dc.contributor.advisor | Martínez Zarzuela, Mario | es |
dc.contributor.author | Sáez Bombín, Sergio | |
dc.contributor.editor | Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de Telecomunicación | es |
dc.date.accessioned | 2018-11-29T11:35:38Z | |
dc.date.available | 2018-11-29T11:35:38Z | |
dc.date.issued | 2018 | |
dc.identifier.uri | http://uvadoc.uva.es/handle/10324/33059 | |
dc.description.abstract | El objetivo de este Trabajo Fin de Grado consiste en el desarrollo de una red neuronal vía software capaz de clasificar actividades físicas a partir de un set limitado de ellas, teniendo que generalizar, la propia red, patrones o características propias de cada actividad para poder reconocerlas sin importar el sujeto que las esté realizando.
En primer lugar, estudiaremos las posibles utilizaciones que se dan a las redes neuronales y su uso con datos provenientes de sensores inerciales. A continuación, se expondrá la situación en la que se encuentra hoy en día el reconocimiento de actividades físicas mediante el uso de la Inteligencia Artificial y más en concreto, del Deep Learning. Tras este estudio, se presentarán los fundamentos matemáticos y teóricos en los que se basa el diseño de redes neuronales, con el objetivo de justificar las decisiones de diseño que se han llevado a cabo. Finalmente, se describirán las redes neuronales diseñadas y se presentarán sus resultados, terminando con las conclusiones sacadas y el planteamiento de las posibles líneas futuras a seguir raíz de este Trabajo Fin de Grado. | es |
dc.format.mimetype | application/pdf | es |
dc.language.iso | spa | es |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
dc.subject.classification | Reconocimiento de actividades humanas | es |
dc.subject.classification | Sensores inerciales | es |
dc.subject.classification | Inteligencia artificial | es |
dc.subject.classification | Deep Learning | es |
dc.title | Reconocimiento de actividades físicas con sensores inerciales y Redes Neuronales de Aprendizaje Profundo | es |
dc.type | info:eu-repo/semantics/bachelorThesis | es |
dc.description.degree | Grado en Ingeniería de Tecnologías de Telecomunicación | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | |