Técnicas de aprendizaje profundo para el análisis de la percepción de la seguridad urbana

Simple item page
dc.contributor.advisorPoco Medina, Jorge Luis
dc.contributor.authorMoreno Vera, Felipe Adrian
dc.date.accessioned2022-09-27T14:41:19Z
dc.date.available2022-09-27T14:41:19Z
dc.date.issued2022
dc.description.abstractLa percepción es la forma en que los humanos interpretan y comprenden la información captada después de la interacción con el entorno que les rodea, aprendiendo nuevas experiencias o reforzando otras ya vividas. La percepción de la seguridad urbana se puede describir en cómo los humanos presentan una reacción ante un determinado estímulo proveniente de la apariencia visual o conocimiento previo sobre un cierto lugar (calles, zonas urbanas, etc). A partir de esta idea, diversos estudios buscaron describir dicho fenómeno teniendo como ejemplo más notable la teoría denominada \The Broken Window", la cual estudiaba el comportamiento de las personas frente a ambientes cuya apariencia visual era caótica. Así mismo, recientemente este estudio está siendo implementado utilizando diversos tipos de datos, no solo limitándose a encuestas o experimentos sociales, con el objetivo de determinar la relación entre la percepción urbana y características intrínsecas de los ciudades; de los cuales, uno de los conjuntos de datos más resaltables es Place Pulse. En este trabajo, se propone una metodología que permita analizar y explorar los datos de Place Pulse 2.0. Como resultados principales, presentamos un análisis exploratorio de los datos, resaltando la organización y comportamiento de los datos. Además, presentamos una comparación entre diferentes técnicas de aprendizaje supervisado y semi-supervisado. Mostrando que un modelo Generative Adversarial Networks (GAN) presenta mejores resultados que técnicas convencionales. es_PE
dc.description.uriTesises_PE
dc.formatapplication/pdfes_PE
dc.identifier.other1075137
dc.identifier.urihttps://hdl.handle.net/20.500.12590/17274
dc.language.isospaes_PE
dc.publisherUniversidad Católica San Pabloes_PE
dc.publisher.countryPEes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/es_PE
dc.sourceUniversidad Católica San Pabloes_PE
dc.sourceRepositorio Institucional - UCSPes_PE
dc.subjectDeep learninges_PE
dc.subjectConvolutional neural networkses_PE
dc.subjectGANes_PE
dc.subjectFeatures extractiones_PE
dc.subjectUrban perceptiones_PE
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#1.02.01es_PE
dc.titleTécnicas de aprendizaje profundo para el análisis de la percepción de la seguridad urbanaes_PE
dc.typeinfo:eu-repo/semantics/masterThesis
dc.type.versioninfo:eu-repo/semantics/publishedVersiones_PE
renati.advisor.dni43594292
renati.advisor.orcidhttps://orcid.org/0000-0001-9096-6287es_PE
renati.author.dni72972168
renati.discipline611017es_PE
renati.jurorJosé Eduardo Ochoa Lunaes_PE
renati.jurorRensso Victor Hugo Mora Colquees_PE
renati.jurorGuillermo Cámara Chavezes_PE
renati.levelhttps://purl.org/pe-repo/renati/level#maestro
renati.typehttps://purl.org/pe-repo/renati/type#tesis
thesis.degree.disciplineCiencia de la Computaciónes_PE
thesis.degree.grantorUniversidad Católica San Pablo. Departamento de Ciencia de la Computaciónes_PE
thesis.degree.levelMaestríaes_PE
thesis.degree.nameMaestro en Ciencia de la Computaciónes_PE
thesis.degree.programEscuela Profesional de Ciencia de la Computaciónes_PE
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
MORENO_VER_FEL_APR.pdf
Size:
28.09 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Tesis - Maestría en Ciencias de la Computación