Aplicación del aprendizaje automático para la predicción del gusto de moléculas orgánicas
La motivación de la presente tesis de maestría es utilizar la relación entre la estructura y la actividad de los compuestos químicos para el desarrollo de modelos computacionales gustativos más útiles y eficaces. Para este propósito, se compilará una base de datos extensa de la información que se en...
Guardado en:
Autor principal: | |
---|---|
Otros Autores: | |
Formato: | doctoralThesis |
Lenguaje: | Español |
Publicado: |
2022
|
Materias: | |
Acceso en línea: | http://hdl.handle.net/11086/28075 |
Aporte de: |
id |
I10-R141-11086-28075 |
---|---|
record_format |
dspace |
institution |
Universidad Nacional de Córdoba |
institution_str |
I-10 |
repository_str |
R-141 |
collection |
Repositorio Digital Universitario (UNC) |
language |
Español |
topic |
Compuestos químicos Moléculas orgánicas Aprendizaje automático Modelos computacionales gustativos Base de datos |
spellingShingle |
Compuestos químicos Moléculas orgánicas Aprendizaje automático Modelos computacionales gustativos Base de datos Rojas Villa, Cristian Xavier Aplicación del aprendizaje automático para la predicción del gusto de moléculas orgánicas |
topic_facet |
Compuestos químicos Moléculas orgánicas Aprendizaje automático Modelos computacionales gustativos Base de datos |
description |
La motivación de la presente tesis de maestría es utilizar la relación entre la estructura y la actividad de los compuestos químicos para el desarrollo de modelos computacionales gustativos más útiles y eficaces. Para este propósito, se compilará una base de datos extensa de la información que se encuentra reportada en diversas fuentes bibliográficas. Seguidamente, se verificará y filtrará la información de tal forma de obtener una base de datos validada para aplicar el aprendizaje no supervisado con el propósito de definir el espacio químico del gusto. Posteriormente, se utilizarán diversas estrategias del aprendizaje supervisado (clasificación) para proponer modelos que permitan realizar predicciones confiables del gusto de nuevas moléculas. |
author2 |
García, Fernando |
author_facet |
García, Fernando Rojas Villa, Cristian Xavier |
format |
doctoralThesis |
author |
Rojas Villa, Cristian Xavier |
author_sort |
Rojas Villa, Cristian Xavier |
title |
Aplicación del aprendizaje automático para la predicción del gusto de moléculas orgánicas |
title_short |
Aplicación del aprendizaje automático para la predicción del gusto de moléculas orgánicas |
title_full |
Aplicación del aprendizaje automático para la predicción del gusto de moléculas orgánicas |
title_fullStr |
Aplicación del aprendizaje automático para la predicción del gusto de moléculas orgánicas |
title_full_unstemmed |
Aplicación del aprendizaje automático para la predicción del gusto de moléculas orgánicas |
title_sort |
aplicación del aprendizaje automático para la predicción del gusto de moléculas orgánicas |
publishDate |
2022 |
url |
http://hdl.handle.net/11086/28075 |
work_keys_str_mv |
AT rojasvillacristianxavier aplicaciondelaprendizajeautomaticoparalapredicciondelgustodemoleculasorganicas |
bdutipo_str |
Repositorios |
_version_ |
1764820391832846337 |