Maestría en Matemática Aplicada
Permanent URI for this collection
Browse
Browsing Maestría en Matemática Aplicada by browse.metadata.advisor "Ramos Pollan, Raul"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
Item Metodos de aprendizaje computacional para la detección automática de afectaciones ionosféricas en sistemas de aumentación terrestres(Universidad Industrial de Santander, 2018) Rincon Cadena, Wanda Catalina; Ramos Pollan, RaulLos usuarios de aviaci´on civil necesitan de los sistemas de posicionamiento global como GPS para dar soporte a sus operaciones. Las anomal´ıas ionosf´ericas son una de las principales amenazas para la seguridad y disponibilidad de las medidas de posici´on que provee el sistema GPS. La ion´osfera es una capa de la atm´osfera que se encuentra cargada con electrones, estos afectan todas las comunicaciones por ondas de radio, debido a que refractan parte de las se˜nales que atraviesan este medio. A trav´es de una metodolog´ıa para corregir las se˜nales de c´odigo y fase captadas por receptores de doble frecuencia, se calculan y preprocesan los retrasos ionosf´ericos en las se˜nales de pseudorango, seguido del c´alculo de gradientes entre pares de receptores cercanos alrededor de un aeropuerto para estimar el comportamiento de la ionosfera en el ´area. Sin embargo, despu´es de este proceso existen falsos positivos entre los resultados. En este trabajo se propone como soluci´on la creaci´on de conjuntos de datos y el dise˜no de caracter´ısticas de eventos ionosf´ericos para entrenamiento de modelos de aprendizaje computacional, que clasifiquen cada caso como verdadero o falso. De esta manera, se provee una soluci´on de bajo costo para evaluar la ion´osfera en una regi´on previo a la instalaci´on de estaciones de monitoreo. Con los datos recolectados se construye un conjunto de descriptores de las se˜nales captadas por los receptores adem´as de informaci´on de clima espacial como actividad solar y geomagn´etica. Los receptores utilizados para construir el conjunto de datos pertenecen a redes de Ecuador, Estados Unidos y Espa˜na. Los resultados sugieren que es posible automatizar la validaci´on de eventos ionosf´ericos extremos con un desempe˜no en la m´etrica f2 de hasta 93 %.Item Modelos de integración de información multimodal en cnn para el análisis de imagen satelital en entornos urbanos(Universidad Industrial de Santander, 2020) Rueda Plata, Diego Alexander; Ramos Pollan, Raul; Nuñez, Luis AlbertoEl aprendizaje multimodal ofrece la posibilidad de capturar correspondencias entre modalidades y obtener una mayor generalización de la problemática analizada. Una modalidad se refiere a la forma en que los datos son percibidos, audio, imágenes o datos estructurados. Este proyecto aborda el análisis de la inyección de datos multimodales en el entrenamiento de arquitecturas pre-entrenadas de redes neuronales para la identificación de tipologías estructurales en edificios residenciales. Se utiliza un conjunto de imágenes obtenidas por exploración remota mediante StreetView en el área urbana de Medellín, cada una de las entradas en el dataset incluye el registro del número de pisos, las coordenadas de latitud y longitud y el estrato del edificio. Usando sólo imágenes se realiza un entrenamiento de diferentes arquitecturas convolucionales para establecer una base de resultados. Seguidamente, un perceptrón multicapa recibe como entrada datos en otra modalidad existentes por cada edificio, y se entrena simultáneamente con las mismas arquitecturas definidas, los vectores finales de características de estas dos redes son concatenados para producir una salida conjunta. Posteriormente, se usan métricas de clasificación para modelos de aprendizaje de máquinas y demostramos el impacto positivo de incluir información bajo otra modalidad, particularmente en clases poco representadas en el dataset, sin embargo se muestran las limitaciones y un tiempo de entrenamiento mayor bajo redes multimodales.