1. Repositorio Digital USFQ
  2. TESIS COLEGIO DE PREGRADO
  3. COLEGIO DE CIENCIAS E INGENIERÍAS (POLI)
  4. Tesis - Ingeniería Industrial
Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.usfq.edu.ec/handle/23000/14766
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorBaldeón Calisto, María Gabriela, dir.-
dc.contributor.authorVélez Malo, Gabriel-
dc.contributor.authorFlores Figueroa, David Sebastián-
dc.contributor.authorLanas Terán, Carolina-
dc.date.accessioned2025-11-05T21:16:35Z-
dc.date.available2025-11-05T21:16:35Z-
dc.date.issued2025-05-08-
dc.identifier.citationTesis (Ingeniería Industrial), Universidad San Francisco de Quito, Colegio de Ciencias e Ingenierías; Quito, Ecuador, 2025es_ES
dc.identifier.urihttp://repositorio.usfq.edu.ec/handle/23000/14766-
dc.descriptionThis work investigates the predicted link between chemical structure and olfactory perception using machine learning algorithms. The collection contains 44 odor descriptors for 5,855 molecules, each of which is represented by its isomeric SMILES. It was collected from public and private databases and cleaned after extensive preprocessing. To translate SMILES into a machine learning language, Morgan Fingerprints were applied creating two datasets with two different radius values (2 and 3)...es_ES
dc.description.abstractEste trabajo investiga la relación predicha entre la estructura química y la percepción olfativa utilizando algoritmos de aprendizaje automático. La colección contiene 44 descriptores de olor para 5,855 moléculas, cada una representada por su SMILES isomérico. Los datos fueron recopilados de bases de datos públicas y privadas y limpiados tras un exhaustivo preprocesamiento. Para traducir los SMILES a un lenguaje comprensible para el aprendizaje automático, se aplicaron las Morgan Fingerprints, creando dos conjuntos de datos con dos valores de radio diferentes (2 y 3)...es_ES
dc.format.extent50 h.es_ES
dc.language.isoenes_ES
dc.publisherQuitoes_ES
dc.rightsopenAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/ec/es_ES
dc.subjectOptimización de procesos industriales - Inteligencia artificial - Tesis y disertaciones académicases_ES
dc.subject.otherTecnologíaes_ES
dc.subject.otherIngeniería industriales_ES
dc.titleRelationship Between Chemical Components and Aroma Profiles: A Machine Learning-Based Approaches_ES
dc.typebachelorThesises_ES
Aparece en las colecciones: Tesis - Ingeniería Industrial

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
212365-320269-322915.pdfTexto completo933.45 kBAdobe PDFVisualizar/Abrir
Mostrar el registro sencillo del ítem


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