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

Descripción del Articulo

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...

Descripción completa

Detalles Bibliográficos
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
id UNSA_3afd53aa2b412bdbea2c9b8a7845946d
oai_identifier_str oai:repositorio.unsa.edu.pe:20.500.12773/15482
network_acronym_str UNSA
network_name_str UNSA-Institucional
repository_id_str 4847
dc.title.es_PE.fl_str_mv Aplicación de redes neuronales como algoritmos de machine learning para la predicción de recuperaciones auríferas mediante cianuración por agitación en Yauca - Caravelí
title Aplicación de redes neuronales como algoritmos de machine learning para la predicción de recuperaciones auríferas mediante cianuración por agitación en Yauca - Caravelí
spellingShingle Aplicación de redes neuronales como algoritmos de machine learning para la predicción de recuperaciones auríferas mediante cianuración por agitación en Yauca - Caravelí
Mamani Sacsi, Jorge Noel
Redes neuronales
Lixiviación
Python
Colab
Redes neuronales biológicas
https://purl.org/pe-repo/ocde/ford#2.11.02
title_short Aplicación de redes neuronales como algoritmos de machine learning para la predicción de recuperaciones auríferas mediante cianuración por agitación en Yauca - Caravelí
title_full Aplicación de redes neuronales como algoritmos de machine learning para la predicción de recuperaciones auríferas mediante cianuración por agitación en Yauca - Caravelí
title_fullStr Aplicación de redes neuronales como algoritmos de machine learning para la predicción de recuperaciones auríferas mediante cianuración por agitación en Yauca - Caravelí
title_full_unstemmed Aplicación de redes neuronales como algoritmos de machine learning para la predicción de recuperaciones auríferas mediante cianuración por agitación en Yauca - Caravelí
title_sort Aplicación de redes neuronales como algoritmos de machine learning para la predicción de recuperaciones auríferas mediante cianuración por agitación en Yauca - Caravelí
author Mamani Sacsi, Jorge Noel
author_facet Mamani Sacsi, Jorge Noel
author_role author
dc.contributor.advisor.fl_str_mv Huamaní Bernal, Roberto Pedro
dc.contributor.author.fl_str_mv Mamani Sacsi, Jorge Noel
dc.subject.es_PE.fl_str_mv Redes neuronales
Lixiviación
Python
Colab
Redes neuronales biológicas
topic Redes neuronales
Lixiviación
Python
Colab
Redes neuronales biológicas
https://purl.org/pe-repo/ocde/ford#2.11.02
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.11.02
description 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.
publishDate 2022
dc.date.accessioned.none.fl_str_mv 2023-02-22T12:29:08Z
dc.date.available.none.fl_str_mv 2023-02-22T12:29:08Z
dc.date.issued.fl_str_mv 2022
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12773/15482
url http://hdl.handle.net/20.500.12773/15482
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.es_PE.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Nacional de San Agustín de Arequipa
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Universidad Nacional de San Agustín de Arequipa
Repositorio Institucional - UNSA
dc.source.none.fl_str_mv reponame:UNSA-Institucional
instname:Universidad Nacional de San Agustín
instacron:UNSA
instname_str Universidad Nacional de San Agustín
instacron_str UNSA
institution UNSA
reponame_str UNSA-Institucional
collection UNSA-Institucional
bitstream.url.fl_str_mv https://repositorio.unsa.edu.pe/bitstreams/5fda38d2-abda-426a-87d0-af1636d7a3e4/download
https://repositorio.unsa.edu.pe/bitstreams/27ee9c4c-f8bc-402a-8bad-a2016b182edd/download
https://repositorio.unsa.edu.pe/bitstreams/f24498c7-22b3-4a5b-bfd4-afad003fa41f/download
bitstream.checksum.fl_str_mv ff99812af8ea34d0b0bf0dd38984f54e
c52066b9c50a8f86be96c82978636682
d7eaa91df52fa11b3e1b13f4a04aa7fa
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional UNSA
repository.mail.fl_str_mv repositorio@unsa.edu.pe
_version_ 1828762782761222144
spelling Huamaní Bernal, Roberto PedroMamani Sacsi, Jorge Noel2023-02-22T12:29:08Z2023-02-22T12:29:08Z2022En 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.application/pdfhttp://hdl.handle.net/20.500.12773/15482spaUniversidad Nacional de San Agustín de ArequipaPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/Universidad Nacional de San Agustín de ArequipaRepositorio Institucional - UNSAreponame:UNSA-Institucionalinstname:Universidad Nacional de San Agustíninstacron:UNSARedes neuronalesLixiviaciónPythonColabRedes neuronales biológicashttps://purl.org/pe-repo/ocde/ford#2.11.02Aplicación de redes neuronales como algoritmos de machine learning para la predicción de recuperaciones auríferas mediante cianuración por agitación en Yauca - Caravelíinfo:eu-repo/semantics/bachelorThesisSUNEDU29422699https://orcid.org/0000-0001-5632-252576620974713026Jara Gonzales, Juan ManuelQuispe Ampuero, Guido FelixHuamaní Bernal, Roberto Pedrohttp://purl.org/pe-repo/renati/level#tituloProfesionalhttp://purl.org/pe-repo/renati/type#tesisIngeniería MetalúrgicaUniversidad Nacional de San Agustín de Arequipa.Facultad de Ingeniería de ProcesosIngeniero MetalurgistaORIGINALIMmasajn.pdfIMmasajn.pdfapplication/pdf4285825https://repositorio.unsa.edu.pe/bitstreams/5fda38d2-abda-426a-87d0-af1636d7a3e4/downloadff99812af8ea34d0b0bf0dd38984f54eMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81327https://repositorio.unsa.edu.pe/bitstreams/27ee9c4c-f8bc-402a-8bad-a2016b182edd/downloadc52066b9c50a8f86be96c82978636682MD52TEXTIMmasajn.pdf.txtIMmasajn.pdf.txtExtracted texttext/plain123009https://repositorio.unsa.edu.pe/bitstreams/f24498c7-22b3-4a5b-bfd4-afad003fa41f/downloadd7eaa91df52fa11b3e1b13f4a04aa7faMD5320.500.12773/15482oai:repositorio.unsa.edu.pe:20.500.12773/154822023-02-23 08:12:13.191http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttps://repositorio.unsa.edu.peRepositorio Institucional UNSArepositorio@unsa.edu.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
score 13.769976
Aplicación de redes neuronales como algoritmos de machine learning para la predicción de recuperaciones auríferas mediante cianuración por agitación en Yauca - Caravelí
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares