Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Gandarillas Carrara, Ignacio"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • No Thumbnail Available
    Item
    Predicción 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

Calderón, repositorio institucional del Centro Universitario de la Defensa, ENM

  • Cookie settings
  • Privacy policy
  • Send Feedback