| dc.rights.license | http://creativecommons.org/about/cc0/ - Sin Derechos Reservados | es_MX |
| dc.contributor | JOSE ALFREDO HERNANDEZ PEREZ | es_MX |
| dc.contributor | JOSÉ FRANCISCO GÓMEZ AGUILAR | |
| dc.contributor.author | Gerardo Manríquez Pardo | es_MX |
| dc.contributor.other | director - Director | es_MX |
| dc.coverage.spatial | MEX - México | es_MX |
| dc.date | 2026-09-09 | |
| dc.date.accessioned | 2026-09-22T18:37:11Z | |
| dc.date.available | 2026-09-22T18:37:11Z | |
| dc.identifier.uri | http://riaa.uaem.mx/handle/20.500.12055/5359 | |
| dc.description | La predicción precisa del Coeficiente de Rendimiento (COP) en los transformadores de
calor por absorción sigue siendo un desafío crítico para el avance de la ingeniería energética y los
sistemas térmicos sostenibles. En consecuencia, este estudio se enfoca en mejorar la exactitud y
confiabilidad de la predicción del COP mediante un análisis comparativo exhaustivo de funciones
de transferencia de orden entero, fraccionario y conformable dentro del marco de las Redes
Neuronales Artificiales (RNA).
Para optimizar el proceso de estimación, se evaluó un conjunto diverso de funciones,
incluyendo Logsig, Tansig, Swish, ELU, GELU y dSiLU, junto con sus respectivas variantes
fraccionarias y conformables. Mientras que los intentos de modelado previos con arquitecturas
estándar (las cuales incorporaban 16 variables de entrada y capas ocultas de 3 o más neuronas)
fracasaban frecuentemente al intentar satisfacer criterios rigurosos de confiabilidad como la prueba
de linealidad de pendiente e intercepto, esta investigación resuelve dichas limitaciones a través de
un refinamiento arquitectónico y matemático. | es_MX |
| dc.format | pdf - Adobe PDF | es_MX |
| dc.language | spa - Español | es_MX |
| dc.rights | openAccess - Acceso Abierto | es_MX |
| dc.subject | 7 - INGENIERÍA Y TECNOLOGÍA | es_MX |
| dc.subject.other | 33 - CIENCIAS TECNOLÓGICAS | es_MX |
| dc.title | MEJORA EN LA PREDICCIÓN DEL COP EN BOMBAS DE CALOR POR ABSORCIÓN MEDIANTE EL USO DE NUEVAS FUNCIONES DE TRANSFERENCIA DE ORDEN ENTERO, FRACCIONARIO Y CONFORMABLE EN REDES NEURONALES ARTIFICIALES | es_MX |
| dc.type | masterThesis - Tesis de maestría | es_MX |
| uaem.unidad | Centro de Investigación en Ingeniería y Ciencias Aplicadas (CIICAp)- Instituto de Investigación en Ciencias Básicas y Aplicadas (IICBA) - Centro de Investigación en Ingeniería y Ciencias Aplicadas (CIICAp)- Instituto de Investigación en Ciencias Básicas y Aplicadas (IICBA) | es_MX |
| uaem.programa | Maestría en Ingeniería y Ciencias Aplicadas - Maestría en Ingeniería y Ciencias Aplicadas | es_MX |
| dc.type.publication | submittedVersion | es_MX |
| dc.audience | generalPublic - Público en general | es_MX |
| dc.date.received | 2026-09-14 | |
