Minería de datos aplicados a datos biológicos
Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10045/116965
Registro completo de metadatos
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor | Zubcoff, Jose | - |
dc.contributor.author | Vidal Miralles, José Armando | - |
dc.contributor.other | Universidad de Alicante. Departamento de Ciencias del Mar y Biología Aplicada | es_ES |
dc.date.accessioned | 2021-07-29T08:45:15Z | - |
dc.date.available | 2021-07-29T08:45:15Z | - |
dc.date.issued | 2021-07-29 | - |
dc.date.submitted | 2021-07-26 | - |
dc.identifier.uri | http://hdl.handle.net/10045/116965 | - |
dc.description.abstract | En diciembre de 2019 se detectó una nueva enfermedad respiratoria aguda, la enfermedad denominada como COVID-19 (coronavirus disease) en la ciudad de Wuhan, provincia de Hubei, China. Desde el momento en el que se decretó la enfermedad como pandémica en marzo de 2019, los gobiernos con competencias en la gestión de la pandemia han impuesto diferentes medidas para mitigar la propagación del virus SARS-CoV-2. Esta situación demanda la necesidad de conocer con la máxima precisión posible la evolución de la enfermedad en cada región para así tomar las mejores decisiones en la gestión de la pandemia. Una de las metodologías más usadas durante la pandemia para predecir la propagación de la enfermedad fue la construcción de redes neuronales artificiales (ANN). Con este método, basado en el aprendizaje profundo, se ha realizado una predicción de la COVID-19 de diferentes municipios de la Comunidad de Madrid. Las predicciones a partir de redes neuronales podrían cambiar drásticamente la gestión de esta y futuras pandemias, dejando entrever la posibilidad de que las medidas sean más específicas para cada región. | es_ES |
dc.language | spa | es_ES |
dc.rights | Licencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 | es_ES |
dc.subject | Red neuronal | es_ES |
dc.subject | COVID-19 | es_ES |
dc.subject | Contagios | es_ES |
dc.subject | Incidencia | es_ES |
dc.subject | Madrid | es_ES |
dc.subject | Regresión lineal | es_ES |
dc.subject.other | Estadística e Investigación Operativa | es_ES |
dc.title | Minería de datos aplicados a datos biológicos | es_ES |
dc.type | info:eu-repo/semantics/bachelorThesis | es_ES |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | - |
dc.identifier.uaprojectID | 2020-21-26999-C054-C4-263055 | - |
Aparece en las colecciones: | Grado en Biología - Trabajos Fin de Grado |
Archivos en este ítem:
Archivo | Descripción | Tamaño | Formato | |
---|---|---|---|---|
![]() | 1,24 MB | Adobe PDF | Abrir Vista previa | |
Todos los documentos en RUA están protegidos por derechos de autor. Algunos derechos reservados.