Examinando por Autor "Bermejo Escobar, Danitza Yvette"

Seleccione resultados tecleando las primeras letras
Mostrando 1 - 2 de 2
  • Miniatura
    info:eu-repo/semantics/masterThesis
    Estudio comparativo de redes neuronales convolucionales para la clasificación de especies forestales maderables en la amazonía peruana
    Bermejo Escobar, Danitza Yvette; Sotomayor Alzamora, Guina Guadalupe , 2021-11-16 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
    Actualmente, el uso de técnicas de aprendizaje profundo en la clasificación de especies se ha convertido en un área atractivo de investigación. Asimismo, la clasificación de especies forestales maderables en el Perú fue determinada como un problema crítico-prioritario por las autoridades forestales, debido al impacto negativo que lleva una incorrecta clasificación sobre los intereses nacionales. La presente investigación se centró en la comparación de los modelos de aprendizaje por transferencia: AlexNet, VGG-19, Inception V3 y ResNet-101, redes neuronales convolucionales pre-entrenadas para la clasificación de especies. Para ello, se presentó el conjunto de datos denominado Peruvian Amazon Forestry Dataset, conformado por 59,441 imágenes pertenecientes a 10 especies forestales maderables de la Amazonia peruana en peligro de extinción y con importancia económica. Para los experimentos se usaron dos tipos de datos de entrada (imágenes segmentadas e imágenes no segmentadas). Los modelos fueron evaluados cuantitativa (exactitud, precisión, exhaustividad y valor-F1) y cualitativamente (interpretabilidad visual). Los resultados presentan valores significativos para la red VGG-19 al utilizar entradas no segmentadas, alcanzando un 97.61% de exactitud en el entrenamiento, 98.87% en la validación, y una exactitud del 97.02% en el test. Además, gracias a la interpretabilidad, se observó que VGG-19 clasifica a partir de la forma y la vena de la hoja. Por último, es posible concluir que el modelo VGG-19 es una herramienta útil para que especialistas y materos para clasificar especies forestales maderables en tiempo real.
  • Miniatura
    info:eu-repo/semantics/bachelorThesis
    Modelo basado en aprendizaje profundo para el análisis de sentimiento de tuits en español
    Bermejo Escobar, Danitza Yvette; Vizcarra Aguilar, Gerson Waldyr; Vilca Huayta, Oliver Amadeo , 2019-11-06 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
    El análisis de sentimiento es una tarea de investigación en el campo del Procesamiento del Lenguaje Natural cuyo objetivo principal es determinar la polaridad de sentimiento de un texto. El análisis de sentimiento ha obtenido buenos resultados en el idioma inglés. Sin embargo, las métricas en español aún son bajas. La presente tesis propone tres modelos basados en aprendizaje profundo para abordar la tarea de análisis de sentimiento de tuits en español. El objetivo es mejorar los resultados obtenidos por métodos anteriores. Para ello, se ha realizado el preprocesamiento de los datos y la generación de representaciones de palabras que serán las entradas de los modelos. Seguidamente, se implementaron las redes neuronales recurrente, convolucional y un híbrido de ambos. Para evaluar los modelos propuestos, se utilizó el corpus InterTASS con cuatro clases. La métrica principal que se consideró es la exactitud. Los resultados muestran que los modelos propuestos son competitivos frente a previos métodos de referencia.