Algoritmos supervisados de machine learning para determinar la ubicación de dispositivos wifi

Descripción del Articulo

El presente artículo tiene como objetivo elegir, bajo un determinado escenario, el mejor algoritmo supervisado de machine learning para localizar un terminal que soporte wifi. Se usa un dataset que cuenta con 2000 registros de Received Signal Strength Indicator (RSSI), obtenidos de 7 puntos de acces...

Descripción completa

Detalles Bibliográficos
Autor: More Sánchez, Javier
Formato: objeto de conferencia
Fecha de Publicación:2022
Institución:Universidad de Lima
Repositorio:ULIMA-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.ulima.edu.pe:20.500.12724/17521
Enlace del recurso:https://hdl.handle.net/20.500.12724/17521
https://doi.org/10.26439/ciis2022.6074
Nivel de acceso:acceso abierto
Materia:Pendiente
https://purl.org/pe-repo/ocde/ford#2.02.04
id RULI_c6de9be7dc03f5fe1efadb4e63dd66f7
oai_identifier_str oai:repositorio.ulima.edu.pe:20.500.12724/17521
network_acronym_str RULI
network_name_str ULIMA-Institucional
repository_id_str 3883
dc.title.es_PE.fl_str_mv Algoritmos supervisados de machine learning para determinar la ubicación de dispositivos wifi
title Algoritmos supervisados de machine learning para determinar la ubicación de dispositivos wifi
spellingShingle Algoritmos supervisados de machine learning para determinar la ubicación de dispositivos wifi
More Sánchez, Javier
Pendiente
https://purl.org/pe-repo/ocde/ford#2.02.04
title_short Algoritmos supervisados de machine learning para determinar la ubicación de dispositivos wifi
title_full Algoritmos supervisados de machine learning para determinar la ubicación de dispositivos wifi
title_fullStr Algoritmos supervisados de machine learning para determinar la ubicación de dispositivos wifi
title_full_unstemmed Algoritmos supervisados de machine learning para determinar la ubicación de dispositivos wifi
title_sort Algoritmos supervisados de machine learning para determinar la ubicación de dispositivos wifi
author More Sánchez, Javier
author_facet More Sánchez, Javier
author_role author
dc.contributor.author.fl_str_mv More Sánchez, Javier
dc.subject.es_PE.fl_str_mv Pendiente
topic Pendiente
https://purl.org/pe-repo/ocde/ford#2.02.04
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.02.04
description El presente artículo tiene como objetivo elegir, bajo un determinado escenario, el mejor algoritmo supervisado de machine learning para localizar un terminal que soporte wifi. Se usa un dataset que cuenta con 2000 registros de Received Signal Strength Indicator (RSSI), obtenidos de 7 puntos de acceso (AP), los cuales se cargan en 8 algoritmos supervisados de machine learning. Luego se elige el algoritmo que realiza la predicción más precisa, incluso cuando se cuenta con un menor número de AP. La mayor precisión se logra con el algoritmo naive Bayes, tanto para el caso de 7 AP (99 % de precisión) como para cuando se cuenta con un número menor de AP. Asimismo, se observa que los algoritmos basados en redes neuronales presentan el peor rendimiento. Finalmente, se proponen trabajos futuros para continuar con la investigación sobre el tema de localización de dispositivos wifi en interiores.
publishDate 2022
dc.date.accessioned.none.fl_str_mv 2023-01-31T16:23:55Z
dc.date.available.none.fl_str_mv 2023-01-31T16:23:55Z
dc.date.issued.fl_str_mv 2022
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/conferenceObject
dc.type.other.none.fl_str_mv Artículo de conferencia
format conferenceObject
dc.identifier.citation.es_PE.fl_str_mv More Sánchez, J. (2022). Algoritmos supervisados de machine learning para determinar la ubicación de dispositivos wifi. En Universidad de Lima (Ed.), Entornos híbridos en la pospandemia: posibilidades para las nuevas tecnologías. Actas del Congreso Internacional de Ingeniería de Sistemas (pp. 111-122), Lima, 10 al 12 de octubre del 2022. Universidad de Lima, Fondo Editorial. https://doi.org/10.26439/ciis2022.6074
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12724/17521
dc.identifier.doi.none.fl_str_mv https://doi.org/10.26439/ciis2022.6074
identifier_str_mv More Sánchez, J. (2022). Algoritmos supervisados de machine learning para determinar la ubicación de dispositivos wifi. En Universidad de Lima (Ed.), Entornos híbridos en la pospandemia: posibilidades para las nuevas tecnologías. Actas del Congreso Internacional de Ingeniería de Sistemas (pp. 111-122), Lima, 10 al 12 de octubre del 2022. Universidad de Lima, Fondo Editorial. https://doi.org/10.26439/ciis2022.6074
url https://hdl.handle.net/20.500.12724/17521
https://doi.org/10.26439/ciis2022.6074
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/4.0/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad de Lima
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Repositorio Institucional - Ulima
Universidad de Lima
dc.source.none.fl_str_mv reponame:ULIMA-Institucional
instname:Universidad de Lima
instacron:ULIMA
instname_str Universidad de Lima
instacron_str ULIMA
institution ULIMA
reponame_str ULIMA-Institucional
collection ULIMA-Institucional
bitstream.url.fl_str_mv https://repositorio.ulima.edu.pe/bitstream/20.500.12724/17521/2/license_rdf
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/17521/3/license.txt
bitstream.checksum.fl_str_mv 8fc46f5e71650fd7adee84a69b9163c2
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositorio Universidad de Lima
repository.mail.fl_str_mv repositorio@ulima.edu.pe
_version_ 1822513709893812224
spelling More Sánchez, Javier2023-01-31T16:23:55Z2023-01-31T16:23:55Z2022More Sánchez, J. (2022). Algoritmos supervisados de machine learning para determinar la ubicación de dispositivos wifi. En Universidad de Lima (Ed.), Entornos híbridos en la pospandemia: posibilidades para las nuevas tecnologías. Actas del Congreso Internacional de Ingeniería de Sistemas (pp. 111-122), Lima, 10 al 12 de octubre del 2022. Universidad de Lima, Fondo Editorial. https://doi.org/10.26439/ciis2022.6074https://hdl.handle.net/20.500.12724/17521https://doi.org/10.26439/ciis2022.6074El presente artículo tiene como objetivo elegir, bajo un determinado escenario, el mejor algoritmo supervisado de machine learning para localizar un terminal que soporte wifi. Se usa un dataset que cuenta con 2000 registros de Received Signal Strength Indicator (RSSI), obtenidos de 7 puntos de acceso (AP), los cuales se cargan en 8 algoritmos supervisados de machine learning. Luego se elige el algoritmo que realiza la predicción más precisa, incluso cuando se cuenta con un menor número de AP. La mayor precisión se logra con el algoritmo naive Bayes, tanto para el caso de 7 AP (99 % de precisión) como para cuando se cuenta con un número menor de AP. Asimismo, se observa que los algoritmos basados en redes neuronales presentan el peor rendimiento. Finalmente, se proponen trabajos futuros para continuar con la investigación sobre el tema de localización de dispositivos wifi en interiores.Revisado por paresapplication/pdfspaUniversidad de LimaPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/4.0/Repositorio Institucional - UlimaUniversidad de Limareponame:ULIMA-Institucionalinstname:Universidad de Limainstacron:ULIMAPendientehttps://purl.org/pe-repo/ocde/ford#2.02.04Algoritmos supervisados de machine learning para determinar la ubicación de dispositivos wifiinfo:eu-repo/semantics/conferenceObjectArtículo de conferenciaCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81037https://repositorio.ulima.edu.pe/bitstream/20.500.12724/17521/2/license_rdf8fc46f5e71650fd7adee84a69b9163c2MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ulima.edu.pe/bitstream/20.500.12724/17521/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD5320.500.12724/17521oai:repositorio.ulima.edu.pe:20.500.12724/175212023-11-07 13:26:31.685Repositorio Universidad de Limarepositorio@ulima.edu.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
score 13.959956
Algoritmos supervisados de machine learning para determinar la ubicación de dispositivos wifi
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).

Ejemplares Similares