Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.espe.edu.ec/handle/21000/21638
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | Guamán Novillo, Ana Verónica | - |
dc.contributor.author | Cruz Mosquera, Dina Karolay de la | - |
dc.date.accessioned | 2020-02-19T11:53:39Z | - |
dc.date.available | 2020-02-19T11:53:39Z | - |
dc.date.issued | 2020 | - |
dc.identifier.citation | Cruz Mosquera, Dina Karolay de la (2020). Desarrollo de modelos multivariantes para la discriminación y cuantificación de sustancias explosivas. Carrera de Ingeniería en Electrónica, Automatización y Control. Universidad de las Fuerzas Armadas ESPE. Matriz Sangolquí | es_ES |
dc.identifier.other | 040950 | es_ES |
dc.identifier.uri | http://repositorio.espe.edu.ec/handle/21000/21638 | - |
dc.description.abstract | La detección de olores mediante sistemas de olfato artificial, denominados narices electrónicas, es un tema de investigación actual con aplicaciones a nivel militar como la detección de sustancias explosivas. La necesidad de evitar el tráfico ilegal de este tipo de sustancias debido a temas de seguridad nacional ha motivado la implementación y optimización de un prototipo e-nose para la detección de sustancias explosivas, parte del proyecto de investigación 2016-pic-009. Sin embargo, se ha dado un mayor enfoqué a la optimización del hardware y no a los modelos con los cuales el prototipo será capaz de clasificar y cuantificar sustancias explosivas como TNT y pólvora en base doble. Por lo cual, el propósito de este trabajo de investigación es generar y analizar modelos de machine learning mediante las técnicas lineales: mínimos cuadrados parciales y regresión logística, y técnicas no lineales: red neuronal perceptrón multicapa y red neuronal profunda LSTM, integrados en una interfaz gráfica de usuario para el reentrenamiento o prueba de los modelos. Los resultados del proyecto muestran un mejor desempeño en la clasificación de sustancias explosivas con concentraciones entre 3 y 5gr con 1mL de sustancia dopante que con concentraciones entre 0.1 y 3gr con 2mL de sustancia dopante. Además, en cuanto a la cuantificación el R2 no supero el 0.57 para las condiciones iniciales del prototipo y el 0.22 para las actuales. | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Universidad de las Fuerzas Armadas ESPE. Carrera de Ingeniería en Electrónica, Automatización y Control | es_ES |
dc.rights | openAccess | es_ES |
dc.subject | DETECTORES | es_ES |
dc.subject | EXPLOSIVOS | es_ES |
dc.subject | REDES NEURONALES (COMPUTADORES) | es_ES |
dc.subject | APRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL) | es_ES |
dc.subject | MACHINE LEARNING | es_ES |
dc.title | Desarrollo de modelos multivariantes para la discriminación y cuantificación de sustancias explosivas | es_ES |
dc.type | bachelorThesis | es_ES |
Aparece en las colecciones: | Tesis - Carrera de Ingeniería en Electrónica, Automatización y Control |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
T-ESPE-040950.pdf | TRABAJO DE TITULACIÓN | 6,9 MB | Adobe PDF | Visualizar/Abrir |
T-ESPE-040950-D.pptx | DEFENSA | 18,28 MB | Microsoft Powerpoint XML | Visualizar/Abrir |
T-ESPE-040950-R.pdf | RESUMEN | 92,77 kB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.