1. Repositorio Digital USFQ
  2. TESIS COLEGIO DE PREGRADO
  3. COLEGIO DE CIENCIAS E INGENIERÍAS (POLI)
  4. Tesis - Ingeniería en Ciencias de la Computación
Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.usfq.edu.ec/handle/23000/12511
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorPérez, Noel, dir.-
dc.contributor.authorPuente Cárdenas, Felipe Esteban-
dc.date.accessioned2023-11-20T21:18:34Z-
dc.date.available2023-11-20T21:18:34Z-
dc.date.issued2022-12-20-
dc.identifier.citationTesis (Ingeniero en Ciencias de la Computación), Universidad San Francisco de Quito, Colegio de Ciencias e Ingenierías ; Quito, Ecuador, 2022es_ES
dc.identifier.urihttp://repositorio.usfq.edu.ec/handle/23000/12511-
dc.descriptionThe COVID-19 virus pandemic has had a huge impact on society. Millions of people were affected by the SARSCOV-2 virus, and this had terrible consequences in economic and social fields worldwide. To deal with this issue, necessary measures need to be implemented at the right moment, and for this purpose, efficient forecasting is needed. In this context, this paper aims to use deep learning techniques, i.e., long short-term memory (LSTM) and convolutional neural networks (CNN) to predict the number of COVID-19 confirmed cases...es_ES
dc.description.abstractLa pandemia del virus COVID-19 ha tenido un enorme impacto en la sociedad. Millones de personas se vieron afectadas por el virus SARSCOV-2, lo que tuvo terribles consecuencias en los ámbitos económico y sociales en todo el mundo. Para hacer frente a este problema hay que aplicar las medidas necesarias en el momento oportuno, y para ello se necesita una previsión eficaz. En este contexto, este trabajo pretende utilizar técnicas de aprendizaje profundo, es decir, memoria a corto plazo (LSTM) y redes neuronales convolucionales (CNN) con el fin de predecir el número de casos confirmados de COVID-19.es_ES
dc.format.extent26 p.es_ES
dc.language.isoenes_ES
dc.publisherQuitoes_ES
dc.rightsopenAccesses_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ec/*
dc.subjectRedes neuronales (Computadores) - Investigaciones - Tesis y disertaciones académicases_ES
dc.subjectOdontología - Aparatos e instrumentoses_ES
dc.subject.otherCienciases_ES
dc.subject.otherComputaciónes_ES
dc.titlePredicting time series with LSTM and CNN deep learning models; application on a COVID-19 databasees_ES
dc.typebachelorThesises_ES
Aparece en las colecciones: Tesis - Ingeniería en Ciencias de la Computación

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
207784.pdfTexto completo631.36 kBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons