Clasificador automático de nubes mediante un algoritmo inteligente embebido.

Edgar Vega Maya

Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/9100

Registro completo de metadatos

Campo DC	Valor	Lengua/Idioma
dc.rights.license	http://creativecommons.org/licenses/by-nc-nd/4.0	es_ES
dc.contributor	Juvenal Rodríguez Reséndiz	es_ES
dc.creator	Edgar Vega Maya	es_ES
dc.date	2023-08-30	-
dc.date.accessioned	2023-09-01T16:40:55Z	-
dc.date.available	2023-09-01T16:40:55Z	-
dc.date.issued	2023-08-30	-
dc.identifier.uri	https://ri-ng.uaq.mx/handle/123456789/9100	-
dc.description	Las nubes se encuentran entre los fenómenos meteorológicos más significativos que afectan nuestras vidas, ya que contribuyen significativamente al equilibrio energético de la tierra, al absorber y distribuir la radiación solar. Además, son esenciales para el análisis y pronóstico del tiempo. Sin embargo, la observación de nubes desde tierra depende principalmente de observadores humanos, lo que genera incertidumbre debido a los juicios subjetivos. Por lo tanto, la investigación en la observación automática de nubes ha aumentado y todavía está en progreso. Distintas propuestas han sido publicadas para resolver este problema, estas propuestas van desde técnicas de aprendizaje de máquina clásicas como máquinas de vectores de soporte hasta técnicas de aprendizaje profundo como ensambles de redes neuronales convolucionales. Estas últimas han logrado el mejor desempeño en cuanto a porcentaje de clasificación. Sin embargo, debido a la naturaleza del algoritmo este consta de grandes cantidades de parámetros lo cual se traduce en mayor demanda de cómputo, memoria y tiempo de procesamiento, haciendo difícil que estos algoritmos puedan ser implementados en sistemas embebidos con recursos más limitados. Además de que la optimización de los hiper-parámetros de una red neuronal convolucional pertenece a los problemas NP-Complejo, lo que se traduce principalmente en que no existe un conjunto de hiper-parámetros para una red que obtenga el mismo porcentaje de clasificación en cualquier base de imágenes, es decir que, las redes existentes que ya han sido probadas pueden no ser igual de efectivas para nuestra base de imágenes de nubes. El objetivo principal de esta investigación es desarrollar un clasificador automático de nubes basado en redes neuronales convolucionales la cual es optimizada (buscar un conjunto de hiper-parámetros que aumente la eficiencia de la red) de modo que se pueda lograr un porcentaje de clasificación cercano a lo reportado en el estado del arte pero reduciendo significativamente el numero de parámetros de la red y por consiguiente reducir también la memoria y recursos computacionales necesarios para ejecutarlo. Para llevar a cabo esta tarea se utilizó un algoritmo metaheurístico que lleve a cabo la tarea de encontrar los hiper-parámetros con el mejor desempeño. Por otro lado el algoritmo metaheurístico también fue ajustado utilizando un método de ranking de jugadores de ajedrez (chess rating system, CRS).	es_ES
dc.format	Adobe PDF	es_ES
dc.language.iso	spa	es_ES
dc.publisher	Ingeniería	es_ES
dc.relation.requires	Si	es_ES
dc.rights	Acceso Abierto	es_ES
dc.subject	Ingeniería y Tecnología	es_ES
dc.subject	Ciencias Tecnológicas	es_ES
dc.subject	Tecnología de la Instrumentación	es_ES
dc.title	Clasificador automático de nubes mediante un algoritmo inteligente embebido.	es_ES
dc.type	Tesis de maestría	es_ES
dc.creator.tid	CVU	es_ES
dc.creator.identificador	1145613	es_ES
dc.contributor.role	Director	es_ES
dc.degree.name	Maestría en Ciencias (Instrumentación y Control)	es_ES
dc.degree.department	Facultad de Ingeniería	es_ES
dc.degree.level	Maestría	es_ES
Aparece en:	Maestría en Ciencias (Instrumentación y Control)

Ficheros en este ítem:

Fichero	Descripción	Tamaño	Formato
IGMAC-238703.pdf		6.92 MB	Adobe PDF	Visualizar/Abrir

Mostrar el registro sencillo del ítem