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...

Descripción completa

Detalles Bibliográficos
Autor: Yauri Lozano, Emerson
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).