Comparación y selección de técnicas de inteligencia artificial para pronosticar las producciones de leche bovina
Fuente:
Redalyc
Enregistré dans:
| Auteur principal: | |
|---|---|
| Format: | Artículo científico |
| Langue: | es |
| Publié: |
Universidad de las Ciencias Informáticas
2021
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
| _version_ | 1876480146627624960 |
|---|---|
| author | Rudibel Perdigón Llanes |
| author_facet | Rudibel Perdigón Llanes |
| contents | Comparación y selección de técnicas de inteligencia artificial para pronosticar las producciones de leche bovina Rudibel Perdigón Llanes Neilys González Benítez Computación criterio pronósticos Análisis multi toma de decisiones proceso de análisis jerárquico Los pronósticos constituyen una herramienta efectiva para la toma de decisiones, principalmente en el sector de la industria láctea porque contribuyen a mejorar la gestión del rebaño lechero, ahorrar energía en las granjas y optimizar las inversiones de capital a largo plazo. La aplicación de técnicas de inteligencia artificial para pronosticar las producciones de leche es un tema de interés para la comunidad científica. Sin embargo, definir una técnica o modelo para pronosticar estas producciones con un rendimiento eficiente en diferentes ambientes es una actividad desafiante y compleja, porque ninguno es preciso en todos los escenarios. En esta investigación se compararon las técnicas de inteligencia artificial utilizadas en la literatura para pronosticar las producciones de leche bovina y se seleccionó mediante la aplicación del Proceso de Análisis Jerárquico la técnica con mejor ajuste a estos pronósticos. Se utilizaron como métodos científicos el analítico sintético, la encuesta y el método experimental. Los resultados obtenidos permitieron identificar a las técnicas de inteligencia artificial basadas en Redes Neuronales Artificiales como las de mejor ajuste al pronóstico de las producciones de leche bovina, superior a los Árboles de Decisión y a las Máquinas de Soporte Vectorial. Se determinó que los criterios de selección más relevantes en el ámbito de las producciones lecheras son la capacidad de estas técnicas para manejar datos que presentan incertidumbre y su habilidad para obtener resultados precisos de manera óptima. El análisis realizado apoya la toma de decisiones en organizaciones productoras de leche. 2021 artículo científico 1994-1536 https://www.redalyc.org/articulo.oa?id=378367420002 https://www.redalyc.org/journal/3783/378367420002/ https://www.redalyc.org/journal/3783/378367420002/html/ https://www.redalyc.org/journal/3783/378367420002/378367420002.epub https://www.redalyc.org/journal/3783/378367420002/movil es http://www.redalyc.org/revista.oa?id=3783 Revista Cubana de Ciencias Informáticas application/pdf Universidad de las Ciencias Informáticas Revista Cubana de Ciencias Informáticas (Cuba) Num.2 Vol.15 |
| format | Artículo científico |
| id | redalyc_378367420002 |
| institution | Redalyc |
| language | es |
| publishDate | 2021 |
| publisher | Universidad de las Ciencias Informáticas |
| spellingShingle | Comparación y selección de técnicas de inteligencia artificial para pronosticar las producciones de leche bovina Rudibel Perdigón Llanes Computación criterio pronósticos Análisis multi toma de decisiones proceso de análisis jerárquico Comparación y selección de técnicas de inteligencia artificial para pronosticar las producciones de leche bovina Rudibel Perdigón Llanes Neilys González Benítez Computación criterio pronósticos Análisis multi toma de decisiones proceso de análisis jerárquico Los pronósticos constituyen una herramienta efectiva para la toma de decisiones, principalmente en el sector de la industria láctea porque contribuyen a mejorar la gestión del rebaño lechero, ahorrar energía en las granjas y optimizar las inversiones de capital a largo plazo. La aplicación de técnicas de inteligencia artificial para pronosticar las producciones de leche es un tema de interés para la comunidad científica. Sin embargo, definir una técnica o modelo para pronosticar estas producciones con un rendimiento eficiente en diferentes ambientes es una actividad desafiante y compleja, porque ninguno es preciso en todos los escenarios. En esta investigación se compararon las técnicas de inteligencia artificial utilizadas en la literatura para pronosticar las producciones de leche bovina y se seleccionó mediante la aplicación del Proceso de Análisis Jerárquico la técnica con mejor ajuste a estos pronósticos. Se utilizaron como métodos científicos el analítico sintético, la encuesta y el método experimental. Los resultados obtenidos permitieron identificar a las técnicas de inteligencia artificial basadas en Redes Neuronales Artificiales como las de mejor ajuste al pronóstico de las producciones de leche bovina, superior a los Árboles de Decisión y a las Máquinas de Soporte Vectorial. Se determinó que los criterios de selección más relevantes en el ámbito de las producciones lecheras son la capacidad de estas técnicas para manejar datos que presentan incertidumbre y su habilidad para obtener resultados precisos de manera óptima. El análisis realizado apoya la toma de decisiones en organizaciones productoras de leche. 2021 artículo científico 1994-1536 https://www.redalyc.org/articulo.oa?id=378367420002 https://www.redalyc.org/journal/3783/378367420002/ https://www.redalyc.org/journal/3783/378367420002/html/ https://www.redalyc.org/journal/3783/378367420002/378367420002.epub https://www.redalyc.org/journal/3783/378367420002/movil es http://www.redalyc.org/revista.oa?id=3783 Revista Cubana de Ciencias Informáticas application/pdf Universidad de las Ciencias Informáticas Revista Cubana de Ciencias Informáticas (Cuba) Num.2 Vol.15 |
| title | Comparación y selección de técnicas de inteligencia artificial para pronosticar las producciones de leche bovina |
| topic | Computación criterio pronósticos Análisis multi toma de decisiones proceso de análisis jerárquico |
| url | https://www.redalyc.org/articulo.oa?id=378367420002 https://www.redalyc.org/journal/3783/378367420002/ https://www.redalyc.org/journal/3783/378367420002/html/ https://www.redalyc.org/journal/3783/378367420002/378367420002.epub https://www.redalyc.org/journal/3783/378367420002/movil |