Aplicación del aprendizaje automático para la predicción del gusto de moléculas orgánicas


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.

Año de publicación:

Keywords:

    Fuente:

    googlegoogle

    Tipo de documento:

    Other

    Estado:

    Acceso abierto

    Áreas de conocimiento:

    • Aprendizaje automático
    • Ciencias de la computación

    Áreas temáticas de Dewey:

    • Métodos informáticos especiales
    Procesado con IAProcesado con IA

    Objetivos de Desarrollo Sostenible:

    • ODS 9: Industria, innovación e infraestructura
    • ODS 12: Producción y consumo responsables
    • ODS 3: Salud y bienestar
    Procesado con IAProcesado con IA

    Contribuidores: