Browsing by Author "Valle Vidal, Carlos Antonio"
Now showing 1 - 9 of 9
- Results Per Page
- Sort Options
Thesis Análisis y desarrollo de un modelo de red neuronal con transfer learning para la interpretación de la lengua de señas chilena(Universidad Técnica Federico Santa María, 2025-08-04) Cruz Peñaranda, Ismael Andrés; Ñanculef Alegría, Juan Ricardo; Departamento de Informática; Valle Vidal, Carlos AntonioLas lenguas de señas son sistemas completos de comunicación visual utilizados por personas en situación de discapacidad auditiva en todo el mundo. Debido a esto ha surgido un creciente interés en el desarrollo de sistemas automáticos para la interpretación de estas. A pesar de aquello existe una ausencia de estos sistemas para la lengua de señas Chilena. En este trabajo se aborda el desarrollo de un modelo de aprendizaje automático utilizando técnicas de transfer learning sobre los modelos VGG16, ResNet50 y IncetptionV3 y métodos de optimización de hiperparámetros, aumento de datos y fine tuning. A pesar de las limitaciones del conjunto de datos utilizado, el modelo resultante presenta una precisión por sobre el 90% en data nueva.Thesis APLICACIÓN DE REDES RECURRENTES PARA LA PREDICCIÓN DE POTENCIA EN PLANTAS EÓLICAS CHILENAS(2018) Valenzuela Carrasco, Camilo Andres; Departamento de Informática; Allende Cid, Hector Gabriel; Valle Vidal, Carlos AntonioThesis Búsqueda de criterios para el dimensionamiento óptimo de sistemas solares térmicos mediante aproximación con máquinas de aprendizaje(Universidad Técnica Federico Santa María, 2025-11) Ávalos Rojas, Ricardo Elías; Cuevas Pacheco, Francisco Andrés; Departamento de Matemática; Valle Vidal, Carlos AntonioEl trabajo busca abordar el problema del dimensionamiento optimo de sistemas solares térmicos con estanques de almacenamiento estratificados, tanto óptimo de eficiencia energética como eficiencia económica dando un paso por el estado del arte y presentando resultados por medio de la utilización de máquinas de aprendizaje y como se desempeñan.Thesis BÚSQUEDA DE HIPERPARÁMETROS DE REDES NEURONALES CONVOLUCIONALES UTILIZANDO METAHEURÍSTICAS(2020-04) Valderrama Bustos, Alvaro Gabriel; Departamento de Matemática; Valle Vidal, Carlos Antonio; Hermosilla Jimenez, Cristopher AdrianThesis Comparative analysis of deep learning models versus machine learning algorithms for spam email detection(Universidad Técnica Federico Santa María, 2025-07) Vega Rivera, Paulina Valeria; Ñanculef Alegría, Juan Ricardo; Departamento de Informática; Valle Vidal, Carlos AntonioSpam email detection is a critical task in cybersecurity, complicated by constantly evolving spam tactics that are designed to trick the filtering systems. This study compares five machine learning models and nine deep learning models, evaluated using eight performance metrics on a combined dataset of 5,500 email. Statistical tests were applied to the top-performing models to asses significance. Results show that RoBERTa consistently achieves the highest F1 score among all deep learning models, while the fine-tuned GPT models, considered a special case due to being trained on significantly smaller datasets, still perform competitively. Among machine traditional learning models, SVM, NB and RF achieved the highest score, however, they still performed worse than the five Transformer-based models. Overall, the study's goal is to provide a comprehensive benchmark of traditional and modern approaches to spam detection under practical constraints.Thesis Diseño de un modelo en machine learning para predecir las funciones ejecutivas y validarlas estadísticamente(Universidad Técnica Federico Santa María, 2025-06) Olivares del Río, Mario Andrés; Ñanculef Alegría, Juan Ricardo; Departamento de Informática; Valle Vidal, Carlos AntonioEn esta investigación se desarrolló un modelo de inteligencia artificial para prever el rendimiento en competencias matemáticas tempranas (CMLR, CMN y CMG) en niños de entre 5 y 9 años. Para ello, se recolectaron 528 registros que incluyen 22 variables relacionadas con funciones ejecutivas (como memoria de trabajo y flexibilidad cognitiva) y datos sociodemográficos. Se entrenaron cinco modelos de regresión multisalida (Decision Tree, Random Forest, XGBoost, CatBoost y LightGBM), ajustando sus hiperparámetros con HalvingGridSearchCV y validándolos en 50 particiones aleatorias del conjunto de datos. El desempeño se midió con el Error Cuadrático Medio en los conjuntos de entrenamiento, validación y prueba. Tras detectar diferencias significativas entre modelos mediante la prueba de Friedman, se aplicaron comparaciones post-hoc (Nemenyi y pruebas de Wilcoxon con corrección de Bonferroni) para identificar cuál modelo resultaba mejor. Los resultados muestran que CatBoost obtuvo el menor MSE promedio en los tres indicadores matemáticos, con poca variabilidad entre ejecuciones, y superó de forma significativa a los otros algoritmos. A partir de este modelo “ganador”, se calculó la importancia de cada predictor usando Permutation Importance, encontrando que la Memoria de Trabajo Verbal y la edad fueron las variables más influyentes, seguidas por la Flexibilidad Cognitiva y la dependencia en tareas ejecutivas. Además, al repetir el análisis con un subconjunto reducido de seis variables, se comprobó que el rendimiento no se vio afectado de manera sustancial, lo cual respalda la viabilidad de un modelo más sencillo e interpretable. La relevancia de estos hallazgos radica en ofrecer una visión cuantitativa sobre qué funciones ejecutivas y factores contextuales explican mejor las habilidades matemáticas en la primera infancia. Esto puede guiar el diseño de intervenciones educativas específicas (por ejemplo, ejercicios para fortalecer la memoria de trabajo) y aportar mayor transparencia acerca de la contribución relativa de cada variable, facilitando su aplicación en otros entornos escolares o poblaciones.Thesis DIVERSIDAD EN REDES NEURONALES ENSEMBLE(Universidad Técnica Federico Santa María, 2005) Valle Vidal, Carlos Antonio; Ciencias; Allende Olivares, Héctor; MONGE ANWANDTER, RAÚL PATRICIO; CANESSA T., ENRIQUE[Resumen del autor] El método para aprendizaje de Ensemble o comité de máquinas, es una técnica recientemente utilizada en el campo de las Máquinas de Aprendizaje y Análisis de Datos. La pregunta clave es cómo elegir el conjunto de predictores que conformThesis ENSEMBLE LEARNING WITH LOCALLY COUPLED LEARNERS(Universidad Técnica Federico Santa María, 2014) Valle Vidal, Carlos Antonio; Departamento de Informática; Allende Olivares, Héctor; Arroyuelo B. DiegoResúmen extenso ver acceso electrónico o ejemplar impresoThesis Recomendación de CWE y CVSS mediante técnicas de interpretación textual: caso AuditForge(Universidad Técnica Federico Santa María, 2025-08-14) Olalquiaga Ferreira, Ricardo Enrique; Departamento de Informática; Valle Vidal, Carlos AntonioLa generación de reportes en auditorías de ciberseguridad consume una proporción significativa del tiempo de los auditores, afectando la eficiencia del proceso de hacking ético. Este trabajo propone una solución basada en técnicas de procesamiento de lenguaje natural y modelos de Deep Learning para automatizar la recomendación de clasificaciones CWE (Common Weakness Enumeration) y CVSS (Common Vulnerability Scoring System) a partir de descripciones de vulnerabilidades. El objetivo es reducir el tiempo invertido en la clasificación manual y mejorar la consistencia en la evaluación de riesgos. Para ello, se diseñaron dos arquitecturas: una jerárquica para CWE, basada en cross-encoders y clasificación jerárquica, y otra multi-output para CVSS, que primero determina la severidad y luego predice los componentes del vector correspondiente. La validación se realizó sobre conjuntos de datos obtenidos de la National Vulnerability Database, empleando métricas como accuracy, precision, recall y F1 score. Los modelos alcanzaron un 79, 66 % de Top-1 Accuracy en CWE y un 91, 85 % de accuracy promedio en la predicción de componentes CVSS. El impacto esperado incluye una mejora significativa en la eficiencia de los procesos de auditoría, estandarización en la clasificación de vulnerabilidades y soporte a la toma de decisiones en ciberseguridad.
Política de Privacidad 
