dc.contributor.advisor | García, Fernando | |
dc.contributor.advisor | Ballabio, Davide | |
dc.contributor.author | Rojas Villa, Cristian Xavier | |
dc.date.accessioned | 2022-08-08T21:52:23Z | |
dc.date.issued | 2021 | |
dc.identifier.uri | http://hdl.handle.net/11086/28075 | |
dc.description.abstract | La motivación de la presente tesis de maestría es utilizar la relación entre la estructura y la actividad de los compuestos químicos para el desarrollo de modelos computacionales gustativos más útiles y eficaces. Para este propósito, se compilará una base de datos extensa de la información que se encuentra reportada en diversas fuentes bibliográficas. Seguidamente, se verificará y filtrará la información de tal forma de obtener una base de datos validada para aplicar el aprendizaje no supervisado con el propósito de definir el espacio químico del gusto. Posteriormente, se utilizarán diversas estrategias del aprendizaje supervisado (clasificación) para proponer modelos que permitan realizar predicciones confiables del gusto de nuevas moléculas. | es |
dc.language.iso | spa | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Compuestos químicos | es |
dc.subject | Moléculas orgánicas | es |
dc.subject | Aprendizaje automático | es |
dc.subject | Modelos computacionales gustativos | es |
dc.subject | Base de datos | es |
dc.title | Aplicación del aprendizaje automático para la predicción del gusto de moléculas orgánicas | es |
dc.type | doctoralThesis | es |
dc.description.embargo | 2023-02-15 | |
dc.description.fil | Fil: Rojas Villa, Cristian Xavier. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina. | es |