0% encontró este documento útil (0 votos)
43 vistas2 páginas

BIBLIOGRAFÍA

Este documento presenta una bibliografía de 15 artículos relacionados con el uso de redes neuronales artificiales en ingeniería civil y materiales de construcción. Los artículos cubren temas como la predicción de la resistencia a la compresión del concreto, el diseño sísmico de edificios, la evaluación de daños en pavimentos y la detección de daños en vigas utilizando redes neuronales. La bibliografía divide los artículos en grupos para su revisión por parte de 6 personas.

Cargado por

Thalía
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
0% encontró este documento útil (0 votos)
43 vistas2 páginas

BIBLIOGRAFÍA

Este documento presenta una bibliografía de 15 artículos relacionados con el uso de redes neuronales artificiales en ingeniería civil y materiales de construcción. Los artículos cubren temas como la predicción de la resistencia a la compresión del concreto, el diseño sísmico de edificios, la evaluación de daños en pavimentos y la detección de daños en vigas utilizando redes neuronales. La bibliografía divide los artículos en grupos para su revisión por parte de 6 personas.

Cargado por

Thalía
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd

BIBLIOGRAFÍA

1. ACUÑA, Luis; ESPINOZA, Pedro; MOROMI, Isabel; TORRE, Ana; GARCÍA, Franciso.
Concreto de alto rendimiento, predicción de su resistencia a la compresión mediante redes
neuronales artificiales. Revista TECNIA [en línea]. 2017, 27(1), 51-51 [fecha de consulta
17 abril 2022]. DOI:
https://dx.doi.org/10.21754/tecnia.v27i1.125

2. ZEA, Jorge; RIVEROS, Carlos; RIVERO, Javier. Optimización de secciones de vigas y


columnas para el cumplimiento de la deriva en edificaciones de concreto reforzado
mediante Redes Neuronales Artificiales. Revista Facultad de Ingeniería Universidad de
Antioquia [en línea]. 2014, 70, 34-44 [fecha de consulta 17 abril 2022]. ISSN 0120-6230.
Disponible en:
http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-
62302014000100004&lang=es

3. FÉLIX, Emerson; CARRAZEDO, Ricardo; POSSAN, Edna. Análisis paramétrico de la


carbonatación en estructuras de hormigón por Redes Neuronales Artificiales. Revista
ALCONPAT, [en línea]. 2017, 7(3), 302-316 [fecha de consulta 17 abril 2022]. ISSN 2007-
6835. DOI: https://doi.org/10.21041/ra.v7i3.245

4. BOJORQUEZ, Juan; TOLENTINO, Dante; RUIZ, Sonia; BOJORQUEZ, Edén. Diseño


sísmico preliminar de edificios de concreto reforzado usando redes neuronales artificiales.
Concreto y cemento. Revista concreto y cemento. investigación y desarrollo [en línea].
2016, 7(2), 60-78. [fecha de consulta 05 abril 2022]. Disponible en:
http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2007-30112016000100060

5. PURIZACA, Frank; MUÑOZ, Sócrates; TUESTA, Víctor; MEJÍA, Heber. Desarrollo de un


modelo predictivo de las propiedades mecánicas del suelo usando redes neuronales
artificiales. Revista Lámpsakos [en línea]. 2021, 26, 1-20 [fecha de consulta 17 abril 2022].
Disponible en: https://revistas.ucatolicaluisamigo.edu.co/index.php/lampsakos/article/view/
4042/3182

6. GONZÁLEZ, Luis; GUERRERO, Aydée A; DELVASTO, Silvio; ERNESTO, Adrián.


Exploración con redes neuronales artificiales para estimar la resistencia a la compresión,
en concretos fibroreforzados con acero. Revista Ciencia e ingeniería neogranadina [en
línea]. 2012, 22(1), 19-41[fecha de consulta 17 abril 2022]. ISSN 0124-8170 Disponible en:
http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0124-81702012000100002

7. GARCÍA, Joaquín. Predicción basada en redes neuronales de la resistencia a compresión


a los 7 días de los UHPC incorporando SCM. Revista Matéria (Rio de Janeiro) [en línea].
2022, 26(4)[fecha de consulta 17 abril 2022]. ISSN 1517-7076. DOI:
https://doi.org/10.1590/S1517-707620210004.1380

8. TELLO, Lizette; AGUIRRE, Marcela; DÍAZ, Jean; HERNÁNDEZ, Francisco. Evaluación de


daños en pavimento flexible usando fotogrametría terrestre y redes neuronales. Revista
TecnoLógicas [en línea]. 2021, 24(50), 59-71[fecha de consulta 17 abril 2022]. ISSN 2256-
5337. DOI: https://doi.org/10.22430/22565337.1686

9. FELIX, Emerson; RODRIGUES, Tito; CORREA, Mariana; POSAN, Edna; CARRAZEDO,


Rogério. Análisis da vida útil de estructuras de concreto armado bajo la acción de la
corrosión uniforme por medio de un modelo con RNA acoplado al MEF. Revista
ALCONPAT [en línea]. 2018, 8(1), 1-15 [fecha de consulta 17 abril 2022]. ISSN 2007-6835.
DOI: https://doi.org/10.21041/ra.v8i1.256

10. BELTRAN, Gloria y ROMO, Miguel. Evaluación del rendimiento de redes neuronales
artificiales en la estimación de las propiedades de las capas de pavimentos. Revista En g.
investigando [en línea]. 2014, 34(2), 11-16 [fecha de consulta 17 abril 2022]. DOI:
https://doi.org/10.15446/ing.investig.v34n2.42158
11. VILLALBA, Jesús; GOMEZ, Iván; LAIER, José. Detección de daño en vigas utilizando
redes neuronales artificiales y parámetros dinámicos. Revista Facultad de Ingeniería
Universidad de Antioquia [en línea]. 2012, 63, 141-153 [fecha de consulta 17 abril 2022].
ISSN 0120-6230. Disponible en:
http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-
62302012000200013&lang=es

12. PÉREZ, Carmen y HERNÁNDEZ, Alejandro. Predicción de resistencia a compresión del


hormigón mediante redes neuronales haciendo uso del agregado de la cantera de Antonio
Maceo. Revista de Arquitectura e Ingeniería [en línea]. 2020,14(1),1-9 [fecha de consulta
17 abril 2022]. ISSN 1990-8830. Disponible en:
https://www.redalyc.org/journal/1939/193962633002/

13. BOJÓRQUEZ, Juan y RUIZ, Sonia. Factores de carga óptimos para el diseño sísmico de
edificios. Revista Ingeniería sísmica [en línea]. 2018, 98, 25-44 [fecha de consulta 17 abril
2022]. DOI: https://doi.org/10.18867/ris.98.505

14. GARCÍA, Julio; RAMOS, Alfonso; HERRERA, Eddy. Redes neuronales artificiales para
representar la atenuación de la intensidad sísmica. Revista Ingeniería y Universidad [en
línea]. 2013, 17(2), 277-292 [fecha de consulta 17 abril 2022]. ISSN 0123-2126. Disponible
en:
https://www.redalyc.org/articulo.oa?id=47728826001

15. DEL ANGEL, Francisco; LOUISSAINT, Wilbert. Desarrollo de una red neuronal artificial
para validar cálculos en el diseño estructural de puentes. Revista Ingeniería [en línea].
2013, 17(3),191-203 [fecha de consulta 17 abril 2022]. ISSN 1665-529X. Disponible en:
https://www.redalyc.org/articulo.oa?id=46730914003

Artículos a revisar según la numeración de la bibliografía.

Pareja Palomino Thalía Mirella (1-3)

Paucar Cárdenas Alejandro(4-5)

Ravichagua Villajuan Joel David (6-7)

Rojas Hidalgo Jessica Tatiana (8-9)

Romero Cristóbal Misael Fernando (10-12)

Pacotaype Meza Hugo (13-15)

También podría gustarte