To see the other types of publications on this topic, follow the link: Redes neuronales.
Dissertations / Theses on the topic 'Redes neuronales'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the top 50 dissertations / theses for your research on the topic 'Redes neuronales.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Browse dissertations / theses on a wide variety of disciplines and organise your bibliography correctly.
1
Serrano, Musalem Álvaro. "Redes neuronales artificiales auto-organizativas dinámicas." Tesis, Universidad de Chile, 2015. http://repositorio.uchile.cl/handle/2250/132968.
Full textAbstract:
Ingeniero Civil EléctricoEl análisis de series de tiempo es de gran importancia ya que la gran mayoría de los datos que se miden cada día son función del tiempo. Su estudio está motivado tanto por el deseo de entender la naturaleza del sistema que se está midiendo, como también predecir su comportamiento futuro. Una técnica de análisis consiste en realizar una cuantificación espacio temporal, es decir, identificar y clasificar las secuencias de datos que presenten una dinámica espacio temporal similar. La red neuronal artificial (RNA) Gas Neuronal Creciente (GNG: Growing Neural Gas) es un algoritmo diseñado para la cuantificación espacial de datos. Este trabajo de título busca extender la cuantificación espacial del algoritmo GNG a una cuantificación espacio temporal en series de tiempo. La extensión se realiza sobre la unidad básica, la neurona, la cual es extendida a un segmento temporal. Se proponen dos extensiones de GNG las cuales son: (i) uso de conexiones temporales en lugar de conexiones espaciales, y (ii) utilización de segmentos en lugar de puntos. Los algoritmos propuestos se llaman GSG (Growing Segment Gas) y MGSG (Merge Growing Neural Gas). Este último introduce en GSG el uso de contextos para la cuantificación espacio temporal. Dada la forma en la que se extendió el algoritmo GNG, los algoritmos propuestos GSG y MGSG, resultan ser una generalización de GNG y MGNG, respectivamente. El desempeño de GSG y MGSG se evalúa utilizando como métrica, el error de cuantificación temporal (TQE) para distintos retardos y se comparan los resultados con los obtenidos con la redes GNG y MGNG. Los resultados obtenidos en MGSG muestran una ventaja estadísticamente significativa en 3 de las 4 series de datos evaluadas, mientras que GSG sólo muestra ventajas sobre GNG en 2 de las 4 series de datos evaluadas. Además se muestran ventajas en términos de la visualización que otorgan la redes resultantes de GSG y MGSG. Considerando el buen desempeño de MGSG se propone como trabajo futuro construir algoritmos predictivos basados en MGSG para el estudio de series de tiempo. Por último los algoritmos propuestos son una primera aproximación a la cuantificación espacio temporal utilizando segmentos, por esta razón se exponen posibles mejoras de los algoritmos propuestos para trabajos futuros.
2
Bilen, Agustín Miguel. "Aprendizaje autónomo de redes neuronales artificiales." Bachelor's thesis, Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales, 2016. http://bdigital.uncu.edu.ar/16568.
Full textAbstract:
Estudiamos numéricamente redes neuronales artificiales multicapa con procesamiento unidireccional (feedforward) y su optimización con respecto a dos propiedades de especial importancia en el campo de las redes complejas y los modelos computacionales de sistemas biológicos: el cumplimiento de una función compleja con generalización de lo aprendido y la robustez estructural.
En primer lugar, interesa optimizar las redes para cumplir cierta función: el reconocimiento de las vocales en una matriz de píxeles. Con ello, se espera no sólo que cada red sepa clasificar los patrones
aprendidos, sino que pueda generalizar a casos novedosos lo que se le enseñó en casos particulares, clasificando correctamente las vocales aun cuando las señales que se le muestren presenten ruido o sean defectuosas.
En segundo lugar, buscamos que las redes creadas sean estructuralmente robustas, esto es, conserven su buena operatividad luego de sufrir daños en su topología. Usualmente, para la optimización de redes neuronales artificiales, los algoritmos de aprendizaje que se emplean dependen de un agente externo implícito en su formulación que durante el proceso guía a la red en la modificación de sus parámetros hasta que ésta alcanza un desempeño satisfactorio u óptimo.
La línea central de este trabajo es la implementación de un método estocástico de aprendizaje por refuerzo, denominado aprendizaje autónomo, según el cual el propio estado de la red define la magnitud y la dirección de los cambios para que ésta logre optimizarse.Fil: Bilen, Agustín Miguel. Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales.
3
Hernández, Cárcamo Rodrigo Enrico. "Mapas Temporales Mediante Redes Neuronales Auto-Organizativas." Tesis, Universidad de Chile, 2008. http://repositorio.uchile.cl/handle/2250/101958.
Full textAbstract:
En problemas del mundo real la información posee frecuentemente fuertes dependencias
temporales y una sola muestra no es suficientemente explicativa para captar la dinámica
subyacente. Las redes neuronales han demostrado una alta efectividad tanto en problemas
lineales como no- lineales. El modelo Merge Neural Gas (MNG) es un poderosos
algoritmo no supervisado para el procesamiento de secuencias temporales, su estabilidad
y convergencia lo hacen una herramienta atractiva y simple. Las memorias Gamma
constituyen un poderoso filtro que posee la eficiencia de los filtros de Respuesta Infinita
al Impulso (IIR), la estabilidad y fácil entrenamiento como los filtros de Respuesta Finita
al Impulso (FIR). Su principal característica reside en poder controlar la profundidad de la
memoria y la resolución del filtrado.
El presente trabajo propone un nuevo modelo de contextos que puede ser combinado
con distintos esquemas de cuantización estáticos como mapas auto-organizativos o Gas
Neuronal, cuyas reglas de entrenamiento se deriva de la minimización de un funcional
de cuantización temporal, permitiendo así el procesamiento de secuencias temporales. El
modelo de contextos se basa en memorias Gamma, las cuales además de capturar la
dinámica de la serie entregan al algoritmo propiedades fundamentales de los filtros IIR y
FIR. Puesto que las memorias Gamma se construyen recursivamente, el modelo propuesto
puede controlar la memoria temporal ajustando la cantidad de contextos utilizados. Para
cuantificar la calidad de la cuantización temporal se utilizó el Error de cuantización Temporal
(TQE) y mediante el uso de planos de recurrencia se evaluó la capacidad del algoritmo para
reconstruir una aproximación del espacio de estado.
El nuevo modelo generaliza a MNG, haciendo de éste un caso particular del modelo
propuesto cuando sólo se utiliza un contexto. Esto no sólo permite reutilizar las propiedades
ya estudiadas para MNG, sino que le entrega un nuevo marco teórico. Diversas bases de
datos benchmark y de la vida real han sido utilizadas a fin de estudiar experimentalmente
las propiedades de Gamma NG. Distintos atractores caóticos permiten demostrar cómo el
aumento del número de contextos mejora la reconstrucción de espacio de estado realizado
por el modelo de contextos, justificándose así la una de las superioridades de Gamma NG
por sobre MNG. En el atractor de Lorenz la reconstrucción de espacio de estado arrojó
un error E=0,0138 para Gamma NG y E=0.0199 para MNG. En tareas de clasificación el
porcentaje de acierto fue de 92,45 % para Gamma NG y 89,81 % para MNG.
El modelo de contextos Gamma resulta ser una herramienta que puede ser combinada
con distintos esquemas convencionales de cuantización el cual mediante una simple regla
de recurrencia basada en memorias Gamma permite evitar el uso de ventanas de tiempo
mejorando el procesamiento de secuencias gracias a una mejor reconstrucción de espacio
de estado.
4
Montaño, Moreno Juan José. "Redes neuronales artificiales aplicadas al análisis de datos." Doctoral thesis, Universitat de les Illes Balears, 2002. http://hdl.handle.net/10803/9441.
Full textAbstract:
Este trabajo describe tres líneas de investigación desarrolladas en los últimos cinco años en torno a la aplicación de las Redes Neuronales Artificiales (RNA) en el ámbito del análisis de datos. Los campos de aplicación tratados son: el análisis de datos aplicado a conductas adictivas, el análisis de supervivencia, y el estudio del efecto de las variables de entrada en una red neuronal. Los resultados obtenidos ponen de manifiesto, en primer lugar, que las RNA son capaces de predecir el consumo de éxtasis con un margen de error pequeño a partir de las respuestas dadas a un cuestionario. Desde una perspectiva explicativa, el análisis de sensibilidad aplicado al modelo de red ha identificado los factores asociados al consumo de esta sustancia. En segundo lugar, los modelos de redes jerárquicas y secuenciales permiten el manejo de datos de supervivencia superando en algunos aspectos el rendimiento del modelo que tradicionalmente ha sido utilizado hasta el momento, el modelo de regresión de Cox. Por último, el análisis de sensibilidad numérico propuesto por nosotros es el procedimiento que permite evaluar con mayor exactitud la importancia o efecto de las variables de entrada de una red Perceptrón Multicapa. Por su parte, el programa informático Sensitivity Neural Network 1.0, desarrollado por nuestro equipo, permite simular el comportamiento de una red Perceptrón Multicapa e incorpora un conjunto de procedimientos numéricos y gráficos que han demostrado ser de utilidad en el análisis del efecto de las variables de entrada de una RNA.This work describes three lines of research developed in the last five years around the application of Artificial Neural Networks (ANN) in the field of the data analysis. The aplication fields are: the data analysis applied to addictive behaviors, the survival analysis, and the study of the effect of the input variables in a neural network. The results show, in the first place, that the ANN is able to predict the ecstasy consumption with a good accuracy through the answers given to a questionnaire. From an explanatory perspective, the sensitivity analysis applied to the network model has identified the factors associated to the consumption of this substance. In second place, the hierarchical and sequential network models allow to manage the survival data overcoming in some aspects the performance of the model that traditionally has been used until the moment, Cox regression model. Lastly, the numeric sensitivity analysis proposed by us is the procedure that allows to evaluate with more accuracy the importance or effect of the input variables in a Multilayer Perceptron network. On the other hand, the computer program Sensitivity Neural Network 1.0, developed by our team, allows to simulate the behavior of a Multilayer Perceptron and it incorporates a series of numeric and graphics procedures that have demonstrated being of utility in the analysis of the effect of the input variables in ANN.
5
Acuña, Arone Héctor Gil. "Redes neuronales artificiales: una herramienta para las finanzas." Bachelor's thesis, Universidad Nacional Mayor de San Marcos, 2011. https://hdl.handle.net/20.500.12672/15354.
Full textAbstract:
El documento digital no refiere asesor.Manifiesta que el constante dinamismo de las sociedades y los mercados, obliga ir buscando nuevas herramientas que vayan a la par con el desarrollo y que permitan tomar decisiones en forma eficiente, eficaz y correcta. Es así como nacen las Redes Neuronales Artificiales (RNA) que son Sistemas de procesamiento que copian esquemáticamente la estructura neuronal del cerebro para tratar de reproducir y mejorar sus capacidades. Las RNA se han desarrollado en diversos ámbitos, en esta investigación se destaca su uso en el área financiera. Se han realizado múltiples estudios y aplicaciones de éstas en los distintos campos de las finanzas, habiendo un número considerable de estudios que muestran importantes resultados en el área. Principalmente se han usado para la predicción de precios. Las investigaciones sobre Redes Neuronales se concentran básicamente en Chile donde existe antecedente de estudio sobre estos modelos de Redes neuronales. Las investigaciones encontradas se basan en tesis de predicción en el precio del cobre, que es un commodite relevante para el desarrollo de Chile, la predicción del Oro, tipo de cambio, predicciones de eventos de crisis de una economía. En esta tesis se escogio como caso práctico las acciónes de Caterpillar (CAT), como instrumento de prueba para la aplicación de Redes Neuronales Artificiales (RNA). A lo largo de la investigación se desarrollan simulaciones con diferentes características tanto en su configuración como en sus variables de entrada y períodos; logrando resultados interesantes de analizar. Se dividió el período analizado en dos partes, para poder estudiar las RNA frente a distintos comportamientos de precios (períodos con precios estables y otro de precios fluctuantes). Las RNA puede ser una herramienta generadora de ventajas competitivas, especialmente para aquellas empresas de inversiones. Se realizó una encuesta a 9 de las principales empresas que toman decisiones de inversión, como la SAB, AFP y Fondos Mutuos, preguntando por el uso de las RNA como una herramienta para las finanzas. La realidad nacional sobre la investigación de este tema, al cual se denota algunas investigaciones ya planteadas, pero no en el campo de las finanzas, específicamente en la predicción de volumen de ventas. No existe un conocimiento acabado de las RNA, lo que limita su uso y aplicación.
Tesis
6
Dinamarca, Agustina. "Aprendizaje y análisis de redes neuronales artificiales profundas." Bachelor's thesis, Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales, 2018. http://bdigital.uncu.edu.ar/13989.
Full textAbstract:
Esta tesis trata sobre las redes neuronales profundas (RNPs), modelos computacionales de aprendizaje autónomo, inspirados en el funcionamiento del sistema nervioso de los seres vivos. Actualmente, las RNPs han logrado un desempeño muy notable en tareas de Inteligencia Artificial. Sin embargo, es bien sabido que el entrenamiento de estos modelos viene acompañado de un alto costo y complejidad computacional. Por otro lado, se diseñan redes con gran variedad de formas y tamaños dependiendo de su aplicación. Por lo tanto, muchos modelos de RNPs han sido desarrollados, e incluso mejorados, para lograr cada vez mayor eficacia y eficiencia en las tareas para las cuales fueron diseñados.
En particular, la tesis se centra en dos tipos de redes muy populares en el área de Visión Computacional: las redes densas (RDs) y las redes convolucionales (RCs). Los objetivos principales de esta investigación fueron medir cuán eficaces y eficientes son distintas configuraciones de RDs frente a RCs en una tarea de clasificación multiclase. Para cumplir con los objetivos fue necesario: aprender RDs y RCs que clasifiquen imágenes; evaluar el desempeño de cada red en términos de exactitud de clasificación y tiempo de aprendizaje; y comparar aquellas cantidades entre ambos tipos de modelo. Los resultados obtenidos fueron parcialmente consistentes con las hipótesis propuestas. Los más relevantes fueron que el 91 % de las RCs aprendidas fueron míınimamente un 9.11 % más eficaces que las RDs. Esto indica que las primeras presentan mejor capacidad de aprender patrones complejos que las segundas. Tal capacidad se debe a que las RCs poseen mayor cantidad de unidades ocultas que las RDs, sumado al hecho de que cada unidad de una capa convolucional tiene conexiones locales con regiones de la capa anterior, y comparte parámetros con el resto de las unidades de la misma capa. Por otro lado, el 82 % de las RDs aprendidas fueron como mínimo 6.4 min más eficientes que las RCs.
Estos resultados se atribuyen fundamentalmente a la cantidad y complejidad de operaciones que las redes deben efectuar y, en menor medida, a la cantidad de parámetros que las mismas deben aprender. Por último, los resultados obtenidos en este trabajo sirven para entender el impacto de las variaciones estructurales de las RNPs en sus desempeños. Esta clase de estudios,junto a otros, permite incorporar una correcta y adecuada flexibilidad a cualquier dispositivo de RNPs para que funcione con mejor eficacia y eficiencia.Fil: Dinamarca, Agustina. Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales.
7
Torre, Dueñas Cleto de la. "Combinación de clasificadores en redes neurales." Bachelor's thesis, Universidad Nacional Mayor de San Marcos, 2007. https://hdl.handle.net/20.500.12672/2673.
Full textAbstract:
En este trabajo se describe la red neuronal como modelo estadístico no lineal, y se presenta aplicaciones de los métodos de combinación de clasificadores ‘’bagging’’ y ‘’boosting’’ en redes neuronales a las bases de datos sonar e iris, como una alternativa de reducción de la tasa de mala clasificación del método de redes neuronales.-- In this thesis is described a neural networks as statistic model non linear and it study the method of the combination of classifiers bagging and boosting in neural networks as an alternative of reduction of the wrong rate’s classifiers for the method of neural networks. As application of this procedures are analyzed the base of dates. They are very known as ‘’ sonar’’ and ‘’iris’’.
Tesis
8
Gutiérrez, Márquez Marcelo. "Administración de carteras con redes neuronales mediante metodología Rolling." Tesis, Universidad de Chile, 2004. http://repositorio.uchile.cl/handle/2250/108274.
Full textAbstract:
Este trabajo persigue evaluar la rentabilidad que habría obtenido un
inversionista que hubiese seguido las recomendaciones de Redes Neuronales
Artificiales para la conformación semanal de sus carteras durante casi 4 años. Lo
que se busca es ver no sólo si la proyección de las RNA constituyen una mejor
predicción del retorno de las acciones que el promedio histórico de estos, si no
que además busca ver si al usar una metodología Rolling para las predicciones se
puede lograr un mejor desempeño de las RNA y por ende una mayor rentabilidad
de la conformación de carteras. Para esto se usa una red Ward que se vuelve a
entrenar con los nuevos datos cada vez que se quiere proyectar una nueva
semana (Método Rolling). En este estudio se usaron datos de 29 de las 30
acciones del Dow Jones Industrial Average para el período comprendido entre el 4
de febrero de 1994 y el 10 de septiembre del 2004. Como Benchmark para el
método propuesto se usó la metodología tradicional de conformación de carteras
tomando el coeficiente Beta de correlación con el mercado como medida del
riesgo y el promedio de los retornos históricos como medida del retorno esperado,
este método se denominará como portfolios por Betas. En este trabajo se encontró
que la red Ward tenía excelente capacidad predictiva para el signo que seguirá el
cambio del precio de una acción. También se mostró que cuando se permite venta
corta la estrategia por RNA obtiene mayor rentabilidad acumulada en promedio
que la estrategia por Betas. En cambio, cuando no se permite la venta corta los
portfolios por Betas superan a los de RNA en este mismo indicador
9
Kapsoli, Salinas Javier, and Aguilar Brigitt Bencich. "Indicadores líderes, redes neuronales y predicción de corto plazo." Economía, 2012. http://repositorio.pucp.edu.pe/index/handle/123456789/118091.
Full textAbstract:
This paper shows a procedure to constmct a short run predictor for the GDP. We use theBaxter & King filter to decompose the monthly GDP on its three components: seasonal, business cycle and iong-run trend. Furthermore we estimate and forecast the businesscycle using a set of leading economic variables. We propose that the complicated relationshipsamong this variables and the business cycle are well captured by a non linearartificial neural network model. The other components are estimated using standardeconometric techniques. Finally, the three components are added to obtain an indicatorfor the future behavior of the GDP. The prediction shows an aceptable leve1 of reliability,so the index can be used to take decisions in the private or public sector. The mainadvantage of the index is its faster availability relative to the oficial statistics.Este documento muestra un procedimiento para construir un predictor de corto plazodel nivel de actividad económica. Para ello, se utiliza el filtro de Baxter y King para descomponerla serie del PBI mensual en sus tres componentes: estacional, cíclico y tendencial.Posteriormente el componente cíclico es estimado y pronosticado a partir deun conjunto de variables líderes que adelantan al PBI. Se propone que las relacionesentre estas variables y el ciclo del PBI se dan a través de un modelo no lineal de redesneuronales. Los demás componentes son estimados utilizando modelos econométricosestándar. Finalmente, se agregan los tres componentes para obtener un indicador dela evolución futura del PBI. La predicción que se obtiene muestra un nivel razonable deconfiabilidad, por lo que el índice propuesto puede ser una herramienta para la tomade decisiones dada su pronta disponibilidad respecto a las estadísticas oficiales.
10
Flores, Medina Rodrigo José. "Detección de Rostro Mediante Redes Neuronales Min-Max Difusas." Tesis, Universidad de Chile, 2007. http://www.repositorio.uchile.cl/handle/2250/102956.
Full text
11
ROMERO, HERRERA ALEJANDRO 877506, and HERRERA ALEJANDRO ROMERO. "Aproximación de funciones con redes neuronales y algoritmos evolutivos." Tesis de maestría, Universidad Autónoma del Estado de México, 2016. http://hdl.handle.net/20.500.11799/62920.
Full textAbstract:
Lo subo en calidad de coautor, ya que el asesor es profesor de asignatura y me autorizo subirlo, así mismo tengo la autorización del Alumno graduado de MaestríaEn este trabajo de investigación se aborda el problema de aproximación de funciones de energía finita, a través de un modelo de red neuronal artificial que involucra funciones wavelets y algoritmos evolutivos. La aproximación de funciones de energía finita es un problema de interés en varias áreas del conocimiento. Por ejemplo, en la aproximación de funciones que representan variables financieras como los índices de la bolsa de valores, o variables de fenómenos naturales, como la temperatura atmosférica y la energía solar. Los fenómenos descritos anteriormente (variables financieras y variables climáticas) por mencionar algunos, tienen en común el desconocimiento de una función explícita que las relacione con otras variables, por lo que su aproximación resulta relevante a fin de hacer estudios sobre el modelo generado. Uno de los modelos usados para aproximar funciones consiste en la descomposición en otras funciones conocidas tales que su combinación lineal minimice el error cuadrático medio. Así, en este trabajo se propone hacer una combinación lineal de funciones wavelets vinculadas según un modelo conexionista, en donde las funciones wavelets son generadas mediante el algoritmo en cascada a partir de filtros ortogonales de reconstrucción perfecta, y a través de escalamientos y traslaciones se aproxime una función objetivo. Al modelo propuesto se le ha llamado EPWavenets, como una abreviatura de la combinación de algoritmos evolutivos, parametrización de filtros, funciones wavelets y redes neuronales artificiales. De esta forma, se busca demostrar que es posible aproximar una función de energía finita con funciones wavelets generadas a partir de filtros paramétricos cuya combinación está determinada por la arquitectura de una red neuronal, en donde los parámetros de escalamiento y traslación, los pesos sinápticos y los parámetros de los filtros se determinan con un algoritmo evolutivo desde el punto de vista del aprendizaje supervisado. Para demostrar lo anterior se utilizó la siguiente metodología: 1. Revisar modelos de red neuronal existentes que sean susceptibles de modificar sus funciones base y ajustar sus parámetros para aproximar funciones 2. Proponer un modelo de red neuronal que permita incluir nuevas funciones base y ajustar sus parámetros en forma supervisada 3. Identificar propiedades y familias de funciones wavelet que puedan incorporarse al modelo propuesto 4. Identificar un algoritmo evolutivo para ajustar los parámetros del modelo de red neuronal propuesto 5. Identificar un conjunto de funciones de prueba para comparar los resultados con otras redes neuronales con diferentes funciones base 6. Generar tablas comparativas y gráficas en donde se aprecie la comprobación de la hipótesis planteada a partir de los resultados experimentales Los resultados experimentales sustentan la hipótesis, indicando que es posible usar funciones wavelets con filtros paramétricos para aproximar funciones de energía finita, en una arquitectura de red neuronal. También se pudo confirmar que sí fue posible usar algoritmos evolutivos en EPWavenets para optimizar los parámetros libres, a efecto de minimizar el error de aproximación. Derivado de los resultados se concluye que las EPWavenets logran un alto grado de adaptabilidad y un desempeño competitivo respecto a otras redes neuronales que involucran funciones de base radial sobre un conjunto de funciones de prueba. .
CONACyT
12
Vázquez, Palma José Jair. "SISTEMA DE RECONOCIMIENTO DE ROSTROS UTILIZANDO REDES NEURONALES ARTIFICIALES." Tesis de maestría, Universidad Autónoma del Estado de México, 2011. http://hdl.handle.net/20.500.11799/98951.
Full textAbstract:
En este trabajo se presenta un método para el reconocimiento de rostros, robusto
a cambios de iluminación, postura y expresiones faciales. El método propuesto se
encuentra dividido en dos etapas fundamentales; la primera que consiste en la
extracción de características faciales por medio de la transformada wavelet
discreta (TWD) y la segunda en la clasificación de patrones mediante la red
neuronal perceptrón multicapa (MLP) a partir de los vectores característicos
extraídos.
La TWD es utilizada con la finalidad de construir un subespacio característico de
bajas dimensiones expandido por medio de funciones wavelets a partir del espacio
original de la imagen. La representación wavelet describe las características
faciales de forma más robusta y simple que la representación original de la
imagen. Las variaciones entre vectores característicos debido a los cambios de
identidad son mayores que las variaciones intraclase producidas por cambios de
iluminación, postura y expresión facial.
13
Fischer, Jeremy Alexander. "Caracterización de electrocardiogramas mediante redes neuronales y transformada ondita." Bachelor's thesis, Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales, 2014. http://hdl.handle.net/11086/1633.
Full textAbstract:
Presenta un sistema de caracterización de electrocardiogramas, que realiza la clasificación de seis tipos de latidos cardíacos distintos. El algoritmo resultante, realiza el filtrado y la segmentación de la señal basado en transformaciones sencillas y la detección de picos. Luego, los intervalos RR son descompuestos mediante transformada ondita, a cinco niveles, y un conjunto de 46 características son extraídas de los mismos. Finalmente, los latidos son clasificados mediante un perceptrón multicapaProyecto Integrador (I.Biom.)--FCEFN-UNC, 2014
14
Muñoz, Bonacic Milena. "Pronóstico de crecidas en tiempo real usando redes neuronales recurrentes." Tesis, Universidad de Chile, 2008. http://repositorio.uchile.cl/handle/2250/104857.
Full textAbstract:
Memoria para optar al título de Ingeniero CivilEn el contexto socio económico actual de Chile la mayoría de los sistemas tradicionales de control de crecidas son reactivos y resulta imprescindible, en respuesta a un nivel recurrente sin prevenciones claras, ofrecer soluciones a los problemas asociados a fenómenos de crecidas e inundaciones, cambiando el modelo de acción defensiva por un modelo de acción proactiva. En los últimos años se han realizado estudios de pronóstico de crecidas más adecuados a la realidad dentro del campo de las redes neuronales artificiales, mayormente prealimentadas. Continuando los estudios, en esta memoria se utilizan redes neuronales de tipo recurrente, redes dinámicas que liberan el supuesto de que los parámetros característicos de la cuenca sean estacionarios, capaces de modelar la alta NO linealidad del fenómeno y almacenar la historia relevante de la crecida. Se aplican específicamente para el pronóstico en la parte alta de la cuenca del río Mapocho, perteneciente a la hoya hidrográfica del río Maipo. Las variables relevantes son definidas a partir de registros de caudales, precipitaciones y temperaturas en tiempo horario. Posteriormente, se elige como red neuronal óptima aquella que entrega el menor error en el caudal pronosticado, cuya arquitectura, configuración y tipo de entrenamiento constituye un modelo de pronóstico. Se concluye la eficiencia y menor complejidad de considerar una crecida con amplias componentes de frecuencia como set de datos de entrenamiento, en comparación a un set de crecidas “pegadas”, independiente del tipo de red neuronal utilizada y marcadamente en el caso de una red neuronal recurrente. Los pronósticos de caudal obtenidos mediante redes neuronales recurrentes de Elman son de buena calidad tanto en valor como en el tiempo de ocurrencia. Se obtienen errores menores que para otros modelos de pronóstico como son las redes recurrentes de Hopfield, las redes prealimentadas y los modelos paramétricos. En el caso de crecidas pluviales, en la cuenca del Estero Arrayán en La Montosa se obtienen pronósticos certeros hasta con 12 horas de anticipación y en la cuenca del río Mapocho en Los Almendros se recomienda realizar pronósticos sólo hasta con 6 horas de anticipación. En el caso de crecidas de deshielo, en ambas cuencas es posible obtener pronósticos certeros con más de 24 horas de anticipación.
15
Navarro, Pastor José Blas. "Aplicación de redes neuronales artificiales al tratamiento de datos incompletos." Doctoral thesis, Universitat Autònoma de Barcelona, 1998. http://hdl.handle.net/10803/5488.
Full text
16
Rojas, Miguel Jael Nora. "Recuperación de la información musical por similitud usando redes neuronales." Master's thesis, Pontificia Universidad Católica del Perú, 2012. http://tesis.pucp.edu.pe/repositorio/handle/123456789/4471.
Full textAbstract:
En los últimos años, la distribución de música digital en la web ha permitido a los usuarios acceder a grandes cantidades de información musical, con ello surge la necesidad de obtener esa información de manera eficaz y eficiente. En la actualidad, los sistemas de recuperación han ayudado a los usuarios a encontrar información basada en texto, pero esos modelos tradicionales no son adecuados si deseamos encontrar canciones que se parezcan en contenido de audio, de allí la necesidad de modelar e implementar métodos de recuperación basado en audio musical.
En este estudio se describe un sistema que permite recuperar y clasificar canciones por similitud basado en contenido de audio musical. Se aplica un modelo de red neuronal a características de canciones. Primero se obtiene descriptores de canciones polifónicas en formato mp3 con características tales como: Análisis Espectral, Patrones de ritmo, Histograma de ritmo. Segundo, se realiza un análisis estadístico para seleccionar los descriptores válidos. Finalmente se ingresa a una red neuronal estos descriptores y se entrena.
El objetivo de este trabajo es implementar el sistema y determinar, a partir de los resultados experimentales, la eficiencia de acierto o no para clasificar y recuperar contenido de audio musical por similitud.Tesis
17
Arce, Nuñez Pablo, P. Luisa Miqueles, and A. Karina Sepúlveda. "Redes neuronales aplicadas a la predicción del tipo de cambio." Tesis, Universidad de Chile, 2006. http://www.repositorio.uchile.cl/handle/2250/112081.
Full textAbstract:
Tesis para optar al grado de Magíster en FinanzasNo disponible a texto completo
En las diferentes disciplinas de la ciencia, podemos ver que todos los días se hacen esfuerzos importantes para poder determinar con mayor certeza los fenómenos a los que nos vemos afectados. Para ello, se han implementado diversas técnicas de predicción con el propósito de obtener mejores resultados frente a estos nuevos eventos. Dichos esfuerzos responden a la necesidad de las personas de disminuir el riesgo en la toma de decisiones y su aversión al riesgo en cuanto a las opciones que tienen que tomar. En las finanzas la historia es muy parecida. Durante mucho tiempo las personas han buscado poder acceder a mayor información, que les permita tomar decisiones de una forma correcta, en donde las posibilidades de "equivocarse" sean las mínimas y el éxito en la toma de decisiones sea lo más alto posible. A medida que ha pasado el tiempo, nos hemos visto expuestos a diversas técnicas para poder predecir los fenómenos futuros, ellas están basadas en la premisa de que los elementos que suceden en la práctica no son un efecto aleatorio, sino que representan de alguna manera tendencias que podrían ser explicadas de cierta forma por algún modelo.
18
Gutiérrez, Márquez Marcelo. "Eficiencia de la Administración de Carteras con Redes Neuronales Artificiales”." Tesis, Universidad de Chile, 2006. http://www.repositorio.uchile.cl/handle/2250/107901.
Full textAbstract:
Este estudio tiene por objetivo el de evaluar el desempeño de un portfolio
constituido únicamente por acciones del Dow Jones y que es reconformado
semanalmente según las predicciones de una red neuronal artificial con
funcionamiento “rolling”, metodología que considera solo la información más
reciente para la proyección de las rentabilidades. Como benchmark se usaron
tanto una estrategia “ingenua” o “buy and hold” así como un portfolio conformado
utilizando el beta como medida de riesgo. Éste último portfolio también fue
administrado de forma activa, con una redistribución semanal de la riqueza
invertida en cada activo.
19
Bejar, Espejo Eduardo Alberto Martín. "Control de un sistema de posicionamiento magnético de dos dimensiones usando aprendizaje profundo por refuerzo." Master's thesis, Pontificia Universidad Católica del Perú, 2018. http://tesis.pucp.edu.pe/repositorio/handle/123456789/12934.
Full textAbstract:
Los sistemas de posicionamiento magnético son preferidos respecto a sus
contrapartes mecánicas en aplicaciones que requieren posicionamiento de alta
precisión como en el caso de la manufactura de circuitos integrados. Esto se debe a que los
actuadores electromagnéticos no sufren los efectos de la fricción seca o desgaste mecánico. Sin
embargo, estos sistemas poseen fuertes no linealidades que dificultan la tarea de control. Por otro
lado, el aprendizaje por refuerzo se ha posicionado como una técnica de entrenamiento de redes
neuronales prometedora que está permitiendo resolver varios problemas complejos. Por ejemplo, el
aprendizaje por refuerzo fue capaz de entrenar redes neuronales que han logrado vencer al campeón mundial de Go, derrotar a varios jugadores profesionales de ajedrez y aprender a jugar varios
videojuegos de la consola Atari. Asimismo, estas redes neuronales están permitiendo la
manipulación de objetos por brazos robóticos, un problema que era muy difícil de
resolver por medio de técnicas tradicionales. Por esta razón, el presente trabajo tiene como
objetivo diseñar un controlador neuronal entrenado por refuerzo para el control de un sistema de
posicionamiento magnético de dos dimensiones. Se utiliza una variación del algoritmo Deep
Deterministic Policy Gradient (DDPG) para el entrenamiento del controlador neuronal. Los
resultados obtenidos muestran que el controlador diseñado es capaz de alcanzar varios setpoints
asignados y de realizar el
seguimiento de una trayectoria dada.Tesis
20
Zanelli, Sanhueza Daniel Esteban. "Análisis de disponibilidad de equipo Dense plasma focus mediante redes neuronales." Tesis, Universidad de Chile, 2017. http://repositorio.uchile.cl/handle/2250/148365.
Full textAbstract:
Ingeniero Civil MecánicoLa búsqueda por una energía renovable prácticamente ilimitada ha sido uno de los focos principales de la motivación en la investigación de energía nuclear por fusión atómica. Sin embargo, uno de los principales problemas con la energía por fusión es ser capaz de mantenerla estable con una energía suficiente para conservar la reacción en cadena. Esto se pensaba que solo se podría lograr energizando un gas a tal nivel que se convierte en plasma y lograr que se mantenga estable. Sin embargo, hay otras aproximaciones que dan por sentado que el plasma colapsa y se intenta explotar esta fragilidad. El Dense Plasma Focus permite generar un plasma ascendente que dura centenas de nanosegundos antes de colapsar. Es de sumo interés para estudiar el comportamiento de este plasma en los equipos DPF en diversos aspectos. Debido a esto es imprescindible el estudio del comportamiento del plasma, por lo que se deben realizar experimentos para determinar las restricciones, condiciones necesarias y emisiones de energía que son propias del cuarto estado de la materia. Dentro de la CCHEN existe un departamento dedicado al estudio de las propiedades físicas del plasma, en función de los parámetros de los equipos usados para generarlas. Además, es de interés comprender las aplicaciones que puede tener el plasma en la ciencia de materiales, biología y eliminación de deshechos, entre otros. Sin embargo fallas en estos equipos son comunes e impiden que se puedan realizar los experimentos en el momento esperado, causando problemas posteriores en varios sentidos. El análisis realizado por el memorista comprende un estudio integral del funcionamiento del sistema de los equipos de generación de plasma del tipo Dense Plasma Focus. Para lograr esto, en este análisis se determinan elementos críticos, se realizan diagramas de sistema y planos de equipo, además se obtienen parámetros que permiten evidenciar un avance en el deterioro del sistema, teniendo en cuenta las distribuciones de probabilidades correspondientes. Finalmente, se plantean propuestas de rediseño del sistema, con el objetivo de mejorar la confiabilidad y disponibilidad de este. Junto con esto, se proponen protocolos de mantenimiento y recomendaciones sobre monitoreo de variables clave en la detección de fallas del sistema. De la presente memoria se concluye que manteniendo un monitoreo del crecimiento porcentual de Kurtosis, Shape Indicator, Clearance Indicator, Crest Indicator y Amortiguamiento de las señales características del sistema se puede estimar la cantidad de disparos desde el inicio de un experimento. Por otro lado, se concluye que distinguir los datos que presenten instancia de Dip permite establecer la probabilidad de ocurrencia como una distribución de Weibull. Distinguir datos que posean Dip de los que no puede ser realizado mediante un pre-tratamiento de las señales y posterior entrenamiento de una red neuronal de clasificación. El clasificador permite identificar con una asertividad del 93.25% para datos del mismo tipo y 83.3% para datos diferentes.
Memoria realizada en conjunto con el Departamento de Plasmas TermoNucleares (DPTN) de la Comisión Chilena de Energía Nuclear (CCHEN)
21
Witt, Fuchs Oliver. "Predicción de signo mediante redes neuronales en el mercado de inmuebles." Tesis, Universidad de Chile, 2007. http://www.repositorio.uchile.cl/handle/2250/115031.
Full textAbstract:
Seminario para optar al grado de Ingeniero Comercial, Mención EconomíaEl objetivo de esta tesis es probar la existencia de capacidad de predicción en el mercado inmobiliario mediante la aplicación de un modelo de redes neuronales. Para ello se utilizó una base de datos con los precios promedio del metro cuadrado de casas y departamentos en distintas comunas y sectores de la capital, entre los años 1994 y 2007, con una frecuencia mensual. La metodología empleada consiste en una red neuronal Ward con rolling, de los rezagos de las diferencias del precio promedio de inmuebles en una comuna sobre los rezagos de las diferencias de la Tasa de Interés Promedio (TIP) y el Índice Mensual de Actividad Económica (IMACEC). Mediante el test de acierto direccional de Pesaran y Timmermann logramos determinar capacidad de predicción en cuatro zonas de la capital en que además los resultados del modelo superaban la metodología Buy & Hold, resultados que pudimos corroborar al aplicar el modelo a sucesivas submuestras de nuestra serie original. Se concluye que, pese a todas las limitaciones de información inherentes a la base de datos utilizada, sí existe capacidad predictiva en el mercado inmobiliario, aunque estos resultados no sean homogéneos a través de las comunas de la capital
22
Montagna, Puga Sebastián. "Detección de fallas en equipos utilizando modelos en base a Deep Learning." Tesis, Universidad de Chile, 2018. http://repositorio.uchile.cl/handle/2250/170010.
Full textAbstract:
Memoria para optar al título de Ingeniero Civil MecánicoLos equipos mecánicos están sujetos a daño durante la operación, lo que deteriora su estructura y funcionamiento produciendo fallas. La detección preventiva de fallas y el pronóstico de vida remanente son herramientas muy útiles en el ámbito práctico, permitiendo evitar tiempos inesperados de parada del equipo, además de permitir agendar la mantención en un momento propicio según la condición en la que se encuentre el equipo en operación. Se propone implementar un modelo novedoso para el análisis de registros de series temporales en base a Deep Learning, redes neuronales convolucionales causales, que ha presentado muy buenos resultados realizando tareas de generación de secuencias con dependencias de largo alcance [1]. Los objetivos del trabajo propuesto en el presente informe son los siguientes: Objetivo General: Determinar la vida remanente en equipos mecánicos mediante la implementación de un modelo en base a CNNs causales. Objetivos Específicos: Analizar, indexar y clasificar los registros de señales de sensores de los equipos perti- nentes. Generar un modelo en base a redes neuronales convolucionales causales para el pronós- tico y estimación de vida remanente. Verificar y corroborar resultados obtenidos comparando con métodos actuales y parti- cularmente métodos en base a Long Short-Term Memory. Teniendo la base de datos del registro de los equipos, se procede a definir la arquitectura del modelo en base a Deep Learning y a realizar el entrenamiento e implementación del modelo. Luego, se analizan y verifican los resultados. En caso de que los resultados no sean satisfactorios se procede a cambiar los hiper-parámetros de la arquitectura del modelo y se repite el procedimiento. Los resultados obtenidos validan la implementación del modelo propuesto por medio de métodos comparativos entre modelos con y sin los métodos que se busca implementar. Los valores obtenidos para las predicciones de la base de datos en la que se implementa el modelo responden a lo esperado y al comparar con el estado del arte, se puede notar que el modelo realiza buenas predicciones, no ajustándose con tanta precisión, pero obteniendo mejores resultados en las bases de datos con más parámetros de operación debido a la capacidad de aprendizaje más general.
23
Campos, Barragán Orlando Bastián. "Evaluación del daño estructural en un puente mediante redes neuronales profundas convolucionales." Tesis, Universidad de Chile, 2018. http://repositorio.uchile.cl/handle/2250/168592.
Full textAbstract:
Memoria para optar al título de Ingeniero Civil MecánicoIdentificar daños en una estructura permite anticiparse frente a fallas de consideración o totales, a fin de poder realizar las mantenciones necesarias. Una técnica ampliamente utiliza encontrar la ubicación y magnitud de daño en una estructura es mediante el análisis de sus modos de vibración, ya que estos difieren si una estructura tiene o no fallas. En la literatura se ha logrado identificar la ubicación de daño estructural del puente I- 40 utilizando datos recolectados de sus modos de vibración y temperatura, modelando la estructura con elementos finitos y sus fallas como una reducción de rigidez en un elemento seleccionado. Sin embargo, el método utilizado es lento de aplicar pues requiere resolver un problema de optimización mediante un algoritmo de optimización global. En el presente estudio se utilizan redes neuronales profundas convolucionales (RNPC), las que han demostrado su robustez respecto a otros métodos utilizados actualmente debido a su rapidez de trabajo, la confiabilidad de sus resultados y la facilidad de entrada de los datos, ya que no requieren ser previamente manipulados por el usuario. Se identifican, localizan y cuantifican los daños estructurales del puente I-40 de Nuevo México utilizando RNPC y los datos de vibración del puente, además, se desarrolla una metodología para representar las vibraciones del puente en imágenes que puedan ser procesadas por una red neuronal profunda convolucional. Finalmente se realiza una validación de la metodología de identificación de daño propuesta, por medio de datos numéricos y experimentales. Para procesar los datos, crear las imágenes y procesar dichas imágenes en el algoritmo de redes neuronales profundas convolucionales, se utilizará el software MATLAB.
24
Gil, Zavaleta Eybi, and Collas Enith Rodríguez. "Sistema de pronóstico de la demanda de productos farmacéuticos basado en redes neuronales." Bachelor's thesis, Universidad Nacional Mayor de San Marcos, 2010. https://hdl.handle.net/20.500.12672/3222.
Full textAbstract:
La supervivencia en los negocios altamente competitivos de hoy requiere una visión precisa de la demanda para poner en marcha los planes de producción, inventario, distribución y compra dentro de las empresas; el sector farmacéutico no es la excepción, ues los efectos de las temporadas, promociones, cambios de precios, publicidad, productos con bajo o alto nivel de movimiento y datos atípicos en general afectan en la determinación de la misma. En este contexto, pronosticar por arriba de la demanda tiene entre sus consecuencias el excesivo inventario de fármacos, obsolescencia o caducidad, y por otro lado, pronosticar por debajo de la demanda tiene como consecuencia la pérdida de las ventas y un posible incremento en los costos. Por lo mencionado, el tema se centra en el desarrollo de un sistema que usa las técnicas de redes neuronales artificiales para el pronóstico de la demanda de productos.
En este trabajo se propone el uso de una red neuronal (Perceptrón multicapa) para el pronóstico de la demanda de productos farmacéuticos, la cual realizará su fase de aprendizaje con el algoritmo backpropagation que brinda una taza de error de 3.57% en el mejor caso encontrado; su implementación se desarrollará bajo la tecnología de MATLAB para la construcción de la red neuronal y del lenguaje JAVA para el diseño de la interfaz gráfica de usuario.
Palabras clave: Pronóstico de la demanda, Backpropagation, sector farmacéutico.--- The survival in the highly competitive business of today needs a precise vision of the demand to put in march the plans of production, inventory, distribution and buy inside the companies; the pharmaceutical sector is not the exception, so he effects of the seasons, promotions, changes of prices, trends, products with under or high level of movement and atypical information affects in the determination of the same one. In this context, to predict overhead of the demand it as between his consequences the overstock of medicaments, obsolescence or caducity, and on the other hand, to predict below the demand has as consequence the loss of sales and the possible increase in the costs. For the mentioned, the topic centres on the development of a system that uses the technologies of Artificial Neura Networks and of the diffuse logic for the forecast of the demand of products. This paper proposes the use of a neural network (multilayer perceptron) for the prediction of demand for pharmaceuticals, which will hold its learning phase with the backpropagation algorithm that provides an error rate of 3.57%; its implementation will under MATLAB technology for building the neural network and the JAVA language for the design of the graphical user interface. Keywords: Demand forecasting, Backpropagation, Pharmaceutical sector.
Tesis
25
Oteo, Lozano Esther. "Método de cálculo de desalineamientos en sistemas ópticos. Aplicación mediante redes neuronales." Doctoral thesis, Universitat Politècnica de Catalunya, 2013. http://hdl.handle.net/10803/129903.
Full textAbstract:
En aquesta tesis doctoral es presenta un nou mètode per al càlcul de desalineaments en sistemes òptics a partir del front d'ona a la sortida del sistema. El mètode parteix de l'ajust de polinomis de Zernike al front d'ona del sistema òptic, i estableix una funció de transformació entre els coeficients de Zernike i les variables de desalineament.
En aquesta memòria es presenta el desenvolupament matemàtic del mètode i s'estableixen tres funcions de transformació: per sistema
d'equacions lineals, per sistema d'equacions no lineals i per xarxes neuronals artificials. El mètode s’ha validat per simulació mitjançant
l'aplicació d'aquestes tres funcions de transformació a un sistema òptic format per tres lents en què una d'elles està desalineada. Es presenten i comparen els resultats obtinguts en aplicar cada funció, on es mostra que per desalineaments senzills les tres funcions donen bons resultats, però per desalineaments complexes s'ha necessitat aplicar el mètode amb les xares neuronals en dos passos, un per a les variables de gir i un altre per les variables de descentrament. S'ha generalitzat el mètode per més d'un element desalineat, mostrant resultats satisfactoris en el càlcul de desalineaments per dos elements del triplet mitjançant les xarxes neuronals.En esta tesis doctoral se presenta un nuevo método para el cálculo de desalineamientos en sistemas ópticos a partir del frente de onda a la salida del mismo. El método parte del ajuste de polinomios de Zernike al frente de onda del sistema óptico, y establece una función de transformación entre los coeficientes de Zernike y las variables de desalineamiento. En esta memoria se presenta el desarrollo matemático del método y se establecen tres funciones de transformación: por sistema de ecuaciones lineales, por sistema de ecuaciones no lineales y por redes neuronales artificiales. El método se valida por simulación mediante la aplicación de estas tres funciones de transformación a un sistema óptico formado por tres lentes en el que una de ellas es desalineada. Se presentan y comparan los resultados obtenidos en aplicar cada función, donde se muestra que para desalineamientos sencillos las tres funciones dan buenos resultados, sin embargo para desalineamientos complejos se ha necesitado aplicar el método mediante las redes neuronales en dos pasos, uno para las variables de giro y otro para las variables de descentramiento. Se ha generalizado el método para más de un elemento desalineado, mostrando resultados satisfactorio en el cálculo de desalineamientos para dos elementos del triplete.
In this thesis a new method to determine element misalignments in optical systems is presented. The method starts with the adjustment of Zernike polynomials to the wavefront of the optical system, and sets a transformation function between the Zernike coefficients and the misalignment variables. Herein we present the mathematical development of the method and three transformation functions: a system of linear equations, a system of nonlinear equations and artificial neural networks. The method is validated by simulation by applying the three transformation functions to an optical system composed of three lenses in which one of them is misaligned. We present and compare the results of applying each function, showing that for simple misalignments the three functions work well, however, for complex misalignments, it has been required to apply the method with the artificial neural networks in two steps, one for decentering variables and one for tilt variables. The method has been generalized for more than one element, showing satisfactory results in the calculation of misalignment for two elements of the triplet system.
26
Ascarza, Mendoza Franco Javier. "Segmentación automática de textos, mediante redes neuronales convolucionales en imágenes documentos históricos." Master's thesis, Pontificia Universidad Católica del Perú, 2018. http://tesis.pucp.edu.pe/repositorio/handle/123456789/13050.
Full textAbstract:
Los manuscritos históricos contienen valiosa información, en los últimos años se han realizado esfuerzos para digitalizar dicha información y ponerla al alcance de la comunidad científica y público en general a través de imágenes en bibliotecas virtuales y repositorios digitales. Sin embargo, existen documentos y manuscritos históricos escritos en un lenguaje extinto en la actualidad y una cantidad limitada de profesionales expertos en la interpretación y análisis de dichos documentos.
Las imágenes de los documentos y manuscritos históricos poseen características particulares producto precisamente de su antigüedad como por ejemplo: La degradación del papel, el desvanecimiento de la tinta, la variabilidad en iluminación y textura, entre otros.
Tareas como recuperación de información o traducción automática de imágenes de manuscritos históricos requieren una etapa de pre-procesamiento importante debido a las características mencionadas en el párrafo anterior. Entre las tareas de pre-procesamiento se puede mencionar la binarización y la segmentación de la imagen en regiones de interés.
La presente tesis se enfoca en el procedimiento de segmentación en regiones de interés de las imágenes de manuscritos históricos. Existen métodos para segmentar imágenes de documentos históricos basados fundamentalmente en la extracción manual de características con previo conocimiento del dominio.
La finalidad de la presente tesis es desarrollar un modelo general que automáticamente aprenda a extraer características de los pixeles de las imágenes de los documentos históricos y utilizar dichas características para clasificar los pixeles en las clases que previamente se definirán.Tesis
27
González, Toledo Danilo Fabián. "Diagnóstico de fallas basado en emisión acústica mediante redes neuronales convolucionales profundas." Tesis, Universidad de Chile, 2018. http://repositorio.uchile.cl/handle/2250/159572.
Full textAbstract:
Ingeniero Civil MecánicoLa Ingeniería Mecánica está presente en la industria productiva debido a su aporte en la generación de equipos y sistemas que realicen determinadas funciones dentro de una línea de trabajo. A medida que los tiempos avanzan, los requerimientos de estos sistemas aumentan, presentando nuevos desafíos a la hora de su diseño y manufactura, pero también, durante su vida útil. En esto, el área de Gestión de Activos Físicos ha sido el protagonista a la hora de estudiar el desgaste, rastrear posibles fallas y realizar las mantenciones a tiempo de manera de reducir los tiempos fuera de operación que generan altos costos. Debido a lo anterior, cada vez es más urgente monitorear los sistemas y detectar a tiempo las situaciones que escapen de una operación eficiente y efectiva. Sin embargo, la gran dimensionalidad de la información obtenida mediante los diversos tipos de monitoreo y el alto ruido que normalmente presentan estos sistemas debido a sus componentes rotatorios o cíclicos, dificultan el análisis efectivo de las bases de datos. Es aquí donde los métodos de aprendizaje de máquinas presentan su potencial, ya que éstos realizan una extracción de características sobre la base de datos, para luego discriminar entre la información, generando una forma práctica de procesar la información disponible permitiendo un análisis efectivo. En particular, las Redes Neuronales Convolucionales (CNN) son un método de aprendizaje supervisado que está inspirado en las redes neuronales humanas y desarrolla su potencial en la clasificación de imágenes debido a que su método de aprendizaje incluye filtros que resaltan (o atenuan) rasgos destacables. Por otro lado, la emisión acústica es un fenómeno de generación de ondas elásticas debido a los cambios irreversibles en la estructura interna de un cuerpo sólido. Las anteriores pueden monitorearse mediante sensores, método de fácil implementación, alta densidad de datos y sensibilidad. En el presente trabajo de título se desarrollará un modelo de Red Neuronal Convolucional en la cual se procesarán señales brutas (sin procesamiento previo) de emisión acústica con el fin de generar un diagnóstico del estado de salud de un rotor experimental. El rotor utilizado es puesto a prueba bajo 25 clases diferentes: Grieta a 5[mm], 10[mm], 15[mm], 20[mm], 30[mm], 45[mm], 65[mm] y 90[mm] del acople al eje con tamaños de 3, 6 y 10 [mm], además se capturan señales del caso sano. Esta base de datos queda disponible para futuros trabajos, en el presente se trabaja con las fallas a 5[mm], 20[mm] y el caso sano. La metodología de trabajo se divide en 4 etapas principales: puesta a punto del sistema experimental, obtención de señales de emisión acústica, diseño, implementación y ajuste de la CNN y finalmente los resultados y análisis. El mejor modelo realizado consta de 3 clasificadores que en conjunto logran un desempeño global del 98,65% en la clasificación del estado de salud del sistema. Superando por un 7,5% al modelo más cercano con extracción previa de parámetros.
28
Mateo, Jiménez Fernando. "Redes neuronales y preprocesado de variables para modelos y sensores en bioingeniería." Doctoral thesis, Universitat Politècnica de València, 2012. http://hdl.handle.net/10251/16702.
Full textAbstract:
El propósito de esta Tesis Doctoral es proponer una alternativa viable a la aproximación de
modelos y procesos en el ámbito científico y, más concretamente, en aplicaciones complejas de
bioingeniería, en las cuales es imposible o muy costoso encontrar una relación directa entre
las señales de entrada y de salida mediante modelos matemáticos sencillos o aproximaciones
estadísticas.
Del mismo modo, es interesante lograr una compactación de los datos que necesita un
modelo para conseguir una predicción o clasificación en un tiempo y con un coste de implementación
mínimos. Un modelo puede ser simplificado en gran medida al reducir el número
de entradas o realizar operaciones matemáticas sobre éstas para transformarlas en nuevas
variables.
En muchos problemas de regresión (aproximación de funciones), clasificación y optimización,
en general se hace uso de las nuevas metodologías basadas en la inteligencia artificial. La inteligencia
artificial es una rama de las ciencias de la computación que busca automatizar la
capacidad de un sistema para responder a los estímulos que recibe y proponer salidas adecuadas
y racionales. Esto se produce gracias a un proceso de aprendizaje, mediante el cual
se presentan ciertas muestras o �ejemplos� al modelo y sus correspondientes salidas y éste
aprende a proponer las salidas correspondientes a nuevos estímulos que no ha visto previamente.
Esto se denomina aprendizaje supervisado. También puede darse el caso de que tal
modelo asocie las entradas con características similares entre sí para obtener una clasificación
de las muestras de entrada sin necesidad de un patrón de salida. Este modelo de aprendizaje
se denomina no supervisado.
El principal exponente de la aplicación de la inteligencia artificial para aproximación de
funciones y clasificación son las redes neuronales artificiales. Se trata de modelos que han
demostrado sobradamente sus ventajas en el ámbito del modelado estadístico y de la predicción
frente a otros métodos clásicos.
NMateo Jiménez, F. (2012). Redes neuronales y preprocesado de variables para modelos y sensores en bioingeniería [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/16702
Palancia
29
Mateo, Sotos Jorge. "APLICACIÓN DE REDES NEURONALES ARTIFICIALES EN EL PROCESADO VERSÁTIL DE SEÑALES ELECTROCARDIOGRÁFICAS." Doctoral thesis, Universitat Politècnica de València, 2012. http://hdl.handle.net/10251/17530.
Full textAbstract:
Es bien conocida la importancia de la señal electrocardiográfica para el diagnóstico de multitud de enfermedades cardiacas, tanto mediante inspección visual como mediante técnicas actuales de inspección automática. Como en cualquier otra señal, la cantidad de información extraída y la calidad de la misma dependerán de propiedades tales como relación señal-ruido, resolución del conversor analógico-digital, frecuencia de muestreo, etc. Por esta razón, es de gran importancia que la señal ofrezca una `calidad' adecuada, máxime cuando el diagnóstico de ciertas enfermedades cardiovasculares graves depende de ello. La reducción del ruido en el electrocardiograma (ECG) ha sido uno de los temas más abordados en la bibliografía sobre procesado de señal de ECG. Han sido y son muy diversas las maneras de afrontar el problema y no existe un único método de aplicación universal a todas las fuentes de ruido y todos los casos. En esta tesis doctoral se han estudiado las principales fuentes de ruido que aparecen en el registro del ECG. Algunas de éstas pueden minimizarse en la fase de adquisición de la señal prestando un especial cuidado a ciertas normas o reglas. Sin embargo, otras, como el ruido muscular, o la deriva de la línea base y artefactos, no pueden eliminarse o reducirse al máximo en la fase de adquisición y se hacen necesarias técnicas de procesado de señal a posteriori para su reducción a un nivel aceptable. Una de las primeras opciones es el filtrado de la señal, mediante filtros lineales o no lineales que maximicen la relación señal a ruido como, por ejemplo, el filtro de Wiener. Cuando el espectro de la señal de interés y el ruido se solapan, las técnicas de filtrado dejan de ser eficaces. En ese caso, otra de las técnicas comunes que se aplican es el promediado de señal. Su utilización resulta eficaz siempre y cuando la señal y el ruido a reducir cumplan ciertas condiciones. El filtrado adaptativo ha sido otra de las técnicas que han obtenido resultados aceptables eMateo Sotos, J. (2012). APLICACIÓN DE REDES NEURONALES ARTIFICIALES EN EL PROCESADO VERSÁTIL DE SEÑALES ELECTROCARDIOGRÁFICAS [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/17530
Palancia
30
Venegas, Flores Dulce Charin. "Sistema para pre-diagnóstico de cáncer de melanomas usando redes neuronales artificiales." Tesis de Licenciatura, Universidad Autónoma del Estado de México, 2019. http://hdl.handle.net/20.500.11799/99685.
Full textAbstract:
Se propone el desarrollo de un sistema de pre-diagnóstico para cáncer de piel, que se delimitara específicamente en lunares (médicamente conocido como melanomas). El sistema se formara con un algoritmo de Redes neuronales artificiales, obteniendo una respuesta elevada en la predicción, en base a la colección de imágenes almacenadas, donde serán clasificadas según su carácter (como benigno o maligno). Ya que, las redes neuronales seleccionan y otorgan el pre-diagnóstico resultando como positivo o negativo.
31
Espinoza, Cabrera Jorge Luis, and Guia Edinson Moisés Muñoz. "Sistema inteligente basado en redes neuronales para el diagnóstico de anemia ferropénica." Bachelor's thesis, Universidad Nacional Mayor de San Marcos, 2012. https://hdl.handle.net/20.500.12672/15690.
Full textAbstract:
Publicación a texto completo no autorizada por el autorActualmente en el Perú, los índices de anemia aumentan de manera acelerada, siendo la más común la anemia Ferropénica y que afecta en su mayoría a la población infantil de las zonas marginales. Pero además de ello cabe resaltar que los factores causantes de los distintos tipos de anemia pueden tener similitudes entre ellas, conllevando que los diagnósticos realizados por los médicos especialistas puedan ser no tan certeros o exactos como se espera. Ello causa que el tratamiento asignado al paciente, para el supuesto tipo de anemia detectado, no sea el adecuado, siendo esto perjudicial para la persona quien padece dicha enfermedad. Por lo antes expuesto, el tema de este trabajo se centra en el desarrollo de un sistema que use las técnicas de redes neuronales artificiales para el diagnóstico certero de la anemia ferropénica. En este trabajo se propone el uso de una red neuronal artificial (Perceptrón Multicapa) para el diagnóstico de Anemia Ferropénica, una enfermedad muy común y que afecta a gran parte de la población a nivel mundial. Esta red neuronal realizará su fase de aprendizaje haciendo uso del algoritmo BackPropagation, con la cual se obtuvo una tasa de error de 2.25 % y cuya construcción, validación y testeo se realizó empleando MatLab, así mismo se empleó la tecnología Java para el desarrollo de la aplicación que utilizó dicha red.
32
Cussi, Cuentas Hebert Erland. "Modelo de entrenamiento de rede neuronales basado en algoritmos genéticos." Universidad Mayor de San Andrés. Programa Cybertesis BOLIVIA, 2009. http://www.cybertesis.umsa.bo:8080/umsa/2009/cussi_ch/html/index-frames.html.
Full textAbstract:
La Inteligencia Artificial es la disciplina que estudia la forma de diseñar procesos que exhiban características que comúnmente se asocian con el comportamiento humano inteligente. La Inteligencia Artificial sintetiza y automatiza tareas intelectuales y es, por lo tanto, potencialmente relevante para cualquier ámbito de la actividad intelectual humana. Actualmente esta ciencia está comprendida por varios subcampos que van desde áreas de propósito general, como el aprendizaje y la percepción, a otras más específicas como la demostración de teoremas matemáticos, el diagnostico de enfermedades, etc. Uno de los modelos que ha surgido para emular el proceso de aprendizaje es la red neuronal artificial. Las redes neuronales son modelos que intentan reproducir el comportamiento del cerebro humano Una red neuronal consiste en un conjunto de elementos de procesamiento, llamados neuronas, los cuales se conectan entre sí. La organización y disposición de las neuronas dentro de una red neuronal se denomina topología, y viene dada por el número de capas, la cantidad de neuronas por capa, el grado de conectividad, y el tipo de conexión entre neuronas. Una vez determinada la topología de la red neuronal es necesario entrenarla. En la etapa de entrenamiento la red es capaz de aprender relaciones complejas entre entradas y salidas mediante el ajuste de los pesos de las conexiones entre neuronas. Widrow y Lehr identifican una cantidad significativa de algoritmos de entrenamiento. La mayoría de éstos utilizan información del gradiente de una función de error para ajustar los pesos de las conexiones, y se los llaman algoritmos de gradiente descendente Las redes neuronales artificiales han sido aplicadas con éxito en gran cantidad de problemas como por ejemplo reconocimiento de patrones, clasificación, visión, control, predicción, etc
33
Guerra, Grados Luis Angel, and Grados Luis Angel Guerra. "Reconocimiento del síndrome metabólico mediante el diseño de un sistema experto basado en redes neuronales en una población del Hospital Hipólito Unanue." Bachelor's thesis, Universidad Nacional Mayor de San Marcos, 2015. http://cybertesis.unmsm.edu.pe/handle/cybertesis/5787.
Full textAbstract:
Diseña un sistema experto para reconocer el síndrome metabólico basado en redes neuronales, de tal manera que permita identificar los pacientes con síndrome metabólico (SM). Para ello revisa e identifica los criterios de diagnóstico de las organizaciones mundiales en la identificación del SM y el algoritmo back propagation para el entrenamiento de la red neuronal.Tesis
34
Fernández, Martínez Luis Christian. "Identificación automática de acciones humanas en secuencias de video para soporte de videovigilancia." Master's thesis, Pontificia Universidad Católica del Perú, 2017. http://tesis.pucp.edu.pe/repositorio/handle/123456789/13049.
Full textAbstract:
La identificación de acciones en secuencias de video es un tema de especial interés
para aplicaciones como detección de peleas, identificación de vandalismo, detección
de asaltos a transeúntes, detección de contenido no apto para menores, etc. Este
interés se encuentra asociado al incremento de cámaras de videovigilancia alrededor
del mundo y a la masiva producción de videos en línea cargados a las diferentes
plataformas sociales de almacenamiento y distribución de contenido bajo demanda.
Debido a ello, se decide utilizar un modelo de detección de acciones humanas y
aplicarlo en secuencias de videovigilancia. Dicho modelo utiliza redes neuronales
profundas, con la finalidad de poder realizar la tarea de clasificación. El modelo
aplicado se basa en el extracción de características convolucionales y temporales
utilizando una parte de la red Inception V3 para lo primero y una red LSTM para lo
segundo. Finalmente, se aplica el modelo en el dataset UCF101 el cual contiene
acciones humanas diversas y luego sobre el dataset VIRAT 2.0 Ground, el cual
contiene secuencias de videovigilancia.Tesis
35
Valcarcel, Ascencios Sergio Paulo, and Ascencios Sergio Paulo Valcarcel. "Sistema inteligente para calificar alpacas en función su fibra fina." Master's thesis, Universidad Nacional Mayor de San Marcos, 2011. http://cybertesis.unmsm.edu.pe/handle/cybertesis/175.
Full textAbstract:
En la secuencia de la cadena de valor de la fibra de alpaca,la medición es realizada por observación basada en el conocimiento tradicional. La valorización depende en muchos casos de la experiencia empírica, lo cual dificulta entender la riqueza intrínseca del hato.Dando como consecuencia vellonespoco sostenibles en el tiempo.La contribución principal, pretende comprender el potencial de las alpacas, no sólo por el diámetro de la fibra, sino por sus otras características, estandarizando criteriosa través de los estereotipos.
Este trabajo está sustentado sobre publicaciones relacionadas a las características de la fibra en sus diferentes dimensiones, proponiendo una solución que permita asignar un valor característico en los individuos, que resulte equiparable entre su morfología y genética. Diseñando un modelo de redes neuronales artificiales y reglas de asociación, quehizo posible transformar la percepción de los expertos en un valor característico definida por una escala de calificación.
Se realizaron diferentes ensayos experimentales en Cusco, Puno y Huancayo.
Aplicando la prueba de Friedman, como método de comparación entre tres tratamientos. Se utilizó el estadístico (H0, α<0.05), como parámetro de decisión.
Finalmente, el artefactorespondió en forma similar a los otros tratamientos, manteniendo el estándar de la NTP 231.300:2004 y elOFDA-100. Con cierto grado de madurez, este artefacto puede convertirse en referente nacional y ayudar a la toma de decisiones en estrategias de mejoramiento de la especie.
-- Palabras clave: Redes Neuronales Artificiales, Reglas de asociación, Fibra Fina, OFDA-- In the sequence of the value chain the alpaca fiber, the measurement it’s made by observation and supported on classic knowledge. The quality depends in many cases of empirical experience, difficult to understand the herd intrinsic richness. Giving due fleece unsustainable in the time. The main contribution aims understand his alpaca potential. Don’t only for fiber diameter, but for his other characteristics been to standard criteria through of the sterotypes. This job to be supported of publish relational with fiber characteristics in his dimensions different, proposing a solve how allow to assign a characteristic value individuals, resulting comparable between his genetic and morphologic. Designing a model artificial neural network and rules of association, it made possible to transform the perception of the experts on characteristics value defined for a scale of qualify. Were different tests experimental in Cusco, Puno and Huancayo, applying the test of Friedmann, as method of comparison between three treatments. So used the statistical (H0, α<0.05), as parameter of decision. Finally, the artifact responded in form similar from others treatments, keeping the standard NTP 231.300:2004 y el OFDA-100.With true grade of maduraty, this artifact can become in a national framework and to help to making decision in strategies of improvement of the species. -- Keywords: Artificial Neural Network, Rules Association, Fine Fiber, OFDA.
Tesis
36
MUNGUIA, SALAZAR ALEJANDRO, and LOPEZ LUIS ENRIQUE TORRES. "CONTRASTE ENTRE MODELOS DE REDES NEURONALES ARTIFICIALES, GLM Y GARCH EN EL PRONOSTICO Y ANALISIS DEL TIPO DE CAMBIO MEXICANO: 2000-2014." Tesis de Licenciatura, Universidad Autónoma del Estado de México, 2016. http://hdl.handle.net/20.500.11799/64274.
Full textAbstract:
En el análisis y pronóstico del tipo de cambio existen estudios basados en técnicas de series de tiempo junto a modelos paramétricos tales como: regresiones, modelos multivariados y de panel pero muy pocos se aventuran en el terreno no para-métrico como el de la inteligencia artificial específicamente las redes neuronales artificiales (RNA) las cuales tienen ventajas como: aprendizaje, auto organización, tolerancia a fallos, flexibilidad y por ello es posible crear una herramienta basada en RNA con mayor certidumbre a los métodos tradicionales, con ellas, se pueden observar los periodos con mayores fluctuaciones así como los componentes que determinan el comportamiento del tipo de cambio
8
Se construyeron 5 modelos en total, 3 de Redes Neuronales Artificiales (RNA), un modelo lineal (GLM) y uno de tipo GARCH donde los modelos basados en inteligencia artificial permitieron una mayor certidumbre de predicción con los datos disponibles y publicados únicamente por el Instituto Nacional de Estadística y Geografía (INEGI) en un periodo de análisis de 2000 a 2014, datos libres y homólogos en metodología para su consulta, así como se destaca el uso dado al software libre especializado.
37
Bórquez, Ramírez Pedro, and Ramos Jorge Villanueva. "Predicción de signo a tres semanas de la acción caterpillar con redes neuronales." Tesis, Universidad de Chile, 2006. http://repositorio.uchile.cl/handle/2250/141061.
Full text
38
Morcego, Seix Bernardo. "Estudio de redes neuronales modulares para el modelado de sistemas dinámicos no lineales." Doctoral thesis, Universitat Politècnica de Catalunya, 2000. http://hdl.handle.net/10803/6179.
Full textAbstract:
de la memòriaEn aquest estudi es consideren aspectes teòrics i pràctics del modelatge de sistemes no lineals mitjançant xarxes neuronals modulars.
A la vessant teòrica s'ha proposat un model que aprofita les avantatges de les xarxes neuronals i minimitza els seus inconvenients, permetent interpretar físicament els resultats i afegir coneixement previ per accelerar el procés de modelatge. Es tracta de les xarxes de mòduls neuronals.
Un mòdul neuronal és una xarxa neuronal que aprofita l'ús de restriccions estructurals per forçar un tipus de comportament al model. Aquest concepte s'ha creat a propòsit en aquest estudi, recolzat per l'argument de que les restriccions topològiques constitueixen un mètode més versàtil i efectiu que el propi mecanisme d'aprenentatge per facilitar comportaments desitjats en una xarxa neuronal.
D'aquesta forma, una vegada aplicat el procés de identificació, el model resultant és una xarxa neuronal composada per mòduls, cadascun dels quals representa un bloc funcional del sistema amb un significat fàcilment interpretable.
Donat que els mòduls neuronals són paradigmes nous dins de l'àmbit de les xarxes neuronals, s'ha proposat una sèrie de pautes pel seu disseny i es descriu un conjunt de mòduls neuronals format per nou no linealitats dures i els sistemes lineals sense restricció d'ordre.
També s'ha realitzat un estudi formal en el que s'han caracteritzat els sistemes que es poden aproximar mitjançant xarxes de mòduls neuronals, el conjunt ?NM, i s'ha establert una cota de l'error d'aquesta aproximació. Aquest resultat és fonamental perquè assenta una base sòlida per plantejar el modelatge de sistemes no lineals amb xarxes de mòduls neuronals. En ell es demostra que, com més precisa sigui l'aproximació de les diferents parts del sistema, més precisa serà l'aproximació del sistema global.
Des del punt de vista pràctic, es consideren els aspectes de creació i optimització del model proposat.
Primerament, i donat que es tracta d'una xarxa neuronal, es repassen els mecanismes existents a la literatura per adaptar els paràmetres del model al problema. En aquest sentit, s'ha dissenyat un algoritme d'aprenentatge específic per les xarxes neuronals modulars, el modular backpropagation, el cost computacional del qual comparat amb altres algoritmes clàssics, és menor en estructures modulars.
Es descriu també una eina de modelització dissenyada a propòsit com mètode per crear i optimitzar, de forma automàtica, xarxes de mòduls neuronals. Aquesta eina combina la programació evolutiva, algoritmes clàssics d'aprenentatge neuronal i el gestor d'aprenentatge, modular backpropagation, amb la finalitat de resoldre problemes de modelització de sistemes no lineals mitjançant xarxes de mòduls neuronals.
Finalment, es proposa un esquema del procés de modelització de sistemes no lineals utilitzant les eines desenvolupades en aquest estudi. S'ha creat una aplicació que permet sistematitzar aquest procés i s'ha obtingut els models de tres sistemes no lineals per comprovar la seva utilitat. Els problemes que s'han sotmès al procés de modelització amb xarxes neuronals són: un motor de corrent continu, un sistema no lineal amb histèresi i un element piezoelèctric. En els tres casos s'ha arribat a una solució satisfactòria que permet confirmar la utilitat de les eines desenvolupades en aquest estudi.
This work is concerned with theoretical and applied aspects of nonlinear system modelling with modular neural networks.
From the theoretical viewpoint, a new model is proposed. This model attempts to combine the capabilities of neural networks for nonlinear function approximation with the structural organisation of classical block oriented techniques for system modelling and identification. This model is the Neural Module (NM).
A neural module is a neural network that behaves inherently like a function or family of functions. The specified behaviour is forced with the use of topological restrictions in the network. The neural module is a new concept developed upon the argument that topological restrictions is a much more versatile and effective way of facilitating a specific behaviour in a neural network than the learning mechanism itself.
Once the learning process finishes, the resulting model is a neural network composed by modules. Each module is supposed to model a functional element of the system, with an easy to understand meaning.
As long as the neural module is a new paradigm in the neural network domain, rules and guidelines are given for their design. A set of neural modules with nine hard nonlinearities and the linear systems is also described.
The set of dynamic systems that can be approximated using neural modules, called SNM, is formally described. The approximation error between en element of SNM and its neural model is calculated and found bounded. This is a basic result that sets up a firm base from which neural module modelling could be considered as a useful type of model.
From the practical viewpoint, creation and optimisation aspects of the proposed model are considered.
First of all, some of the classical rules of parameter adaptation in neural networks are reviewed. In order to allow modular networks to learn more efficiently, a specific learning algorithm is introduced. This is the modular backpropagation (MBP) algorithm. The computational cost of MPB is less than the cost of classical algorithms when they are applied to modular structures.
A modelling tool, specially designed for the automatic creation and optimisation of modular neural networks, is also described. This tool combines Evolutionary Programming, classical neural learning algorithms and the learning manager, MBP. This tool is aimed at solving nonlinear modelling problems with the use of modular neural networks.
Finally, an outline of the modelling process with the tools developed in this work is given. This process is applied to the modelling and identification of three nonlinear systems, which are: a dc motor, a nonlinear system with hysteresis, and a piezoelectric element. The three cases are modelled satisfactorily and the usefulness of the framework presented is confirmed.
39
Pujol, Reig Lucas. "Predicción de caudales en tiempo real en grandes cuencas utilizando redes neuronales artificiales." Doctoral thesis, Universitat Politècnica de València, 2009. http://hdl.handle.net/10251/6422.
Full textAbstract:
La necesidad de conocer con suficiente tiempo de antelación los caudales futuros en ríos donde se asientan grandes ciudades e industrias es común en todas partes del mundo. Existen diversas metodologías que permiten resolver este problema, cada una con sus pros y sus contras. El acople y la comparación entre varios modelos de predicción de diferentes características es fundamental a la hora de analizar la situación futura en un caso de alerta, donde es necesario tomar decisiones trascendentales. En esta tesis se ha realizado una intensa revisión bibliográfica sobre los modelos de predicción con Redes Neuronales Artificiales (RNA) para conocer el estado del arte de esta metodología y, a partir de ese punto, proponer
y estudiar mejoras que puedan contribuir a su avance.
Con la intención de darle significado físico a este tipo de modelos, se ha propuesto una metodología de modelo híbrido que permite identificar automáticamente el estado hidrológico de una cuenca determinada, para permitir modelar por separado cada estado mediante RNA simples. También se ha incorporado el concepto físico en la elección de las variables de entrada al modelo, proponiendo análisis geomorfológicos de la cuenca y de tiempos de respuesta que ayuden a identificar las variables más influyentes.
Por otro lado, dada la necesidad de conocer la función de distribución de las predicciones para casos reales, donde es necesario tomar decisiones a partir de estos resultados, se ha propuesto una metodología para el cálculo de la incertidumbre de las predicciones, pudiendo ser aplicado para cualquier tipo de modelo sin importar su complejidad.
Para conferir un uso práctico a estas ideas, se ha desarrollado una aplicación informática (ANN) capaz de realizar los cálculos necesarios para la construcción de un modelo de predicción con RNA.Pujol Reig, L. (2009). Predicción de caudales en tiempo real en grandes cuencas utilizando redes neuronales artificiales [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/6422
Palancia
40
Cartes, Valdivia Mauricio Andrés. "Pronóstico de Volúmenes de Deshielos Mediante Redes Neuronales Recurrentes e Imágenes Satelitales Modis." Tesis, Universidad de Chile, 2009. http://www.repositorio.uchile.cl/handle/2250/102115.
Full text
41
Jory, Rubilar Matías Eduardo. "Predicción de las Variaciones de Costos para Proyectos de Construcción Utilizando Redes Neuronales." Tesis, Universidad de Chile, 2007. http://www.repositorio.uchile.cl/handle/2250/104508.
Full text
42
Mahu, Sinclair Javier Antonio. "Detección de daños en una viga simple mediante anti-resonancias y redes neuronales." Tesis, Universidad de Chile, 2012. http://www.repositorio.uchile.cl/handle/2250/111322.
Full textAbstract:
Ingeniero Civil MecánicoEl objetivo de este trabajo es desarrollar un algoritmo capaz de detectar, localizar y cuantificar daños en una estructura simple en tiempo real, considerando como daño la disminución en la rigidez en uno o más elementos. Para ello se propuso utilizar Redes Neuronales Artificiales (RNA), que son métodos no explícitos utilizados en problemas de aproximación de curvas, clasificación e identificación de parámetros. Se plantea utilizar como información de entrada del algoritmo las frecuencias de antiresonancia, obteniendo como resultado la disminución de rigidez efectiva para cada elemento de la estructura. El entrenamiento y validación de la red neuronal se realiza en cuatro etapas, las que se señalan a continuación: La determinación de las frecuencias características, resonantes y antiresonantes. Generación de patrones de entrenamiento. El diseño y entrenamiento de la RNA. La validación analítica y experimental, del algoritmo de detección de daños. En la realización de este trabajo se ha conseguido entrenar redes neuronales capaces de detectar hasta 2 daños simultáneos entre 20 posibles ubicaciones a lo largo de una viga. Los resultados fueron validados con datos de vigas experimentales, a las que se les introdujo daño de forma artificial. La red utilizada es una red neuronal multicapa de una capa oculta, que presenta un 32,64% de falsos negativos, 8,36% de falsos positivos y un 7.96% de daños mal cuantificados a nivel global. Los posibles usos de redes neuronales en aplicaciones de detección de daños en tiempo real y los resultados obtenidos, motivan futuros estudios que se pueden centrar en la búsqueda de mejores resultados haciendo uso de mejores diseños de redes neuronales o mejores formas de modelar el ruido experimental. También es necesario explorar los modos en que estos algoritmos se puedan aplicar a estructuras más grandes y complejas.
43
Calixto, Aldama Sergio. "ESTUDIO COMPARATIVO DE HERRAMIENTAS PARA REDES NEURONALES ARTIFICIALES (RNA): WEKA, MATLAB Y NEUROSOLUTIONS." Tesis de Licenciatura, Universidad Autónoma del Estado de México, 2018. http://hdl.handle.net/20.500.11799/98901.
Full textAbstract:
Tesina para obtención de gradoLa Tesina consiste en una investigación, en la que se busca examinar las características de tres herramientas de Redes Neuronales Artificiales: Weka, Matlab y NeuroSolutions, a través de una revisión bibliográfica de artículos, libros, sitios web, investigaciones académicas y algunas relacionadas al objeto de estudio. Para entender el funcionamiento de cada una de las herramientas analizadas, se desarrolló un ejemplo con cada una y se resaltaron las bondades así como las dificultades que tienen. Según lo presentado, se puede concluir que Weka es de fácil uso, que no requiere conocimientos previos de programación gracias a que su interfaz gráfica es sencilla, Matlab es una herramienta más completa, pero es necesario tener conocimientos de programación para manipular la aplicación, así como hacer el pago de la licencia correspondiente. Por último, se tiene NeuroSolutions, que es la herramienta más completa y no tan compleja de utilizar, no obstante, al igual que Matlab es un software de paga, por lo que se necesita comprar una licencia. Respecto al precio, la licencia de NeuroSolutions cuesta USD $295.00 para la versión de Estudiante (Student) y Matlab cuesta USD $99.00 en la versión de Estudiante (Student). Es sencillo identificar porque la licencia de NeuroSolutions es más costosa pues contiene más herramientas y es más fácil de usar en comparación de Matlab. En la última parte del trabajo, se realizarán algunas pruebas con un ejemplo en común para cada una de las herramientas y con ello poder mencionar algunas particularidades así como unas recomendaciones para el estudiante.
44
ZERECERO, SALAZAR OSCAR ARIEL 161897, and SALAZAR OSCAR ARIEL ZERECERO. "Análisis del comportamiento del precio del maíz utilizando un modelo de redes neuronales." Tesis de doctorado, UNIVERSIDAD AUTÓNOMA CHAPINGO, 2017. http://hdl.handle.net/20.500.11799/80159.
Full textAbstract:
PRONOSTICO DE PRECIOS DE MAÍZEl contexto bajo el cual los productores mexicanos recibieron apoyo gubernamental de 1993-2013, respondió a la apertura de la economía nacional. El precio real del maíz disminuyó durante la existencia de este programa. El objetivo del presente estudio fue construir dos modelos de Redes Neuronales Artificiales (RNA) para predecir los precios nacionales del maíz usando datos de 1980-2014, uno incluyendo solamente precios internos de otros productos y el segundo tomando en cuenta también el precio internacional del maíz. El propósito fue analizar el impacto del precio nacional de otros productos relacionados y del precio internacional del maíz sobre el comportamiento del precio interno del maíz. Ambos modelos demostraron tener un alto poder predictivo del precio nacional del maíz en 5 y 3 años hacia adelante. Se realizó el análisis de sensibilidad utilizando el algoritmo de Garson y se pudo demostrar que el arroz, el cártamo y el sorgo son productos complementarios del maíz, done el precio del arroz fue la variable con mayor impacto positivo sobre el precio del maíz; así como también que el trigo, la soya y la cebada se comportan como productos sustitutos del maíz, siendo el precio del trigo el que mayor impacto tiene sobre el precio del maíz. Incluyendo el precio internacional del maíz el comportamiento de las demás variables se mantuvo, sin embargo se obtuvo una sensibilidad negativa entre el precio nacional e internacional del maíz, éste comportamiento se explica por el hecho de que durante la existencia del PROCAMPO, los precios nacionales reales fueron forzados a permanecer estables mientras que el precio internacional se incrementaba. Finalmente, el estudio mostró la aplicación de los modelos de RNA sobre el precio de un producto en particular, con la posibilidad de utilizarse en el proceso de decisión de las políticas públicas encaminadas al apoyo de los productores agrícolas.
45
González, R. Ignacio, and B. José Mario Jiménez. "Predicciones de la variación del tipo de cambio con Redes Neuronales: Rolling versus Recursividad." Tesis, Universidad de Chile, 2003. http://repositorio.uchile.cl/handle/2250/108235.
Full text
46
Silva, Castro Iris Sophia. "Control predictivo supervisor neuronal para la turbina a gas de la central térmica nueva renca." Tesis, Universidad de Chile, 2006. http://repositorio.uchile.cl/handle/2250/104465.
Full textAbstract:
El presente trabajo tiene como objetivos el ajuste de un simulador programado en MatLab
Simulink para emular el comportamiento de la turbina a gas de la central térmica Nueva
Renca, además del análisis y diseño de estrategias de control supervisor basadas en modelos
difusos, y de un emulador neuronal del controlador predictivo difuso.
La importancia actual de este estudio radica en la necesidad de hacer más eficientes los
procesos de generación de electricidad, especialmente los que utilizan gas natural en la
producción, dadas las perspectivas de crecimiento del precio del combustible y de las
restricciones impuestas al suministro desde Argentina.
El diseño de las estrategias de control supervisor requirió la modelación difusa de la turbina y
la modelación neuronal de control supervisor predictivo difuso. Como modelo difuso se
escogió un modelo de Takagi – Sugeno y como modelo neuronal una red perceptrón
multicapa con una capa oculta. Las funciones de activación son tangente hiperbólica para las
neuronas de la capa oculta y lineal para la capa de salida.
Los resultados de este estudio reflejan que según criterios económicos, operativos y de
esfuerzo computacional, el control por emulación es mejor que el control predictivo difuso,
sin embargo, se debe realizar un trabajo previo mayor, al tener que recolectar datos para el
entrenamiento de la red neuronal.
Con la implementación del controlador neuronal se logró un incremento 3,027% en las
utilidades con respecto a la estrategia de control regulatoria, lo que se traduce en un
incremento de 1,8 millones de dólares anuales.
47
Chang, Kee Anselmo Marco Antonio. "Diseño de un amplificador chopper de señales neuronales." Bachelor's thesis, Pontificia Universidad Católica del Perú, 2016. http://tesis.pucp.edu.pe/repositorio/handle/123456789/8877.
Full textAbstract:
En el presente trabajo de tesis se diseña un amplificador para ser utilizado como
parte de un sistema de adquisición de señales neuronales. La topología elegida para
el desarrollo fue la de cascodo plegado de una sola salida (single ended folded
cascode), ubicando los moduladores chopper de manera que no haya limitación
debido al ancho de banda.
Debido a que este trabajo está enfocado a dispositivos implantables, se requiere
de un bajo consumo de potencia, así como una pequeña área ocupada. A estos dos
requerimientos se suma el de ruido, el cual es de gran importancia al ser esta la
primera etapa del sistema.
Se utilizó el software CADENCE para realizar distintas simulaciones que
comprueban el correcto análisis realizado. Los resultados más importantes previo a
la aplicación de la técnica chopper son: el ruido referido a la entrada de 2.92Vrms,
con una potencia consumida de 36.78uW utilizando una fuente de alimentación de
3.3V, la ganancia de lazo abierto es de 102.1dB y la ganancia de lazo cerrado es de
45.88dB con un ancho de banda de 7.96kHz. El área ocupada por el circuito es de
0.0073mm2.Tesis
48
Zavala, Jacinto Anggela del Rosario. "Modelo de pronóstico de demanda de efectivo para las oficinas de una entidad bancaria en una ciudad del interior del pais." Bachelor's thesis, Pontificia Universidad Católica del Perú, 2013. http://tesis.pucp.edu.pe/repositorio/handle/123456789/4816.
Full textAbstract:
El presente trabajo trata sobre el análisis de la demanda de efectivo en las oficinas de
provincia de una entidad bancaria tomando como base la metodología que se sigue
actualmente a fin de identificar oportunidades de mejora que permitan tener resultados
óptimos en los indicadores establecidos.
Este análisis está centrado en la evaluación de la exactitud y precisión que son
necesarias en el cálculo de los pronósticos de demanda para cada tipo de oficina
existente, de manera que se puedan aplicar los modelos y la metodología que permitan
obtener información más cercana a la realidad.
En los primeros capítulos se definen los conceptos y etapas del proceso de extracción del
conocimiento, para luego, por medio de estos, describir y explicar las redes neuronales,
método elegido para la solución de la problemática expuesta. Asimismo, se detalla la
situación actual del proceso que es objeto de análisis, identificando los factores que
serían relevantes para la ejecución del modelo.
En los capítulos posteriores, se procedió con el análisis de los datos obtenidos, de modo
que se puedan identificar las variables relevantes que se incluirían dentro del modelo. De
igual forma, se describe la lógica y los parámetros a tomar en cuenta para el mismo, y que
dan origen a las diferentes etapas de prueba y error para llegar a los resultados
esperados. Para ello, se recopilaron los datos necesarios de los movimientos en las
oficinas los cuales sirvieron como datos de entrada para las redes neuronales generadas.
El software empleado fue NeuralTools 5.7, debido a los beneficios que éste proporciona,
desde el manejo de datos en hojas de cálculo, las cuales utilizan la interfaz de MS Excel,
hasta el uso de herramientas y aplicaciones dinámicas que permiten manipular los datos
de forma más sencilla optimizando tiempos.
Finalmente, se procedió con la evaluación de los resultados obtenidos, haciendo la
comparación de los valores predichos con los resultados reales, logrando alcanzar un
porcentaje de exactitud de 93.18% para los pronósticos de una oficina mixta y de 91.98%
para los de una oficina captadora, generando una expectativa de ahorro de S/. 25,000.00
anuales.Tesis
49
Caballero, Torres Franco André. "Algoritmo para el balanceo dinámico del grado de dificultad mediante aprendizaje de máquina en la implementación de un juego orientado a apoyar el desarrollo de la inteligencia espacial en niños de etapa pre-escolar." Bachelor's thesis, Pontificia Universidad Católica del Perú, 2018. http://tesis.pucp.edu.pe/repositorio/handle/123456789/11757.
Full textAbstract:
Dentro del ámbito educativo nacional, la Inteligencia espacial, a pesar de haber
demostrado estar relacionada con una serie de habilidades que permiten y
estimulan la creación y el desarrollo matemático y científico, no es muy reconocida
y posee pocas herramientas que ayuden a su desarrollo en niños de edad
preescolar, etapa en la que este se recomienda ampliamente. Sumado a esto
encontramos la necesidad de herramientas que contribuyan en la enseñanza cuyos
requerimientos han crecido en cantidad y complejidad en las últimas décadas, y que
involucren modos innovadores de llevar el conocimiento aprovechando las
tecnologías disponibles. La necesidad de contribuir con la educación también surge
de los requerimientos del Aprendizaje Adaptativo, el cual es una metodología que, a
través de la adecuación del nivel del contenido que se desea enseñar, permite al
estudiante una experiencia de aprendizaje personalizada y más efectiva en
resultados. Esta metodología aprovecha las posibilidades de interacción que
proporcionan las tecnologías de información y la capacidad de procesamiento de
los equipos informáticos para lograr su objetivo. La presente tesis describe el
desarrollo de una aplicación educativa gamificada de apoyo en el desarrollo de la
Inteligencia espacial en niños de etapa preescolar, e involucra el uso de tecnologías
que permitan adaptar al estudiante la dificultad del juego presentado por el
aplicativo. Para esto se hizo uso de métodos de Ajuste Dinámico de la Dificultad, a
través de redes neuronales y aprendizaje supervisado. El entorno de juego está
basado en el uso de representaciones virtuales de bloques lógicos, mediante los
cuales se le presenta al alumno una figura la cual este debe imitar manipulando,
mediante la pantalla táctil, otro conjunto bloques similares. Se evaluaron siete
métricas en el desempeño del usuario relacionadas a cuan correcta es su respuesta
en los siguientes conceptos: Encaje, ubicación, forma, tamaño, color, rotación y
textura. Mediante estas métricas la aplicación elige el siguiente escenario a
presentar al usuario ajustando diez atributos en dicho escenario. El proceso de
adaptación busca introducir las métricas del usuario a un rango de acierto deseado
y se realiza en dos pasos. Primero, se realiza sin presencia del usuario un
entrenamiento de redes neuronales mediante propagación hacia atrás con
información de casos base. Este primer paso permite obtener una versión inicial de
la adaptabilidad. Y segundo, luego de cada ronda, se evalúa la respuesta del
usuario mediante un conjunto de eventos que determinan la efectividad de la red
neuronal para introducir a un usuario especifico al rango deseado, y se modifica la
red usada para ese usuario con los resultados obtenidos. En los resultados del proyecto se observó que la metodología empleada es efectiva para el caso
propuesto, logrando introducir las métricas en el rango luego de un número de
rondas jugadas. La evaluación de requerimientos computacionales (velocidad,
efectividad, robustez y eficiencia) y funcionales (claridad, variedad, consistencia y
escalabilidad) para una AI adaptativa también muestra resultados positivos. Sobre
la rapidez de la solución, la respuesta para ambos modelos (solo entrenamiento
inicial y modificación por eventos) es imperceptible para el usuario. En cuanto
eficacia se logró resultados positivos, logrando mejorar las métricas respecto a un
algoritmo manual en más del 70% de los casos y obteniendo un aumento promedio
comparándola a un algoritmo manual de +0.012 para las redes neuronales y +0.02
para el aprendizaje supervisado. Estos valores representan el 13% y el 22% de la
máxima mejora posible respectivamente. En cuanto a la robustez y eficacia, ambos
modelos lograron adaptar la respuesta al usuario en la mayoría de casos y en un
número similar de rondas, aunque el aprendizaje supervisado mostró ser más
efectivo en el primer criterio, mejorando los resultados del algoritmo manual.
Respecto a la variedad de los escenarios presentados se obtuvo, mediante la
modificación por eventos, una menor variación entre estos, lo que se relaciona con
la mejor adaptabilidad alcanzada. Y sobre la escalabilidad, ambos modelos
mostraron resultados positivos para los tres niveles de desempeño evaluado,
aunque el aprendizaje supervisado muestra ser más efectivo. Estos resultados
permiten identificar beneficios en el uso de esta metodología específicamente para
el ámbito evaluado, así como identificar en qué casos específicos es más efectiva.
Los resultados positivos encontrados que en conjunto indican que se ha logrado
realizar una aplicación que cumple en presentar al usuario un entorno adaptativo,
hacen válido el seguir este camino para futuras investigaciones en la exploración de
las aplicaciones gamificadas educativas de apoyo a la inteligencia espacial.Tesis
50
Raygada, Vargas Erick Leonardo. "Diseño de una resistencia integral de alto valor aplicada a un sistema de adquisición de señales neuronales con tecnología MOS." Bachelor's thesis, Pontificia Universidad Católica del Perú, 2007. http://tesis.pucp.edu.pe/repositorio/handle/123456789/852.
Full textAbstract:
La presente tesis presenta el diseño de una resistencia integrada, que se requiere
en el bloque de filtrado de un dispositivo médico implantable para un sistema de
adquisición de señales neuronales con el fin de obtener una alta constante de
tiempo y no recurrir a la utilización de resistencias externas en circuitos integrados,
siendo así posible abarcar un tópico actual de diseño microelectrónico con alto nivel
tecnológico. Se presentan los inconvenientes que existen para su desarrollo,
métodos de diseño y los requerimientos del mismo.Tesis