Artículos de Revistas

URI permanente para esta colección

https://repositorio.uft.cl/handle/20.500.12254/2442

Examinar

Examinando Artículos de Revistas por Autor "Bolt, Alfredo José"

Mostrando 1 - 2 de 2
  • Miniatura
    Ítem
    Análisis de canasta de mercado en supermercados mediante mapas auto-organizados
    (Universidade Federal do Paraná, 2021-11-08) Cordero, Joaquín; Bolt, Alfredo José; Valle, Mauricio A.
    Introducción: Una cadena importante de supermercados de la zona poniente de la capital de Chile, necesita obtener información clave para tomar decisiones. Esta información se encuentra disponible en las bases de datos, pero necesita ser procesada debido a la complejidad y cantidad de información, lo que genera una dificultad a la hora de visualizar. Método: Para este propósito, se ha desarrollado un algoritmo que utiliza redes neuronales artificiales, aplicando el método SOM de Kohonen. Para llevarlo a cabo, se han debido seguir ciertos procedimientos claves, como preparar la información, para luego utilizar solo los datos relevantes a las canastas de compra de la investigación. Luego de efectuado el filtrado, se tiene que preparar el ambiente de programación en Python para adaptarlo a los datos de la muestra, y luego proceder a entrenar el SOM con sus parámetros fijados luego de resultados de pruebas. Resultado: El resultado del SOM obtiene la relación entre los productos que más se compraron, posicionándolos topológicamente cerca, para conformar promociones y bundles, para que el retail mánager tome en consideración. Conclusión: En base a esto, se han hecho recomendaciones sobre canastas de compra frecuentes a la cadena de supermercados que ha proporcionado los datos utilizados en la investigación.
  • Miniatura
    Ítem
    Diseño y desarrollo de aplicación móvil para la clasificación de flora nativa chilena utilizando redes neuronales convolucionales
    (Universidade Federal do Paraná, 2022-01-22) Muñoz Villalobos, Ignacio Andrés; Bolt, Alfredo José
    Introducción: Las aplicaciones móviles, a través de la visión artificial, son capaces de reconocer especies vegetales en tiempo real. Sin embargo, las actuales aplicaciones de reconocimiento de especies no consideran la gran variedad de especies endémicas y nativas de Chile, tendiendo a predecir erróneamente. Esta investigación presenta la construcción de un dataset de especies chilenas y el desarrollo de un modelo de clasificación optimizado e implementado en una aplicación móvil. Método: La construcción del dataset se realizó a través de la captura de fotografías de especies en terreno y selección de imágenes de datasets en línea. Se utilizaron redes neuronales convolucionales para desarrollar los modelos de predicción de imágenes. Se realizó un análisis de sensibilidad al entrenar las redes, validando con k-fold cross validation y efectuando pruebas con distintos hiperparámetros, optimizadores, capas convolucionales y tasas de aprendizaje, para seleccionar los mejores modelos y luego ensamblarlos en un solo modelo de clasificación. Resultados: El dataset construido se conformó por 46 especies, incluyendo especies nativas, endémicas y exóticas de Chile, con 6120 imágenes de entrenamiento y 655 de prueba. Los mejores modelos se implementaron en una aplicación móvil, donde se obtuvo un porcentaje de acierto de aproximadamente 95% con respecto al conjunto de pruebas. Conclusiones: La aplicación desarrollada es capaz de clasificar especies correctamente con una probabilidad de acierto acorde con el estado del arte de la visión artificial y de mostrar información de la especie clasificada.