Estudio de viabilidad de un sistema de localización en zona rural del departamento del Huila basado en la intensidad de señal recibida en una red Lpwan / (Record no. 47791)

000 -CABECERA
campo de control de longitud fija nam a22 7a 4500
005 - FECHA Y HORA DE ACTUALIZACIÓN
005 20221201083706.0
008 - LONGITUD FIJA
campo de control de longitud fija 220929e2022 ck ao||fsm||| 00| 0 spa d
040 ## - FUENTE DE CATALOGACIÓN
Centro catalogador/agencia de origen CO-NeUS
Lengua de catalogación español
Normas de descripción rda
041 ## - IDIOMA
Código de lengua del texto/banda sonora o título independiente español
100 1# - AUTOR PERSONAL
9 (RLIN) 152666
nombre Pastrana Ardila, Juan Sebastián
relación autor
245 10 - TÍTULO PROPIAMENTE DICHO
título Estudio de viabilidad de un sistema de localización en zona rural del departamento del Huila basado en la intensidad de señal recibida en una red Lpwan /
Mención de responsabilidad, etc. Juan Sebastián Pastrana Ardila, Luis Daniel Valencia García; Director Martín Diomedes Bravo Obando
256 ## - CARACTERÍSTICAS DEL ARCHIVO DE ORDENADOR
Características del archivo de computador Datos electrónicos (1 archivos:7091 MG)
264 1# - PIE DE IMPRENTA
lugar (ciudad) Neiva:
editorial Universidad Surcolombiana,
fecha 2022
300 ## - DESCRIPCIÓN FÍSICA
Extensión 1 CD-ROM (90 páginas);
Ilustraciones diagramas, fotografías, ilustraciones en general, tablas o cuadros;
Dimensiones 12 cm
336 ## - TIPO DE CONTENIDO
Content type term texto
337 ## - MEDIACIÓN
RDA rdamedia
Content type term computadora
338 ## - PORTADOR
RDA rdacarrier
Content type term disco de la computadora
Portador cd
347 ## - Características del archivo digital (R)
RDA rda
502 ## - NOTA DE TESIS
Nota de tesis Tesis
título otorgado Ingeniero Electrónico
Institución Universidad Surcolombiana. Facultad de Ingeniería. Ingeniería Electrónica.
año 2022
505 ## - NOTA DE CONTENIDO
Nota de contenido Introducción -- Objetivos, general, específicos -- Antecedentes -- Capítulo uno: Fundamentos básicos, redes Lpwan, LoRa, Machine learning y deep learning, máquinas de soporte vectorial, los K-vecinos más cercanos, árbol de decisión, clasificador bayesiano ingenuo, redes neuronales artificiales.-- Capítulo dos: Configuración de red lora, dispositivos utilizados, Dragino Lora Shield, Lg01 Lora Gateway, entorno arduino ide y librería radiohead rf95, algoritmo de envío y recepción de localización, implementación de red y adquisición niveles Rssi, recolección y filtrado de datos. -- Capítulo tres: Desarrollo de modelo, Python procesamiento de datos, cargas de datos, escalado de características: Normalización estándar, división de datos: entrenamiento y prueba, entrenamiento de modelos, optimización hiperparámetros: búsqueda en cuadrilla, métricas de rendimiento, modelos machine learning, redes neuronales profundas, escalado de características: Función minmax, arquitectura, smote, función de activación, entrenamiento de red neuronal -- Resultados y discusiones, selección de mejores modelos, reportes de clasificación, matriz de confusión -- Conclusiones y recomendaciones

520 ## - RESUMEN
Resumen "En este trabajo se implementó una red LPWAN basada en tecnología LoRa en un conjunto residencial del corregimiento La Ulloa en el municipio de Rivera, este fue dividido en zonas para realizar envío de mensajes y adquirir niveles de intensidad de señal en cada zona para ser utilizados posteriormente con el fin de estimar la ubicación de un nodo LoRa dentro de la zona cubierta por la red mediante el uso de un algoritmo de “Machine Learning” entrenado con estos niveles.
Una finalidad importante en este trabajo es la estimación de localización a partir del nivel de intensidad de señal recibida (RSSI) en las puertas de enlace LoRa, con el objetivo de discriminar la zona dentro de la red a la cual corresponde los niveles de intensidad obtenidos mediante el uso de algoritmos de clasificación, estos basan la estimación a partir de análisis probabilístico, a diferencia de trabajos previos donde se implementan algoritmos de regresión basados en análisis estadístico, replicando la técnica de estimación de huella digital del RSSI, se implementaron los algoritmos de Machine Learning para multiclasificación de máquina de soporte vectorial, los k-vecinos más cercanos, arboles de decisión red neuronal, se comparan los resultados de las predicciones obtenidas, determinando la red neuronal como el algoritmo más eficiente para esta localización basada en RSSI. Finalmente se evalúa el rendimiento del modelo de red neuronal con más detalle mediante la matriz de confusión, analizando las posibles fuentes de error, finalmente se proponen mejoras a este tipo de implementaciones para trabajos futuros."
700 1# - COAUTOR PERSONAL
9 (RLIN) 152667
Nombre de persona Valencia García, Luis Daniel
Término indicativo de función/relación autor
700 1# - COAUTOR PERSONAL
9 (RLIN) 32341
Nombre de persona Bravo Obando, Martín Diomedes,
Término indicativo de función/relación Director
082 04 - CLASIFICACIÓN DECIMAL DEWEY
edición 21
Clasificación Th IE 0380
650 #0 - MATERIA GENERAL
9 (RLIN) 152668
Término de materia o nombre geográfico como elemento inicial Ingeniería Electrónica
Subdivisión general Sistema de Comunicación
650 #0 - MATERIA GENERAL
9 (RLIN) 152670
Término de materia o nombre geográfico como elemento inicial Aprendizaje de máquina
Subdivisión general Modelamiento
942 ## - PUNTO DE ACCESO ADICIONAL KOHA
Fuente del sistema de clasificación o colocación
Tipo de ítem Koha e-Tesis
Parte de la signatura que corresponde a la clasificación (Parte de la clasificación) Th IE 0380
Prefijo de la signatura Th
Holdings
Ocultar en el OPAC Perdido Esquema de clasificación No circula Colección Sede propietaria Localización actual Adquirido Signatura topográfica Código de barras Visto por última vez Ejemplar Tipo de ítem
En Colección       Tesis y Trabajos de Grado Biblioteca Central Biblioteca Central 2022-09-29 Th IE 0380 900000024244 2022-09-29 Ej.1 e-Tesis
En Colección       Tesis y Trabajos de Grado Biblioteca Central Biblioteca Central 2022-09-29 Th IE 0380 900000024245 2022-09-29 Ej.2 e-Tesis

Powered by Koha