000110291 001__ 110291 000110291 005__ 20220210105301.0 000110291 037__ $$aTAZ-TFG-2021-3109 000110291 041__ $$aspa 000110291 1001_ $$aMontero Collado, Iván 000110291 24200 $$aMachine learning and the spectroscopy of magnetic molecules 000110291 24500 $$aAprendizaje automático y espectroscopia de moléculas magnéticas 000110291 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2021 000110291 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/ 000110291 520__ $$aEste trabajo tiene como objetivo realizar un ajuste a los datos medido en el experimento realizado por el grupo QMAD mediante el uso de técinas de aprendizaje automático (machine learning). Para lo que se empleará una red neuronal con arquitectura secuencial entrenada con datos generados de forma artificial (synthetic data).<br /><br /> 000110291 521__ $$aGraduado en Física 000110291 540__ $$aDerechos regulados por licencia Creative Commons 000110291 700__ $$aZueco Lainez, David$$edir. 000110291 7102_ $$aUniversidad de Zaragoza$$bFísica de la Materia Condensada$$cFísica de la Materia Condensada 000110291 8560_ $$f744090@unizar.es 000110291 8564_ $$s1315948$$uhttps://zaguan.unizar.es/record/110291/files/TAZ-TFG-2021-3109.pdf$$yMemoria (spa) 000110291 909CO $$ooai:zaguan.unizar.es:110291$$pdriver$$ptrabajos-fin-grado 000110291 950__ $$a 000110291 951__ $$adeposita:2022-02-10 000110291 980__ $$aTAZ$$bTFG$$cCIEN 000110291 999__ $$a20210628175440.CREATION_DATE