Simulación y evaluación de técnicas de clustering para el reconocimiento de gestos estáticos en la traducción de la lengua de señas peruana
Descripción del Articulo
La presente investigación simuló Redes Neuronales Artificiales y evaluó su proceso de clustering de vectores de datos digitales captados por un guante electrónico, pertenecientes a 24 señas estáticas del alfabeto dactilológico peruano, utilizando para este cometido la evaluación de 3 parámetros dist...
Autor: | |
---|---|
Formato: | tesis de grado |
Fecha de Publicación: | 2020 |
Institución: | Universidad Ricardo Palma |
Repositorio: | URP-Tesis |
Lenguaje: | español |
OAI Identifier: | oai:repositorio.urp.edu.pe:20.500.14138/3647 |
Enlace del recurso: | https://hdl.handle.net/20.500.14138/3647 |
Nivel de acceso: | acceso abierto |
Materia: | Algoritmo de clustering precisión recall Deep Learning Toolbox Lengua de Señas Peruana https://purl.org/pe-repo/ocde/ford#2.02.00 |
id |
URPU_4130e84e62f49be1d6faa6df73a5e9ee |
---|---|
oai_identifier_str |
oai:repositorio.urp.edu.pe:20.500.14138/3647 |
network_acronym_str |
URPU |
network_name_str |
URP-Tesis |
repository_id_str |
4057 |
dc.title.es_ES.fl_str_mv |
Simulación y evaluación de técnicas de clustering para el reconocimiento de gestos estáticos en la traducción de la lengua de señas peruana |
title |
Simulación y evaluación de técnicas de clustering para el reconocimiento de gestos estáticos en la traducción de la lengua de señas peruana |
spellingShingle |
Simulación y evaluación de técnicas de clustering para el reconocimiento de gestos estáticos en la traducción de la lengua de señas peruana Espinoza Hoyos, Carlos Anibal Algoritmo de clustering precisión recall Deep Learning Toolbox Lengua de Señas Peruana https://purl.org/pe-repo/ocde/ford#2.02.00 |
title_short |
Simulación y evaluación de técnicas de clustering para el reconocimiento de gestos estáticos en la traducción de la lengua de señas peruana |
title_full |
Simulación y evaluación de técnicas de clustering para el reconocimiento de gestos estáticos en la traducción de la lengua de señas peruana |
title_fullStr |
Simulación y evaluación de técnicas de clustering para el reconocimiento de gestos estáticos en la traducción de la lengua de señas peruana |
title_full_unstemmed |
Simulación y evaluación de técnicas de clustering para el reconocimiento de gestos estáticos en la traducción de la lengua de señas peruana |
title_sort |
Simulación y evaluación de técnicas de clustering para el reconocimiento de gestos estáticos en la traducción de la lengua de señas peruana |
author |
Espinoza Hoyos, Carlos Anibal |
author_facet |
Espinoza Hoyos, Carlos Anibal |
author_role |
author |
dc.contributor.advisor.fl_str_mv |
Huamaní Navarrete, Pedro F. |
dc.contributor.author.fl_str_mv |
Espinoza Hoyos, Carlos Anibal |
dc.subject.es_ES.fl_str_mv |
Algoritmo de clustering precisión recall Deep Learning Toolbox Lengua de Señas Peruana |
topic |
Algoritmo de clustering precisión recall Deep Learning Toolbox Lengua de Señas Peruana https://purl.org/pe-repo/ocde/ford#2.02.00 |
dc.subject.ocde.none.fl_str_mv |
https://purl.org/pe-repo/ocde/ford#2.02.00 |
description |
La presente investigación simuló Redes Neuronales Artificiales y evaluó su proceso de clustering de vectores de datos digitales captados por un guante electrónico, pertenecientes a 24 señas estáticas del alfabeto dactilológico peruano, utilizando para este cometido la evaluación de 3 parámetros distintivos como lo son: la tabla de contingencia, la precisión y el recall y se justificó por cuanto posee valor tanto social como académico; así mismo, se explicó la variable independiente, definida por las técnicas de clustering (de Regresión General como las de Aprendizaje por Cuantización Vectorial) a implementar, para ambos casos se optó por trabajar con 3 redes neuronales distintas: una encargada de las señas, otra para los sensores MPU y una red conjugada que congrega los resultados de las redes previas, y la variable dependiente definida por el reconocimiento de los gestos estáticos y evaluada por medio de la tabla de contingencia, la precisión y el recall. En cuanto a los resultados, evidenciaron que una Red Neuronal de Regresión Generalizada posee una gran capacidad en el reconocimiento de estos gestos, con una precisión y recall del 100% verificada en su tabla de contingencia para datos pre procesados, así como una resistencia al ruido del 1% para mantener esta efectividad; por otro lado, una Red Neuronal de Aprendizaje por Cuantización Vectorial requiere de una mayor cantidad de sensores, así como la adición de una red distinta para poder ser más preciso en su reconocimiento, con valores de precisión y recall iguales a 93.75% y mejorados al 100% con la adición de una red GRNN final. Además de ello, se verificó que esta red neuronal LVQ no posee mucha tolerancia al ruido al tener valores máximos de precisión y recall de 98.14% y 97.43% ante la aplicación de ruido a un nivel del 0.1% y valores mínimos de 90.25 y 88.05 respectivamente ante la aplicación del 10% de ruido. |
publishDate |
2020 |
dc.date.accessioned.none.fl_str_mv |
2021-05-14T05:27:08Z |
dc.date.available.none.fl_str_mv |
2021-05-14T05:27:08Z |
dc.date.issued.fl_str_mv |
2020 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.14138/3647 |
url |
https://hdl.handle.net/20.500.14138/3647 |
dc.language.iso.none.fl_str_mv |
spa |
language |
spa |
dc.relation.ispartof.fl_str_mv |
SUNEDU |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.uri.none.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.es_ES.fl_str_mv |
Universidad Ricardo Palma - URP |
dc.publisher.country.es_ES.fl_str_mv |
PE |
dc.source.es_ES.fl_str_mv |
Repositorio Institucional - URP |
dc.source.none.fl_str_mv |
reponame:URP-Tesis instname:Universidad Ricardo Palma instacron:URP |
instname_str |
Universidad Ricardo Palma |
instacron_str |
URP |
institution |
URP |
reponame_str |
URP-Tesis |
collection |
URP-Tesis |
bitstream.url.fl_str_mv |
https://dspace-urp.metabuscador.org/bitstreams/7fb8c893-2a3d-43dc-ae55-ee6cea2f872b/download https://dspace-urp.metabuscador.org/bitstreams/a6376c34-deec-43ab-9d7b-3c889838435d/download https://dspace-urp.metabuscador.org/bitstreams/95ec0749-4fee-4859-a3d5-1bede577a319/download https://dspace-urp.metabuscador.org/bitstreams/68d25746-9774-4eb9-9d72-0c063c6662c5/download |
bitstream.checksum.fl_str_mv |
5e91bb78931b9b345b8e5ac8d75689f0 8a4605be74aa9ea9d79846c1fba20a33 c3c2cac30f92bbb0c0ce3ba213895f5b 3e24e6b4c2c7a6a986082b9d2bc194a9 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional de la Universidad Ricardo Palma |
repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
_version_ |
1846071492968710144 |
spelling |
Huamaní Navarrete, Pedro F.Espinoza Hoyos, Carlos Anibal2021-05-14T05:27:08Z2021-05-14T05:27:08Z2020https://hdl.handle.net/20.500.14138/3647La presente investigación simuló Redes Neuronales Artificiales y evaluó su proceso de clustering de vectores de datos digitales captados por un guante electrónico, pertenecientes a 24 señas estáticas del alfabeto dactilológico peruano, utilizando para este cometido la evaluación de 3 parámetros distintivos como lo son: la tabla de contingencia, la precisión y el recall y se justificó por cuanto posee valor tanto social como académico; así mismo, se explicó la variable independiente, definida por las técnicas de clustering (de Regresión General como las de Aprendizaje por Cuantización Vectorial) a implementar, para ambos casos se optó por trabajar con 3 redes neuronales distintas: una encargada de las señas, otra para los sensores MPU y una red conjugada que congrega los resultados de las redes previas, y la variable dependiente definida por el reconocimiento de los gestos estáticos y evaluada por medio de la tabla de contingencia, la precisión y el recall. En cuanto a los resultados, evidenciaron que una Red Neuronal de Regresión Generalizada posee una gran capacidad en el reconocimiento de estos gestos, con una precisión y recall del 100% verificada en su tabla de contingencia para datos pre procesados, así como una resistencia al ruido del 1% para mantener esta efectividad; por otro lado, una Red Neuronal de Aprendizaje por Cuantización Vectorial requiere de una mayor cantidad de sensores, así como la adición de una red distinta para poder ser más preciso en su reconocimiento, con valores de precisión y recall iguales a 93.75% y mejorados al 100% con la adición de una red GRNN final. Además de ello, se verificó que esta red neuronal LVQ no posee mucha tolerancia al ruido al tener valores máximos de precisión y recall de 98.14% y 97.43% ante la aplicación de ruido a un nivel del 0.1% y valores mínimos de 90.25 y 88.05 respectivamente ante la aplicación del 10% de ruido.Submitted by Hidalgo Alvarez Jofre (jhidalgoa@urp.edu.pe) on 2021-05-14T05:27:08Z No. of bitstreams: 1 ELEC-T030_73892049_T ESPINOZA HOYOS CARLOS ANIBAL.pdf: 2375649 bytes, checksum: 5e91bb78931b9b345b8e5ac8d75689f0 (MD5)Made available in DSpace on 2021-05-14T05:27:08Z (GMT). No. of bitstreams: 1 ELEC-T030_73892049_T ESPINOZA HOYOS CARLOS ANIBAL.pdf: 2375649 bytes, checksum: 5e91bb78931b9b345b8e5ac8d75689f0 (MD5) Previous issue date: 2020Tesisapplication/pdfspaUniversidad Ricardo Palma - URPPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/4.0/Repositorio Institucional - URPreponame:URP-Tesisinstname:Universidad Ricardo Palmainstacron:URPAlgoritmo de clusteringprecisiónrecallDeep Learning ToolboxLengua de Señas Peruanahttps://purl.org/pe-repo/ocde/ford#2.02.00Simulación y evaluación de técnicas de clustering para el reconocimiento de gestos estáticos en la traducción de la lengua de señas peruanainfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionSUNEDUIngeniería ElectrónicaUniversidad Ricardo Palma. Facultad de Ingeniería. Escuela Profesional de Ingeniería ElectrónicaTítulo ProfesionalIngeniería ElectrónicaIngeniero Electrónicohttps://orcid.org/0000-0002-3753-977710032682https://purl.org/pe-repo/renati/type#tesishttps://purl.org/pe-repo/renati/nivel#tituloProfesional712026Chong Rodríguez, HumbertoSánchez Bravo, Miguel ÁngelGónzales Prado, Julio César73892049PublicationORIGINALELEC-T030_73892049_T ESPINOZA HOYOS CARLOS ANIBAL.pdfELEC-T030_73892049_T ESPINOZA HOYOS CARLOS ANIBAL.pdfapplication/pdf2375649https://dspace-urp.metabuscador.org/bitstreams/7fb8c893-2a3d-43dc-ae55-ee6cea2f872b/download5e91bb78931b9b345b8e5ac8d75689f0MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://dspace-urp.metabuscador.org/bitstreams/a6376c34-deec-43ab-9d7b-3c889838435d/download8a4605be74aa9ea9d79846c1fba20a33MD52TEXTELEC-T030_73892049_T ESPINOZA HOYOS CARLOS ANIBAL.pdf.txtELEC-T030_73892049_T ESPINOZA HOYOS CARLOS ANIBAL.pdf.txtExtracted texttext/plain129482https://dspace-urp.metabuscador.org/bitstreams/95ec0749-4fee-4859-a3d5-1bede577a319/downloadc3c2cac30f92bbb0c0ce3ba213895f5bMD53THUMBNAILELEC-T030_73892049_T ESPINOZA HOYOS CARLOS ANIBAL.pdf.jpgELEC-T030_73892049_T ESPINOZA HOYOS CARLOS ANIBAL.pdf.jpgGenerated Thumbnailimage/jpeg16837https://dspace-urp.metabuscador.org/bitstreams/68d25746-9774-4eb9-9d72-0c063c6662c5/download3e24e6b4c2c7a6a986082b9d2bc194a9MD5420.500.14138/3647oai:dspace-urp.metabuscador.org:20.500.14138/36472024-11-24 10:17:02.786https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://dspace-urp.metabuscador.orgRepositorio Institucional de la Universidad Ricardo Palmabdigital@metabiblioteca.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 |
score |
13.10925 |
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).