Aplicación de redes neuronales para tratamiento de efluentes derivados de la curtiduría

Tesis Materias > Ingeniería
Materias > Ciencias Sociales Universidad Internacional Iberoamericana México > Investigación > Tesis Doctorales Cerrado Español El presente documento detalla el proceso de creación de la red neuronal artificial (RNA) para el tratamiento de efluentes mediante la determinación de la dosificación de ácido, coagulante y floculante. El proceso abarca desde el análisis de la información de las muestras de los efluentes, la creación del modelo de RNA y la predicción de dosificaciones. Este tipo de red, que se caracteriza por su organización en capas y conexiones estrictamente hacia delante, utiliza algoritmos de entrenamiento del tipo supervisado. El entrenamiento de las redes neuronales consiste en el ajuste de sus parámetros con el objetivo de generar el resultado deseado a la salida de la red. Antes de poder aplicar algún algoritmo de optimización debemos definir nuestra función de coste o pérdida. La función de pérdida es aquella expresión matemática que queremos minimizar o maximizar dependiendo del problema que estemos abordando. Una función de coste típica es la definida por la ecuación, donde se utiliza la media de la suma de los errores cuadráticos para evaluar el rendimiento de la red. Este proceso se realiza por cada ejemplo en el dataset de entrenamiento, siendo m el número de muestras. Fi = Salida de la red para el dato i. El descenso del gradiente es el método utilizado para la optimización de redes de neuronas. Esta técnica realiza actualizaciones de manera iterativa de cada parámetro de la red en aquella dirección que minimice más la función de coste. Para obtener esta dirección se calcula la derivada parcial de la función de coste con respecto a cada parámetro de manera individual. Antes de realizar el entrenamiento es necesario inicializar los parámetros de la red, siendo este un factor importante que puede determinar la convergencia o no. Fase de entrenamiento. Debido a que el objetivo final es poder determinar los niveles adecuados de dosificación para que el ph final en los efluentes cumplan con los estándares ambientales, el modelo de predicción puede adaptarse de forma que tome todas las variables, incluidas la dosificación de coagulante y floculante, y el objetivo sea la predicción del ph final. Dada un conjunto de condiciones iniciales, y un conjunto de dosificaciones el modelo será capaz de predecir el ph resultante. Este enfoque donde los niveles de dosificación de coagulante y floculante cumplen la función de variables independientes en vez de variables dependientes nos obliga a crear una matriz de valores predeterminados, donde cada una de estas configuraciones de dosificación sería evaluada por la red para obtener el valor de ph final. Mínima pre-configuración de parámetros antes de poner en marcha cada batch del proceso. Cuando se da esta señal de inicio, se activa la bomba centrífuga #3 y empieza a llenarse el tanque de ácido. Cuando eso ocurre, apaga la bomba de llenado y después de 10 segundos se activa el agitador del tanque de ácido a 15 Hz y 10 segundos después se dosifica la cantidad de peróxido seteada. Luego de 30 segundos más se dosifica el ácido según el valor seteado ya sea manualmente o mediante la red neuronal. Cuando el agua termina de caer al tanque de coagulante, luego de 10 segundos se activa el agitador del tanque de ácido a 18 Hz y 10 segundos después se dosifica la cantidad de coagulante seteada manualmente o por la red neuronal. metadata Mariños Legendre, Juan Carlos mail marinos285@gmail.com (2023) Aplicación de redes neuronales para tratamiento de efluentes derivados de la curtiduría. Doctoral thesis, SIN ESPECIFICAR.

Texto completo no disponible.

Resumen

El presente documento detalla el proceso de creación de la red neuronal artificial (RNA) para el tratamiento de efluentes mediante la determinación de la dosificación de ácido, coagulante y floculante. El proceso abarca desde el análisis de la información de las muestras de los efluentes, la creación del modelo de RNA y la predicción de dosificaciones. Este tipo de red, que se caracteriza por su organización en capas y conexiones estrictamente hacia delante, utiliza algoritmos de entrenamiento del tipo supervisado. El entrenamiento de las redes neuronales consiste en el ajuste de sus parámetros con el objetivo de generar el resultado deseado a la salida de la red. Antes de poder aplicar algún algoritmo de optimización debemos definir nuestra función de coste o pérdida. La función de pérdida es aquella expresión matemática que queremos minimizar o maximizar dependiendo del problema que estemos abordando. Una función de coste típica es la definida por la ecuación, donde se utiliza la media de la suma de los errores cuadráticos para evaluar el rendimiento de la red. Este proceso se realiza por cada ejemplo en el dataset de entrenamiento, siendo m el número de muestras. Fi = Salida de la red para el dato i. El descenso del gradiente es el método utilizado para la optimización de redes de neuronas. Esta técnica realiza actualizaciones de manera iterativa de cada parámetro de la red en aquella dirección que minimice más la función de coste. Para obtener esta dirección se calcula la derivada parcial de la función de coste con respecto a cada parámetro de manera individual. Antes de realizar el entrenamiento es necesario inicializar los parámetros de la red, siendo este un factor importante que puede determinar la convergencia o no. Fase de entrenamiento. Debido a que el objetivo final es poder determinar los niveles adecuados de dosificación para que el ph final en los efluentes cumplan con los estándares ambientales, el modelo de predicción puede adaptarse de forma que tome todas las variables, incluidas la dosificación de coagulante y floculante, y el objetivo sea la predicción del ph final. Dada un conjunto de condiciones iniciales, y un conjunto de dosificaciones el modelo será capaz de predecir el ph resultante. Este enfoque donde los niveles de dosificación de coagulante y floculante cumplen la función de variables independientes en vez de variables dependientes nos obliga a crear una matriz de valores predeterminados, donde cada una de estas configuraciones de dosificación sería evaluada por la red para obtener el valor de ph final. Mínima pre-configuración de parámetros antes de poner en marcha cada batch del proceso. Cuando se da esta señal de inicio, se activa la bomba centrífuga #3 y empieza a llenarse el tanque de ácido. Cuando eso ocurre, apaga la bomba de llenado y después de 10 segundos se activa el agitador del tanque de ácido a 15 Hz y 10 segundos después se dosifica la cantidad de peróxido seteada. Luego de 30 segundos más se dosifica el ácido según el valor seteado ya sea manualmente o mediante la red neuronal. Cuando el agua termina de caer al tanque de coagulante, luego de 10 segundos se activa el agitador del tanque de ácido a 18 Hz y 10 segundos después se dosifica la cantidad de coagulante seteada manualmente o por la red neuronal.

Tipo de Documento:	Tesis (Doctoral)
Palabras Clave:	entrenamientos, red neuronal, innovación, curtiduría, medio ambiente, efluentes
Clasificación temática:	Materias > Ingeniería Materias > Ciencias Sociales
Divisiones:	Universidad Internacional Iberoamericana México > Investigación > Tesis Doctorales
Depositado:	26 Sep 2023 23:30
Ultima Modificación:	26 Sep 2023 23:30
URI:	https://repositorio.unini.edu.mx/id/eprint/8475

Acciones (logins necesarios)

Ver Objeto

open

Mediterranean Diet and Quality of Life in Adults: A Systematic Review

Background/Objectives: With the increasing life expectancy and, as a result, the aging of the global population, there has been a rise in the prevalence of chronic conditions, which can significantly impact individuals’ health-related quality of life, a multidimensional concept that comprises an individual’s physical, mental, and social wellbeing. While a balanced, nutrient-dense diet, such as Mediterranean diet, is widely recognized for its role in chronic disease prevention, particularly in reducing the risk of cardiovascular diseases and certain cancers, its potential benefits extend beyond these well-known effects, showing promise in improving physical and mental wellbeing, and promoting health-related quality of life. Methods: A systematic search of the scientific literature in electronic databases (Pubmed/Medline) was performed to identify potentially eligible studies reporting on the relation between adherence to the Mediterranean diet and health-related quality of life, published up to December 2024. Results: A total of 28 studies were included in this systematic review, comprising 13 studies conducted among the general population and 15 studies involving various types of patients. Overall, most studies showed a significant association between adherence to the Mediterranean diet and HRQoL, with the most significant results retrieved for physical domains of quality of life, suggesting that diet seems to play a relevant role in both the general population and people affected by chronic conditions with an inflammatory basis. Conclusions: Adherence to the Mediterranean diet provides significant benefits in preventing and managing various chronic diseases commonly associated with aging populations. Furthermore, it enhances the overall health and quality of life of aging individuals, ultimately supporting more effective and less invasive treatment approaches for chronic diseases.

Producción Científica

Justyna Godos mail , Monica Guglielmetti mail , Cinzia Ferraris mail , Evelyn Frias-Toral mail , Irma Dominguez Azpíroz mail irma.dominguez@unini.edu.mx, Vivian Lipari mail vivian.lipari@uneatlantico.es, Andrea Di Mauro mail , Fabrizio Furnari mail , Sabrina Castellano mail , Fabio Galvano mail , Licia Iacoviello mail , Marialaura Bonaccio mail , Giuseppe Grosso mail ,

Godos

open

Novel Transfer Learning Approach for Detecting Infected and Healthy Maize Crop Using Leaf Images

Maize is a staple crop worldwide, essential for food security, livestock feed, and industrial uses. Its health directly impacts agricultural productivity and economic stability. Effective detection of maize crop health is crucial for preventing disease spread and ensuring high yields. This study presents VG-GNBNet, an innovative transfer learning model that accurately detects healthy and infected maize crops through a two-step feature extraction process. The proposed model begins by leveraging the visual geometry group (VGG-16) network to extract initial pixel-based spatial features from the crop images. These features are then further refined using the Gaussian Naive Bayes (GNB) model and feature decomposition-based matrix factorization mechanism, which generates more informative features for classification purposes. This study incorporates machine learning models to ensure a comprehensive evaluation. By comparing VG-GNBNet's performance against these models, we validate its robustness and accuracy. Integrating deep learning and machine learning techniques allows VG-GNBNet to capitalize on the strengths of both approaches, leading to superior performance. Extensive experiments demonstrate that the proposed VG-GNBNet+GNB model significantly outperforms other models, achieving an impressive accuracy score of 99.85%. This high accuracy highlights the model's potential for practical application in the agricultural sector, where the precise detection of crop health is crucial for effective disease management and yield optimization.

Producción Científica

Muhammad Usama Tanveer mail , Kashif Munir mail , Ali Raza mail , Laith Abualigah mail , Helena Garay mail helena.garay@uneatlantico.es, Luis Eduardo Prado González mail uis.prado@uneatlantico.es, Imran Ashraf mail ,

Tanveer

open

Novel transfer learning based bone fracture detection using radiographic images

A bone fracture is a medical condition characterized by a partial or complete break in the continuity of the bone. Fractures are primarily caused by injuries and accidents, affecting millions of people worldwide. The healing process for a fracture can take anywhere from one month to one year, leading to significant economic and psychological challenges for patients. The detection of bone fractures is crucial, and radiographic images are often relied on for accurate assessment. An efficient neural network method is essential for the early detection and timely treatment of fractures. In this study, we propose a novel transfer learning-based approach called MobLG-Net for feature engineering purposes. Initially, the spatial features are extracted from bone X-ray images using a transfer model, MobileNet, and then input into a tree-based light gradient boosting machine (LGBM) model for the generation of class probability features. Several machine learning (ML) techniques are applied to the subsets of newly generated transfer features to compare the results. K-nearest neighbor (KNN), LGBM, logistic regression (LR), and random forest (RF) are implemented using the novel features with optimized hyperparameters. The LGBM and LR models trained on proposed MobLG-Net (MobileNet-LGBM) based features outperformed others, achieving an accuracy of 99% in predicting bone fractures. A cross-validation mechanism is used to evaluate the performance of each model. The proposed study can improve the detection of bone fractures using X-ray images.

Producción Científica

Aneeza Alam mail , Ahmad Sami Al-Shamayleh mail , Nisrean Thalji mail , Ali Raza mail , Edgar Aníbal Morales Barajas mail , Ernesto Bautista Thompson mail ernesto.bautista@unini.edu.mx, Isabel de la Torre Diez mail , Imran Ashraf mail ,

Alam

open

Hybrid Model with Wavelet Decomposition and EfficientNet for Accurate Skin Cancer Classification

Faced with anomalies in medical images, Deep learning is facing major challenges in detecting, diagnosing, and classifying the various pathologies that can be treated via medical imaging. The main challenges encountered are mainly due to the imbalance and variability of the data, as well as its complexity. The detection and classification of skin diseases is one such challenge that researchers are trying to overcome, as these anomalies present great variability in terms of appearance, texture, color, and localization, which sometimes makes them difficult to identify accurately and quickly, particularly by doctors, or by the various Deep Learning techniques on offer. In this study, an innovative and robust hybrid architecture is unveiled, underscoring the symbiotic potential of wavelet decomposition in conjunction with EfficientNet models. This approach integrates wavelet transformations with an EfficientNet backbone and incorporates advanced data augmentation, loss function, and optimization strategies. The model tested on the publicly accessible HAM10000 and ISIC2017 datasets has achieved an accuracy rate of 94.7%, and 92.2% respectively.

Producción Científica

Amina Aboulmira mail , Hamid Hrimech mail , Mohamed Lachgar mail , Mohamed Hanine mail , Carlos Manuel Osorio García mail carlos.osorio@uneatlantico.es, Gerardo Méndez Mezquita mail , Imran Ashraf mail ,

Aboulmira

open

Nut Consumption Is Associated with Cognitive Status in Southern Italian Adults

Background: Nut consumption has been considered a potential protective factor against cognitive decline. The aim of this study was to test whether higher total and specific nut intake was associated with better cognitive status in a sample of older Italian adults. Methods: A cross-sectional analysis on 883 older adults (>50 y) was conducted. A 110-item food frequency questionnaire was used to collect information on the consumption of various types of nuts. The Short Portable Mental Status Questionnaire was used to assess cognitive status. Multivariate logistic regression analyses were performed to calculate odds ratios (ORs) and 95% confidence intervals (CIs) for the association between nut intake and cognitive status after adjusting for potential confounding factors. Results: The median intake of total nuts was 11.7 g/day and served as a cut-off to categorize low and high consumers (mean intake 4.3 g/day vs. 39.7 g/day, respectively). Higher total nut intake was significantly associated with a lower prevalence of impaired cognitive status among older individuals (OR = 0.35, CI 95%: 0.15, 0.84) after adjusting for potential confounding factors. Notably, this association remained significant after additional adjustment for adherence to the Mediterranean dietary pattern as an indicator of diet quality, (OR = 0.32, CI 95%: 0.13, 0.77). No significant associations were found between cognitive status and specific types of nuts. Conclusions: Habitual nut intake is associated with better cognitive status in older adults.

Producción Científica

Justyna Godos mail , Francesca Giampieri mail francesca.giampieri@uneatlantico.es, Evelyn Frias-Toral mail , Raynier Zambrano-Villacres mail , Angel Olider Rojas Vistorte mail angel.rojas@uneatlantico.es, Vanessa Yélamos Torres mail vanessa.yelamos@funiber.org, Maurizio Battino mail maurizio.battino@uneatlantico.es, Fabio Galvano mail , Sabrina Castellano mail , Giuseppe Grosso mail ,

Godos

Enlaces de interés

Enlaces de interés

Aplicación de redes neuronales para tratamiento de efluentes derivados de la curtiduría

Resumen

Acciones (logins necesarios)

TEMÁTICA

ACCESO

IDIOMA

Filtros