Modelo de red de petri extendida con capacidad de aprendizaje, para pronosticar el comportamiento de un proceso biotecnológico.

Hernández Cabrera, Luis Amado

dc.contributor.author	Hernández Cabrera, Luis Amado
dc.date.accessioned	2022-11-02T19:47:59Z
dc.date.available	2022-11-02T19:47:59Z
dc.date.issued	2022-10-12
dc.identifier.govdoc	MIIND .14759 2022
dc.identifier.issn	AT26494
dc.identifier.uri	http://dgsa.uaeh.edu.mx:8080/bibliotecadigital/handle/231104/2836
dc.description	El formalismo de modelado de Redes de Petri (RdPs) es una alternativa matemática y gráfica, con diferentes niveles de abstracción (generalizadas, extendidas, coloreadas, etc.) comprendiendo su amplia utilización para implementar herramientas de modelado. En la presente investigación se analiza su implementación como instrumento de apoyo para modelar y simular un sistema de aprendizaje, caracterizado básicamente por su complejidad y nivel de congruencia, basado en un sistema real, el cual se constituye en la generación de un compuesto biotecnológico para la prevención de plagas mediante lignosulfonatos, sobre el que se muestra la metodología de aplicación. Los resultados obtenidos muestran la factibilidad de utilizar RdPs como sistemas de aprendizaje para modelar procesos biotecnológicos. Conforme a lo anterior, el modelo desarrollado cuenta con la capacidad de generar un razonamiento relacional, esto se efectúa a través de un algoritmo iterativo, el cual es puesto en funcionamiento, en la herramienta de software Matlab.	es_ES
dc.publisher	ICBI-BD-UAEH	es_ES
dc.subject	Redes de petri	es_ES
dc.subject	Redes neuronales	es_ES
dc.subject	Neurona de petri	es_ES
dc.subject	Pronosticar	es_ES
dc.subject	Iterativo	es_ES
dc.subject	Ciencias en Ingeniería Industrial.	es_ES
dc.title	Modelo de red de petri extendida con capacidad de aprendizaje, para pronosticar el comportamiento de un proceso biotecnológico.	es_ES
dc.title.alternative	Ciencias en Ingeniería Industrial.	es_ES
dc.type	Tesis	es_ES