Contenido principal del artículo

Aníbal Flores
Otoniel Silva
El presente artículo muestra los resultados de la implementación de dos técnicas de inteligencia artificial en el campo del Aprendizaje Profundo (Deep Learning) correspondiente a las redes neuronales recurrentes conocidas como Long Short-Term Memory (LSTM) y Gated Recurrent Unit (GRU) para imputar datos faltantes en series de tiempo meteorológicas correspondientes a temperaturas máximas en la región Moquegua. Los resultados alcanzados muestran la superioridad de las redes neuronales recurrentes en la imputación de brechas extensas y muy extensas de datos faltantes respecto a otras técnicas de imputación tradicionales con las que fueron comparadas.

Detalles del artículo

Cómo citar
Flores, A., & Silva, O. (2022). IMPUTACIÓN DE SERIES DE TIEMPO METEOROLÓGICAS APLICANDO TÉCNICAS DE APRENDIZAJE PROFUNDO (Deep Learning). REVISTA CIENCIA Y TECNOLOGÍA - Para El Desarrollo - UJCM, 5(1), 6–11. https://doi.org/10.37260/rctd.v5i1.194
Sección
Artículos Originales