Deep learning para la predicción de la viscosidad en un microvicosímetro capilar.

Se desarrolló una red neuronal multicapa destinada a la predicción de la viscosidad de fluidos a partir de las curvas de posición vs tiempo proporcionadas por el Microviscosímetro capilar diseñado por el Dr.Morhell y el Dr.Pastoriza. La motivación que propició la red fue solucionar la problemáti...

Descripción completa

Detalles Bibliográficos
Autor principal: Paris, Facundo N.
Formato: Tesis NonPeerReviewed
Lenguaje:Español
Publicado: 2018
Materias:
Redes neuronales
Neural networks
[Machine learning
Aprendizaje profundo
Microviscomeer
Microviscosimetro
Microfluidcs
Microfluidica]
Acceso en línea:http://ricabib.cab.cnea.gov.ar/758/1/1Paris.pdf
Aporte de:
Repositorio Institucional Centro Atómico Bariloche e Instituto Balseiro (RICABIB) de Instituto Balseiro
id I25-R131-758
record_format dspace
spelling I25-R131-7582019-10-07T16:51:17Z Deep learning para la predicción de la viscosidad en un microvicosímetro capilar. Deep learning to predict yhe viscosity in a capilar microviscometer. Paris, Facundo N. Redes neuronales Neural networks Redes neuronales [Machine learning Aprendizaje profundo Microviscomeer Microviscosimetro Microfluidcs Microfluidica] Se desarrolló una red neuronal multicapa destinada a la predicción de la viscosidad de fluidos a partir de las curvas de posición vs tiempo proporcionadas por el Microviscosímetro capilar diseñado por el Dr.Morhell y el Dr.Pastoriza. La motivación que propició la red fue solucionar la problemática que se presenta en las mediciones donde la dinámica del fluido se ve alterada por fenómenos propios a las condiciones de borde del microcanal. Para ello se realizaron numerosas mediciones en fluidos con diferentes coeficientes de viscosidad y a distintas temperaturas para realizar un entrenamiento supervisado de la red neuronal de manera de obtener una mejor predicción. La red neuronal desarrollada para los primeros 5 segundos de la medición mostró una muy buena generalización, probada en mediciones de plasma sanguíneo, incluso en aquellas mediciones donde la dinámica estaba alterada. We developed a Neural Network Regression to predict uid viscosity from the position vs. time curves provided by the Microviscometer designed by Dr. Morhell and Dr.Pastoriza. The motivation for the network was to solve a problem presented in the measurements when the dynamics of the fluid were altered by the border conditions of the microchannel. We performed numerous measurements in fluids with different viscosity coefficients and at different temperatures to do a supervised training of the neural network. The neural network developed for the rst 5 seconds of the measurement showed a very good generalization, tested in blood plasma measurements, even in those measurements where the dynamics were altered. 2018-12-11 Tesis NonPeerReviewed application/pdf http://ricabib.cab.cnea.gov.ar/758/1/1Paris.pdf es Paris, Facundo N. (2018) Deep learning para la predicción de la viscosidad en un microvicosímetro capilar. / Deep learning to predict yhe viscosity in a capilar microviscometer. Maestría en Ciencias Físicas, Universidad Nacional de Cuyo, Instituto Balseiro. http://ricabib.cab.cnea.gov.ar/758/
institution Instituto Balseiro
institution_str I-25
repository_str R-131
collection Repositorio Institucional Centro Atómico Bariloche e Instituto Balseiro (RICABIB)
language Español
orig_language_str_mv es
topic Redes neuronales
Neural networks
Redes neuronales
[Machine learning
Aprendizaje profundo
Microviscomeer
Microviscosimetro
Microfluidcs
Microfluidica]
spellingShingle Redes neuronales
Neural networks
Redes neuronales
[Machine learning
Aprendizaje profundo
Microviscomeer
Microviscosimetro
Microfluidcs
Microfluidica]
Paris, Facundo N.
Deep learning para la predicción de la viscosidad en un microvicosímetro capilar.
topic_facet Redes neuronales
Neural networks
Redes neuronales
[Machine learning
Aprendizaje profundo
Microviscomeer
Microviscosimetro
Microfluidcs
Microfluidica]
description Se desarrolló una red neuronal multicapa destinada a la predicción de la viscosidad de fluidos a partir de las curvas de posición vs tiempo proporcionadas por el Microviscosímetro capilar diseñado por el Dr.Morhell y el Dr.Pastoriza. La motivación que propició la red fue solucionar la problemática que se presenta en las mediciones donde la dinámica del fluido se ve alterada por fenómenos propios a las condiciones de borde del microcanal. Para ello se realizaron numerosas mediciones en fluidos con diferentes coeficientes de viscosidad y a distintas temperaturas para realizar un entrenamiento supervisado de la red neuronal de manera de obtener una mejor predicción. La red neuronal desarrollada para los primeros 5 segundos de la medición mostró una muy buena generalización, probada en mediciones de plasma sanguíneo, incluso en aquellas mediciones donde la dinámica estaba alterada.
format Tesis
NonPeerReviewed
author Paris, Facundo N.
author_facet Paris, Facundo N.
author_sort Paris, Facundo N.
title Deep learning para la predicción de la viscosidad en un microvicosímetro capilar.
title_short Deep learning para la predicción de la viscosidad en un microvicosímetro capilar.
title_full Deep learning para la predicción de la viscosidad en un microvicosímetro capilar.
title_fullStr Deep learning para la predicción de la viscosidad en un microvicosímetro capilar.
title_full_unstemmed Deep learning para la predicción de la viscosidad en un microvicosímetro capilar.
title_sort deep learning para la predicción de la viscosidad en un microvicosímetro capilar.
publishDate 2018
url http://ricabib.cab.cnea.gov.ar/758/1/1Paris.pdf
work_keys_str_mv AT parisfacundon deeplearningparalapredicciondelaviscosidadenunmicrovicosimetrocapilar
_version_ 1812569678178942976

Ejemplares similares