https://socictopen.socict.org/files/original/1f1d5fa359a4418af8c5b43f66bc4534.pdf fcf25849bca91c9b6f91989e8e0976a5 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource Agricultura sostenible Description An account of the resource Dominio científico: Agricultura sostenible Text A resource consisting primarily of words for reading. Examples include books, letters, dissertations, poems, newspapers, articles, archives of mailing lists. Note that facsimiles or images of texts are still of the genre Text. Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource Identificación automática de transformación en el bosque seco tropical colombiano usando GMM y UBM-GMM Creator An entity primarily responsible for making the resource Néstor David Rendón-Hurtado, Claudia Victoria Isaza-Narváez, Ph. D., Susana Rodríguez-Buriticá, Ph. D. Description An account of the resource Hoy, los métodos de aprendizaje automático se han convertido en una herramienta para ayudar a frenar los efectos del calentamiento global, al resolver cuestiones ecológicas. En particular, el bosque seco tropical (BST) de Colombia se encuentra actualmente amenazado por la deforestación generada, desde la época colonial, por la ganadería, la minería y el desarrollo urbano. Uno de los desafíos urgentes en esta área es comprender la transformacion y degradación de los bosques. Tradicionalmente, los cambios de los ecosistemas se miden por varios niveles de transformación (alto, medio, bajo). Estos se obtienen a través de observación directa, recuento de especies y medidas de variación espacial a lo largo del tiempo. Por ende, estos métodos son invasivos y requieren de largos lapsos de observación en los lugares de estudio. Una alternativa eficaz a los métodos clásicos es el monitoreo acústico pasivo, que es menos invasivo, ya que evita el aislamiento de las especies y reduce el tiempo de los investigadores en los sitios. Sin embargo, implica la generación de múltiples datos y la necesidad de herramientas computacionales destinadas al análisis de las grabaciones. Este trabajo propone un método para identificar automáticamente la transformación del BST mediante grabaciones acústicas, aplicando dos modelos de clasificación: Gaussian Mixture Models (GMM), por cada región estudiada, y Universal Background Model (UBM), para un modelo general. Además, contiene un análisis de índices acústicos, con el fin de detectar los más representativos para las transformaciones del BST. Nuestra propuesta de GMM alcanzó una precisión de 93% y 89% para las regiones de La Guajira y Bolívar. El modelo general UBM logró 84% de precisión. Date A point or period of time associated with an event in the lifecycle of the resource 2020 Subject The topic of the resource Ecoacústica, estimación de máxima verosimilitud, machine learning, modelo universal, modelos de mezclas gausianas, índices acústicos Identifier An unambiguous reference to the resource within a given context 10.19053/01211129.v29.n54.2020.11752 Source A related resource from which the described resource is derived Revista Facultad de Ingeniería Publisher An entity responsible for making the resource available Universidad Pedagógica y Tecnológica de Colombia Coverage The spatial or temporal topic of the resource, the spatial applicability of the resource, or the jurisdiction under which the resource is relevant Engineering (General). Civil engineering (General) Relation A related resource <a href="https://revistas.uptc.edu.co/index.php/ingenieria/article/view/11752" target="_blank" rel="noreferrer noopener">https://revistas.uptc.edu.co/index.php/ingenieria/article/view/11752</a>