Search Results - "algoritmos evolutivos"

Refine Results
  1. 1
  2. 2

    Contributors: University/Department: Universitat Internacional de Catalunya. Departament d'Arquitectura

    Thesis Advisors: Estévez, Alberto T.

    Source: TDX (Tesis Doctorals en Xarxa)

    File Description: application/pdf

  3. 3
  4. 4
  5. 5
  6. 6
  7. 7
  8. 8
  9. 9

    File Description: pdf; application/pdf

    Relation: ANI. (2022). LINEAMIENTOS ZONAS HOMOGENEAS FISICAS Y GEOECONOMICAS Y COSTOS DE ADQUISICION PREDIAL EN ETAPA DE ESTRUCTURACION ESTRUCTURACIÓN DE PROYECTOS DE INFRAESTRUCTURA DE TRANSPORTE.; Anshul. (2024, December 10). Gradient Boosting Algorithm: A Complete Guide for Beginners. Https://Www.Analyticsvidhya.Com/Blog/2021/09/Gradient-Boosting-Algorithm-a-Complete-Guide-for-Beginners/.; Área Metropolitana del Valle de Aburrá. (2022). Un análisis de los lotes de los predios del Área Metropolitana del Valle de Aburrá-Una mirada desde los atributos de la información geográfica. https://github.com/ObservatorioTerritorial; Bastidas Méndez, K. T., & Bonilla Bautista, A. V. (2018). Uso de inteligencia artificial aplicando árboles de decisión ejecutados en r para la determinación de zonas homogéneas físicas. https://repository.udistrital.edu.co/items/57b253f0-bdbe-4556-ab35-d548cb7fb28f; Bonilla Bautista, A. V., & Forero Paipa, A. F. (2020). Análisis y validación del uso de árboles de decisión desarrollados en R para la determinación de las zonas homogéneas físicas en el área rural, estudio de caso: Corregimiento de Altavista, Ciudad de Medellín - Antioquia. https://repository.udistrital.edu.co/items/ff283929-234b-45e7-afe8-7a1d87668d53; Burrueco, D. (2014). Gradient Boosting. Https://Interactivechaos.Com/Es/Manual/Tutorial-de-Machine-Learning/Gradient-Boosting.; Cardenal Escarcena, F. J., Mata de Castro, E., Pérez Garcí­a, J. L., Mozas Calvache, A. T., Fernández del Castillo, T., Delgado García, J., Ureña Cámara, M. A., & Castillo Armenteros, J. C. (2010). El uso de árboles de decisión como herramienta para generar un modelo de valoración territorial en Vilcabamba, Ecuador. Catastro: Formación, Investigación y Empresa: Selección de Ponencias Del I Congreso Internacional Sobre Catastro Unificado y Multipropósito, 2010, ISBN 978-84-8439-519-5, Págs. 305-314, 305–314. https://dialnet.unirioja.es/servlet/articulo?codigo=4175002; Carranza, J. P., Nacional De Córdoba, U., Monzani, F., Montenegro, M. G., & Córdoba, M. A. (2019). Modernización de la Valuación Masiva de la Tierra en la provincia de Córdoba a través de técnicas de aprendizaje computacional. REVISTA FACULTAD DE CIENCIAS EXACTAS, FÍSICAS Y NATURALES, 6(2).; Carranza, J. P., Piumetto, M. A., Nacional De Córdoba, U., Monzani, F., Montenegro, M. G., & Córdoba, M. A. (2018). RANDOM FOREST COMO TÉCNICA DE VALUACIÓN MASIVA DEL VALOR DEL SUELO URBANO: UNA APLICACIÓN PARA LA CIUDAD DE Rà O CUARTO, CÓRDOBA, ARGENTINA. https://obs-idecor-lib.obs.sa-argentina- 1.myhuaweicloud.com/Publicaciones/Random_Forest_como_tecnica_de_valuaci on_masiva.pdf; COE. (2023). Understanding and managing the AI lifecycle %7C GSA - IT Modernization Centers of Excellence. Https://Coe.Gsa.Gov/Coe/Ai-Guide-for-Government/Understanding-Managing-Ai-Lifecycle/.; CONGRESO DE COLOMBIA, Betancur, B., & Escobar Navia, R. (1983, July 6 14 de 1983. Https://Www.Funcionpublica.Gov.Co/Eva/Gestornormativo/Norma.Php?I=267. ). Ley; CONPES, Duque, I., Ramírez Blanco, M. L., & Alonso Másmela, G. A. (2019). CONPES 3958. In Departamento Nacional de Planeación. https://colaboracion.dnp.gov.co/CDT/CONPES/Econ%C3%B3micos/3859.pdf; CORANTIOQUIA, & INCODER. (2014). DETERMINACIÓN DE LAS UNIDADES AGRÍCOLAS FAMILIARES POR ZONAS RELATIVAMENTE HOMOGÉNEAS (UAF) PARA EL DEPARTAMENTO DE ANTIOQUIA INFORME FINAL Convenio Interadministrativo No.00651 (INCODER) y No. 833 (CORANTIOQUIA).; DANE. (2020). Decreto 148 de 2020 - Gestor Normativo - Función Pública. https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=105952; DATAQU. (2023). Random Forest vs Gradient Boosting: ¿Cuál es la mejor opción para tu empresa? - DataQu. Https://Dataqu.Ai/Random-Forest-vs-Gradient-Boosting-Cual-Es-La-Mejor-Opcion-Para-Tu-Empresa/.; GEOPANDAS.ORG. (2024, June 26). GEOPANDAS V 1.0.1: Documentation. Https://Geopandas.Org/En/Stable/Docs.Html.; Hunter, J., Dale, D., Firing, E., Droettboom, M., & Matplotlib development team. (2024). Matplotlib 3.10.0 documentation. Https://Matplotlib.Org/Stable/Index.Html#community.; IBM. (2024a). ¿Qué es el aprendizaje supervisado? %7C IBM. Https://Www.Ibm.Com/Mx-Es/Topics/Supervised-Learning.; IBM. (2024b). ¿Qué es la Inteligencia Artificial (IA)? %7C IBM. Https://Www.Ibm.Com/Mx-Es/Topics/Artificial-Intelligence.; IBM. (2024c). ¿Qué es un Árbol de decisión? %7C IBM. Https://Www.Ibm.Com/Es-Es/Topics/Decision-Trees.; IGAC. (2008). RESOLUCIÓN NÚMERO 620 DE 2008. InIGAC.https://antiguo.igac.gov.co/sites/igac.gov.co/files/normograma/resolucion_620de2008.pdf; IGAC. (2023a). Resolución 1040 de 2023 %7C Instituto Geográfico Agustín Codazzi. https://antiguo.igac.gov.co/es/contenido/resolucion-1040-de-2023; IGAC. (2023b). RESOLUCIÓN NÚMERO 1040 DE 2023. In https://antiguo.igac.gov.co/sites/igac.gov.co/files/normograma/resolucion_1040_ de_2023_con_anexos_.pdf.; IGAC. (2024). RESOLUCIÓN NÚMERO 746 DE 2024. https://www.igac.gov.co/sites/default/files/transparencia/normograma/RESOLUC ION%20746%20DE%202024%20MODICIACI%C3%93N%201040 con%20anexos_compressed%20%281%29.pdf; Joblib developers. (2021). Joblib: running Python functions as pipeline jobs¶.Https://Joblib.Readthedocs.Io/En/Stable/.; Jupyter Team. (2015). Https://Docs.Jupyter.Org/En/Latest/. Project Jupyter: Documentation.; Mendoza Cañon, A. S., & Rodríguez León, K. S. (2024). Validación y análisis del uso del método Gradient Boosting en la estimación del valor de terreno para predios con áreas superiores a una (1) hectárea, en zona rural del municipio La Mesa, Cundinamarca. https://repository.udistrital.edu.co/items/4e90f04c-3397-495091d5-29b895438e7e; Osorio González, W. R., & Rozo Patiño, A. (2017). Predicción del avalúo catastral de los predios urbanos en la ciudad de Pereira mediante aprendizaje de máquina. Pereira : Universidad Tecnológica de Pereira. https://hdl.handle.net/11059/8754; PANDAS ORG. (2024). PANDAS V 2.2: User Https://Pandas.Pydata.Org/Docs/User_guide/Index.Html#user-Guide.; Pedregosa, F., Varoquaux, G., Gramfort, A., & Michel, V. (2025, January). scikit-learn v.1.7. Https://Scikit-Learn.Org/Stable/.; UNIVERSIDAD NACIONAL, López González, M., Jaramillo, A. S., González, A., Ángela, R., Ortega Bermúdez, M., General, S., Patricia, L., Morales, G., Humberto, J., Posada, M., Ospina, M., Luis, P., Vélez, B., Ramón, P., Acevedo, E., Múnera, Á., Aura, B., Arcila, M., … Mendoza, S. M. (2010). ATLAS VEREDAL DE MEDELLIN.; USA Federal Government. (2020, December 3). Executive Order 13960: Promoting the Use of Trustworthy Artificial Intelligence in the Federal Government. Https://Www.Federalregister.Gov/Documents/2020/12/08/2020 27065/Promoting-the-Use-of-Trustworthy-Artificial-Intelligence-in-the-Federal Government.; Waskom, M. (2024). Seaborn v0.13.2: statistical data visualization. Https://Seaborn.Pydata.Org/.; Whitfield, B. (2024, November 26). Random Forest: A Complete Guide for Machine Learning %7C Built In.Https://Builtin.Com/Data-Science/Random-Forest-Algorithm.; https://hdl.handle.net/11349/94942

  10. 10
  11. 11
  12. 12
  13. 13
  14. 14
  15. 15
  16. 16
  17. 17
  18. 18
  19. 19
  20. 20

    Source: XLIV Jornadas de Automática: libro de actas: Universidad de Zaragoza, Escuela de Ingeniería y Arquitectura, 6, 7 y 8 de septiembre de 2023, Zaragoza ISBN: 9788497498609
    RUC. Repositorio da Universidade da Coruña
    Universidade da Coruña (UDC)