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
RIDAA (UNICEN)
Institución
Universidad Nacional del Centro de la Provincia de Buenos Aires
OAI Identificador
oai:ridaa.unicen.edu.ar:123456789/4248
Acceder
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 Aires2025-10-23T11:15:12Zoai: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:a2025-10-23 11:15:12.948RIDAA (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_ 1846785125837176832
score 12.982451

Publicaciones similares