Please use this identifier to cite or link to this item:
http://181.198.77.137:8080/jspui/handle/123456789/2481
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Andrade Taramuel, Brayan Stiven | - |
dc.contributor.author | Tulcán Cortez, Erika Johanna | - |
dc.date.accessioned | 2024-08-16T20:13:10Z | - |
dc.date.available | 2024-08-16T20:13:10Z | - |
dc.date.issued | 2024-07 | - |
dc.identifier.citation | COM-134 | es_ES |
dc.identifier.uri | http://181.198.77.137:8080/jspui/handle/123456789/2481 | - |
dc.description.abstract | Esta investigación analiza diversas técnicas de aprendizaje automático para identificar los niveles de estrés en bovinos, un factor crucial para su bienestar y productividad. Mediante una revisión exhaustiva de la literatura, se determinaron los factores fisiológicos y comportamentales que influyen en el estrés bovino, así como las técnicas más eficientes para su detección. Se recopilaron y preprocesaron datos de las actividades básicas como son: rumia, comida y descanso, para garantizar su calidad y adecuación en la evaluación de algoritmos. Para predecir el nivel de estrés, se implementaron y compararon varios modelos de aprendizaje automático, incluyendo bosques aleatorios, k-vecinos más cercanos (KNN), máquinas de soporte vectorial (LSTM), XGBoost, redes neuronales convolucionales (CNN), redes neuronales artificiales (ANN), redes de memoria a largo y corto plazo (LSTM) y redes neuronales profundas (DNN). La evaluación de estos modelos se llevó a cabo utilizando métricas de rendimiento como precisión, exactitud, recuperación, F1 y AUC. Los resultados mostraron que las CNN, DNN y LSTM fueron particularmente efectivas para el análisis de estrés en bovinos, superando a otros modelos en términos de precisión y capacidad de generalización. En conclusión, las técnicas de aprendizaje automático demostraron ser herramientas valiosas para la gestión del estrés en bovinos, ofreciendo un enfoque innovador para mejorar su bienestar y productividad. Este estudio destaca la importancia de continuar desarrollando y refinando estas técnicas para su aplicación en la industria ganadera. | es_ES |
dc.language.iso | es | es_ES |
dc.publisher | UPEC | es_ES |
dc.subject | estrés, bovino, aprendizaje automático, ciclo circadiano, nivel de actividad, ITH, sensación térmica. | es_ES |
dc.title | Técnicas de aprendizaje automático para la identificación del nivel de estrés en bovinos | es_ES |
dc.type | Thesis | es_ES |
Appears in Collections: | Carrera de Computación |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
134- ANDRADE TARAMUEL BRAYAN-TULCÁN CORTÉZ ERIKA.pdf | Trabajo de titulación | 3.45 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.