Comparación de modelos de Deep learning con modelos de regresión de series de tiempo: un caso de estudio para el crecimiento del producto bruto interno de Perú
Descripción del Articulo
El objetivo de la presente tesis es evaluar y comparar dos modelos de aprendizaje profundo con dos modelos de regresión de series de tiempo para el caso de estudio del crecimiento trimestral del Producto Bruto Interno de Perú durante el primer trimestre de 1980 al cuarto trimestre de 2021. En el Cap...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Fecha de Publicación: | 2025 |
| Institución: | Universidad Nacional de Ingeniería |
| Repositorio: | UNI-Tesis |
| Lenguaje: | español |
| OAI Identifier: | oai:cybertesis.uni.edu.pe:20.500.14076/28771 |
| Enlace del recurso: | http://hdl.handle.net/20.500.14076/28771 |
| Nivel de acceso: | acceso embargado |
| Materia: | Análisis de series de tiempo Redes neuronales artificiales Función de autocorrelación Aprendizaje profundo (Inteligencia artificial) Regresión (Estadística) https://purl.org/pe-repo/ocde/ford#1.02.01 |
| id |
UUNI_bd463bd58d9cf9edcc7c9c55f9187218 |
|---|---|
| oai_identifier_str |
oai:cybertesis.uni.edu.pe:20.500.14076/28771 |
| network_acronym_str |
UUNI |
| network_name_str |
UNI-Tesis |
| repository_id_str |
1534 |
| dc.title.es.fl_str_mv |
Comparación de modelos de Deep learning con modelos de regresión de series de tiempo: un caso de estudio para el crecimiento del producto bruto interno de Perú |
| title |
Comparación de modelos de Deep learning con modelos de regresión de series de tiempo: un caso de estudio para el crecimiento del producto bruto interno de Perú |
| spellingShingle |
Comparación de modelos de Deep learning con modelos de regresión de series de tiempo: un caso de estudio para el crecimiento del producto bruto interno de Perú Yauri Lozano, Emerson Análisis de series de tiempo Redes neuronales artificiales Función de autocorrelación Aprendizaje profundo (Inteligencia artificial) Regresión (Estadística) https://purl.org/pe-repo/ocde/ford#1.02.01 |
| title_short |
Comparación de modelos de Deep learning con modelos de regresión de series de tiempo: un caso de estudio para el crecimiento del producto bruto interno de Perú |
| title_full |
Comparación de modelos de Deep learning con modelos de regresión de series de tiempo: un caso de estudio para el crecimiento del producto bruto interno de Perú |
| title_fullStr |
Comparación de modelos de Deep learning con modelos de regresión de series de tiempo: un caso de estudio para el crecimiento del producto bruto interno de Perú |
| title_full_unstemmed |
Comparación de modelos de Deep learning con modelos de regresión de series de tiempo: un caso de estudio para el crecimiento del producto bruto interno de Perú |
| title_sort |
Comparación de modelos de Deep learning con modelos de regresión de series de tiempo: un caso de estudio para el crecimiento del producto bruto interno de Perú |
| dc.creator.none.fl_str_mv |
Yauri Lozano, Emerson |
| author |
Yauri Lozano, Emerson |
| author_facet |
Yauri Lozano, Emerson |
| author_role |
author |
| dc.contributor.advisor.fl_str_mv |
Solano Salinas, Carlos Javier |
| dc.contributor.author.fl_str_mv |
Yauri Lozano, Emerson |
| dc.subject.es.fl_str_mv |
Análisis de series de tiempo Redes neuronales artificiales Función de autocorrelación Aprendizaje profundo (Inteligencia artificial) Regresión (Estadística) |
| topic |
Análisis de series de tiempo Redes neuronales artificiales Función de autocorrelación Aprendizaje profundo (Inteligencia artificial) Regresión (Estadística) https://purl.org/pe-repo/ocde/ford#1.02.01 |
| dc.subject.ocde.es.fl_str_mv |
https://purl.org/pe-repo/ocde/ford#1.02.01 |
| description |
El objetivo de la presente tesis es evaluar y comparar dos modelos de aprendizaje profundo con dos modelos de regresión de series de tiempo para el caso de estudio del crecimiento trimestral del Producto Bruto Interno de Perú durante el primer trimestre de 1980 al cuarto trimestre de 2021. En el Capítulo 1 Introducción se desarrolla la motivación de la tesis, se formula los objetivos de la investigación tanto generales como específicos además se señala las contribuciones de la tesis, su estructura y se indica la justificación de la misma, además se menciona los resultados esperados de la investigación y se define la metodología y alcance. En el Capítulo 2 Marco teórico se desarrolla en primer término el marco conceptual donde se explica los principales conceptos relacionados a la tesis; posteriormente se desarrolla las bases teóricas de la investigación donde se menciona los principales tipos de redes neuronales y modelos de regresión de series de tiempo. En el Capítulo 3 Estado del arte se explica los trabajos e investigaciones relacionados al uso de los modelos desarrollados en la tesis en proyecciones de series de tiempo además de estudios comparativos entre estos modelos. En el Capítulo 4 Implementación y resultados se desarrolla en detalle cada uno de los modelos trabajados, posteriormente se explica las herramientas usadas tanto de hardware como de software, así como la presentación de resultados relacionados con los objetivos de la investigación, además de las discusiones. En el Capítulo 5 se presentan las principales conclusiones de la investigación, así como en el Capítulo 6 se muestran las recomendaciones. Finalmente se menciona las referencias bibliográficas y los anexos. |
| publishDate |
2025 |
| dc.date.accessioned.none.fl_str_mv |
2025-12-02T18:44:40Z |
| dc.date.available.none.fl_str_mv |
2025-12-02T18:44:40Z |
| dc.date.embargoEnd.none.fl_str_mv |
2027-12-02 |
| dc.date.issued.fl_str_mv |
2025 |
| dc.type.es.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| format |
masterThesis |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.14076/28771 |
| url |
http://hdl.handle.net/20.500.14076/28771 |
| dc.language.iso.es.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartof.fl_str_mv |
SUNEDU |
| dc.rights.es.fl_str_mv |
info:eu-repo/semantics/embargoedAccess |
| dc.rights.uri.es.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| eu_rights_str_mv |
embargoedAccess |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.format.es.fl_str_mv |
application/pdf |
| dc.publisher.es.fl_str_mv |
Universidad Nacional de Ingeniería |
| dc.publisher.country.es.fl_str_mv |
PE |
| dc.source.es.fl_str_mv |
Universidad Nacional de Ingeniería Repositorio Institucional - UNI |
| dc.source.none.fl_str_mv |
reponame:UNI-Tesis instname:Universidad Nacional de Ingeniería instacron:UNI |
| instname_str |
Universidad Nacional de Ingeniería |
| instacron_str |
UNI |
| institution |
UNI |
| reponame_str |
UNI-Tesis |
| collection |
UNI-Tesis |
| bitstream.url.fl_str_mv |
http://cybertesis.uni.edu.pe/bitstream/20.500.14076/28771/6/yauri_le.pdf.txt http://cybertesis.uni.edu.pe/bitstream/20.500.14076/28771/7/yauri_le%28acta%29.pdf.txt http://cybertesis.uni.edu.pe/bitstream/20.500.14076/28771/8/informe_de_similitud.pdf.txt http://cybertesis.uni.edu.pe/bitstream/20.500.14076/28771/9/carta_de_autorizaci%c3%b3n.pdf.txt http://cybertesis.uni.edu.pe/bitstream/20.500.14076/28771/5/license.txt http://cybertesis.uni.edu.pe/bitstream/20.500.14076/28771/1/yauri_le.pdf http://cybertesis.uni.edu.pe/bitstream/20.500.14076/28771/2/yauri_le%28acta%29.pdf http://cybertesis.uni.edu.pe/bitstream/20.500.14076/28771/3/informe_de_similitud.pdf http://cybertesis.uni.edu.pe/bitstream/20.500.14076/28771/4/carta_de_autorizaci%c3%b3n.pdf |
| bitstream.checksum.fl_str_mv |
eaf26325b24c9cdb47624ba8b3bc6011 68b329da9893e34099c7d8ad5cb9c940 e1c06d85ae7b8b032bef47e42e4c08f9 68b329da9893e34099c7d8ad5cb9c940 8a4605be74aa9ea9d79846c1fba20a33 97073b846a7ecf236143e8cc1a9f70b0 d75e474bbd74d7b7d7a07c30d999826f a3c3d5d0f885e5c4b074377929561a93 b1dcfb733dcaca4a793926dc8880d785 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional - UNI |
| repository.mail.fl_str_mv |
repositorio@uni.edu.pe |
| _version_ |
1857842649238601728 |
| spelling |
Solano Salinas, Carlos JavierYauri Lozano, EmersonYauri Lozano, Emerson2025-12-02T18:44:40Z2025-12-02T18:44:40Z20252027-12-02http://hdl.handle.net/20.500.14076/28771El objetivo de la presente tesis es evaluar y comparar dos modelos de aprendizaje profundo con dos modelos de regresión de series de tiempo para el caso de estudio del crecimiento trimestral del Producto Bruto Interno de Perú durante el primer trimestre de 1980 al cuarto trimestre de 2021. En el Capítulo 1 Introducción se desarrolla la motivación de la tesis, se formula los objetivos de la investigación tanto generales como específicos además se señala las contribuciones de la tesis, su estructura y se indica la justificación de la misma, además se menciona los resultados esperados de la investigación y se define la metodología y alcance. En el Capítulo 2 Marco teórico se desarrolla en primer término el marco conceptual donde se explica los principales conceptos relacionados a la tesis; posteriormente se desarrolla las bases teóricas de la investigación donde se menciona los principales tipos de redes neuronales y modelos de regresión de series de tiempo. En el Capítulo 3 Estado del arte se explica los trabajos e investigaciones relacionados al uso de los modelos desarrollados en la tesis en proyecciones de series de tiempo además de estudios comparativos entre estos modelos. En el Capítulo 4 Implementación y resultados se desarrolla en detalle cada uno de los modelos trabajados, posteriormente se explica las herramientas usadas tanto de hardware como de software, así como la presentación de resultados relacionados con los objetivos de la investigación, además de las discusiones. En el Capítulo 5 se presentan las principales conclusiones de la investigación, así como en el Capítulo 6 se muestran las recomendaciones. Finalmente se menciona las referencias bibliográficas y los anexos.Submitted by Quispe Rabanal Flavio (flaviofime@hotmail.com) on 2025-12-02T18:44:40Z No. of bitstreams: 4 yauri_le.pdf: 1563945 bytes, checksum: 97073b846a7ecf236143e8cc1a9f70b0 (MD5) yauri_le(acta).pdf: 828133 bytes, checksum: d75e474bbd74d7b7d7a07c30d999826f (MD5) informe_de_similitud.pdf: 1220315 bytes, checksum: a3c3d5d0f885e5c4b074377929561a93 (MD5) carta_de_autorización.pdf: 809302 bytes, checksum: b1dcfb733dcaca4a793926dc8880d785 (MD5)Made available in DSpace on 2025-12-02T18:44:40Z (GMT). No. of bitstreams: 4 yauri_le.pdf: 1563945 bytes, checksum: 97073b846a7ecf236143e8cc1a9f70b0 (MD5) yauri_le(acta).pdf: 828133 bytes, checksum: d75e474bbd74d7b7d7a07c30d999826f (MD5) informe_de_similitud.pdf: 1220315 bytes, checksum: a3c3d5d0f885e5c4b074377929561a93 (MD5) carta_de_autorización.pdf: 809302 bytes, checksum: b1dcfb733dcaca4a793926dc8880d785 (MD5) Previous issue date: 2025Tesisapplication/pdfspaUniversidad Nacional de IngenieríaPEinfo:eu-repo/semantics/embargoedAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/Universidad Nacional de IngenieríaRepositorio Institucional - UNIreponame:UNI-Tesisinstname:Universidad Nacional de Ingenieríainstacron:UNIAnálisis de series de tiempoRedes neuronales artificialesFunción de autocorrelaciónAprendizaje profundo (Inteligencia artificial)Regresión (Estadística)https://purl.org/pe-repo/ocde/ford#1.02.01Comparación de modelos de Deep learning con modelos de regresión de series de tiempo: un caso de estudio para el crecimiento del producto bruto interno de Perúinfo:eu-repo/semantics/masterThesisSUNEDUMaestro en Ciencias en Ciencia de la Computación con Mención en Especialidad Computación CientíficaUniversidad Nacional de Ingeniería. Facultad de Ciencias. Unidad de PosgradoMaestríaMaestría en Ciencias en Ciencia de la Computación con Mención en Especialidad Computación CientíficaMaestríahttps://repositorio.uni.edu.pe/handle/20.500.14076/287710644587043120610https://purl.org/pe-repo/renati/type#tesishttps://purl.org/pe-repo/renati/level#maestro611047Nuñez Iturri, Ciro JavierOchoa Jiménez, RosendoOsorio Ubaldo, JaimeFlores Luyo, Luis ErnestoTEXTyauri_le.pdf.txtyauri_le.pdf.txtExtracted texttext/plain155328http://cybertesis.uni.edu.pe/bitstream/20.500.14076/28771/6/yauri_le.pdf.txteaf26325b24c9cdb47624ba8b3bc6011MD56yauri_le(acta).pdf.txtyauri_le(acta).pdf.txtExtracted texttext/plain1http://cybertesis.uni.edu.pe/bitstream/20.500.14076/28771/7/yauri_le%28acta%29.pdf.txt68b329da9893e34099c7d8ad5cb9c940MD57informe_de_similitud.pdf.txtinforme_de_similitud.pdf.txtExtracted texttext/plain2http://cybertesis.uni.edu.pe/bitstream/20.500.14076/28771/8/informe_de_similitud.pdf.txte1c06d85ae7b8b032bef47e42e4c08f9MD58carta_de_autorización.pdf.txtcarta_de_autorización.pdf.txtExtracted texttext/plain1http://cybertesis.uni.edu.pe/bitstream/20.500.14076/28771/9/carta_de_autorizaci%c3%b3n.pdf.txt68b329da9893e34099c7d8ad5cb9c940MD59LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://cybertesis.uni.edu.pe/bitstream/20.500.14076/28771/5/license.txt8a4605be74aa9ea9d79846c1fba20a33MD55ORIGINALyauri_le.pdfyauri_le.pdfapplication/pdf1563945http://cybertesis.uni.edu.pe/bitstream/20.500.14076/28771/1/yauri_le.pdf97073b846a7ecf236143e8cc1a9f70b0MD51yauri_le(acta).pdfyauri_le(acta).pdfapplication/pdf828133http://cybertesis.uni.edu.pe/bitstream/20.500.14076/28771/2/yauri_le%28acta%29.pdfd75e474bbd74d7b7d7a07c30d999826fMD52informe_de_similitud.pdfinforme_de_similitud.pdfapplication/pdf1220315http://cybertesis.uni.edu.pe/bitstream/20.500.14076/28771/3/informe_de_similitud.pdfa3c3d5d0f885e5c4b074377929561a93MD53carta_de_autorización.pdfcarta_de_autorización.pdfapplication/pdf809302http://cybertesis.uni.edu.pe/bitstream/20.500.14076/28771/4/carta_de_autorizaci%c3%b3n.pdfb1dcfb733dcaca4a793926dc8880d785MD5420.500.14076/28771oai:cybertesis.uni.edu.pe:20.500.14076/287712025-12-03 10:37:18.685Repositorio Institucional - UNIrepositorio@uni.edu.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 |
| score |
13.91977 |
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).