1. Repositorio Digital USFQ
  2. TESIS COLEGIO DE PREGRADO
  3. COLEGIO DE CIENCIAS E INGENIERÍAS (POLI)
  4. Tesis - Ingeniería en Ciencias de la Computación
Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.usfq.edu.ec/handle/23000/13443
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorRiofrío, Daniel, dir.-
dc.contributor.authorOspina Gracia, Alejandra Victoria-
dc.date.accessioned2024-06-25T17:40:56Z-
dc.date.available2024-06-25T17:40:56Z-
dc.date.issued2023-12-14-
dc.identifier.citationTesis (Ingeniera en Ciencias de la Computación), Universidad San Francisco de Quito, Colegio de Ciencias e Ingenierías ; Quito, Ecuador, 2023es_ES
dc.identifier.urihttp://repositorio.usfq.edu.ec/handle/23000/13443-
dc.descriptionThis study delves into optimizing parameters for the seismic behavior model EBP-EAB and conducting feature selection in high-dimensional datasets, addressing critical challenges in structural engineering and machine learning. We present a robust implementation of the ABC algorithm to optimize the EBP-EAB model, markedly enhancing its alignment with observed behaviors. Additionally, genetic algorithms (GAs) are employed for effective feature selection. Notably, the incorporation of quantum random numbers generated by IBM quantum computers demonstrates accelerated convergence during optimization...es_ES
dc.description.abstractEn este estudio, se abordaron dos problemas fundamentales en ingeniería estructural y aprendizaje automático: la optimización de parámetros en el modelo de comportamiento sísmico EBP-EAB y la selección de características en conjuntos de datos de alta dimensionalidad. Para el primer problema, se empleó el algoritmo ABC, destacando su eficacia en ajustar el modelo EBP-EAB y mejorar la correspondencia con comportamientos observados. La utilización de números cuánticos aleatorios, generados mediante computadoras cuánticas de IBM, demostró convergencia más rápida en la optimización...es_ES
dc.format.extent43 h.es_ES
dc.language.isospaes_ES
dc.publisherQuitoes_ES
dc.rightsopenAccesses_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ec/*
dc.subjectAlgoritmos - Investigaciones - Tesis y disertaciones académicases_ES
dc.subjectIngeniería de sistemases_ES
dc.subject.otherCienciases_ES
dc.subject.otherComputaciónes_ES
dc.titleComputación híbrida para encontrar soluciones a problemas de optimización utilizando algoritmos de optimización inspirados en la bioloes_ES
dc.typebachelorThesises_ES
Aparece en las colecciones: Tesis - Ingeniería en Ciencias de la Computación

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
212243.pdfTexto completo516.4 kBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons