Mostrando 1 - 3 Resultados de 3 Para Buscar 'Huaquipaco Encinas, Saúl', tiempo de consulta: 0.01s Limitar resultados
1
tesis de grado
La automatización de las viviendas proponen mejorar cuatro aspectos fundamentales de las mismas, la seguridad, el ahorro energético, la accesibilidad y el confort; nosotros hemos puesto principal importancia en la seguridad y el ahorro energético. En la actualidad existen una gran variedad de sistemas y tecnologías disponibles que pueden ser utilizados y permiten obtener las prestaciones antes mencionadas tales como: HEYU, HCS, ExDomus, X10, etc. Sin embargo, se decidió trabajar con la tecnología web, teniendo como base del hardware del servidor un computador con arquitectura Reduced instruction Set Computing y como software de este un servidor LAMP. El sistema consta de actuadores y sensores que se comunican con el servidor a través de una tarjeta de control utilizando la tipología centraliza y la topología de red estrella que hacen que el servidor reciba toda la información p...
2
tesis doctoral
In scientific research, data acquisition and processing play a fundamental role. In photovoltaic systems, given their nature, this process presents deficiencies due to various factors such as the dispersion of the installed modules, climatic conditions or the amount of information that must be obtained, so the processes of data acquisition, storage and processing are very important. The present research developed a data acquisition, storage and processing system for photovoltaic systems, following the European standards IEC 60904 and IEC 61724 for data acquisition, Fog Computing for information storage and finally Machine Learning was used for processing. The results showed that the KNN-based model obtained a SCORE of 99.08%, MAE of 25.3 and MSE of 93.16. Concluding that the KNN-based model is the most robust model for data imputation in PV system monitoring.
3
tesis de maestría
Desarrolla un modelo de predicción de calidad de servicio a través de indicadores de atención utilizando métodos híbridos de selección como el Recursive Feature Elimination (RFE), Shrinkaje L1 L2 y extreme gradient boosting (XGBoost), lográndose obtener una Precisión de hasta el 93.75%, una Exactitud de hasta el 88.89% , una Sensibilidad de hasta el 92.86% y un puntaje F1 de hasta 88.31% además de una reducción de variables de hasta el 53.3%.