Buscar


Mostrar el registro sencillo del ítem

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


Ficheros en el ítem

Thumbnail
Nombre: IGMAC-238703.pdf
Tamaño: 6.754Mb
Formato: PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem