Reducción de la dimensionalidad de series temporales climáticas usando Deep Multi-Layer Autoencoder

Show simple item record

dc.contributor.advisor Cuadros Valdivia, Ana Maria
dc.contributor.author Alfonte Zapana, Reynaldo
dc.date.accessioned 2018-08-08T13:24:12Z
dc.date.available 2018-08-08T13:24:12Z
dc.date.issued 2018
dc.identifier.uri http://repositorio.unsa.edu.pe/handle/UNSA/6336
dc.description.abstract En este trabajo se propone un m´etodo basado en autoencoder para la reducción de la dimensionalidad de series temporales, el cual consiste en la configuración del número de capas y unidades. El método se comparo´ con técnicas de reducción de dimensionalidad lineales y no lineales. Además se provee dos casos de estudio para determinar relaciones en datos climáticos. Es importante la representación adecuada de las series temporales al momento de proceder a analizar con algoritmos de minería de datos y aprendizaje automático. En series temporales hay una diversidad de t´ecnicas de representación que a la vez hacen reducción de dimensionalidad. La representación más simple es considerar las series temporales ya de por sí como vector de características. De acuerdo a nuestro conocimiento, el autoencoder ha sido ampliamente estudiado en imágenes más no en series temporales. Este trabajo constituye un primer paso para llevar estudios más elaborados en series temporales con autoencoder, especialmente de climatología. Si bien existen estudios de otros tipos de redes neuronales Long Short-Term Memory Units (LSTMs) en análisis de series temporales, esos estudios no se relacionan con el autoencoder. Como parte de nuestros resultados se presenta: análisis de la capacidad de reducción de la dimensionalidad del método propuesto (multilayer autoencoder) en series temporales de UCR Time Series Classification Archive a trav´es de la calidad de clustering, análisis la capacidad en visualización a través del stress y análisis de dos casos de estudio en busca relaciones y similitudes en temperatura promedio de diferentes lugares en el Perú. es_PE
dc.description.uri Tesis es_PE
dc.format application/pdf es_PE
dc.language.iso spa es_PE
dc.publisher Universidad Nacional de San Agustín de Arequipa es_PE
dc.rights info:eu-repo/semantics/openAccess es_PE
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ es_PE
dc.source Universidad Nacional de San Agustín de Arequipa es_PE
dc.source Repositorio Institucional - UNSA es_PE
dc.subject Series temporales climáticas es_PE
dc.subject Autoencoder es_PE
dc.subject Aprendizaje profundo es_PE
dc.subject Visualización es_PE
dc.title Reducción de la dimensionalidad de series temporales climáticas usando Deep Multi-Layer Autoencoder es_PE
dc.type info:eu-repo/semantics/masterThesis es_PE
thesis.degree.name Maestro en Ciencias Informática, mención en Tecnologías de Información es_PE
thesis.degree.grantor Universidad Nacional de San Agustín de Arequipa.Unidad de Posgrado.Facultad de Ingenieria de Producción y Servicios es_PE
thesis.degree.level Maestría es_PE
thesis.degree.discipline Maestría en Ciencias Informática, mención en Tecnologías de Información es_PE
dc.subject.ocde Etica relacionada con Biotecnología Medioambiental es_PE


Files in this item

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess