Publicación:
Uso de métodos de Deep Learning para clasificación de compuestos nanoestructurados heterogéneos

Vista sencilla de ítem
dc.contributor.authorCabrera Ramos, Carlos Eduardo
dc.contributor.directorFlores Gutiérrez, Dora Luz
dc.coverage.placeofpublicationEnsenada, Baja California.
dc.date.accessioned2022-07-13T05:15:28Z
dc.date.available2022-07-13T05:15:28Z
dc.date.created2022
dc.degree.deparmentUniversidad Autónoma de Baja California, Facultad de Ingeniería, Arquitectura y Diseño, Ensenada.
dc.degree.grantorTesis Doctorado / doctoral Thesis.
dc.degree.nameMaestría y Doctorado
dc.description.abstractLa inteligencia artificial y nanotecnología son dos campos de la ciencia que están cambiando el mundo y empujando hacia novedades en soluciones de la vida diaria. Este trabajo usa la inteligencia artificial en su rama de aprendizaje profundo (Deep learning) usando redes neuronales convolucionales en visión computacional mediante imágenes nanoestructuradas heterogéneas obtenidas en microscopía electrónica de transmisión (TEM) a partir de materiales sintetizados que generan luz blanca, para clasificar los compuestos químicos que la integran en las escalas nanométrica y micrométrica.
dc.format.extenti, vii, 60 p. : il.
dc.format.mimetypepdf
dc.identifier.urihttps://hdl.handle.net/20.500.12930/9127
dc.language.isospa
dc.publisherUniversidad Autónoma de Baja California, Facultad de Ingeniería, Arquitectura y Diseño.
dc.relation.urlhttps://drive.google.com/file/d/1N_-GLu4LM4vZiay8D01ctYTa9BJg4UKx/view?usp=sharing
dc.rightsopenAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4
dc.subjectIngeniería
dc.subjectTesis
dc.subject.lccQA76.87 C32 2022
dc.titleUso de métodos de Deep Learning para clasificación de compuestos nanoestructurados heterogéneos
dc.uabc.bibliographycNoteIncluye referencias bibliográficas.
dc.uabc.bilbiotecaENSENADA
dc.uabc.identifier250252
dc.uabc.numInventarioENS095008
dc.uabc.typeMaterialTESIS
dspace.entity.typePublication
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
ENS095008.pdf
Tamaño:
2.51 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Tesis de Doctorado (Ensenada)