<?xml version="1.0" encoding="UTF-8"?>
<feed xmlns="http://www.w3.org/2005/Atom" xmlns:dc="http://purl.org/dc/elements/1.1/">
  <title>DSpace Collection:</title>
  <link rel="alternate" href="https://repositorio.tic.unam.mx/handle/123456789/3623" />
  <subtitle />
  <id>https://repositorio.tic.unam.mx/handle/123456789/3623</id>
  <updated>2026-06-26T19:37:27Z</updated>
  <dc:date>2026-06-26T19:37:27Z</dc:date>
  <entry>
    <title>Dynamics of the Popocatépetl Volcano, Mexico, revealed by Machine Learning-Based Seismic Catalogs</title>
    <link rel="alternate" href="https://repositorio.tic.unam.mx/handle/123456789/3638" />
    <author>
      <name />
    </author>
    <id>https://repositorio.tic.unam.mx/handle/123456789/3638</id>
    <updated>2025-10-08T17:41:20Z</updated>
    <published>2024-01-01T00:00:00Z</published>
    <summary type="text">Title: Dynamics of the Popocatépetl Volcano, Mexico, revealed by Machine Learning-Based Seismic Catalogs
Description: Presentación que emplea datos recopilados por una red de 19 estaciones sísmicas en los alrededores del volcán Popocatépetl, combinados con técnicas de aprendizaje automático y métodos de coherencia espacial, para generar catálogos sísmicos completos que abarcan desde 2019 hasta la actualidad. El flujo de trabajo automatizado incluye la identificación y localización de eventos de largo período (LP), temblores y terremotos volcanotectónicos (VT).</summary>
    <dc:date>2024-01-01T00:00:00Z</dc:date>
  </entry>
  <entry>
    <title>Optimizing neural network architectures and using clustering to detect seismic events in noisy ocean bottom seismometer data</title>
    <link rel="alternate" href="https://repositorio.tic.unam.mx/handle/123456789/3637" />
    <author>
      <name />
    </author>
    <id>https://repositorio.tic.unam.mx/handle/123456789/3637</id>
    <updated>2025-10-21T01:18:21Z</updated>
    <published>2025-01-01T00:00:00Z</published>
    <summary type="text">Title: Optimizing neural network architectures and using clustering to detect seismic events in noisy ocean bottom seismometer data
Description: Presentación de un método para combinar la Búsqueda de Arquitectura Neural Evolutiva (ENAS) con la tercera generación del Algoritmo Genético de Ordenamiento No Dominado (NSGA-III); esto tiene el fin de diseñar y optimizar redes neuronales para la detección de eventos sísmicos, utilizando datos de sismómetros de fondo oceánico (OBS).</summary>
    <dc:date>2025-01-01T00:00:00Z</dc:date>
  </entry>
</feed>

