Universidad de Burgos RIUBU Principal Default Universidad de Burgos RIUBU Principal Default
  • español
  • English
  • français
  • Deutsch
  • português (Brasil)
  • italiano
Universidad de Burgos RIUBU Principal Default
  • Ayuda
  • Contacto
  • Sugerencias
  • Acceso abierto
    • Archivar en RIUBU
    • Acuerdos editoriales para la publicación en acceso abierto
    • Controla tus derechos, facilita el acceso abierto
    • Sobre el acceso abierto y la UBU
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Listar

    Todo RIUBUComunidadesFechaAutor / DirectorTítuloMateria / AsignaturaEsta colecciónFechaAutor / DirectorTítuloMateria / Asignatura

    Mi cuenta

    AccederRegistro

    Estadísticas

    Ver Estadísticas de uso

    Compartir

    Ver ítem 
    •   RIUBU Principal
    • Tesis Doctorales
    • Tesis Digitalización
    • Ver ítem
    •   RIUBU Principal
    • Tesis Doctorales
    • Tesis Digitalización
    • Ver ítem

    Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10259/10362

    Título
    Aportaciones a la toma de decisiones de gestión empresarial utilizando metodologías de aprendizaje máquina
    Autor
    García Pineda, Luis Santiago
    Director
    Alonso de Armiño Pérez, CarlosAutoridad UBU Orcid
    Urda Muñoz, DanielAutoridad UBU Orcid
    Entidad
    Universidad de Burgos. Departamento de Digitalización
    Fecha de publicación
    2023
    Fecha de lectura/defensa
    2023-12-20
    DOI
    10.36443/10259/10362
    Resumen
    En la tesis se aportan 3 publicaciones elaboradas por el grupo de investigación al que pertenece el autor de la tesis (D. Luis Santiago García Pineda) En el primer trabajo se analiza la sostenibilidad de la actividad del transporte por carretera en España a través del uso de Parcelas Exploratorias Híbridas No Supervisadas (HUEP,s) utilizando una metodología novedosa que combina EPP (Persecución de Proyecciones Exploratorias) con métodos de clusterización o agrupamiento de datos (K-means y Aglomerativo). En el segundo se analiza la sostenibilidad económica de las cadenas de suministro de distintos sectores mediante la aplicación del predictor Altman Z-Score. Se obtiene un ranking de probabilidad de quiebra de las cadenas de suministro de las empresas, según el sector al que pertenecen. Y en el tercero se lleva a cabo un análisis de series temporales mediante redes neuronales para predecir el precio del acero laminado en caliente (HRC) en España.
    Palabras clave
    Inteligencia artificial
    Sostenibilidad en el transporte
    Redes neuronales
    Predicción de riesgo
    Predictor Altman Z
    Artificial intelligence
    Transport sustainability
    Artificial Neural Networks
    Risk prediction
    Altman´s Z-score
    Materia
    Inteligencia artificial
    Artificial intelligence
    Redes neuronales artificiales
    Neural networks (Computer science)
    URI
    http://hdl.handle.net/10259/10362
    Aparece en las colecciones
    • Tesis Digitalización
    Attribution-NonCommercial-NoDerivatives 4.0 Internacional
    Documento(s) sujeto(s) a una licencia Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 Internacional
    Ficheros en este ítem
    Nombre:
    Garcia_Pineda_Luis_Santiago-Tesis.pdf
    Tamaño:
    11.41Mb
    Formato:
    Adobe PDF
    Thumbnail
    Visualizar/Abrir

    Métricas

    Citas

    Academic Search
    Ver estadísticas de uso

    Exportar

    RISMendeleyRefworksZotero
    • edm
    • marc
    • xoai
    • qdc
    • ore
    • ese
    • dim
    • uketd_dc
    • oai_dc
    • etdms
    • rdf
    • mods
    • mets
    • didl
    • premis
    Mostrar el registro completo del ítem