Diffractogram metrics for machine learning

En este trabajo se presenta un nuevo modelo con el cual es posible analizar diffractogramas en el área de cristalografía. Con el objetivo principal de poder generar un proceso de clasificación de muestras a partir de su difractograma, se realiza una codificación de dichos difractogramas a partir de...

Full description

Autores:
López Cuellar, Nicolás Orlando
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2020
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
eng
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/44980
Acceso en línea:
http://hdl.handle.net/1992/44980
Palabra clave:
Cristalografía
Aprendizaje automático (Inteligencia artificial)
Ingeniería
Rights
openAccess
License
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
id UNIANDES2_6c9dc82f9d6b87d223f8150e77ed2745
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/44980
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
spelling Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Giraldo Trujillo, Luis Felipe87382f6b-7bf5-4ed1-8463-1721274e1bb7400Pérez Taborda, Jaime Andrésvirtual::13214-1López Cuellar, Nicolás Orlando05e08e9c-ed72-4767-ad35-2d9fe89b0137500Avila Bernal, Alba Graciela2020-09-03T15:08:44Z2020-09-03T15:08:44Z2020http://hdl.handle.net/1992/44980u831302.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/En este trabajo se presenta un nuevo modelo con el cual es posible analizar diffractogramas en el área de cristalografía. Con el objetivo principal de poder generar un proceso de clasificación de muestras a partir de su difractograma, se realiza una codificación de dichos difractogramas a partir de la información de sus picos de intensidad. Luego se genera una pseudo-métrica que permite generar índices de similaridad entre una muestra y un material; y a partir de estos índices de similaridad, se genera un nuevo espacio métrico en el cual se pueden separar totalmente las clases manejadas en la base de datos usada, con algoritmos estándar de Machine Learning.In this work it is presented a new model for analyzing diffractograms in the field of crystallography. With the aim of generating a classification procedure, which allows the identification of the material of a sample based on its diffractogram, a codification of such diffractograms is made, based on the intensity peaks it presents. Then a pseudo-metric is applied, this allows the construction of similarity indexes between a sample and a material, which give rise to a new metric space in which the classes existing in the used data base, can be fully separated with standard Machine Learning Algorithms.Ingeniero ElectrónicoPregrado13 hojasapplication/pdfengUniandesIngeniería ElectrónicaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y Electrónicainstname:Universidad de los Andesreponame:Repositorio Institucional SénecaDiffractogram metrics for machine learningTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TPCristalografíaAprendizaje automático (Inteligencia artificial)IngenieríaPublication95b7597d-5c28-48c9-b39a-b48f36e6e769virtual::13214-195b7597d-5c28-48c9-b39a-b48f36e6e769virtual::13214-1THUMBNAILu831302.pdf.jpgu831302.pdf.jpgIM Thumbnailimage/jpeg23976https://repositorio.uniandes.edu.co/bitstreams/c16578dd-14b2-4dcc-86d1-67f109faea4a/downloadc7588df150c49309cddb6f614aa8836fMD55ORIGINALu831302.pdfapplication/pdf450908https://repositorio.uniandes.edu.co/bitstreams/19e72119-0220-436f-b7b7-685912f05e51/download85c6342d5ea071e58bde1008c820fbd0MD51TEXTu831302.pdf.txtu831302.pdf.txtExtracted texttext/plain36818https://repositorio.uniandes.edu.co/bitstreams/2d18a73f-7c7e-4514-92a5-d3a31c7cf596/downloadeca8d1ed0bd2a003cc776767bfc2e1d4MD541992/44980oai:repositorio.uniandes.edu.co:1992/449802024-03-13 14:52:56.436https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co
dc.title.es_CO.fl_str_mv Diffractogram metrics for machine learning
title Diffractogram metrics for machine learning
spellingShingle Diffractogram metrics for machine learning
Cristalografía
Aprendizaje automático (Inteligencia artificial)
Ingeniería
title_short Diffractogram metrics for machine learning
title_full Diffractogram metrics for machine learning
title_fullStr Diffractogram metrics for machine learning
title_full_unstemmed Diffractogram metrics for machine learning
title_sort Diffractogram metrics for machine learning
dc.creator.fl_str_mv López Cuellar, Nicolás Orlando
dc.contributor.advisor.none.fl_str_mv Giraldo Trujillo, Luis Felipe
Pérez Taborda, Jaime Andrés
dc.contributor.author.none.fl_str_mv López Cuellar, Nicolás Orlando
dc.contributor.jury.none.fl_str_mv Avila Bernal, Alba Graciela
dc.subject.armarc.es_CO.fl_str_mv Cristalografía
Aprendizaje automático (Inteligencia artificial)
topic Cristalografía
Aprendizaje automático (Inteligencia artificial)
Ingeniería
dc.subject.themes.none.fl_str_mv Ingeniería
description En este trabajo se presenta un nuevo modelo con el cual es posible analizar diffractogramas en el área de cristalografía. Con el objetivo principal de poder generar un proceso de clasificación de muestras a partir de su difractograma, se realiza una codificación de dichos difractogramas a partir de la información de sus picos de intensidad. Luego se genera una pseudo-métrica que permite generar índices de similaridad entre una muestra y un material; y a partir de estos índices de similaridad, se genera un nuevo espacio métrico en el cual se pueden separar totalmente las clases manejadas en la base de datos usada, con algoritmos estándar de Machine Learning.
publishDate 2020
dc.date.accessioned.none.fl_str_mv 2020-09-03T15:08:44Z
dc.date.available.none.fl_str_mv 2020-09-03T15:08:44Z
dc.date.issued.none.fl_str_mv 2020
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TP
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/44980
dc.identifier.pdf.none.fl_str_mv u831302.pdf
dc.identifier.instname.spa.fl_str_mv instname:Universidad de los Andes
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Séneca
dc.identifier.repourl.spa.fl_str_mv repourl:https://repositorio.uniandes.edu.co/
url http://hdl.handle.net/1992/44980
identifier_str_mv u831302.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.es_CO.fl_str_mv eng
language eng
dc.rights.uri.*.fl_str_mv https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.es_CO.fl_str_mv 13 hojas
dc.format.mimetype.es_CO.fl_str_mv application/pdf
dc.publisher.es_CO.fl_str_mv Uniandes
dc.publisher.program.es_CO.fl_str_mv Ingeniería Electrónica
dc.publisher.faculty.es_CO.fl_str_mv Facultad de Ingeniería
dc.publisher.department.es_CO.fl_str_mv Departamento de Ingeniería Eléctrica y Electrónica
dc.source.es_CO.fl_str_mv instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
instname_str Universidad de los Andes
institution Universidad de los Andes
reponame_str Repositorio Institucional Séneca
collection Repositorio Institucional Séneca
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/c16578dd-14b2-4dcc-86d1-67f109faea4a/download
https://repositorio.uniandes.edu.co/bitstreams/19e72119-0220-436f-b7b7-685912f05e51/download
https://repositorio.uniandes.edu.co/bitstreams/2d18a73f-7c7e-4514-92a5-d3a31c7cf596/download
bitstream.checksum.fl_str_mv c7588df150c49309cddb6f614aa8836f
85c6342d5ea071e58bde1008c820fbd0
eca8d1ed0bd2a003cc776767bfc2e1d4
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional Séneca
repository.mail.fl_str_mv adminrepositorio@uniandes.edu.co
_version_ 1812134009413566464