https://socictopen.socict.org/files/original/29e33d00b9161d3d2eb0c31cd58fefd6.pdf eee706d27b8a7ae2f801c07b8d460281 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 Predicción de radiación solar en sistemas fotovoltaicos utilizando técnicas de aprendizaje automático Creator An entity primarily responsible for making the resource Luis Eduardo Ordoñez-Palacios, Daniel Andrés León-Vargas, M.Sc., Víctor Andrés Bucheli-Guerrero, Ph. D., Hugo Armando Ordoñez-Eraso, Ph. D. Description An account of the resource La estimación de la radiación solar es fundamental para quienes participan en la planificación de granjas de energía solar, ya sean aisladas o conectadas a las redes de distribución eléctrica. Esto para el aprovechamiento de las fuentes de energía renovables, reducir el impacto producido por el cambio climático, e incrementar los índices de cobertura en el servicio eléctrico. De igual manera, el número de estaciones de medición existentes es insuficiente para cubrir toda la geografía de una región, y muchas de ellas no están capturando datos de radiación solar. Por consiguiente, es importante hacer uso de modelos matemáticos, estadísticos y de inteligencia artificial que permitan predecir la radiación solar a partir de datos meteorológicos disponibles. En este trabajo se utilizaron conjuntos de datos tomados de estaciones de medición ubicadas en las ciudades de Cali y Villavicencio, además de un conjunto de datos generado por la API World Weather Online para la ciudad de Mocoa. La razón fue realizar estimaciones de radiación solar utilizando distintas técnicas de aprendizaje automático para regresión y clasificación; el principal objetivo fue evaluar su desempeño. Aunque en la mayoría de los trabajos relacionados los investigadores utilizaron el aprendizaje profundo para la predicción de la radiación solar, este estudio demostró que, si bien las redes neuronales artificiales son la técnica más utilizada, otros algoritmos de aprendizaje automático como Random Forest, Máquinas de Soporte Vectorial y AdaBoost también proporcionan estimaciones con suficiente precisión para ser utilizados en este campo de estudio. Date A point or period of time associated with an event in the lifecycle of the resource 2020 Subject The topic of the resource Aprendizaje profundo, Sistemas fotovoltaicos, aprendizaje automático, aprendizaje supervisado, modelo de predicción, radiación solar Identifier An unambiguous reference to the resource within a given context 10.19053/01211129.v29.n54.2020.11751 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/11751" target="_blank" rel="noreferrer noopener">https://revistas.uptc.edu.co/index.php/ingenieria/article/view/11751</a>