| dc.contributor.author | Saldaña, Samuel | |
| dc.date.accessioned | 2023-01-18T16:17:47Z | |
| dc.date.available | 2023-01-18T16:17:47Z | |
| dc.date.issued | 2021-01 | |
| dc.identifier | https://revistas.unachi.ac.pa/index.php/pluseconomia/article/view/480 | |
| dc.identifier.issn | 2644-4046 | |
| dc.identifier.uri | http://jadimike.unachi.ac.pa/handle/123456789/718 | |
| dc.identifier.uri | https://revistas.unachi.ac.pa/index.php/pluseconomia/article/view/480 | |
| dc.description.abstract | The statistical models allow detect behaviors of various phenomena, external elements affect the development and result of actions of the environment and that are capable of being visualized through the data.In this research, the auditory effects that are studied come from the waves produced by tempering the frequency of 440 Hz (hertz) generated for five seconds, obtaining a database of 100 thousand records. The data obtained are subjected to exploration, using acoustic physics metrics that allow obtaining a valuable result on their behavior, and which are then analyzed and interpreted after having been modeled with Machine Learning techniques; values represented through clustering functions and defined by means of graphs. The clusters are made through centroids showing groupings of frequencies where dominant values of certain frequencies can be detected and an interesting fuzzy distribution is detected in each of the clusters. | en_US |
| dc.description.abstract | Los nuevos métodos estadísticos empleados en el Machine Learning, permiten detectar, reproducir y evaluar comportamientos de diversos fenómenos, elementos externos que afectan el desarrollo y resultado de las fuerzas del entorno, capaces de representarla e interpretarlas a través de los datos.En esta investigación, los efectos auditivos que se estudian provienen de las ondas producidas por temperado de la frecuencia de 440 Hz (hercios) generados durante cinco segundos, obteniendo una base de datos de 100 mil registros. Los datos logrados son sometidos a exploración, empleando métricas de la física acústica que permite obtener un valioso resultado sobre el comportamiento de estos, y que luego son analizados e interpretados luego de haber sido modelizados con técnicas de Machine Learning; valores representados a través de funciones de clusterización y definidos por medio de gráficos. Los clústeres se elaboran a través de centroides mostrando agrupaciones de frecuencias donde se pueden detectar valores de dominantes de ciertas frecuencias y se detecta una interesante distribución fuzzy en cada uno de los clústeres. | es_ES |
| dc.language.iso | es | es_ES |
| dc.publisher | Universidad Autónoma de Chiriquí. | es_ES |
| dc.relation.ispartofseries | ;Vol. 9 Núm. 1 | |
| dc.subject | MOLDEADO | es_ES |
| dc.subject | FRECUENCIA | es_ES |
| dc.subject | TEMPERADO | es_ES |
| dc.subject | HERCIOS | es_ES |
| dc.subject | FÍSICA | es_ES |
| dc.subject | ACÚSTICA | es_ES |
| dc.title | Machine learning: estudio del comportamiento acústico y clusterización de los datos de la frecuencia 440 hz | es_ES |
| dc.type | Article | es_ES |
