Estratificación temporal de Aedes Aegypti basada en herramientas geoespaciales y aprendizaje automático
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...
Main Author: | |
---|---|
Other Authors: | |
Format: | bachelorThesis |
Language: | spa |
Published: |
2018
|
Subjects: | |
Online Access: | http://hdl.handle.net/11086/10760 |
_version_ | 1801211768165367808 |
---|---|
author | Scavuzzo, Juan Manuel |
author2 | Sanchez, Jorge |
author_facet | Sanchez, Jorge Scavuzzo, Juan Manuel |
author_sort | Scavuzzo, Juan Manuel |
collection | Repositorio Digital Universitario |
description | 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 |
format | bachelorThesis |
id | rdu-unc.10760 |
institution | Universidad Nacional de Cordoba |
language | spa |
publishDate | 2018 |
record_format | dspace |
spelling | rdu-unc.107602022-10-13T11:31:47Z Estratificación temporal de Aedes Aegypti basada en herramientas geoespaciales y aprendizaje automático Scavuzzo, Juan Manuel Sanchez, Jorge Peralta, Gonzalo Sebastián Applied computing Machine Learning Epidemiology 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 2018-12-28T19:16:13Z 2018-12-28T19:16:13Z 2018 bachelorThesis http://hdl.handle.net/11086/10760 spa Atribución 4.0 Internacional http://creativecommons.org/licenses/by/4.0/ |
spellingShingle | Applied computing Machine Learning Epidemiology Scavuzzo, Juan Manuel Estratificación temporal de Aedes Aegypti basada en herramientas geoespaciales y aprendizaje automático |
title | Estratificación temporal de Aedes Aegypti basada en herramientas geoespaciales y aprendizaje automático |
title_full | Estratificación temporal de Aedes Aegypti basada en herramientas geoespaciales y aprendizaje automático |
title_fullStr | Estratificación temporal de Aedes Aegypti basada en herramientas geoespaciales y aprendizaje automático |
title_full_unstemmed | Estratificación temporal de Aedes Aegypti basada en herramientas geoespaciales y aprendizaje automático |
title_short | Estratificación temporal de Aedes Aegypti basada en herramientas geoespaciales y aprendizaje automático |
title_sort | estratificacion temporal de aedes aegypti basada en herramientas geoespaciales y aprendizaje automatico |
topic | Applied computing Machine Learning Epidemiology |
url | http://hdl.handle.net/11086/10760 |
work_keys_str_mv | AT scavuzzojuanmanuel estratificaciontemporaldeaedesaegyptibasadaenherramientasgeoespacialesyaprendizajeautomatico |