?lLucene41StoredFieldsDataH*&2-5f5c9928-6263-400e-9230-cae19cb15a13€ $,(123456789/1390h%ma0934804-27e9-4386-bb79-53023e4cc66bh%m0e86e95e-fa8c-4b33-a1f0-36da98159ec5h%m58a1dd5d-c6ae-4d95-a8c4-d416c90f1d5fh%l22682ca6-e66a-4964-99e6-d6cc2587af8bp$/p$/p$/x$truefalsedOטKassem Moussa, MohamadSanabria Gaona, Alexis JavierArrúa Ginés, Jorge LuisKarinTHussein Abdulss ss B1kmm_ ||| D?sgaj;# B7a#g#j#Aluis>AA;kAhAaA<a .&*OO OO ss ss ss ss ?:Onull ?A ;?="% ??&978La identificación tradicional de fases cristalinas mediante difrac6dde rayos x (DRX) requiere un análisis manual experto que consume entre 8 y 12 horas por muestra, presentando tasaserror del 15% al 30% en sistem&ultifásicos. Para resolver esta problemática analí y operativa,+eEbajo e#sarrollou{p basadointeligencia armial capaz6automatizar lde materiales. La solux@prop"a utilizdes neur1onv0r(CNN) p conocer patron.aracteríst4togramasAocesqy valid unAjunt datos extraíd6incipalme>e0CryYl\phy Open Database.Pimple3pmodelo 6ó reducir el tiemp~t#deO`a minuCpor Y y alcanzó unAecis -deqde 87.8dqlos comos quím2studiados yT'91Ab4A1. S"Qcluye/arquitectura ` optimAsign@tiva; e precurso9l laboratorio, mitig2el T`humanoTceler!pr9mielejos.0UE/VE`es4Facultad Politécnica, Universidad Na l Este7"2R  ;   aprendizaje fundo 6 6e w   ?1)_Ereh >% ?-<?? 9" ;# 4  4. 4.F     QUUst!rZoXD_uA B DHCD@C?zBoes_ES,DThesis 1http://localhost:8080/xmlui/handle/"2026-(4T12:48:11Z2 .Z1-01 0 -0!)!#€ߪ܋hvڨP6.:Ir+""/2)/ 9arrúa ginés, /\-/  /s ss s8$w Aón6fón@ ci'55# /g / 342Q&, /1// /Y  ?V4 ~!/I!P%g8f18a99c-4fd6-4787-bf2c-39ee4473d82a\`(&t