Ciencias Exactas y Ciencias de la Salud
Permanent URI for this collectionhttps://hdl.handle.net/11285/551039
Pertenecen a esta colección Tesis y Trabajos de grado de las Maestrías correspondientes a las Escuelas de Ingeniería y Ciencias así como a Medicina y Ciencias de la Salud.
Browse
Search Results
- Reconocimiento de emociones usando señales biologicas y redes convolucionales(Instituto Tecnológico y de Estudios Superiores de Monterrey, 2023-11-27) Cuéllar de la Peña, Juan Antonio; Antelis Ortiz, Mauricio Javier; emimmayorquin; Escuela de Ingeniería y Ciencias (EIC); Campus GuadalajaraLas emociones juegan un papel importante en el comportamiento y desarrollo cognitivo del ser humano, empecemos hablando de que como las emociones son importantes en la computación, empezando por la educación, el reconocimiento de emociones es importante ya que va de la mano con la motivación del estudiante para aprender y tener éxito en la universidad, la educación es mencionada por que en la era de la digitalización hay nuevas tecnologías integrándose al a las aulas como las clases en línea asi que reconocer las emociones del alumno mientras toma sus lecciones es de vital importancia, quizá los estudiantes no se sientan motivados al estudiar en línea o con instrumentos digitales que les permita obtener información y has estudios que relacionan la motivación de los estudiantes con el el éxito o fracaso en la vida escolar, mas allá de la disciplina. La creación de entornos donde las computadoras y los seres humanos puedan interactuar constantemente será cada vez mas especialmente con el desarrollo de las nuevas tecnologías y el estudio de redes neuronales y técnicas de aprendizaje automático, los espacios de trabajo donde los sistemas computacionales y los seres humanos comparten tiempo e interacciones es otro espacio que puede verse beneficiado al involucrar las emociones. No es algo nuevo pero para poder resolver crimines los polígrafos han existido durante décadas pero con los sistemas de reconocimiento de emociones será mas fácil poder encontrar la verdad mas rápido en un situación con un sospecho al igual en controles migratorios de aeropuertos y aduanas. Es por esta razón que en este trabajo se propone el realizar una red neuronal convolucional para el reconocimiento de emociones biológicas. Primero se ha realizado un experimento de laboratorio donde un participante estará en una sesión de 30 minutos y utilizando la base de imágenes Stimuli: International affective picture system (IAPS) se le someterá a que vea las imágenes, comenzando con un cuadro de relajación de cinco minutos posteriormente se le mostrara el primer cuadro de imágenes que durara 12 minutos, otro cuadro de descanso que durara de dos a cinco minutos y un segundo bloque de imágenes también de 12 minutos de duración. Se pretende con este experimento inducir al participante cuatro emociones diferentes, tomar el registro y además tomar la muestra del participante entre los estados de excitación por las imágenes y de descanso. Los estímulos a las imágenes serán registrados por un equipo de electroencefalograma (EEG) con los datos obtenidos se hará una relación de estos para poder clasificar estas emociones en un mapa de dos dimensiones donde puede registrase la intensidad de las mismas. Posteriormente los datos provenientes del EEG serán procesados por un algoritmo de red neuronal convolucional, será probada y evaluada tanto al inducir cuatro emociones diferentes, así como con los estados de excitación y descanso. Una vez entrenado el algoritmo con los datos se probará precisión y se mostraran los datos de precisión y la matriz de confusión para verificar la efectividad e intentar lograr crear un sistema capaz de reconocer emociones.
- Modelo de aprendizaje profundo para la detección de errores en el contenido gráfico de paneles de instrumentos automotrices(Instituto Tecnológico y de Estudios Superiores de Monterrey, 2023-10) Olagues Torres, Héctor Gabriel; Sánchez Ante, Gildardo; emimmayorquin; Escuela de Ingeniería y Ciencias; Campus GuadalajaraLas pruebas para detectar errores en la interfaz gráfica (para fines prácticos se le llamará pantalla) de paneles de instrumentos automotrices no son de fácil ejecución, ya que se requiere bastante tiempo para analizar las imágenes de video que se recopilan durante la verificación y validación del contenido gráfico, lo cual se debe a que son cientos o hasta miles las posibles combinaciones de imágenes que se pueden desplegar, reduciendo la disponibilidad de tiempo de un Ingeniero de Pruebas Funcionales. Aunque existen dispositivos electrónicos que capturan los fotogramas de una señal de video en forma digital (frame grabbers), el tiempo destinado al análisis es igualmente necesario. Por lo tanto, en este estudio se propone el desarrollo de un procedimiento con un modelo de Aprendizaje Profundo basado en una Red Neuronal Convolucional, que facilite la detección de errores en la pantalla de paneles de instrumentos automotrices del fabricante Stellantis desarrollados en el área de negocio UX de Continental en Guadalajara. Mediante el uso de una metodología cuantitativa con diseño cuasiexperimental, y realizando una recopilación de imágenes con su debido preprocesamiento para la construcción del conjunto de datos de entrada, se pretende entrenar una Red Neuronal Convolucional con regresión logística de cajas envolventes que ayude en la identificación de errores de contenido gráfico en la pantalla, cuyo rendimiento será evaluado a través de métricas de desempeño y herramientas estadísticas básicas, así como con pruebas de predicción en videos de contenido gráfico. Los hallazgos demuestran que se puede aumentar la disponibilidad de tiempo de los Ingenieros de Pruebas Funcionales a través del despliegue de un procedimiento con un modelo de Aprendizaje Profundo basado en una Red Neuronal Convolucional que apoye en la detección de errores en la interfaz gráfica de paneles de instrumentos automotrices del fabricante Stellantis.
- Evaluación de modelos de aprendizaje automático para la predicción de ventas de boletos en juegos de béisbol en Tijuana(Instituto Tecnológico y de Estudios Superiores de Monterrey, 2023-08) Calderón Samano, Jose Roberto; Falcón Morales, Luis Eduardo; emimmayorquin; Escuela de Ingeniería y Ciencias; Campus GuadalajaraLa predicción de ventas de boletos en la industria del entretenimiento es un elemento crucial para la planificación y éxito de eventos deportivos. No solo permite una gestión más eficiente de los recursos, sino que también potencia estrategias de marketing efectivas. En este contexto, esta tesis se enfoca en desarrollar un sistema de predicción de ventas de boletos para partidos de béisbol en Tijuana, México. Para el desarrollo, se utiliza un conjunto de datos segmentado por puntos de venta, específicamente gasolineras, junto con las ventas correspondientes en cada punto. Este conjunto de datos comprende variables cruciales como Evento, Día/Semana, Mes, Año, Zona, Precio y Número de Boletos Vendidos. Para el entrenamiento, se implementan diversos modelos de aprendizaje automático, incluyendo algoritmos como Árbol de Decisión, Máquinas de Vectores de Soporte, Regresor de Gradient Boosting, Redes Neuronales LSTM, Adaboost, Random Forest, XGBoost y LightGBM. Adicionalmente, para comparar con técnicas estadísticas clásicas, se exploraron los modelos ARIMA y SARIMA. Tras el entrenamiento y la generación de predicciones, se lleva a cabo una comparación exhaustiva para determinar el rendimiento óptimo utilizando la métrica de desempeño del Error Absoluto Medio Porcentual (MAPE). Destacando el modelo XGBoost que muestra el mejor desempeño con un MAPE de 0.31, consolidándose como la elección idónea para la predicción de ventas de boletos en este contexto. Esta investigación no solo proporciona un sistema para pronosticar ventas de boletos, sino que también sienta bases sólidas para futuras investigaciones en la gestión de ventas de boletos en eventos deportivos dentro de la industria del entretenimiento.