Look-up in Google Scholar
Title: Método de predicción de velocidad para una red de tráfico de gran escala usando una convolutional neural network con separable convolution
Advisor(s): Herrera Quispe, José Alfredo
OCDE field: https://purl.org/pe-repo/ocde/ford#2.02.03
Issue Date: 2018
Institution: Universidad Nacional de San Agustín de Arequipa
Abstract: Esta investigación propone la reducción del tiempo de convergencia del método de predicción de velocidad basado en una convolutional neural network (CNN) para toda una red de tráfico, manteniendo el performance de todas las tareas de predicciones del método CNN. El método propuesto llamado CNNSEP incluye una capa de separable convolution en su configuración, que permite reducir el tiempo de convergencia del método de predicción basado en CNN, manteniendo el performance de todas las tareas de predicciones de velocidad para toda una red de tráfico. Además se realiza otra configuración llamado CNNSEP2 que permite reducir el error de las predicciones del método CNN, pero no reduce el tiempo de convergencia del método CNN. Para esta investigación, se utilizan datos reales del sistema web de California llamado Caltrans Performance Measurement System (PeMS). Finalmente los resultados demuestran que el método propuesto CNNSEP, reduce el tiempo de convergencia en todas las tareas de predición, manteniendo un performance similar en sus predicciones como el método basado en CNN.
Discipline: Maestría en Ciencias: Informática, con mención en Tecnologías de Información
Grade or title grantor: Universidad Nacional de San Agustín de Arequipa.Unidad de Posgrado.Facultad de Ingeniería de Producción y Servicios
Grade or title: Maestro en Ciencias: Informática, con mención en Tecnologías de Información
Register date: 8-Jan-2019



This item is licensed under a Creative Commons License Creative Commons