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 |