1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Baja California
4. Instituto Tecnológico de Mexicali (Tesis)
5. Tesis de Maestría
6. Tesis de Maestría en Sistemas Computacionales

Título :	Aprendizaje máquina para la clasificación de señales de series de tiempo
Autor :	Ramos Rivera, Daniel
Fecha de publicación :	2025-01-16
Editorial :	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Instituto Tecnológico de Mexicali
Descripción :	Las series de tiempo son fundamentales para analizar fenómenos dinámicos debido a su naturaleza interdependiente, lo que dificulta el uso de métodos tradicionales de clasificación. El aprendizaje automático resulta esencial para identificar patrones complejos en estos datos, mejorando la precisión y eficiencia de las tareas de análisis (Bagnall y cols., 2019). Este trabajo compara dos enfoques para la clasificación de series temporales en dos casos de estudio: la detección de patrones de deambulación asociados a la demencia y la identificación de daños en las palas de turbinas eólicas. El primer enfoque combina la extracción de características mediante la Transformada Discreta de Wavelet (DWT, por sus siglas en inglés) con modelos clásicos de aprendizaje automático (Random Forest, Máquinas de Soporte Vectorial, k-Vecinos más Cercanos). El segundo utiliza modelos especializados para series temporales en crudo, como ROCKET y HIVE-COTE2. Los resultados muestran que el enfoque basado en características extraídas mediante DWT supera a los modelos especializados como en el primer caso. Para la detección de patrones de deambulación, el modelo Random Forest combinado con características extraídas logró el mejor rendimiento. En el caso de los daños en turbinas eólicas, las Máquinas de Soporte Vectorial con las series temporales en crudo demostraron una mayor precisión. Estos hallazgos destacan la eficiencia y robustez de los modelos clásicos combinados con técnicas de extracción de características frente a métodos más complejos en problemas específicos de clasificación de series temporales.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Aparece en las colecciones:	Tesis de Maestría en Sistemas Computacionales

Este ítem está protegido por copyright original Visualizar la licencia

Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons