Mostrar el registro sencillo del ítem
dc.contributor.advisor | Vegas Hernández, Jesús María | es |
dc.contributor.author | Fernández Guaza, Alfredo | |
dc.contributor.editor | Universidad de Valladolid. Escuela de Ingeniería Informática de Valladolid | es |
dc.date.accessioned | 2022-11-21T11:45:37Z | |
dc.date.available | 2022-11-21T11:45:37Z | |
dc.date.issued | 2022 | |
dc.identifier.uri | https://uvadoc.uva.es/handle/10324/57277 | |
dc.description.abstract | ¿Crees que se puede identificar a una persona por su forma de abrir una puerta? En este Trabajo Fin de Grado, mediante técnicas de Inteligencia Artificial se explicará cómo se ha llegado a una precisión de 88 personas identificadas correctamente de cada 100. Para ello, a partir de un conjunto de datos formado por secuencias de lecturas de sensores por cada individuo, se logra identificar a usuarios entre 47 individuos distintos por su forma de abrir la puerta mediante técnicas de Aprendizaje Profundo. Aparte, se explica el funcionamiento de las redes neuronales utilizadas para el Aprendizaje Profundo y se dará una guía para resolver problemas de Aprendizaje Automático. Para implementar la solución se ha empleado el lenguaje de programación Python junto con la biblioteca TensorFlow y la API Keras. | es |
dc.description.abstract | Do you think a person can be identified by the way he/she opens a door? In this Final Degree Project, using Artificial Intelligence techniques, it will be explained how an accuracy of 88 people correctly identified out of 100 has been reached. This was achieved using a dataset formed by sequences of sensor readings for each individual, it is possible to identify users among 47 different individuals by their way of opening the door by Deep Learning techniques. In addition, it will be explained how neural networks used for Deep Learning works and a guide to solve Machine Learning problems will be given. To implement the solution, the Python programming language has been used together with the TensorFlow library and the Keras API. | es |
dc.description.sponsorship | Departamento de Informática (Arquitectura y Tecnología de Computadores, Ciencias de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos) | 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 | Aprendizaje profundo | es |
dc.subject.classification | Redes neuronales | es |
dc.title | Identificación de personas mediante redes neuronales a partir de datos obtenidos por sensores | es |
dc.type | info:eu-repo/semantics/bachelorThesis | es |
dc.description.degree | Grado en Ingeniería Informática | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
- Trabajos Fin de Grado UVa [28623]
La licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional