajes de biolíquido, como salida. El algoritmo comparó el resultado obtenido con los valores que se desean obtener y así calculó un valor de error. El error se transmite hacia atrás, partiendo de la capa de salida hacia todas las capas intermedias que contribuyen directamente a ella. La red obtenida se estructuró con 5 neuronas en la capa oculta. El menor error y mayor índice de correlación entre respuestas reales y predichas fueron 3,3296 x 10-7 y 1, respectivamente. A partir del desarrollo de modelos matemáticos se pretende proyectar la evolución de la pirólisis en distintas condiciones de operación. Esto es de interés, dado que permite predecir el rendimiento de la reacción con la consecuente disminución de tiempos y costos en ensayos experimentales.