Browsing by Author "Sendín Raña, Pablo (advisor)"

Now showing 1 - 4 of 4
  • 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
  • No Thumbnail Available
    Item
    Predicción de tipo de buque utilizando representaciones de trayectorias y técnicas de inteligencia artificial
    (Centro Universitario de la Defensa en la Escuela Naval Militar, 2024-04-30) Roldán Calvo, Jorge; Barragáns Martínez, Belén (advisor); Sendín Raña, Pablo (advisor)
    Al analizar los flujos AIS que caracterizan a cada embarcación, se observa que un tercio de los mensajes presentan el campo “tipo de buque” sin cubrir. Este campo es de vital importancia para la detección de anomalías en el comportamiento de buques. Para abordar este inconveniente, se propuso en anteriores Trabajos Fin de Grado el uso de un algoritmo de clasificación alimentado por diferentes campos de los mensajes AIS tratando de encontrar el conjunto de características que mejor predice el tipo de embarcación (datos estáticos, dinámicos o de su zona de actividad). En este TFG se plantea el empleo de la información dinámica del buque para generar trayectorias, a partir de las cuales se extraen hasta 67 nuevas características que alimentan el algoritmo de clasificación. Se entrena el modelo con un dataset de tráfico mundial de dos meses para clasificar los cinco tipos de embarcaciones con mayor presencia. En la fase de evaluación, se obtiene la predicción a partir de características exclusivamente basadas en trayectorias, con un grado de precisión que mejora el de algunas propuestas anteriores. Al combinar las nuevas características con parámetros estáticos del buque se mejora significativamente la calidad de las predicciones obtenidas empleando únicamente datos estáticos.
  • No Thumbnail Available
    Item
    Sistema automatizado para el seguimiento médico de pacientes en evacuaciones militares
    (Centro Universitario de la Defensa en la Escuela Naval Militar, 2024-04-30) García Rodríguez, Pablo; Barragáns Martínez, Belén (advisor); Sendín Raña, Pablo (advisor)
    La atención médica a heridos en zona de operaciones sigue el estándar de la OTAN que define los procedimientos para la atención de bajas en combate. Dicho estándar establece la información mínima (médica y personal de cada herido) recogida en la denominada NATO Field Medical Card (NFMC) que, en la actualidad, se rellena en papel y se vincula físicamente al herido. La transmisión de la información del paciente por este medio presenta múltiples inconvenientes (degradación del soporte, dificultad de entender la caligrafía, etc.). Adicionalmente, la doctrina sanitaria en operaciones señala que la utilización de las TIC resulta crucial para asegurar la trazabilidad de la información de cada paciente a lo largo de la cadena asistencial. Para dar solución a estas necesidades, este Trabajo Fin de Grado ha diseñado y desarrollado una aplicación móvil para dispositivos Android que genera la información de las NFMC y la transfiere a una tarjeta NFC (Near Field Communication) que portaría el herido, así como a un servidor (lo que permite que todas las unidades de atención médica puedan consultar dichos datos). Dicha aplicación se ha validado mediante un caso de uso que demuestra que satisface los requisitos de diseño establecidos al inicio de este TFG. PALABRAS CLAVE NFC (Near Field Communication), NFMC (NATO Field Medical Card), Android, Kotlin, Evacuaciones
  • No Thumbnail Available
    Item
    Validación 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.