Citas bibligráficas
Esta es una referencia generada automáticamente. Modifíquela de ser necesario
Moreno, F., (2022). Técnicas de aprendizaje profundo para el análisis de la percepción de la seguridad urbana [Tesis, Universidad Católica San Pablo]. https://hdl.handle.net/20.500.12590/17274
Moreno, F., Técnicas de aprendizaje profundo para el análisis de la percepción de la seguridad urbana [Tesis]. PE: Universidad Católica San Pablo; 2022. https://hdl.handle.net/20.500.12590/17274
@mastersthesis{renati/783847,
title = "Técnicas de aprendizaje profundo para el análisis de la percepción de la seguridad urbana",
author = "Moreno Vera, Felipe Adrian",
publisher = "Universidad Católica San Pablo",
year = "2022"
}
Título: Técnicas de aprendizaje profundo para el análisis de la percepción de la seguridad urbana
Autor(es): Moreno Vera, Felipe Adrian
Asesor(es): Poco Medina, Jorge Luis
Palabras clave: Deep learning; Convolutional neural networks; GAN; Features extraction; Urban perception
Campo OCDE: http://purl.org/pe-repo/ocde/ford#1.02.01
Fecha de publicación: 2022
Institución: Universidad Católica San Pablo
Resumen: La percepción es la forma en que los humanos interpretan y comprenden la información captada después de la interacción con el entorno que les rodea, aprendiendo nuevas experiencias o reforzando otras ya vividas. La percepción de la seguridad urbana se puede describir en cómo los humanos presentan una reacción ante un determinado estímulo proveniente de la apariencia visual o conocimiento previo sobre un cierto lugar (calles, zonas urbanas, etc). A partir de esta idea, diversos estudios buscaron describir dicho fenómeno teniendo como ejemplo más notable la teoría denominada \The Broken Window", la cual estudiaba el comportamiento de las personas frente a ambientes cuya apariencia visual era caótica. Así mismo, recientemente este estudio está siendo implementado utilizando diversos tipos de datos, no solo limitándose a encuestas o experimentos sociales, con el objetivo de determinar la relación entre la percepción urbana y características intrínsecas de los ciudades; de los cuales, uno de los conjuntos de datos más resaltables es Place Pulse. En este trabajo, se propone una metodología que permita analizar y explorar los datos de Place Pulse 2.0. Como resultados principales, presentamos un análisis exploratorio de los datos, resaltando la organización y comportamiento de los datos. Además, presentamos una comparación entre diferentes técnicas de aprendizaje supervisado y semi-supervisado. Mostrando que un modelo Generative Adversarial Networks (GAN) presenta mejores resultados que técnicas convencionales.
Enlace al repositorio: https://hdl.handle.net/20.500.12590/17274
Disciplina académico-profesional: Ciencia de la Computación
Institución que otorga el grado o título: Universidad Católica San Pablo. Departamento de Ciencia de la Computación
Grado o título: Maestro en Ciencia de la Computación
Jurado: José Eduardo Ochoa Luna; Rensso Victor Hugo Mora Colque; Guillermo Cámara Chavez
Fecha de registro: 27-sep-2022
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons