2022-23
Permanent URI for this collection
Trabajos Fin de Grado defendidos en el curso académico 2022-23
Browse
Browsing 2022-23 by Author "Barragáns Martínez, Belén (advisor)"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
- ItemPredicción de tipo de buque utilizando información de áreas de actividad y técnicas de inteligencia artificial(Centro Universitario de la Defensa en la Escuela Naval Militar, 2023-04-30) Gandarillas Carrara, Ignacio; Barragáns Martínez, Belén (advisor); Sendín Raña, Pablo (advisor)Este Trabajo Fin de Grado se enmarca dentro de una línea de investigación del Centro Universitario de la Defensa en la Escuela Naval Militar (CUD-ENM) relacionada con la aplicación de técnicas de inteligencia artificial para mejorar el conocimiento del entorno marítimo. En un TFG anterior se exploró la capacidad de predecir el campo de los mensajes AIS que identifica el tipo de buque (campo especialmente relevante y que, en muchos casos, no viene cubierto) empleando otros datos de los mensajes, en particular, aquellos estáticos, relacionados con las dimensiones del buque, o los dinámicos, relacionados con su velocidad o rumbo. En este TFG se plantea el análisis del impacto en la calidad de la predicción del tipo de buque que supondría el empleo de información relacionada con el área de actividad del barco. Para ello, se estudiará cómo incorporar dicha información como entrada a los algoritmos de aprendizaje supervisado empleados y se presentarán todas las combinaciones de experimentos llevados a cabo. El TFG concluye que la información del área de actividad del buque contribuye positivamente a mejorar la predicción obtenida, señalándose aquellos tipos de barcos que se benefician en mayor medida del empleo de esta información por el algoritmo de clasificación. PALABRAS CLAVE Inteligencia artificial, Tipo de buque, Random Forest, Celdas H3, Datos AIS
- ItemValidación de una serie de parámetros estáticos y dinámicos para la predicción de tipo de buque utliizando técnicas de inteligencia artificial(Centro Universitario de la Defensa en la Escuela Naval Militar, 2023-04-30) Fernández Martín, Raúl; Barragáns Martínez, Belén (advisor); Sendín Raña, Pablo (advisor)Este TFG se encuadra dentro de una línea de investigación del CUD-ENM centrada en la aplicación de técnicas de inteligencia artificial para la mejora del conocimiento del entorno marítimo. En particular, este trabajo supone una continuación de un TFG desarrollado en el curso 2021-2022, que exploró la posibilidad de predecir el campo “tipo de buque” (muchas veces no cubierto en los mensajes AIS) a partir de otros campos de esos mensajes. En este TFG se pretende revisar en profundidad la propuesta previa, enfatizando en el preprocesado y tratamiento inicial de los datos de entrada, mejorando el código para optimizar tiempos de ejecución y comprobando de manera ordenada, exhaustiva y más completa la validez de la propuesta de parámetros que optimicen la calidad de la predicción del tipo de barco. Como principales conclusiones, se confirma la bondad de la selección previa, habida cuenta de que se han replicado sus experimentos con éxito, y los resultados se mantienen aun variando las condiciones de los mismos (diferentes momentos temporales, diferentes tamaños del dataset, etc.). Asimismo, tras haber profundizado en la etapa de tratamiento previo de los datos, se ha mejorado el modelo de predicción consiguiendo aumentar la confianza y fiabilidad de sus resultados.