Aprendizaje profundo aplicado a la identificación de rutinas
- Autores
- Menchón, Martín Alejandro
- Año de publicación
- 2024
- Idioma
- español castellano
- Tipo de recurso
- tesis doctoral
- Estado
- versión aceptada
- Colaborador/a o director/a de tesis
- Massa, José María
Ivanova Radeva, Petia - Descripción
- En los últimos años se ha comprobado que el registro de las actividades diarias de una persona puede llegar a comprender un volumen de información extenso, el cual puede contribuir a tratamientos contra enfermedades o condiciones relacionadas a la pérdida de memoria. Una forma de capturar estos eventos, es mediante el uso de cámaras egocéntricas, un tipo de cámaras que intentan imitar el campo visual de un individuo. Gracias a los avances en el área de la inteligencia artificial, los algoritmos de Deep Learning para la clasificación de imágenes convierten la tarea de clasificar estas imágenes en una tarea semi-automática. En base a esta premisa, se pretende estudiar la viabilidad de una solución que sea capaz de detectar e identificar actividades rutinarias a partir de un conjunto de imágenes tomadas a lo largo de un período de tiempo determinado.
Fil: Menchón, Martín Alejandro. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Massa, José María. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Fil: Ivanova Radeva, Petia. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina. - Materia
-
Inteligencia artificial
Cámaras egocéntricas
Multidimensional Scaling
Tesis de doctorado
Matemática computacional - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc/2.5/ar/
- Repositorio
- Institución
- Universidad Nacional del Centro de la Provincia de Buenos Aires
- OAI Identificador
- oai:ridaa.unicen.edu.ar:123456789/4248
Ver los metadatos del registro completo
id |
RIDUNICEN_b7595c46a8edc9edb143e8943560117d |
---|---|
oai_identifier_str |
oai:ridaa.unicen.edu.ar:123456789/4248 |
network_acronym_str |
RIDUNICEN |
repository_id_str |
a |
network_name_str |
RIDAA (UNICEN) |
spelling |
Aprendizaje profundo aplicado a la identificación de rutinasMenchón, Martín AlejandroInteligencia artificialCámaras egocéntricasMultidimensional ScalingTesis de doctoradoMatemática computacionalEn los últimos años se ha comprobado que el registro de las actividades diarias de una persona puede llegar a comprender un volumen de información extenso, el cual puede contribuir a tratamientos contra enfermedades o condiciones relacionadas a la pérdida de memoria. Una forma de capturar estos eventos, es mediante el uso de cámaras egocéntricas, un tipo de cámaras que intentan imitar el campo visual de un individuo. Gracias a los avances en el área de la inteligencia artificial, los algoritmos de Deep Learning para la clasificación de imágenes convierten la tarea de clasificar estas imágenes en una tarea semi-automática. En base a esta premisa, se pretende estudiar la viabilidad de una solución que sea capaz de detectar e identificar actividades rutinarias a partir de un conjunto de imágenes tomadas a lo largo de un período de tiempo determinado. Fil: Menchón, Martín Alejandro. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: Massa, José María. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Fil: Ivanova Radeva, Petia. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias ExactasMassa, José MaríaIvanova Radeva, Petia20242024-12-18T13:15:47Z2024-12-18T13:15:47Zinfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralapplication/pdfapplication/pdfMenchón, M. A. (2024). Aprendizaje profundo aplicado a la identificación de rutinas [Tesis de doctorado]. Universidad Nacional del Centro de la Provincia de Buenos Aires, Argentina.https://doi.org/10.52278/4248https://www.ridaa.unicen.edu.ar/handle/123456789/4248spahttp://creativecommons.org/licenses/by-nc/2.5/ar/info:eu-repo/semantics/openAccessreponame:RIDAA (UNICEN)instname:Universidad Nacional del Centro de la Provincia de Buenos Aires2025-09-29T13:41:01Zoai:ridaa.unicen.edu.ar:123456789/4248instacron:UNICENInstitucionalhttps://www.ridaa.unicen.edu.ar/Universidad públicaNo correspondehttps://www.ridaa.unicen.edu.ar/oailleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;ArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2025-09-29 13:41:01.996RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Airesfalse |
dc.title.none.fl_str_mv |
Aprendizaje profundo aplicado a la identificación de rutinas |
title |
Aprendizaje profundo aplicado a la identificación de rutinas |
spellingShingle |
Aprendizaje profundo aplicado a la identificación de rutinas Menchón, Martín Alejandro Inteligencia artificial Cámaras egocéntricas Multidimensional Scaling Tesis de doctorado Matemática computacional |
title_short |
Aprendizaje profundo aplicado a la identificación de rutinas |
title_full |
Aprendizaje profundo aplicado a la identificación de rutinas |
title_fullStr |
Aprendizaje profundo aplicado a la identificación de rutinas |
title_full_unstemmed |
Aprendizaje profundo aplicado a la identificación de rutinas |
title_sort |
Aprendizaje profundo aplicado a la identificación de rutinas |
dc.creator.none.fl_str_mv |
Menchón, Martín Alejandro |
author |
Menchón, Martín Alejandro |
author_facet |
Menchón, Martín Alejandro |
author_role |
author |
dc.contributor.none.fl_str_mv |
Massa, José María Ivanova Radeva, Petia |
dc.subject.none.fl_str_mv |
Inteligencia artificial Cámaras egocéntricas Multidimensional Scaling Tesis de doctorado Matemática computacional |
topic |
Inteligencia artificial Cámaras egocéntricas Multidimensional Scaling Tesis de doctorado Matemática computacional |
dc.description.none.fl_txt_mv |
En los últimos años se ha comprobado que el registro de las actividades diarias de una persona puede llegar a comprender un volumen de información extenso, el cual puede contribuir a tratamientos contra enfermedades o condiciones relacionadas a la pérdida de memoria. Una forma de capturar estos eventos, es mediante el uso de cámaras egocéntricas, un tipo de cámaras que intentan imitar el campo visual de un individuo. Gracias a los avances en el área de la inteligencia artificial, los algoritmos de Deep Learning para la clasificación de imágenes convierten la tarea de clasificar estas imágenes en una tarea semi-automática. En base a esta premisa, se pretende estudiar la viabilidad de una solución que sea capaz de detectar e identificar actividades rutinarias a partir de un conjunto de imágenes tomadas a lo largo de un período de tiempo determinado. Fil: Menchón, Martín Alejandro. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina. Fil: Massa, José María. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina. Fil: Ivanova Radeva, Petia. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina. |
description |
En los últimos años se ha comprobado que el registro de las actividades diarias de una persona puede llegar a comprender un volumen de información extenso, el cual puede contribuir a tratamientos contra enfermedades o condiciones relacionadas a la pérdida de memoria. Una forma de capturar estos eventos, es mediante el uso de cámaras egocéntricas, un tipo de cámaras que intentan imitar el campo visual de un individuo. Gracias a los avances en el área de la inteligencia artificial, los algoritmos de Deep Learning para la clasificación de imágenes convierten la tarea de clasificar estas imágenes en una tarea semi-automática. En base a esta premisa, se pretende estudiar la viabilidad de una solución que sea capaz de detectar e identificar actividades rutinarias a partir de un conjunto de imágenes tomadas a lo largo de un período de tiempo determinado. |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024 2024-12-18T13:15:47Z 2024-12-18T13:15:47Z |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/doctoralThesis info:eu-repo/semantics/acceptedVersion http://purl.org/coar/resource_type/c_db06 info:ar-repo/semantics/tesisDoctoral |
format |
doctoralThesis |
status_str |
acceptedVersion |
dc.identifier.none.fl_str_mv |
Menchón, M. A. (2024). Aprendizaje profundo aplicado a la identificación de rutinas [Tesis de doctorado]. Universidad Nacional del Centro de la Provincia de Buenos Aires, Argentina. https://doi.org/10.52278/4248 https://www.ridaa.unicen.edu.ar/handle/123456789/4248 |
identifier_str_mv |
Menchón, M. A. (2024). Aprendizaje profundo aplicado a la identificación de rutinas [Tesis de doctorado]. Universidad Nacional del Centro de la Provincia de Buenos Aires, Argentina. |
url |
https://doi.org/10.52278/4248 https://www.ridaa.unicen.edu.ar/handle/123456789/4248 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc/2.5/ar/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc/2.5/ar/ |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas |
publisher.none.fl_str_mv |
Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas |
dc.source.none.fl_str_mv |
reponame:RIDAA (UNICEN) instname:Universidad Nacional del Centro de la Provincia de Buenos Aires |
reponame_str |
RIDAA (UNICEN) |
collection |
RIDAA (UNICEN) |
instname_str |
Universidad Nacional del Centro de la Provincia de Buenos Aires |
repository.name.fl_str_mv |
RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Aires |
repository.mail.fl_str_mv |
lleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ; |
_version_ |
1844619008289013760 |
score |
12.559606 |