DSpace Repository

Uso de redes neuronales artificiales para el rastreo de una partícula en un modelo in-vitro del intestino delgado

Show simple item record

dc.contributor.author Oyola Guzmán, Romer Daniel
dc.date.accessioned 2016-12-09T18:31:30Z
dc.date.available 2016-12-09T18:31:30Z
dc.date.created 2014-07
dc.date.issued 2016-11-14
dc.identifier.citation Oyola Guzmán, Romer Daniel. Uso de redes neuronales artificiales para el rastreo de una partícula en un modelo in-votro del intestino delgado. Tesis (Maestría en Tecnología Avanzada). Ciudad de México, Instituto Politécnico Nacional, Centro de Investigación en Ciencia Aplicada y Tecnología Avanzada, Unidad Legaria.2014. 144 p. es
dc.identifier.uri http://tesis.ipn.mx/handle/123456789/20234
dc.description Tesis (Maestría en Tecnología Avanzada) Instituto Politécnico Nacional, Instituto Politécnico Nacional, Centro de Investigación en Ciencia Aplicada y Tecnología Avanzada, Unidad Legaria. 2014, 1 archivo PDF( 144 páginas). tesis.ipn.mx es
dc.description.abstract La mayor parte de la absorción de nutrimentos ocurre en el intestino delgado razón por la cual la industria farmacéutica y de alimentos están interesadas en analizar cómo es que ésta es llevada a cabo. Por ejemplo, determinar la posición de un medicamento después de cierto tiempo, puede ayudar en su diseño para obtener el mayor beneficio posible. Debido a la alta complejidad de estudiar la trayectoria de una partícula dentro del intestino delgado, no sólo de forma experimental sino también matemática, se han realizado pruebas in vitro simulando los movimientos del intestino con datos reportados en la literatura especializada, con la finalidad de rastrear la trayectoria que sigue una partícula dentro del modelo. El presente trabajo está enfocado al rastreo de una partícula dentro de un modelo in vitro del intestino delgado, utilizando Redes Neuronales Artificiales y Algoritmos Evolutivos, como herramientas para realizar el ajuste de la curva de posición y hacer la predicción de la ubicación de la partícula. Las Redes Neuronales Artificiales empleadas fueron evolucionadas a través de algoritmos evolutivos. El algoritmo evolutivo FS-EPNet, fue usado con la finalidad de diseñar la topología de la red neuronal sin la intervención del usuario para su diseño. Además, las arquitecturas de las redes generadas no poseen ninguna restricción, debido a la topología GMLP (Generalized MultiLayer Perceptron) que se empleó, ya que no hay restricciones de conectividad entre los nodos. La aplicación de Redes Neuronales que se propone en este trabajo para el rastreo de la posición de una partícula en el intestino delgado, sugiere que se pueden obtener predicciones bastantes precisas después de usar una adecuada configuración y luego de haber entrenado la red. En la literatura especializada es común el uso de modelos matemáticos analíticos y numéricos, para el rastreo de partículas en modelos del intestino delgado, pero no se ha encontrado hasta la fecha trabajos que usen Algoritmos Evolutivos y Redes Neuronales Artificiales para su diseño aplicadas a la predicción de la posición de una partícula en un modelo dinámico del intestino delgado. Palabras Clave: Intestino delgado, modelo, posición, redes neuronales artificiales, algoritmos evolutivos, predicción. ABSTRACT The small intestine is responsible for the majority of the absorption of nutrients and thus its analysis about what is happening inside itself is a particular interest for the pharmaceutical and food industries. For example, to determine the position of a drug after a certain period of time, can help in the design the drug itself in order to get the biggest possible profit. Due to high complexity of studying the trajectory of a particle inside the small intestine, not only in an experimental way, but also mathematically, it has been carrying out in-vitro tests to simulate the movements of the intestine with data reported in specialized literature, with the purpose of tracking the trajectory followed by a particle within a model. The present paper is focused in the particle tracking inside an in-vitro model of the small intestine, using Artificial Neural Networks and Evolutionary Algorithms, as a tool to achieve the fitting of the position curve and make the prediction of the position of the particle. Artificial Neural Networks were used to evolving their architecture thru evolutionary algorithms. The evolutionary algorithm used was FS-EPNet with the purpose of designing the topology of the neural network without the necessity of the user to be an expert in designing Artificial Neural Networks. Also, the generated network does not have any restriction respect topology, cause the architecture use of Generalized MultiLayer Perceptron (GMLP), has the advantage of no restrictions of connectivity among nodes. The application of Neural Networks is proposed in this work for the tracking of particle inside the small intestine, suggests that it can be obtained highly accurate predictions after being trained the artificial neural networks with the adequate configuration of the net. In specialized literature and until nowadays it has been mentioned the applied of analytical and numeric models, for tracking particles in models of small intestine, it has not been found articles that use Evolutionary Algorithms and Artificial Neural Networks for its design for predicting the position of a particle in a dynamic model of the small intestine. Keywords: small intestine, model, position, artificial neural networks, evolutionary algorithms, prediction. es
dc.language.iso es_MX es
dc.publisher Oyola Guzmán, Romer Daniel es
dc.subject Redes Neuronales es
dc.subject Redes Neuronales Artificiales es
dc.subject Rastreo de Partículas es
dc.subject Modelo In-Vitro del Intestino Delgado es
dc.subject Algoritmos evolutivos es
dc.title Uso de redes neuronales artificiales para el rastreo de una partícula en un modelo in-vitro del intestino delgado es
dc.type Tesis es
dc.contributor.advisor Jaime Fonseca, Mónica Rosalía
dc.contributor.advisor Landassuri Moreno, Victor Manuel


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Browse

My Account