Examinando por Materia "Aprendizaje automático"
Mostrando 1 - 5 de 5
Resultados por página
Opciones de ordenación
Publicación Acceso abierto Análisis de Datos de Defectos de Producción en Línea de Ensamble, con el uso de Herramientas de Sistemas Inteligentes(Universidad EIA, 2019) José Mejía Uribe, Simón Pedro; Mendivil Sejin, AlejandroResulta provechoso y perentorio para la compañía impulsora de la propuesta implementar tecnologías computacionales que le permitan, ágil y eficientemente, tratar y analizar grandes volúmenes de datos provenientes de diversas etapas y procesos de su línea de producción; con objeto de identificar variables relevantes para la predicción o afectación de la cantidad de defectos a encontrar en los productos finales de un área como la mencionada, o que faciliten el estudio del desempeño y las condiciones operativas de la planta. Considerando lo anterior, este trabajo propone implementar técnicas y métodos enmarcados dentro del Aprendizaje Automático (enfocados al aprendizaje automático supervisado, o a la selección de características y reducción de la dimensionalidad de los espacios de datos que requieren procesar), para atender las necesidades de la ensambladora, siguiendo el esquema clásico de análisis de datos: comprendiendo etapas de procesamiento y limpieza de los datos a estudiar, previa a una etapa de análisis exploratorio y finalmente el desarrollo de modelos, simulaciones y conclusiones; y presenta los resultados del estudio llevado a cabo, a partir de los datos dispuestos por la fábrica consultada.Publicación Acceso abierto Dispositivo vestible inteligente para la generación de alertas tempranas de eventos cardiovasculares de riesgo(Universidad EIA, 2022) Patiño Zambrano, Cristhian Felipe; Torres Villa, Róbinson AlbertoRESUMEN: Los sistemas basados en sensores corporales de bajo costo y dispositivos vestibles en los últimos años han abierto nuevos campos de investigación en el área de la atención en salud inteligente y portátil, considerándolas tecnologías que pueden solventar la falta de herramientas guiadas a una monitorización, detección temprana y seguimiento remoto de enfermedades cardiovasculares (ECV). Las ECV son la principal causa de muerte en todo el mundo, por esta razón, existe una creciente demanda de sistemas asequibles y confiables para detectar a tiempo estas enfermedades, que pueden implicar complicaciones graves de salud o incluso la muerte. Este trabajo presenta el diseño de un dispositivo portátil eficaz para generar alertas tempranas ante la detección de eventos cardiovasculares de riesgos utilizando un sistema programable de bajo consumo, la medida de variabilidad de la frecuencia cardiaca (HRV) junto con los índices temporales calculados en periodos de ultracorto plazo y modelos de clasificación basados en aprendizaje automático, entrenados en el ordenador a partir de 11 características extraídas de señales disponibles en Physionet. El entrenamiento consta de 80% del total de datos y la prueba del 20% restante. Se implementa un sistema de alertas tempranas para monitorear la señal de electrocardiografía del usuario, por esta razón, la evaluación de precisión del dispositivo final se lleva a cabo por medio de un simulador de pacientes Fluke MPS450 que emula las condiciones normales de la señal a diferentes frecuencias cardiacas y 36 tipos de enfermedades cardiovasculares entre las que se encuentran 9 tipos de arritmias supraventriculares, 9 tipos de arritmias prematuras, 13 tipos de arritmias ventriculares y 5 tipos de trastornos de conducción cardiaca. Cuatro algoritmos de clasificación implementados en el dispositivo discriminan una condición sana de un evento cardiovascular de riesgo con una precisión de 92.5% para el modelo de DecisionTree, 89.5% para el modelo GaussianNB, 98.6% para el SVM y 92.5% para RandomForest. Lo que implica la viabilidad y aplicabilidad de algoritmos inteligentes en dispositivos de baja capacidad para generar alertas tempranas ante una enfermedad cardiovascular.Publicación Acceso abierto Impacto de las cámaras de fotodetección en la seguridad vial del área metropolitana de Medellín(Universidad EIA, 2023) López Gómez, Juan Pablo; Vitola Villa, Carlos Andrés; Pava Restrepo, AndrésRESUMEN: esta tesis aborda el desafío de predecir la gravedad de los incidentes de tránsito en las vías del Área Metropolitana de Medellín, donde se hayan implementado cámaras de fotodetección, mediante el uso de técnicas de aprendizaje automático. El objetivo principal es, determinar el nivel de eficiencia de las cámaras de fotodetección en cuanto a la disminución de los accidentes de tránsito, con base en las variables de influencia y condiciones de su entorno. Utilizando datos de informes de la alcaldía de Medellín y a través de la aplicación de algoritmos de regresión y clasificación como: Regresión lineal (LR), Clasificador de crestas (Ridge), K-Vecinos más cercanos (KNN), Máquinas de vectores de soporte (SVM), Árboles de decisión embolsados (BDT), Bosque aleatorio (RF) y Aumento del gradiente estocástico (GB), además de métricas de validación como: Curva de aprendizaje, Índice jaccard, Puntuación F1 y Matriz de confusión para garantizar el desempeño del modelo de Machine Learning; y también de técnicas de sobre-muestreo para abordar el desequilibrio en el caso de faltar información. Los resultados mostraron que el clasificador (GB) obtuvo la mejor precisión en el conjunto de prueba, con un valor medio del 75% y el modelo (RF) entrenado con el conjunto de datos balanceado, alcanzó una precisión media del 74% para este mismo conjunto de datos. Estos resultados demuestran la eficacia del modelo para la predicción de la gravedad de los accidentes de tránsito ocurridos en cada cámara de fotodetección; a pesar de ser una investigación con fines académicos. En conclusión, esta tesis proporciona una metodología adecuada para predecir la gravedad de los accidentes de tránsito, utilizando técnicas de aprendizaje automático. Por lo que, el modelo desarrollado puede ser de gran utilidad para las autoridades encargadas de las medidas preventivas de accidentes. Brindando una herramienta al momento de la implementación de cámaras de fotodetección en futuras zonas, mediante una respuesta más eficiente y oportuna.Publicación Acceso abierto Procesamiento de la señal electroencefalográfica bajo anestesia general(Universidad EIA, 2015) Hernandez Solarte, David Antonio; Gómez Suarez, Nicolás EugenioLa anestesia general es un procedimiento muy frecuente en el ambiente médico, el cual es un estado en el que el cuerpo del paciente no percibirá ningún estímulo, o por lo menos es lo que busca, por tal motivo existe la necesidad de realizar una monitorización de que tan anestesiado está el paciente, cumpliendo los principios básicos de la anestesia que son la hipnosis, amnesia, analgesia, relajación muscular. Para realizar dicho control del estado anestesico del paciente, se utiliza la concentracion alveolar minima (CAM) para “cuantificar” que tan profundo se encuentra cuando se utiliza una anestesia inducida por farmacos gaseosos, y se utilizan varios dispositivos que hacen estudios electroencefalograficos, como el BIS cuando se realiza una anestesia total intravenosa (TIVA), todo esto debe realizarse para poder aplicar con debida mesura la cantidad de farmaco para que el paciente no reaccione de manera adversa al procedimiento. A nivel de anestesiología, los especialistas tienen mucha confianza en la CAM, pero en un medio más moderno, la tendencia es realizar anestesia mediante TIVA ya que ofrece ciertas ventajas y características con respecto a la anestesia inhalada, pero tiene una desventaja que es la implementación del monitoreo de la anestesia, lo cual resulta sumamente costoso cuando se implementa con el BIS cuyos consumibles, los electrodos, implican alto costo y no son reutilizables, por otro lado, la respuesta de este dispositivo suele tener problemas cuando se utiliza un electrobisturí y hay estudios que indican que no es confiable del todo. El presente trabajo busca desarrollar un estudio de electroencefalografía (EEG) que permita de forma más fiable poder monitorear el estado de profundidad anestésica del paciente implementando herramientas informáticas como el reconocimiento de patrones para eliminar información redundante y reducir la dimensionalidad de los datos y la aplicación de aprendizaje automático para poder extraer características de la señal EEG para determinar estados anestésicos que pueda presentar el paciente. Se realizó un sistema de clasificación de estados anestésicos partiendo de la reducción de la dimensionalidad de los 16 a 14 canales, dando como resultado que cada señal capturada por cada canal es diferente, lo cual realizara un estudio más completo que con menos electrodos. Se creó una matriz de características para ingresarla al algoritmo de K-means para entrenar el sistema. Al validar la información con la base de datos suministrada se obtuvo que el algoritmo funciona aceptablemente para la clasificación de estados anestésicos obteniendo resultados por encima del 83%.Publicación Acceso abierto Sistema de trading algorítmico para ETFS en el mercado de renta variable en Estados Unidos, utilizando aprendizaje automático(Universidad EIA, 2024) Hoyos Castro, Simon; Guerra, Wincy AlejandroRESUMEN: Se desarrolló un sistema de trading algorítmico para los fondos cotizados FAS, TNA y UGL aprovechando las herramientas de aprendizaje automático (regresión logística, bosque aleatorio, gradient boost y redes neuronales) en un entorno de programación que utilizó la librería Sklearn de Python. Con este fin, se preprocesaron datos sobre el precio de los activos, indicadores técnicos, índices y sorpresas económicas. Estos datos fueron utilizados para el entrenamiento de los modelos. Tras la optimización y el contraste de treinta y seis modelos diferentes, se introduce la posibilidad de recurrir a modelos econométricos o modelos mucho más sencillos en términos teóricos. Acudiendo entonces a modelos como el de suavizamiento exponencial de Holt y señales de trading básicas como el cruce de medias móviles, se logran resultados iguales o incluso más destacados que aquellos logrados con el aprendizaje automático.