Ir al contenido

Documat


Contribución al estudio experimental de la predicción basada en categorías deformables borrosas

  • Autores: José Ángel Olivas Varela Árbol académico
  • Directores de la Tesis: Enric Trillas (dir. tes.) Árbol académico
  • Lectura: En la Universidad de Castilla-La Mancha ( España ) en 2000
  • Idioma: español
  • Tribunal Calificador de la Tesis: José Luis Verdegay Galdeano (presid.) Árbol académico, Luis Jiménez Linares (secret.) Árbol académico, Mario G. Piattini Velthuis (voc.) Árbol académico, Senén Barro (voc.) Árbol académico, Alejandro Sobrino (voc.) Árbol académico
  • Enlaces
    • Tesis en acceso abierto en: RUIdeRA
  • Resumen
    • En el marco de la Inteligencia Artificial, este trabajo es una contribución experimental para analizar empíricamente cómo una situación nueva puede ser representada deformando los patrones (prototipos) que de situaciones similares se poseen, Si además los problemas a abordar tienen implícita una carga asociada de imprecisión e incertidumbre, la Lógica Borrosa proporciona herramientas para gestionarlos adecuadamente. Se ha focalizado en dos aspectos:

      -Por un lado, se ha realizado un desarrollo experimental que contribuye al estudio de los sistemas de predicción, mediante un Sistema Basado en el Conociminto para predecir las pautas de aparición de incendios forestales en una comarca gallega, estimando el número de siniestros esperados para los siguientes días, así como las necesidades en cuanto a especialistas, patrullas y medios mecánicos, para poder combatir estos sucesos con eficacia.

      El pronóstico resultante, es usado para optimizar el uso de recursos disponibles en la lucha contra los incendios forestales, tanto en ubicación, como en prioridades, horarios,etc.

      -Por otro, se ha dotado este desarrollo de un modeloa teórico, basado en categorias deformables borrosas, capaz de representar y manipular la complejidad que conlleva la resolución de este problema.


Fundación Dialnet

Mi Documat

Opciones de tesis

Opciones de compartir

Opciones de entorno