dc.contributorSchwarz Díaz, Max
dc.creatorSchwarz Díaz, Max
dc.date.accessioned2017-09-07T17:12:50Z
dc.date.available2017-09-07T17:12:50Z
dc.date.created2017-09-07T17:12:50Z
dc.date.issued2017
dc.identifierSchwarz, M. (2017). Redes Neuronales para el reconocimiento de patrones no tradicionales en la predicción de accidentes fatales en la industria minera peruana. Revista Científica de la UCSA, 4(2), 6-12. Recuperado de https://doi.org/10.18004/ucsa/2409-8752/2017.004(02)006-012
dc.identifier2409-8752
dc.identifierhttps://hdl.handle.net/20.500.12724/4814
dc.identifierRevista Científica de la UCSA
dc.identifierhttps://doi.org/10.18004/ucsa/2409-8752/2017.004(02)006-012
dc.description.abstractLa investigación propone utilizar redes neuronales para el reconocimiento de patrones no tradicionales en la predicción de accidentes fatales en la industria minera peruana para lo cual explora 6,568 reportes y 239 Informes de Investigación del Ministerio de Energía y Minas reportados entre 2010-2015. La investigación concluye con un error de precisión de 0.0761% la existencia de patrones no tradicionales como la complejidad operacional, experiencia laboral o disponibilidad de equipos que presentan alta influencia en la accidentabilidad y desarrolla un instrumento para predecirla con fines académicos e industriales.
dc.languagespa
dc.publisherUniversidad del Cono Sur de las Américas
dc.publisherPY
dc.relationurn:issn:2409-8752
dc.rightshttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rightsinfo:eu-repo/semantics/openAccess
dc.sourceUniversidad de Lima
dc.sourceRepositorio Institucional - Ulima
dc.subjectMinería
dc.subjectSeguridad industrial
dc.subjectAccidentes de trabajo
dc.titleRedes Neuronales para el reconocimiento de patrones no tradicionales en la predicción de accidentes fatales en la industria minera peruana
dc.typeinfo:eu-repo/semantics/article


Este ítem pertenece a la siguiente institución