Treballs Fi de Màster> Enginyeria Informàtica i Matemàtiques

Analysis of Time Series for the Intelligent Support to Early Mobilization with Machine Learning

  • Dades identificatives

    Identificador: TFM:356
    Autors:
    Martin Colville, Alexander David
  • Altres:

    Paraules clau: series temporales, aprendizaje automático, movilización temprana time series, machine learning, early mobilization sèries temporals, aprenentatge automàtic, mobilització anticipada
    Títol en diferents idiomes: Análisis de series temporales para el soporte inteligente a la movilización temprana con aprendizaje automático Analysis of Time Series for the Intelligent Support to Early Mobilization with Machine Learning Anàlisi de sèries temporals per al suport intel·ligent a la mobilització anticipada amb l'aprenentatge automàtic
    Àrees temàtiques: Ingeniería informática Computer engineering Enginyeria informàtica
    Confidencialitat: No
    Curs acadèmic: 2017-2018
    Estudiant: Martin Colville, Alexander David
    Departament: Enginyeria Informàtica i Matemàtiques
    Data de la defensa del treball: 2018-09-17
    Crèdits del TFM: 9
    Director del projecte: Solanas, Agustí
    Resum: El propósito de este estudio es el análisis de técnicas de aprendizaje automático basadas en análisis de big data y redes neuronales artificiales para apoyar las técnicas de movilización temprana en pacientes en una Unidad de Cuidados Intensivos. Más específicamente, el objetivo es reconocer el movimiento de los pacientes para controlar su evolución a lo largo del tiempo, tratando con datos de series temporales obtenidos de acelerómetros. Este documento describe una implementación en la que se usan algoritmos múltiples (Máquinas de Vector de Soporte, Gaussian Naïve Bayes, Árboles de Decisión y Perceptrón Multicapa) junto con series temporales para entrenar modelos que estudian su precisión. Además, se crea un conjunto de datos de validación con dispositivos listos para usar para obtener nuevas predicciones de movimiento. El objetivo del proyecto es establecer dos hechos principales: la efectividad de las técnicas de aprendizaje automático cuando se trata de series temporales y su previsión, y la posibilidad de integración de estas para aplicaciones generalizadas. Programa: Maestría en Ingeniería de Seguridad Informática e Inteligencia The purpose of this study is the analysis of machine learning techniques based on big data analysis and artificial neural networks to support early mobilization techniques on patients in an Intensive Care Unit. More specifically, the goal is to recognize the movement of patients to monitor their evolution overtime, dealing with time series data obtained from accelerometers. This document outlines an implementation where multiple algorithms (Support Vector Machines, Gaussian Naïve Bayes, Decision Trees and Multilayer Perceptron) are used in conjunction with time series to train models study their accuracy. Furthermore, a validation dataset is created with off-the-shelf devices to obtain new motion predictions. The project is aimed to establish two main facts: the effectivity of machine learning techniques when dealing with time series and their forecasting and the possibility of the integration of these for widespread applications. El propòsit d'aquest estudi és l'anàlisi de tècniques d'aprenentatge automàtic basades en anàlisi de big data i xarxes neuronals artificials per donar suport a les tècniques de mobilització primerenca en pacients en una Unitat de Cures Intensives. Més específicament, l'objectiu és reconèixer el moviment dels pacients per controlar la seva evolució al llarg del temps, tractant amb dades de sèries temporals obtingudes d'acceleròmetres. Aquest document descriu una implementació en la qual es fan servir algoritmes múltiples (Màquines de Vector de Suport, Gaussian Naïve Bayes, Arbres de Decisió i Perceptró Multicapa) juntament amb sèries temporals per entrenar models que estudien la seva precisió. A més, es crea un conjunt de dades de validació amb dispositius preparats-per-utilitzar per obtenir noves prediccions de moviment. L'objectiu del projecte és establir dos fets principals: l'efectivitat de les tècniques d'aprenentatge automàtic quan es tracta de sèries temporals i la seva previsió, i la possibilitat d'integració d'aquestes per a aplicacions generalitzades.
    Matèria: Enginyeria informàtica
    Entitat: Universitat Rovira i Virgili (URV)
    Idioma: Anglès
    Ensenyament(s): Enginyeria de la Seguretat Informàtica i Intel·ligència Artificial
    Títol en la llengua original: Analysis of Time Series for the Intelligent Support to Early Mobilization with Machine Learning
    Data d'alta al repositori: 2019-02-11
  • Paraules clau:

    Ingeniería informática
    Computer engineering
    Enginyeria informàtica
    Enginyeria informàtica
  • Documents:

  • Cerca a google

    Search to google scholar