IMPUTACIÓN DE SERIES DE TIEMPO METEOROLÓGICAS APLICANDO TÉCNICAS DE APRENDIZAJE PROFUNDO (Deep Learning)

dc.contributores-ES
dc.creatorFlores, Aníbal
dc.creatorSilva, Otoniel
dc.date2022-08-06
dc.date.accessioned2023-08-30T20:25:00Z
dc.date.available2023-08-30T20:25:00Z
dc.identifierhttps://revistas.ujcm.edu.pe/index.php/rctd/article/view/194
dc.identifier10.37260/rctd.v5i1.194
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/8540784
dc.descriptionEl presente artículo muestra los resultados de la implementación de dos técnicas de inteligencia artificial en el campo del Aprendizaje Profundo (Deep Learning) correspondiente a las redes neuronales recurrentes conocidas como Long Short-Term Memory (LSTM) y Gated Recurrent Unit (GRU) para imputar datos faltantes en series de tiempo meteorológicas correspondientes a temperaturas máximas en la región Moquegua. Los resultados alcanzados muestran la superioridad de las redes neuronales recurrentes en la imputación de brechas extensas y muy extensas de datos faltantes respecto a otras técnicas de imputación tradicionales con las que fueron comparadas.es-ES
dc.formatapplication/pdf
dc.languagespa
dc.publisherUniversidad José Carlos Mariáteguies-ES
dc.relationhttps://revistas.ujcm.edu.pe/index.php/rctd/article/view/194/173
dc.relation10.37260/rctd.v5i1.194.g173
dc.rightsCopyright (c) 2022 REVISTA CIENCIA Y TECNOLOGÍA - Para el Desarrollo - UJCMes-ES
dc.rightshttp://creativecommons.org/licenses/by-nc/4.0es-ES
dc.sourceREVISTA CIENCIA Y TECNOLOGÍA - Para el Desarrollo - UJCM; Vol. 5 (2019): ESPECIAL RESUMEN DE CONGRESO - REVISTA CIENCIA Y TECNOLOGÍA - Para el Desarrollo - UJCM; 6-11es-ES
dc.source2413 - 7057
dc.source2411 - 8044
dc.source10.37260/rctd.v5i1
dc.subjectes-ES
dc.subjectAprendizaje Profundo; Imputación; Series de tiempo; Redes neuronales recurrentes; LSTM; GRU.es-ES
dc.titleIMPUTACIÓN DE SERIES DE TIEMPO METEOROLÓGICAS APLICANDO TÉCNICAS DE APRENDIZAJE PROFUNDO (Deep Learning)es-ES
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion
dc.typees-ES


Este ítem pertenece a la siguiente institución