Publicaciones

Lecturas de interés en minería, ciencias de la tierra y tecnología

INFLUENCE OF THE SAMPLING DENSITY IN THE COESTIMATION ERROR OF A REGIONALIZED LOCALLY STATIONARY VARIABLE

Abstract In the present study, the influence of the sampling density on the coestimation error of a regionalized, locally stationary …Read More

Imagen de perfilHeber Hernández Guerraoctubre 26, 2020

APRENDIZAJE NO SUPERVISADO APLICADO EN LA MICROSCOPÍA

Implementación de algoritmo clustering en la compresión y segmentación de una imagen fotográfica de una roca en sección delgada. Read More

Imagen de perfilAldo D. Carlos Villazanajunio 19, 2020

K-MEDIAS EN LA DEFINICIÓN DE DOMINIOS DE ESTIMACIÓN

En el presente articulo hablare acerca del beneficio de utilizar un algoritmo de aprendizaje automático, la sencillez de su implementación conociendo un poco de programación y los principales hitos en su puesta en marcha para con un caso sintético 7D. Read More

Imagen de perfilHeber Hernández Guerrajunio 10, 2020

TRANSFORMACIÓN DE UNA VARIABLE CONTINUA PARA QUE SIGA UNA DISTRIBUCIÓN NORMAL

Al aplicar las matemáticas en ciencias de la tierra, hacemos suposiciones tentativas que sabemos que no son ciertas pero que creemos que pueden ser útiles. Por ejemplo, en la naturaleza nunca hubo una distribución normal, nunca hubo una línea recta, pero con suposiciones normales y lineales, que se sabe que son falsas, a menudo podemos obtener resultados que coinciden, a una aproximación útil a través de métodos paramétricos.Read More

Imagen de perfilHeber Hernández Guerramarzo 10, 2020

VALIDACIÓN CRUZADA DEJANDO UNO FUERA – EN PYTHON

En el desafío de interpretar el comportamiento de una variable espacial, en lugares donde esta no ha sido medida, recurrimos a estudiar distintos modelos de interpolación, que logren a partir de información fragmentaria (muestra), estimar lo mejor posible la realidad de dicha variable.Read More

Imagen de perfilHeber Hernández Guerramarzo 1, 2020

SELECCIÓN CONDICIONADA DE BLOQUES EN PYTHON

En esta oportunidad presentamos un simple código preparado con la biblioteca Pandas de Python, que cubica recursos minerales sobre un modelo de bloques (53,271 bloques) denominado Marvin Test Mine (http://mansci-web.uai.cl/minelib/marvin.xhtml). El código es resultado del contenido visto en la primera unidad del curso “Modelado de Datos Espaciales en Python”, en la cual específicamente se trata la importación, manipulación y exportación de tablas de datos.Read More

Imagen de perfilHeber Hernández Guerrafebrero 23, 2020
top
Nube Minera © 2024