Facultad de Ciencias e Ingeniería
Permanent URI for this communityhttp://98.81.228.127/handle/20.500.12404/7
Browse
17 results
Search Results
Now showing 1 - 10 of 17
Item Modelo de red neuronal convolucional para la clasificación de tipos de nubes en imágenes de webcam(Pontificia Universidad Católica del Perú, 2025-01-14) Andonaire Tuesta, Mario Alejandro; Beltrán Castañón, César Armando; Villanueva Talavera, Edwin RafaelLa presente investigación aborda la problemática de la clasificación manual de tipos de nubes en estaciones meteorológicas del Servicio Nacional de Meteorología e Hidrología del Perú (SENAMHI), un proceso sujeto a errores y demandante de tiempo. El estudio justifica su relevancia destacando la importancia de la observación precisa de nubes en la meteorología y cómo la automatización mediante una herramienta de clasificación basada en redes neuronales convolucionales podría optimizar este procedimiento. Este trabajo se enmarca dentro del proyecto Meteo-Huascarán, en colaboración con el SENAMHI y el grupo de investigación IAPUCP. El método empleado consiste en el entrenamiento de un modelo de red neuronal convolucional, utilizando aprendizaje supervisado para clasificar automáticamente los tipos de nubes a partir de imágenes tomadas desde tierra. La investigación contempla la preparación de una base de datos representativa, la implementación de tres arquitecturas de redes neuronales y la selección de la más adecuada mediante una evaluación comparativa. Además, el desarrollo una interfaz web para mostrar el funcionamiento del modelo. Los resultados muestran un avance en la automatización de la clasificación de tipos de nubes, seleccionando la arquitectura Inception v3 como la más adecuada para el proyecto. La implementación de la interfaz web facilita la interacción con el modelo, permitiendo la carga de imágenes de nubes y obteniendo la clasificación correspondiente de forma automática. Este trabajo contribuye a la automatización del proceso de clasificación de tipos de nubes en el SENAMHI, proponiendo una solución tecnológica que reduce la dependencia de observadores humanos y mejora la eficiencia y precisión en la observación meteorológica. La implementación de este modelo representa un paso adelante hacia la modernización y adaptación a las necesidades futuras en el campo de la meteorología en el Perú.Item Localización y clasificación de árboles y edificaciones en imágenes aéreas empleando aprendizaje profundo(Pontificia Universidad Católica del Perú, 2024-07-01) Enriquez Rodriguez, Pamela; Flores Espinoza, Donato AndresLa presente tesis muestra el diseño de un detector de árboles y edificaciones en imágenes aéreas elaborado en base a algoritmos de aprendizaje profundo, cuyas redes troncales para la extracción de características son redes neuronales convolucionales. Este trabajo es parte de la tarea de automatización de un sistema de inspección de fajas de servidumbre que recibe imágenes capturadas por drones. Inicialmente, el trabajo se ha centrado en el etiquetado de árboles y edificaciones en imágenes aéreas para la elaboración del dataset; para ello, se ha utilizado la herramienta Image Labeler de Matlab. Posteriormente, se dividió dicho conjunto de datos en data de entrenamiento (80%), validación (10%) y evaluación (10%); además de emplear la función imageDataAugmenter para incrementar la cantidad de imágenes disponible. Seguidamente, se procedió con el entrenamiento de la red bajo ciertos valores de hiperparámetros y; finalmente, se evaluó la eficacia del detector bajo ciertas métricas como precisión, sensibilidad y precisión promedio media. Los resultados obtenidos muestran que el detector diseñado e implementado en Pytorch delimita correctamente la ubicación de los árboles y edificaciones en imágenes aéreas; además de etiquetarlos con su clase correspondiente. Esto se evidencia en los valores de precisión promedio del 70% para la clase árboles y del 63% para la clase edificaciones, logrando una precisión promedio media del 67%.Item Modelo para la segmentación y análisis de gravedad de áreas afectadas por incendios forestales usando redes neuronales convolucionales e imágenes satelitales(Pontificia Universidad Católica del Perú, 2024-06-11) Lazo La Rosa, Leandro; Beltrán Castañón, Cesar Armando; Pineda Ancco, Ferdinand EdgardoLa frecuencia de los incendios forestales ha ido en aumento, debido a actividades humanas y por el aumento del calentamiento global. En consecuencia, el proyecto de tesis tiene como objetivo, el desarrollo de un modelo de red neuronal que se puede integrar al análisis de la magnitud y extensión de los daños, además de apoyar en la planificación de los planes de recuperación del área afectada. Para ello, se realiza una segmentación y análisis de áreas afectadas por incendios forestales en imágenes satelitales usando redes neuronales convolucionales. En un principio, obtenemos un historial de incendios forestales en suelo peruano consultando la página de monitoreo de incendios forestales de SERFOR. Luego, las imágenes satelitales capturadas por el satélite Sentinel 2 se obtienen del repositorio de la agencia espacial europea. Finalmente, debido al gran tamaño de las imágenes obtenidas, estas se fraccionan en imágenes de 512 x 512 píxeles, donde posteriormente, se realiza un etiquetado manual del área afectada por el incendio forestal. Por otro lado, el modelo de red neuronal usa dos conjuntos de datos de imágenes 512 x 512 píxeles, capturadas por los satélites LandSat 8 y Sentinel 2. Inicialmente se trabaja con el conjunto de imágenes de LandSat 8 que ya cuentan con una etiqueta del área afectada. Una vez se obtiene el modelo inicial para la segmentación de la cicatriz del incendio. Se realiza un entrenamiento usando las imágenes de Sentinel 2. Para comprobar el correcto funcionamiento, se implementa una interfaz gráfica que ayuda a mostrar las máscaras de segmentación sobreponiéndose con la imagen original. Adicionalmente, se muestran colores calculados con el índice de calcinación normalizado para mostrar la gravedad del incendio forestal.Item Diseño de un filtro pasa bajos para neural SPIKES en tecnología CMOS con voltaje de alimentación de 1V(Pontificia Universidad Católica del Perú, 2023-06-05) Bellido Alba, Alvaro Gustavo Raúl; Saldaña Pumarica, Julio CésarLos próximos capítulos de la presente tesis se contempla una revisión de dispositivos wearable como estado del arte. Lo que le sigue es una explicación de los puntos teóricos importante para el desarrollo. Finalmente, se cuenta con la solución y los resultados. Se empieza mencionando los diferentes desarrollos tecnológicos en base a los dispositivos wearable y cómo estos han tenido resultados prometedores en el uso con personas o animales. Después de eso, se menciona la motivación para continuar con el desarrollo del trabajo; y se continúa con el estado del arte de las topologías para el diseño de filtros pasabajos en tecnología CMOS. En la parte de la revisión teórica, se desarrollarán aspectos necesarios tales como el análisis en pequeña señal, la obtención función transferencia por medio del Teorema de Blackman y el método de análisis en frecuencia del profesor Ali Hajimiri, y el uso de un Level Shifter. Para finalizar, se realizarán las simulaciones en condiciones nominales y PVT para cada tipo de respuesta: AC, DC, transitoria, ruido y potencia; luego se muestra la comparativa de este trabajo con la literatura.Item Validation of the NVDLA architecture using its aws virtual prototype-FPGA co-simulation platform(Pontificia Universidad Católica del Perú, 2023-05-23) Freidenson Bejar, David Steven; Villegas Castillo, Ernesto CristopherLa inferencia de Redes Neuronales Profundas (o DNNs, por sus siglas en inglés, Deep Neural Networks) se ha vuelto cada vez más demandante en términos de almacenamiento de memoria, complejidad computacional y consumo de energía. Desarrollar hardware especializado en DNNs puede ser un proceso tedioso, que se alarga aún más si se considera el tiempo requerido en escribir software para ello. Así, esta tesis consiste en la validación del acelerador de hardware de redes neuronales NVDLA (por sus siglas en inglés, Nvidia Deep Learning Accelerator) utilizando un ambiente de co-simulación basado en su plataforma híbrida: un CPU implementado como Prototipo Virtual (PV), basado en el Quick Emulator (QEMU), y el modelo de hardware en RTL del NVDLA dentro de un FPGA. Para ello, la arquitectura más portátil del NVDLA nv_small es configurada en el FPGA de una instancia F1 del servicio E2C AWS. Para complementar el sistema, el PV del NVDLA es usado, consistiendo de un CPU Arm emulado con QEMU, ejecutando el sistema operativo Linux y el software runtime del NVDLA, dentro de una capa de SystemC/TLM conectada al FPGA de la instancia F1 a través de un puerto PCIe. Una vez que la plataforma híbrida de co-simulación está configurada, se ejecutan regresiones de pruebas de hardware en la implementación en el FPGA para revisar la propia funcionalidad e integridad de los bloques que componen al NVDLA. Luego, se ejecutan pruebas de sanidad de software en el PV para confirmar la configuración correcta de todo el sistema integrado. Finalmente, la DNN AlexNet es ejecutada. Los resultados muestran la propia funcionalidad del hardware y del PV, y que la red AlexNet se ejecutó exitosamente en el ambiente de co-simulación, tomando aproximadamente 112 minutos.Item Diseño de un sistema de localización de un robot móvil basado en mapeo simultáneo(Pontificia Universidad Católica del Perú, 2022-09-26) Contreras Paucca, Jhomer Rodrigo; Perez Zuñiga, Carlos GustavoEl trabajo de investigación presente tiene como objetivo el diseño de un sistema de localización de un robot móvil humanoide dentro de los ambientes de un centro de salud, específicamente que le permita al robot desplazarse en una habitación y posicionarse a una distancia adecuada frente al paciente que se encuentra en estado de reposo en una camilla de hospital. Para alcanzar este objetivo, este sistema se basa en la clasificación de los elementos percibidos en una habitación a través de una cámara y un computador de alto rendimiento, mediante el cual se resuelve un problema de clasificación en la imagen adquirida al detectar al paciente y la camilla como objetivos, luego se realiza un proceso de acercamiento del robot a estos objetivos hasta poder reconocer el rostro de una persona. En el primer capítulo, se mencionan las bases teóricas que comprende la localización de un robot móvil basada en mapeo simultáneo, métodos SLAM y la relación de ambos con el objetivo del proyecto. En el segundo capítulo, se describe la metodología de los algoritmos basados en redes neuronales convolucionales y su base teórica, con el fin de determinar un algoritmo robusto y novedoso a beneficio del proyecto; adicionalmente se incluye una propuesta de solución explicando las etapas de dicho algoritmo. Posteriormente, en el tercer capítulo se desarrolla el diseño del algoritmo y su estructura mediante librerías y codificación realizadas de acuerdo al lenguaje de programación compatible con un computador de alto rendimiento. En el último y cuarto capítulo, se realizan resultados experimentales y se muestran los resultados de ellos. Finalmente, se presentan las conclusiones obtenidas en todo el proceso y recomendaciones. La presente tesis forma parte del proyecto CONCYTEC 160-2020 - Robot Móvil Teleoperado para Manejo de Afecciones de Salud Mental en Pacientes con Enfermedades Infecciosas.Item 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(Pontificia Universidad Católica del Perú, 2018-03-27) Caballero Torres, Franco André; Beltrán Castañón, César ArmandoDentro 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.Item Diseño de un sistema inteligente de ahorro de energía eléctrica(Pontificia Universidad Católica del Perú, 2017-07-21) Poma Aliaga, Luis Felipe; Benavides Aspiazu, JorgeEn la actualidad, la demanda del consumo de energía eléctrica se ha incrementado significativamente. Este fenómeno se ha presentado tanto en el sector doméstico como en el sector industrial. Por lo que es necesario, la construcción de nuevas fuentes energéticas para satisfacer las demandas actuales. Asimismo, se debe considerar el tiempo, el costo y el impacto ambiental que ocasionaría la construcción de las mismas. Ante este hecho, se plantea establecer planes de ahorro de energía eléctrica con ayuda de sistemas inteligentes en instalaciones domésticas para uso racional de la energía eléctrica, como una alternativa eficaz para no recurrir a nuevas fuentes energéticas. En la presente tesis, se tiene como objetivo el diseño de un sistema inteligente por medio de algoritmos de aprendizaje por redes neuronales que permita el uso racional y eficiente de la energía eléctrica en el sector doméstico. El desarrollo de la tesis incluye diseñar dispositivos que nos permitan medir la potencia eléctrica consumida. Estos dispositivos se desarrollarán con la ayuda de un conjunto de sensores de potencia. Como también el diseño y simulación de sensores de presencia que nos permita monitorear la presencia del usuario. En cuanto al control inteligente se desarrollará algoritmos de aprendizaje basadas en redes neuronales, de tal forma que sean capaces de aprender del horario de la rutina del usuario. También, se incluye el diseño de una interfaz adecuada con el usuario que permita el ingreso de datos para su procesamiento y visualización. Además, el diseño de un protocolo de comunicación más adecuada orientada a la domótica. Finalmente, se desarrollarán simulaciones y pruebas del funcionamiento del sistema inteligente, como los dispositivos desarrollados como el conjunto de sensores y el control inteligente.Item Diseño de un sistema de control por auto organización para semáforos de una intersección vial utilizando redes neuronales(Pontificia Universidad Católica del Perú, 2017-03-09) Huamán Apaza, Diego Eduardo; Testino Julca, Ricardo Antonio; Jimenez Motte, FernandoLa presente tesis tiene como objetivo mostrar una estrategia diferente ante la problemática del tráfico vehicular, como sabemos el tráfico vehicular es un problema de escala mundial y contribuye negativamente al desarrollo de un país. Esto se puede ver en la cantidad de contaminación, cantidad de horas hombre perdidas, niveles de estrés y la pérdida millonaria en combustible, esta es nuestra motivación para la realización de esta Tesis. Diversas investigaciones han demostrado que las estrategias de control de secuencias rígidas, no dan solución a este problema, por tanto a nivel mundial se han desarrollado diferentes estrategias, basadas en sistemas adaptivos, sistemas adaptivos difusos, sistemas adaptivos difusos con algoritmos genéticos, redes neuronales, estas últimas han sido usadas para predicción de tráfico, reconocimiento de vehículos, etc. El presente trabajo tiene como objetivo lograr la auto organización de semáforos basándose en la cantidad de vehículos esperando el cambio de fase o cambio de estado del semáforo de rojo a verde. Llamaremos auto organización a la acción de los semáforos de cambiar de fase tomando en cuenta un determinado umbral máximo de vehículos, una vez se supere este umbral el cambio de fase se llevará a cabo, para nuestros resultados hemos considerado una intersección simple, la cual consta de una vía principal de 4 carriles y otra de 2 carriles. El presente trabajo consta de tres etapas fundamentales, el censado de los patrones de tráfico, mediante sensores invasivos de tráfico, el controlador, el cual se auto organizará en función a la cantidad de vehículos esperando el cambio de fase y el semáforo, tanto el controlador y el semáforo han sido logrados mediante la red neuronal de retro propagación, esta fue elegida debido a su capacidad para la identificación de sistemas, para poder lograr el modelo del semáforo y el mapeo inverso, para el caso del controlador. Para nuestras simulaciones y comparaciones, se disefló también un sistema de semáforo prefijado, con un tiempo de 55 segundos por cada intervalo del semáforo. Producto de las simulaciones y comparaciones se pudo concluir que el sistema logrado hace que la cantidad de autos esperando se reduzca significativamente, sobretodo en la vía principal (cuatro carriles). Además de reducir el tiempo de espera de los vehículos. Analizaremos el efecto que tiene sobre el sistema cambiar ciertos parámetros como el valor umbral, tiempo mínimo de fase verde, etc.Item Diseño de un guante electrónico para el mapeo y reconocimiento de gestos utilizando redes neuronales(Pontificia Universidad Católica del Perú, 2017-03-02) Dulanto Ramos, Luis Enrique; Jiménez Motte, Fernando; Dávalos Pinto, José AmadeoLa presente tesis tiene como objetivo diseñar un sistema de reconocimiento de gestos manuales que traduzca gestos a necesidades básicas de la persona, con el fin de ayudar a personas de la tercera edad que padecen problemas del habla. Dicho sistema de reconocimiento de gestos es aplicado en un guante electrónico que extrae señales de la mano. Para el desarrollo de la tesis, se hace uso de dos ejes de modelamiento: modelamiento directo y modelamiento inverso. Primero, se modela por análisis paramétrico (modelamiento directo) a una mano antropomórfica que responde a los movimientos del guante electrónico; luego, se aplica identificación de sistemas por red neuronal mediante algoritmos de retropropagación a los modelos obtenidos por análisis paramétrico, con el fin de utilizar estos modelos basados en redes neuronales en el sistema de reconocimiento de gestos. Este segundo paso es el modelamiento inverso y la razón de su aplicación se fundamenta en el hecho de que se desea obtener un sistema que posea tolerancia a fallas, la cual es una propiedad de las redes neuronales. Finalmente, se diseña un núcleo de reconocimiento de gestos, el cual reconoce patrones en la data resultante de las redes neuronales. Dicho núcleo de reconocimiento de gestos es también una red neuronal y, a diferencia de otros tipos de sistemas de reconocimiento de patrones, tiene la capacidad de aprender a partir de data experimental y generar soluciones en base a lo aprendido. Los resultados obtenidos en la culminación del proyecto son que ante la presencia de ruido aditivo blanco gaussiano, el sistema alcanza un índice de reconocimiento de 99.98% cuando las condiciones son ideales (a una relación señal a ruido de 30 dB); manteniéndose por sobre 99% cuando la relación señal a ruido es mayor a 18.88 dB; por otro lado, si la relación señal a ruido en las entradas del sistema es igual a 13.67 dB, el sistema es capaz de reconocer gestos con una efectividad de 90%. Así mismo, se demuestra que el sistema es tolerante a fallas y a circunstancias no previstas en el diseño, manteniendo su porcentaje de reconocimiento por sobre 90% en condiciones ideales ante estas adversidades.