Algoritmo para la predicción del delito al patrimonio económico en la ciudad de Bucaramanga mediante el uso de machine learning.

Plaza Quintero, Diego Julian; Tarazona Rios, Santiago

Algoritmo para la predicción del delito al patrimonio económico en la ciudad de Bucaramanga mediante el uso de machine learning.

dc.contributor.advisor	Castillo Bohorquez, Jeison Arley
dc.contributor.advisor	Barrero Perez, Jaime Guillermo
dc.contributor.author	Plaza Quintero, Diego Julian
dc.contributor.author	Tarazona Rios, Santiago
dc.contributor.evaluator	Abreo Carrillo, Sergio Alberto
dc.contributor.evaluator	Sepulveda Sepulveda, Franklin Alexander
dc.date.accessioned	2023-11-04T13:37:01Z
dc.date.available	2023-11-04T13:37:01Z
dc.date.created	2023-10-30
dc.date.issued	2023-10-30
dc.description.abstract	Este proyecto se centra en la aplicación de técnicas de aprendizaje de maquina para predecir delitos relacionados con el patrimonio económico en la ciudad de Bucaramanga, con el objetivo de mejorar la seguridad de la población. El enfoque de este trabajo aborda la variedad de datos que pueden influir en el rendimiento del modelo. Para lograr una mayor eficacia en la predicción, se dividió el tiempo en ventanas de 15 días, generando así un total de 24 a 25 ventanas por año. Cada ventana se compone de vectores de datos que incluyen información de latitud, longitud y un conjunto de datos preseleccionados, con la variación de 3 a 5 ventanas temporales que contribuyen a formar el vector correspondiente a la ventana siguiente. La arquitectura de la red neuronal con mejores resultados que fue el modelo de capas sencillas, consta de una capa de entrada con 512 neuronas y función de activación Relu, seguida de una capa de dropout con una tasa de 0.2 y una capa de salida con función sigmoid. El estudio evalúa el rendimiento de la predicción en diferentes escenarios de entrenamiento, considerando cambios en el tamaño de la entrada, el tamaño del vector de datos, la salida de la red y el tipo de datos resultante, incluyendo valores normalizados y valores clasificados en 5 clases por los autores. Los resultados revelan un modelo de capas neuronales con un error promedio de 1,5254 y un error cuadrático medio de 0,0024 para los datos clasificados por los autores.
dc.description.abstractenglish	This project focuses on the application of machine learning techniques to predict crimes related to economic assets in the city of Bucaramanga, with the objective of improving the safety of the population. The focus of this work addresses the variety of data that can influence the performance of the model. To achieve greater efficiency in prediction, the time was divided into 15-day windows, thus generating a total of 24 to 25 windows per year. Each window is composed of data vectors that include latitude, longitude and a pre-selected data set, with the variation of 3 to 5 time windows contributing to form the vector corresponding to the next window. The best performing neural network architecture which was the single layer model, consists of an input layer with 512 neurons and Relu activation function, followed by a dropout layer with a rate of 0.2 and an output layer with sigmoid function. The study evaluates the prediction performance in different training scenarios, considering changes in input size, data vector size, network output and resulting data type, including normalized values and values classified into 5 classes by the authors. The results reveal a neural layer model with an average error of 1.5254 and a mean square error of 0.0024 for the author-classified data.
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero Electrónico
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/15143
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program	Ingeniería Electrónica
dc.publisher.school	Escuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Capas Neuronales
dc.subject	Aprendizaje de maquina
dc.subject	Delito
dc.subject	Relu
dc.subject	Sigmoid
dc.subject.keyword	Neural Layers
dc.subject.keyword	Machine Learning
dc.subject.keyword	Crime
dc.subject.keyword	Relu
dc.title	Algoritmo para la predicción del delito al patrimonio económico en la ciudad de Bucaramanga mediante el uso de machine learning.
dc.title.english	Algorithm for the prediction of economic crime in the city of Bucaramanga through the use of machine learning.
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado