Aplicación de redes neuronales recurrentes profundas para la predicción y clasificación de series de tiempo

El propósito de este proyecto es la implementación y aplicación de redes neuronales recurrentes profundas con herramientas de software libre y comercial como lo son TensorFlow y Matlab, esto con el objetivo de utilizar los diferentes algoritmos para la predicción y clasificación de series de tiempo, probando diferentes datasets para poder evidenciar el funcionamiento de estas redes neuronales y su aplicación en problemas reales, con ejemplos tales como la predicción de los números de casos de varicela en una comunidad o la clasificación de las diferentes señales de un electrocardiograma, entre otros posibles aplicativos Para los ejemplos de predicción, mediante las herramientas de software previamente mencionadas, se implementan algoritmos que permiten usar los datos recopilados, creando con ellos diferentes datasets; uno utilizando los datos para poder predecir el número de casos de varicela de una comunidad y un dataset para la predicción del comportamiento de las acciones de la bolsa. Para los ejemplos de clasificación se implementan algoritmos que permiten al software usar los datos recopilados en el dataset que se obtiene con las lecturas de un electrocardiograma, para poder diferenciar una señal con ritmo normal de una señal con fibrilación atrial y un dataset para la clasificación de reviews de películas con información obtenida de iMDB. Adicionalmente a los ejemplos ya mencionados, se realizó un ejemplo predicción, con la información recopilada de los paneles solares de la UAO para realizar el algoritmo de pronóstico del comportamiento de la radiación solar recibida por el panel y para el caso de clasificación se trabajó con la información de actividades físicas humanas para poder realizar el algoritmo que sea capaz de diferenciar las señales y clasificarlas apropiadamente. Las anteriores aplicaciones se realizaron en las plataformas seleccionadas para el proyecto (Matlab y Keras) permitiendo de esta manera una primera aproximación al manejo de la redes LSTM que se espera pueda ser usada en futuros proyectos

• Autores: Gallego Sánchez, Alejandro; Cadena Ortiz, Kevin Andrés
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Universidad Autónoma de Occidente
• Repositorio: RED: Repositorio Educativo Digital UAO
• Idioma: spa
• OAI Identifier: oai:red.uao.edu.co:10614/12868
• Acceso en línea: https://hdl.handle.net/10614/12868; https://red.uao.edu.co/
• Palabra clave: Ingeniería Mecatrónica; Series de tiempo; Predicción; Clasificación; Redes neurales (Computadores); Análisis de series de tiempo; Neural networks (Computer science); Time-series analysis
• Rights: openAccess
• License: Derechos Reservados - Universidad Autónoma de Occidente