<?xml version="1.0" encoding="UTF-8"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns="http://purl.org/rss/1.0/" xmlns:dc="http://purl.org/dc/elements/1.1/">
  <channel rdf:about="https://repositorio.tic.unam.mx/handle/123456789/3623">
    <title>DSpace Collection:</title>
    <link>https://repositorio.tic.unam.mx/handle/123456789/3623</link>
    <description />
    <items>
      <rdf:Seq>
        <rdf:li rdf:resource="https://repositorio.tic.unam.mx/handle/123456789/3638" />
        <rdf:li rdf:resource="https://repositorio.tic.unam.mx/handle/123456789/3637" />
      </rdf:Seq>
    </items>
    <dc:date>2026-06-26T19:37:27Z</dc:date>
  </channel>
  <item rdf:about="https://repositorio.tic.unam.mx/handle/123456789/3638">
    <title>Dynamics of the Popocatépetl Volcano, Mexico, revealed by Machine Learning-Based Seismic Catalogs</title>
    <link>https://repositorio.tic.unam.mx/handle/123456789/3638</link>
    <description>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).</description>
    <dc:date>2024-01-01T00:00:00Z</dc:date>
  </item>
  <item rdf:about="https://repositorio.tic.unam.mx/handle/123456789/3637">
    <title>Optimizing neural network architectures and using clustering to detect seismic events in noisy ocean bottom seismometer data</title>
    <link>https://repositorio.tic.unam.mx/handle/123456789/3637</link>
    <description>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).</description>
    <dc:date>2025-01-01T00:00:00Z</dc:date>
  </item>
</rdf:RDF>

