http://hdl.handle.net/20.500.14076/61 2026-07-21T15:31:47Z http://hdl.handle.net/20.500.14076/29288 Título : Un enfoque basado en técnicas Deep Learning para el reconocimiento de matrículas en tiempo real Autor : Aguirre Janampa, Cristian Fernando Resumen : La Inteligencia Artificial (IA) ha sido ampliamente estudiada en áreas como la medicina, economía e ingeniería. Una de sus aplicaciones más relevantes es el Reconocimiento Automático de Matrículas (Automatic License Plate Recognition, ALPR), utilizado en la seguridad pública y el control vehicular. Este sistema propuesto automatiza la verificación de matrículas, permitiendo identificar automóviles no registrados o robados, lo cual mejora la eficiencia en la gestión del tránsito en tiempo real. En Perú, su implementación sería útil para reforzar la seguridad vial y apoyar a las autoridades en la vigilancia vehicular. El presente trabajo tiene como objetivo desarrollar un sistema basado en Deep Learning para el reconocimiento de matrículas peruanas en tiempo real. Se emplearán los modelos YOLO para la detección de matrículas y Lenet-5 para el reconocimiento de números y letras. La integración de ambos modelos busca optimizar la precisión y eficiencia en distintos escenarios, tanto con vehículos inmóviles como en movimiento. Los resultados obtenidos, basados en pruebas realizadas en la puerta N° 5 de la Universidad Nacional de Ingeniería (UNI), han mostrado una precisión del 62.82 %utilizando el modelo Yolov4-tiny combinado con Lenet-5. El sistema propuesto sirve como base para futuras investigaciones y tiene un gran potencial para ser implementado en estaciones de peaje, estacionamientos y para la identificación de vehículos robados en Perú, proporcionando un mecanismo automatizado y eficaz para mejorar la seguridad vial y el control vehicular.; Artificial Intelligence (AI) has been widely studied in areas such as medicine, economics, and engineering. One of its most relevant applications is Automatic License Plate Recognition (ALPR), used in public safety and vehicle control. This system automates the verification of license plates, allowing the identification of unregistered or stolen vehicles, which improves the efficiency of real-time traffic management. In Peru, its implementation would be useful to enhance road safety and support authorities in vehicle surveillance. The aim of this work is to develop a Deep Learning-based system for the real-time recognition of Peruvian license plates. YOLO models will be used for license plate detection and Lenet-5 for the recognition of numbers and letters. The integration of both models aims to optimize accuracy and efficiency in various scenarios, including stationary and moving vehicles. Preliminary results, based on tests conducted at Gate No. 5 of the National University of Engineering (UNI), showed an accuracy of 62.82 % using the Yolov4-tiny model combined with Lenet-5. The proposed system serves as a foundation for future research and has great potential to be implemented in toll stations, parking lots, and for the identification of stolen vehicles in Peru, providing an automated and effective mechanism to enhance road safety and vehicle control. 2025-01-01T00:00:00Z http://hdl.handle.net/20.500.14076/28709 Título : Optimización analítica en la distribución de Leads con oferta Pymes a los ejecutivos de negocio de un banco Autor : Huarcaya Canal, Oscar Resumen : Se presenta una solución data driven, que tiene como finalidad optimizar el rendimiento de las campañas comerciales del segmento negocios en las oficinas del banco, incrementando la colocación de productos y el monto de facturación en venta, para así mejorar la efectividad en la gestión de los ejecutivos y ganar market share a la competencia. Esta solución implica segmentar a los clientes por propensión a la adquisición, para lo cual se implementa un árbol de clasificación, como modelo explicativo que nos permite identificar que las ofertas más atractivas y cuáles son los clientes con mejor atracción a los productos del segmento. Como complemento al modelo se aplicará el algoritmo Round Robin para asignar los clientes más propensos a los ejecutivos de venta de acuerdo a la capacidad de gestión y la cercanía del cliente a la oficina, los leads restantes no distribuidos se asignarán a un canal alternativo de gestión. El resultado de la optimización mejora la gestión de los ejecutivos en +38 %, las ventas en +24 % y el monto facturado en +30 % en el primer mes de ejecución.; A data driven solution is presented, aimed at optimizing the performance of business segment commercial campaigns in bank offices, increasing product placement and sales billing amount, thereby improving the effectiveness of executive management and gaining market share from the competition. This solution involves segmenting customers by propensity to purchase, for which a classification tree is implemented as an explanatory model that allows us to identify the most attractive offers and which customers have the best attraction to segment products. As a complement to the model, the Round Robin algorithm will be applied to assign the most likely customers to sales executives according to management capacity and customer proximity to the office. The remaining undistributed leads will be assigned to an alternative management channel. The result of the optimization improves executive management by +38 %, sales by +24 %, and the billed amount by +30 % in the first month of execution. 2025-01-01T00:00:00Z http://hdl.handle.net/20.500.14076/22835 Título : Optimización del consumo de energía en el Edge Level de arquitectura fog computing Autor : Huaranga Junco, Edgar Jesús Resumen : En los últimos años las redes de sensores inalámbricas han retomado su popularidad debido a que la complejidad de su implementación y el costo de fabricación se han reducido notablemente, haciéndolo accesible para muchas más personas e instituciones a nivel global. Esta globalización de las redes de sensores también es impulsada por los beneficios de conectividad que nos otorga Internet, teniendo como resultado lo que ahora llamamos Internet de las Cosas. Sin embargo, a pesar de la diversidad, los avances y las mejoras que se presentan en el mercado y en la academia, las redes de sensores inalámbricas aún presentan un conjunto de problemas y retos en común. El presente trabajo se enfoca principalmente en dos de estos problemas: el primero, es el consumo de energía y tiempo de vida de la red; y el segundo problema es la confiabilidad del envío de información. El trabajo mostrado en esta tesis consiste en un algoritmo de control de niveles de batería con el objetivo de optimizar el tiempo de vida de la red de sensores con la condición de no perder conectividad y, por lo tanto, información de parte de los nodos componentes. 2021-01-01T00:00:00Z http://hdl.handle.net/20.500.14076/18949 Título : Pymach y Sparkmach: sistemas de procesamiento de datos con dimensión variable usando algoritmos de Machine Learning Autor : Bravo Rocca, Gusseppe Jesús Resumen : La presente tesis propone dos sistemas de análisis y predicción de datos enfocados a problemas relacionados al Machine Learning: Pymach y Sparkmach. Este sistema conjunto tiene el fin de reducir y automatizar los pasos convencionales que conlleva la creación de un modelo predictivo en general. Para este fin se hace uso de técnicas de inteligencia artificial, particularmente, Machine Learning, para crear modelos a medida que puedan predecir eventos a futuro, en aplicaciones tales como, lugares y frecuencias de accidentes de tránsito, localización, tiempos de espera de autobuses, consumo de combustible, entre otros. Para ello, se ha trabajado con datos simulados y reales que, junto al sistema, se han desplegado en un clúster de CPUs. Debido a la ingente cantidad de datos, se ha trabaja- do con técnicas de paralelismo y Big Data para el procesamiento eficiente de los mismos. Finalmente, Pymach y Sparkmach, escrito en Python y PySpark respectivamente, están desplegadas en una aplicación web para la interacción con el usuario. 2019-01-01T00:00:00Z