• Repositorio Institucional Universidad de Pamplona
  • Trabajos de pregrado y especialización
  • Facultad de Ingenierías y Arquitectura
  • Ingeniería Electrónica
  • Por favor, use este identificador para citar o enlazar este ítem: http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/1767
    Título : Comprenssive Sensing y Deep Learning: Extracción de patrones y clasificación de datos electrocardiográficos.
    Autor : Perez Arevalo, Fabian Ricardo.
    Palabras clave : El autor no proporciona la información sobre este ítem.
    Fecha de publicación : 2016
    Editorial : Universidad de Pamplona – Facultad de Ingenierías y Arquitectura.
    Citación : Perez Arevalo, F. R. (2016). Comprenssive Sensing y Deep Learning: Extracción de patrones y clasificación de datos electrocardiográficos [Trabajo de Grado Pregrado, Universidad de Pamplona]. Repositorio Hulago Universidad de Pamplona. http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/1767
    Descripción : Deep learning y compressive sensing, son herramientas matemáticas que están siendo utilizadas de manera relevantes en los últimos años en procesos de clasificación y compresión respectivamente. Ente trabajo se muestra que es posible extraer patrones característicos en señales electrocardiográficas (ECG) y así mismo clasificarlos usando deep learning, kmeans,ls- svm. Es importante resaltar que en el estado del arte no se han desarrollado trabajos relacionados, lo cual hace que sea una propuesta novedosa. En este trabajo se utilizarán otras técnicas como wavelet para mapear los datos a señales sparse, además de usar técnicas como, entropía, energía y redes neuronales para comparar los resultados. Finalmente se propondrá una nueva metodología para extraer patrones usando Compressive sensing.
    URI : http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/1767
    Aparece en las colecciones: Ingeniería Electrónica

    Ficheros en este ítem:
    Fichero Descripción Tamaño Formato  
    Perez_2016_TG.pdfPerez_2016_TG2,8 MBAdobe PDFVisualizar/Abrir


    Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.