dc.contributor.advisor | Auccahuasi Aiquipa, Wilver | |
dc.contributor.author | Mancco Yupari, Daysi Margot | |
dc.contributor.author | Vargas Huertas, Keyla Estrella | |
dc.date.accessioned | 2024-12-19T15:03:54Z | |
dc.date.available | 2024-12-19T15:03:54Z | |
dc.date.issued | 2024 | |
dc.identifier.uri | https://hdl.handle.net/20.500.12805/3891 | |
dc.description.abstract | La baja producción del maíz amiláceo en el distrito de Pariahuanca ha sido afectada considerablemente generando pérdidas económicas, debido a factores climáticas, desconocimiento técnico e factores mínimos que deben llevar los agricultores. Por ello, la presente investigación tuvo como objetivo analizar como ayuda el sistema experto en la predicción de cosecha de maíz amiláceo seco, la metodología realizada fue aplicada, explicativa y documental, la muestra se basó en 5 chacras, se realizó una búsqueda de información de 11 bibliografías para la identificación de los factores que intervienen en la cosecha de maíz, se tomó gestores de información con criterios de actualidad(trabajos publicados en los últimos 5 años), nivel de indexación(Google académico, Redalyc, Mendeley, Scopus, revistas, Dialnet, Elsevier, Repositorios universitarios) e idioma( artículos publicados en (Español, Indi, chino, Indonesio, ruso, inglés y italiano). Los resultados demostraron la identificación de 52 factores críticos de cosecha, diseño y funcionamiento del sistema experto usando red neuronal con el modelo más ajustable se evidenció con la curva ROC la sensibilidad y especificidad han logrado un 76.6% de precisión del sistema experto. En conclusión, el sistema experto ayuda a mejorar los rendimientos de maíz amiláceo, tanto que los agricultores tomen mejores decisiones con las recomendaciones sugeridas. | es_PE |
dc.format | application/pdf | es_PE |
dc.language.iso | spa | es_PE |
dc.publisher | Universidad Científica del Sur | es_PE |
dc.rights | info:eu-repo/semantics/embargoedAccess | es_PE |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/4.0/ | es_PE |
dc.subject | Aprendizaje automático | es_PE |
dc.subject | Red neuronal | es_PE |
dc.subject | Cosecha | es_PE |
dc.subject | Sistema experto | es_PE |
dc.subject | Maíz amiláceo | es_PE |
dc.title | Sistema experto para predecir la cosecha de maíz amiláceo seco en los agricultores de Pariahuanca, 2023 | es_PE |
dc.type | info:eu-repo/semantics/bachelorThesis | es_PE |
dc.identifier.doi | https://doi.org/10.21142/tl.2024.3891 | |
thesis.degree.discipline | Ingeniería Empresarial y de Sistemas | es_PE |
thesis.degree.grantor | Universidad Científica del Sur. Facultad de Ciencias Empresariales | es_PE |
thesis.degree.name | Ingeniera Empresarial y de Sistemas | es_PE |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.02.04 | es_PE |
dc.publisher.country | PE | es_PE |
renati.advisor.dni | 43375865 | |
renati.advisor.orcid | https://orcid.org/0000-0001-8820-4013 | es_PE |
renati.author.dni | 73535098 | |
renati.author.dni | 74699762 | |
renati.discipline | 612166 | es_PE |
renati.juror | Acosta Medina, Luis Enrique | |
renati.juror | Loaiza Jara, Omar Leonel | |
renati.juror | Velasquez Medina, Martin | |
renati.level | https://purl.org/pe-repo/renati/level#tituloProfesional | es_PE |
renati.type | https://purl.org/pe-repo/renati/type#tesis | es_PE |
dc.type.other | Tesis de Licenciatura | es_PE |