Implementación de una arquitectura de red convolucional aplicada a la predicción de masas de crimen en la Ciudad de Bogotá.

En este trabajo se presenta la implementación de una arquitectura de red neuronal convolucional-deconvolucional adaptada a la predicción de crimen en la ciudad de Bogotá. Específicamente, se diseña una arquitectura convolucional para extraer patrones espaciales de mapas bidimensionales de datos provenientes de eventos de crimen. También se agregan capas de convolución transpuesta para recuperar el tamaño espacial de la señal de entrada. Esta adaptación permite generar información que al ser representada en mapas bidimensionales se puede comparar con la información proveniente de eventos de subreportes de crimen y determinar el desempeño de las redes neuronales. Por otra parte, partiendo de un estudio previo del crimen en la ciudad de Bogotá, se generan volúmenes de datos sintéticos a partir de autómatas celulares con reglas del juego de la vida de Conway. Estos volúmenes de datos sintéticos poseen propiedades similares a las de las dinámicas espacio-temporales presentes en la señal de eventos de crimen en la ciudad de Bogotá. Dentro de este marco se configuran experimentos con dos tipos de entrada sobre la arquitectura convolucional-deconvolucional. En unos primeros, se alimenta la red con volúmenes de datos obtenidos del reporte de eventos de crimen en la ciudad de Bogotá. En los segundos, con volúmenes de datos sintéticos y en otros con el conjunto unión de datos reales y datos sintéticos. En total se presentan cinco casos de uso en los que se entrena la arquitectura con diferentes configuraciones de volúmenes y técnicas de aprendizaje profundo para posteriormente evaluar su desempeño.

• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/30328
• Acceso en línea: http://hdl.handle.net/11349/30328
• Palabra clave: Aprendizaje automático; Aprendizaje profundo; Red neuronal convolucional; Grafo computacional; Predicción de crimen urbano; Inteligencia artificial; Ingeniería Electrónica - Tesis y disertaciones académicas; Redes neurales (Informática) - Bogotá (Colombia); Procesamiento de imágenes digitales - Bogotá (Colombia); Procesamiento digital de imágenes - Bogotá (Colombia); Aprendizaje automático (Inteligencia artificial) - Bogotá (Colombia); Criminología urbana - Bogotá (Colombia); Inteligencia artificial - Bogotá (Colombia); Machine learning; Deep learning; Convolutional neural networks; Computational graph; Urban crime forecasting; Artificial intelligence
• License: Atribución 2.5 Colombia