Coloquio de Investigación: Computación aplicada al aprendizaje profundo. Modelos de facies geológicas

Bajo la inspiración de los impresionantes resultados obtenidos por las redes neuronales generativas de aprendizaje profundo en áreas como la generación de imágenes y videos, se inicia la investigación para construir una parametrización continua de modelos de facies y generación de las facies geológicas (capas sedimentarias del subsuelo).

Una de las técnicas más exitosas y eficientes, actualmente disponible para el problema del ajuste histórico, es la técnica de ensemble smoother (ES). Sin embargo, debido a que este método se basa en el filtro de Kalman (suposiciones gaussianas), su desempeño se degrada severamente cuando es aplicado a modelos de reservorios que describen las facies geológicas. La combinación de redes neuronales generativas de aprendizaje profundo con el algoritmo de ensemble smoother para la asimilación de datos múltiples (ES-MDA) permite alcanzar excelentes resultados.

Expositor

Smith Washington Arauco Canchumuni

Graduado en Ingeniería Mecatrónica por la Universidad Nacional de Ingeniería (Perú), y magíster en Ingeniería Mecánica y PhD en Ingeniería Eléctrica por la Pontificia Universidad Católica de Río de Janeiro (Brasil). Sus áreas de interés incluyen el aprendizaje automático, la visión computacional, la optimización y la inteligencia artificial. Actualmente, se desempeña como investigador en el Laboratorio de Inteligencia Computacional Aplicada y como docente en cursos de especialización y extensión en la Pontificia Universidad Católica de Río de Janeiro.

Público

Actividad virtual sin costo, sujeta a aforo, dirigida a la comunidad de la Universidad de Lima y al público en general.

Informes

eventossistemas@ulima.edu.pe

Organiza

Facultad de Ingeniería y Arquitectura | Carrera de Ingeniería de Sistemas