Análisis de series temporales para el soporte inteligente a la movilización temprana con aprendizaje automático

Identificador:  TFM:356

Handle: https://hdl.handle.net/20.500.11797/TFM356

Autores:  Martin Colville, Alexander David

Resumen:
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