Aplicación de redes neuronales como algoritmos de machine learning para la predicción de recuperaciones auríferas mediante cianuración por agitación en Yauca - Caravelí

• Autor: Mamani Sacsi, Jorge Noel
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:20.500.12773/15482
• Enlace del recurso: http://hdl.handle.net/20.500.12773/15482
• Nivel de acceso: acceso abierto
• Materia: Redes neuronales; Lixiviación; Python; Colab; Redes neuronales biológicas; https://purl.org/pe-repo/ocde/ford#2.11.02

En el presente trabajo desarrollamos una de las aplicaciones de las redes neuronales como algoritmos de predicción de Machine Learning para predecir recuperaciones de oro (Au) en pruebas metalúrgicas de lixiviación cianurada en celdas de agitación a nivel laboratorio. Desarrollaremos los fundamentos teóricos de las redes neuronales y ejecutaremos nuestro modelo en base a códigos con el lenguaje Python utilizando Google Colab, un producto de Google que permite a los usuarios ejecutar código Python en el navegador obteniendo diferentes beneficios. Estas redes neuronales trabajan como un método de Inteligencia Artificial que procesan información como lo harían las redes neuronales biológicas, inspiradas en el proceso de aprendizaje del cerebro humano. Se trata de un algoritmo de Machine Learning que crea un sistema de neuronas interconectadas que, mediante una base de datos de entradas y salidas, este sistema aprende de sus errores, comparando los resultados y mejorando continuamente, resolviendo problemas complicados que demanden gran cantidad de información.