• 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
    Registro completo de metadatos
    Campo DC Valor Lengua/Idioma
    dc.contributor.authorPerez Arevalo, Fabian Ricardo.-
    dc.date.accessioned2022-06-12T03:58:53Z-
    dc.date.available2016-06-15-
    dc.date.available2022-06-12T03:58:53Z-
    dc.date.issued2016-
    dc.identifier.citationPerez 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/20.500.12744/1767es_CO
    dc.identifier.urihttp://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/1767-
    dc.descriptionDeep 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.es_CO
    dc.format.extent79es_CO
    dc.format.mimetypeapplication/pdfes_CO
    dc.publisherUniversidad de Pamplona – Facultad de Ingenierías y Arquitectura.es_CO
    dc.subjectEl autor no proporciona la información sobre este ítem.es_CO
    dc.titleComprenssive Sensing y Deep Learning: Extracción de patrones y clasificación de datos electrocardiográficos.es_CO
    dc.typehttp://purl.org/coar/resource_type/c_7a1fes_CO
    dc.date.accepted2016-03-15-
    dc.relation.references«infobae.,» 25 septiembre 2016. [En línea]. Available: http://www.infobae.com/salud/2016/09/25/por-que-las-enfermedadescardiacas-todavia-son-la-primera-causa-de-muerte-en-el-mundo/. [Último acceso: octubre 2016].es_CO
    dc.relation.referencesD. Davis, Interpretación del ECG: su dominio rápido y exacto, editorial medica panamericana S.A, 2007.es_CO
    dc.relation.referencesJ. L. Romero, ANÁLISIS DE SEÑALES ELECTROCARDIOGRÁFICAS USANDO TÉCNICAS DE PROCESAMIENTO DIGITAL, cataluña,españa, 2015.es_CO
    dc.relation.references«http://www.texasheart.org/HIC/anatomy_Esp/anato_sp.cfm,» 2016. [En línea]. [Último acceso: 7 octubre 2016].es_CO
    dc.relation.references«electrocardiografia.es,» [En línea]. Available: http://www.electrocardiografia.es/ondas_ecg.html. [Último acceso: 7 10 2016].es_CO
    dc.relation.referencesS. A. D. CARDIOLOGÍA, «wikicardio,» [En línea]. Available: http://www.wikicardio.org.ar/wiki/Infarto_de_miocardio. [Último acceso: octubre 2016].es_CO
    dc.relation.references«my-ekg,» 2013-2016. [En línea]. Available: http://www.myekg.com/generalidades-ekg/derivaciones-cardiacas.html. [Último acceso: octubre 2016].es_CO
    dc.relation.referencesL. M. Meriño, «COMPRESIÓN ROBUSTA USANDO COMPRESSIVE SENSING (CS),» revista colombiana de tecnologia de avanzada, pp. pp. 2-4, 2009. .es_CO
    dc.relation.referencesJ. R. Emmanuel Candés, «l1-magic : Recovery of Sparse Signals,» October 2005. [En línea]. Available: http://statweb.stanford.edu/~candes/l1magic/downloads/l1magic.pdf.es_CO
    dc.relation.referencesR. A. G. González, Algoritmo basado en Wavelets aplicado a la detección de incendios forestales, Cholula, Puebla, México, 2010.es_CO
    dc.relation.referencesR. G. Baraniuk, «Compressive Sensing,» IEEE SIGNAL PROCESSING MAGAZINE [124], 2007.es_CO
    dc.relation.referencesS. M. G. Birkhoff, «Matriz ortogonal,» de Álgebra Moderna,ed. Vicens-Vives.es_CO
    dc.relation.referencesJ. M. F. F. Raquel Flórez López, Las Redes Neuronales Artificiales, 2008.es_CO
    dc.relation.referencesE. J. C. Suárez, tutorial sobre maquinas de soporte vectorial, Madrid, españa, 2014.es_CO
    dc.relation.referencesJ. Wu, Advances in K-means Clustering: A Data Mining Thinking, 2012.es_CO
    dc.relation.referencesZ. L. X. Z. G. W. a. Y. G. Y. Chen, «Deep Learning-Based Classification of Hyperspectral Data,» 2014.es_CO
    dc.relation.referencesL. Y. G. O. C. D. S. Meza, «Reconstrucción de señales muestreadas a tasas inferiores al criterio de Nyquist,» 2011.es_CO
    dc.relation.referencesD. M. M. A. E. G. : Dora M. Ballesteros, «Compresión de señales ECG sobre FPGA utilizando un esquema modificado de convolución de la Transformada Wavelet Discreta,» Ingeniare. Revista chilena de ingeniería, vol. vol. 20, nº Nº 1, pp. 8-16, 2012.es_CO
    dc.relation.referencesM. L. A. A. Q. M.Sc WILLIAN ARDILA, «CARACTERIZACION MEDIANTE WAVELETS DE ELECTROCARDIOGRAMAS PARA EFECTOS DE COMPRESION Y CLASIFICACION DE CARDIOPATÍAS,» Scientia et Technica Año XII, nº No 32, pp. 155-158, 2006.es_CO
    dc.relation.referencesS. M. R. E. C. M. M. B.-V. S. M. a. K. E. B. S. M. Luisa F. Polanía, «Exploiting Prior Knowledge in Compressed Sensing Wireless ECG,» 29 mayo 2015.es_CO
    dc.relation.referencesJ. L. ROMERO, ANÁLISIS DE SEÑALES ELECTROCARDIOGRÁFICAS USANDO TÉCNICAS DE PROCESAMIENTO DIGITAL, españa,cataluña, 2015.es_CO
    dc.relation.referencesA. Rodríguez Gómez, ANÁLISIS DE LA SEÑAL ECG (ELECTROCARDIOGRAMA),RECONOCIENDO LAS ONDAS P Y T Y EL COMPLEJO QRS USANDO LA TRANSFORMADA WAVELET, Madrid, España.es_CO
    dc.relation.referencesV. A. Casas, Clasificación de cálculos renales con técnicas de Deep Learning, barcelona,españa, 2016-02-11.es_CO
    dc.relation.referencesW. H.-q. L. X.-m. L. Y.-h. Z. L.-k. ZHANG Hong-xin, «Implementation of compressive sensing in ECG and EEG signal processing,» sciencedirect, vol. vol 17, pp. 122-126, 2010.es_CO
    dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2es_CO
    dc.type.coarversionhttp://purl.org/coar/resource_type/c_2df8fbb1es_CO
    Aparece en las colecciones: Ingeniería Electrónica

    Ficheros en este ítem:
    Fichero Descripción Tamaño Formato  
    Perez_2016_TG.pdfPerez_2016_TG2,8 MBAdobe PDFVisualizar/Abrir
    Mostrar el registro sencillo del ítem


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