Simulación y discriminación de objetos (MAP) utilizando métodos de aprendizaje supervisado

"Un modelo de diferencias finitas en el dominio del tiempo es utilizado para la construcción y simulación de objetos enterrados en un escenario semi realista, donde se hace una discriminación de los mismo por medio de un algoritmo de aprendizaje supervisado conocido como máquinas de soporte vectorial (SVM). Los escenarios cuentan con una fuente electromagnética representada por un dipolo herciano en donde la altura a la que se encuentra de la superficie es variada al igual que las características dimensionales y dieléctricas de los objetos, con el propósito de introducir una mayor variabilidad en los datos y así evitar problemas de sobre estimamiento en el resultado final. Los datos se obtuvieron por medio del simulador de fuente abierta gprMax, el procesamiento de los datos al igual que la implementación del algoritmo de aprendizaje se hizo con el software MATLAB. Este tipo de modelamientos están inclinados en desarrollar nuevas alternativas de procesamiento e interpretación de señales provenientes de equipos como el radar de penetración de tierra (GPR), por lo que partir de una robusta base de datos creada los más heterogéneamente posible para el desarrollo de este tipo de algoritmos resulta de una buena aproximación de lo que sería trabajar con datos reales."-- Tomado del Formato de Documento de Grado

• Autores: Revelo Obando, Eddy Darío
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2018
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/40405
• Acceso en línea: http://hdl.handle.net/1992/40405
• Palabra clave: Radar de penetración terrestre; Ondas electromagnéticas; Geociencias
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/