Trabajos Fin de Estudios - Ikasketen Amaierako Lanak

Permanent URI for this community

http://hdl.handle.net/2454/1

Browse

Now showing 1 - 18 of 18

Open Access
Análisis del impacto de la intervención de la policía municipal en los eventos de parada cardio-respiratoria mediante modelos de simulación
(2022) Baigorri Iguzquiaguirre, Miguel; Mallor Giménez, Fermín; Cildoz Esquíroz, Marta; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
En este trabajo se desarrolla una aplicación para analizar el impacto que tiene dotar a los agentes de policía de desfibriladores externos automáticos (DEA), y se compara su efectividad frente al uso de DEAs públicos por parte de transeúntes en casos de paradas cardiacas. Se describe el proceso de desarrollo de la aplicación y un caso práctico en la ciudad de Pamplona. La metodología de análisis se basa en el empleo de la simulación computacional, que permite generar ubicaciones de paradas cardiacas y reproducir el proceso de atención por parte de la policía y de los peatones, para comparar su eficacia a través del análisis de datos. Los resultados del caso práctico muestran que equipar a la policía tiene un impacto muy positivo sobre la probabilidad de supervivencia de los pacientes.
Open Access
Aplicación del aprendizaje profundo para la predicción de caudal frente a escenarios de inundación del río Arga
(2023) Moreno Lasa, Ismael; Bustince Sola, Humberto; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
La modelización del caudal en cuencas hidrográficas de rápido flujo es un problema altamente complejo en el que los modelos hidrológicos comúnmente utilizados a menudo tienen limitaciones. La existencia de una predicción que permita una alerta temprana de inundaciones es vital para minimizar los daños a la propiedad y la infraestructura, y reducir los riesgos potenciales para las personas. Las técnicas de aprendizaje automático tienen el potencial de superar algunas de las limitaciones de los modelos hidrológicos tradicionales al utilizar conjuntos de datos grandes para aprender las relaciones entre diferentes variables hidrológicas, lo que permite realizar predicciones más precisas del caudal en cuencas de flujo rápido. El objetivo de este trabajo ha sido aplicar redes neuronales de Memoria a Corto y Largo Plazo (LSTM, por sus siglas en inglés) para la predicción de caudal en la cuenca del río Arga. Las redes LSTM son un tipo de Redes Neuronales Recurrentes (RNN) que son especialmente adecuadas para tareas de predicción en series temporales. Estas redes tienen células de memoria que les permiten recordar patrones en los datos a lo largo de un período de tiempo más largo, lo que las hace efectivas para capturar las dependencias temporales presentes en los datos de caudal. El uso de este tipo de redes permite superar algunas de las limitaciones típicas de los modelos hidrológicos tradicionales. Al utilizar redes LSTM, mostramos que el modelo es capaz de capturar la compleja dinámica temporal de los datos de caudal y realizar predicciones precisas a corto plazo, incluso para escenarios de alto flujo, con varias horas de anticipación. Los resultados demuestran que el uso de estas redes para la predicción del caudal en la cuenca del río Arga es un enfoque prometedor, especialmente para predicciones a corto plazo, con anticipación de horas. El uso de enfoques de aprendizaje automático puede desbloquear un nuevo potencial en la predicción y gestión de los recursos hídricos en el área, así como en la evaluación de riesgos y sistemas de alerta temprana para inundaciones.
Open Access
Aplicación del estado del arte del aprendizaje profundo en las interfaces cerebro-máquina
(2022) González García, Xabier; Fumanal Idocin, Javier; Fernández Fernández, Francisco Javier; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
Los avances tecnológicos han facilitado la tarea de captar actividad bioeléctrica cerebral mediante dispositivos electrónicos. Las interfaces cerebro-máquina son las encargadas de integrar la actividad captada con ordenadores para su posterior análisis. No obstante, obtener datos de calidad partir de las señales cerebrales noes una tarea sencilla. Diversas técnicas han sido estudiados durante décadas en la comunidad científica, dentro de las cuales destacan, por su rendimiento y resultados prometedores, los modelos de aprendizaje automático. El presente trabajo tiene como objetivo implementar y experimentar con técnicas de aprendizaje profundo del estado del arte para así descifrar la información que traen este tipo de señales, haciendo uso de la Tecnología de Interfaz cerebro-máquina.
Open Access
Comparativa de técnicas de extracción de características de texto para la detección de Fake News
(2022) Amatriain García, Alejandro; Sesma Sara, Mikel; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
En la actualidad, la divulgación de noticias falsas es una estrategia de manipulación a la sociedad, que repercute en la visión y opinión que esta se forja respecto a diversos temas. En el ámbito del procesamiento del lenguaje natural el proceso de distinción entre una noticia real y una falsa comenzaría por definir una estructura de cómo se caracteriza el contenido de un texto, para después, conforme a esa estructura, encontrar los patrones y/o tendencias que se dan en un tipo de noticia falsa y una real (tendencias que serán detectadas a partir de aplicar dicha estructura a un conjunto de fake news y a otro conjunto de noticias verdaderas que disponemos, conjuntos que llamaremos de entrenamiento o train). A estas estructuras se les llama Técnicas de extracción de características. Forman parte del proceso de aprendizaje automático. El trabajo consistirá en aplicar y comprobar la eficiencia de varias de ellas. En el presente trabajo abordaremos cuatro técnicas: Bag of Words TF-IDF, GloVe, Word2vec y FastText. La primera (TF-IDF) se trata de una técnica supervisada ya que se comienza por definir un vocabulario. Su forma de caracterizar un texto es dar pesos a los términos presentes en el texto que forman parte del vocabulario. Las otras tres pertenecen a la familia de Representación vectorial de palabras. Grosso modo, consisten en aprender un vector numérico para cada término del vocabulario para después agregar todos los vectores de los términos presentes. Dichos métodos aprenden por sí mismos el vector de características de cada palabra basándose en la idea de que los vectores de características de dos términos que aparecen juntos con mucha frecuencia, deben ser parecidos. Con estos métodos, el programador debe especificar únicamente el número de componentes del vector de características. Tras el proceso de entrenamiento, desconoceremos qué representa cada componente del vector, al contrario que con Bag of Words.
Open Access
Comparing Bayesian statistical modelling with machine learning in spatio-temporal disease mapping
(2023) Samper Ovejero, Diego; Ugarte Martínez, María Dolores; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
I have decided to embark on a new project to deepen my knowledge of Bayesian inference and space-time modelling. I am particularly interested in exploring the use of the Integrated Nested Laplace Approximation (INLA) methodology, which allows for fast and accurate approximations of posterior distributions, making it an ideal tool for analyzing large and complex datasets. Additionally, I plan to compare classical machine learning models such as Extreme Gradient Boosting or Random Forest and deep learning models such as Long-Short Term Memory (LSTM) or Bayesian Neural Network (BNN) with Bayesian statistical models fitted with INLA to determine their strengths and weaknesses. By identifying which modelling approach is best suited for different types of datasets and analysis tasks, I aim to become a more versatile data analyst. To these ends, we first introduce the theoretical framework explaining the concepts of Bayesian inference, classical machine learning and deep learning in Chapter 2. In Chapter 3, we perform an exploratory data analysis to gain a better understanding of the problem we are facing. Subsequently, rate modelling is presented in Chapter 4, where we outline the advantages and drawbacks of each method. We end this work in Chapter 5 with the conclusions and ideas on further work.
Embargo
Desarrollo de un detector termográfico de personas para su aplicación en maquinaria
(2023) Barbado Cano, Aitor; Bernardini, Ángela; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
Este trabajo trata acerca de crear un modelo general capaz de detectar personas en imágenes térmicas mediante el reentrenamiento del algoritmo de aprendizaje profundo YOLO. Se ha creado una base de datos donde incluyen imágenes térmicas descargadas desde un repositorio y capturadas mediante una cámara propia. Se han explorado diversas técnicas, como métodos de etiquetado estableciendo estándares para futuros trabajos y se aplicaron métodos de data augmentation, para mejorar el rendimiento del modelo. Sin embargo, al probar el modelo en un sensor diferente a los empleados en el entrenamiento, surgieron limitaciones. Estas han podido ser debido a la resolución de imagen y sensibilidad térmica del nuevo sensor. Como solución, se determinó la necesidad de realizar un nuevo reentrenamiento con imágenes del nuevo sensor para mejorar la precisión del modelo y adaptarlo a las características específicas. Este estudio destaca la importancia de una base de datos diversa, la consideración de las limitaciones de los sensores y la aplicación de técnicas de mejora del rendimiento para lograr una detección más precisa de personas en imágenes térmicas en diversos escenarios.
Open Access
Energía undimotriz: estudio del potencial ibérico mediante técnicas multivariantes y clasificación no supervisada
(2023) Montoya Moreno, Nerea; Gastón Romeo, Martín; Frías Paredes, Laura; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
Este Trabajo de Fin de Grado tiene como objetivo estudiar el potencial de la Energía Undimotriz en la región ibérica. Se analizan variables clave como la altura y el periodo de las olas para caracterizar el potencial energético y buscar patrones energéticos en diferentes temporadas o niveles de energía. Estos patrones permiten identificar días con diferentes capacidades de aprovechamiento, proporcionando información valiosa para el desarrollo de proyectos de generación de energía undimotriz. Los hallazgos derivados de la representación visual en forma de mapas proporcionan una perspectiva única sobre las diferencias en el potencial energético entre los diferentes sitios de la región. En conclusión, este estudio aporta conocimientos fundamentales para la identificación y aprovechamiento de patrones energéticos en el contexto de la Energía Undimotriz, fomentando así la transición hacia un sistema energético más sostenible y diversificado.
Open Access
Estudio de la decodificación de proteínas con fines predictivos
(2023) Sanz Delgado, Irati; Moler Cuiral, José Antonio; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
Este estudio se enfoca en investigar el potencial predictivo de diversas decodificaciones de secuencias proteicas en relación con caracteríticas determinantes para la idoneidad de las proteínas en estudios clínicos. Además de analizar las secuencias proteicas, se abordan aspectos como la actividad de las proteínas mediante un problema de clasificación binaria, utilizando datos suministrados por Telum Therapeutics S.L. Se emplearon cinco decodificaciones del paquete protp de R Studio y se exploraron diversos modelos predictivos, incluyendo Random Forest, SVM Radial y Gradient Boosting como enfoques de aprendizaje automático, y Regresión Logística como un enfoque estadístico. Los resultados destacan que las decodificaciones de menor dimensionalidad demostraron un rendimiento superior, independientemente del modelo utilizado. Sin embargo, se observó que no existe un modelo universalmente efectivo para todos los problemas planteados. Se sugiere que un aumento en el tamaño de la muestra podría proporcionar un respaldo sólido para ciertos resultados, como el mayor rendimiento de la decodificación basada en la composición en la predicción de la actividad de las proteínas, en comparación con los datos experimentales proporcionados por Telum. Este enfoque podría resultar en un ahorro significativo de tiempo y recursos en términos de la cantidad de experimentos necesarios para determinar la actividad de las proteínas.
Embargo
Estudio sobre el uso de Transformers para la detección de fallos: comparativa frente al uso de redes neuronales convolucionales por parches.
(2023) Garayoa Casado, Alejandro; Galar Idoate, Mikel; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
Este TFG se centra en la detección de fallos en imágenes mediante el uso de modelos de aprendizaje profundo. Se estudia la eficacia de los Transformers y las redes neuronales convolucionales por parches en la detección de fallos en imágenes y se propone una modificación del Vision Transformer para obtener predicciones por parches en lugar de por imágenes completas. El estudio se basa en la evaluación experimental de los modelos propuestos y su comparación con otros modelos ya existentes. Los resultados obtenidos pueden tener implicaciones prácticas en la industria, como en la detección de fallos en piezas de maquinaria, inspección de calidad, entre otros.
Open Access
Estudio sobre un sistema de recomendación avanzado: aprendizaje colaborativo de métricas.
(2023) Canta Belategui, María; Sesma Sara, Mikel; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
Un Sistema de Recomendación es una herramienta tecnológica que permite a los usuarios seleccionar los elementos más adecuados entre una amplia variedad de opciones. A través del análisis de patrones y comportamientos, estos sistemas son capaces de detectar las necesidades y preferencias de cada cliente de forma individualizada y ofrecer recomendaciones que se ajusten a sus gustos y preferencias. Inicialmente, los Sistemas de Recomendación clásicos fundamentaban sus bases en preferencias anteriores del usuario o en gustos de usuarios similares. A medida que la incipiente sobrecarga de información ha ido creciendo, se han adoptado numerosos enfoques para solucionar los problemas asociados a estas técnicas y se han desarrollado una amplia variedad de algoritmos para mejorar la precisión y diversidad de las recomendaciones. En este escrito, se realiza una revisión exhaustiva de la literatura existente, con el fin de identificar los conceptos y las ideas clave. Asumiendo las limitaciones de los diseños clásicos, se propone una métrica de recomendación avanzada, Aprendizaje Métrico Colaborativo, que considere no solo la precisión, sino también la diversidad y novedad de las recomendaciones. Este algoritmo de recomendación mejorado es implementado y evaluado en el conjunto de datos MovieLens, demostrando su eficacia en la personalización de las recomendaciones y la mejora de la satisfacción del usuario.
Embargo
Estudio y comparación de algoritmos de aprendizaje incremental de clases
(2022) Alonso Beortegui, Alberto; Galar Idoate, Mikel; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
El aprendizaje continuo, en aprendizaje automático, es la habilidad del modelo de aprender nuevas tareas, clases y/o nuevas distribuciones de los datos sin olvidar los conceptos aprendidos anteriormente. Debido a la naturaleza del entrenamiento de los modelos de aprendizaje automático, basado en gradientes, se da un fenómeno conocido como olvido catastrófico, es decir, el modelo tiende a olvidar abruptamente información previamente aprendida al adaptarse a nueva información. En este trabajo se realizará un estudio y comparación de los algoritmos del estado del arte de aprendizaje continuo en situaciones de llegada incremental de clases.
Embargo
Machine learning techniques for enhance amplitude patterns from phased-arrays augmented with an holographic plate
(2023) Aldea Esnaola, Mikel; Marzo Pérez, Asier; López-Amo Ocón, Manuel; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
Las antenas en fase son un conjunto de transductores en los que las amplitudes y las fases de cada emisor se varían controladamente para alterar el patrón de presión acústica diseñado por los transductores. El control de estos transductores permite generar un patrón de amplitud deseado a una distancia determinada. La calidad de estos patrones se puede mejorar agregando una placa holográfica a una distancia intermedia entre los emisores y el objetivo. Aquí, se proponen nuevas técnicas que utilizan una arquitectura de red neuronal para calcular los parámetros de las antenas en fase y la placa holográfica necesarios para generar el patrón deseado.
Open Access
Monitorización híper-temporal de olivos con imágenes áreas y deep learning
(2022) Aguirre Eraso, Javier; Galar Idoate, Mikel; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
La monitorización de cultivos de gran extensión es de una gran utilidad para afrontar problemas como el cambio climático o el control de plagas. Sin embargo, se trata de una tarea altamente costosa y resulta inviable realizarla manualmente o con métodos tradicionales. Un ejemplo de ello es el conteo de olivos viejos (antigüedad mayor a 60 años) que desea realizar el gobierno de Navarra para la asignación de subvenciones. Por ello, el objetivo de este trabajo es abordar este problema concreto desde una perspectiva tecnológica en la que mediante el uso de la computación y las últimas técnicas de inteligencia artificial, se pueda monitorizar grandes olivares mediante imágenes aéreas híper-temporales y determinar qué olivos de los existentes en 2020 son viejos, cuales son replantados y cuales nuevos. Para lograr este objetivo, se he realizado un etiquetado manual de ciertos olivares para crear un conjunto de datos con el que entrenar una red neuronal convolucional que sea capaz de segmentar y detectar los olivos en las imágenes aéreas. A continuación, se ha construido una serie temporal para cada olivo con la segmentación obtenida por la red y mediante un algoritmo determinista, se ha clasificado cada serie temporal en “nuevo”, “viejo” o “replantado”.
Embargo
Predicción de la evolución a largo plazo de pacientes con psicosis
(2022) Iriarte Iturgaiz, Nahia; Sanz Delgado, José Antonio; Gómez Fernández, Marisol; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
Este proyecto trata de caracterizar y predecir la evolución a largo plazo de la psicosis. Para ello se utilizarán datos del primer ingreso y otras variables relacionadas con la socio-demografía, variables funcionales y cognitivas proporcionadas por el servicio de salud mentar del HUN. 623 sujetos estuvieron dispuestos a participar en este estudio de los cuales 510 cumplieron los criterios de inclusión y 243 fueron seguidos con éxito. Para completar el objetivo se implementarán técnicas de preprocesamiento de datos, ya que se cuenta con un dataset incompleto, con variables relacionadas entre sí y se manejan distintos tipos de variables definidas en distintas escalas. Tras esta primera fase se ajustarán varios tipos de modelos para obtener predicciones de las variables que describen la evolución de cada paciente. Los modelos seleccionados variarán en función del tipo de variable a predecir, se trabajará resolviendo problemas de regresión, clasificación múltiple y clasificación simple.
Open Access
Reducción de las listas de espera mediante minería de procesos y algoritmos de predicción
(2022) Aquerreta Montoro, Ander; Galar Idoate, Mikel; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
En este trabajo lo que se pretende es mejorar la eficiencia de los servicios médicos mediante el uso de minería de procesos y la minería de datos. Este trabajo se enmarca en el servicio de cirugía plástica del Servicio Navarro de Salud-Osasunbidea, aunque este trabajo puede ser extrapolable para los demás servicios médicos. El propósito del presente estudio consiste en examinar el proceso que los pacientes atraviesan al recibir atención en este servicio, empleando técnicas de minería de procesos y minería de datos para generar modelos de predicción. Los resultados nos muestran que el flujo de pacientes que hay actualmente no es el más adecuado ya que hay muchos pacientes que se les deriva al servicio desde atención primaria y que, sin embargo, después de la primera consulta de este servicio, no se les vuelve a citar posteriormente y, por tanto, no requieren necesariamente de este servicio. Si pudiéramos reducir este tipo de pacientes, se podrían reducir considerablemente las listas de espera.
Embargo
El rol del contenido visual vs. textual en la utilidad de la información generada por el usuario: una aplicación en el sector turístico
(2023) Vidaurreta Apesteguía, Paula; Armendáriz Íñigo, José Enrique; Alzate Barricarte, Miriam; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
En los últimos años, el interés mostrado tanto por el mundo académico como profesional, en analizar el contenido de las reseñas online y su impacto en los consumidores, ha crecido considerablemente, especialmente en el sector turístico. Numerosos estudios han demostrado el gran impacto que las reseñas tienen en el proceso de decisión de compra del consumidor. En el presente estudio se realiza un análisis detallado de las reseñas online de hoteles de Cancún, centrándose en el papel que tienen el contenido textual y visual en la utilidad de la reseña. Se han implementado técnicas avanzadas de aprendizaje automático y aprendizaje profundo, como los Transformers, con el objetivo de realizar un análisis exhaustivo de los elementos visuales, del modelado de temas y análisis de sentimientos. Los resultados obtenidos revelan que los temas más mencionados se centran en el personal del hotel y las instalaciones, como la piscina y los restaurantes, siendo, por lo tanto, de gran importancia en la experiencia general del consumidor con el hotel. Además, se ha observado una influencia positiva de la longitud argumentativa de los textos y la inclusión de elementos visuales en la utilidad de las reseñas. Las evidencias mostradas pueden tener implicaciones prácticas para las empresas al ofrecerles la oportunidad de obtener información sobre cómo mejorar la satisfacción del cliente y cómo potenciar su imagen de marca dentro del mercado. Asimismo, pueden suponer una orientación para los usuarios sobre en qué aspectos específicos deben enfocar las reseñas, a fin de que resulten interesantes y, sobre todo, útiles para los futuros clientes.
Open Access
Separación de hablantes individuales en entornos "cocktail-party" mediante redes de aprendizaje profundo
(2023) Cantalapiedra Arellano, Ana; San Martín Murugarren, Ricardo; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
El efecto cóctel presenta un desafío significativo para las personas con discapacidad auditiva al participar en conversaciones en entornos ruidosos. Este fenómeno, que se refiere a la dificultad de separar fuentes sonoras y detectar la fuente de interés en situaciones de múltiples hablantes, ha sido objeto de investigación en el campo de la audición y la percepción auditiva. En la última década, se han desarrollado diversos sistemas de separación de hablantes, especialmente basados en técnicas de aprendizaje profundo (deep learning), que han demostrado mejoras significativas en la separación de fuentes. En este trabajo, se empleó una base de datos de cocktail party, luego, se aplicaron los algoritmos ConvTasNET y DPRNN para separar las fuentes de audio y se evaluaron sus capacidades de rendimiento.
Embargo
Sistematización de la búsqueda de hiperparámetros en Trimmomatic a través de la optimización bayesiana
(2023) García Amez, Mikel; Urrestarazu Vidart, Jorge; Alfaro Sánchez, Manuel; Escuela Técnica Superior de Ingeniería Agronómica y Biociencias; Nekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoa
En la última década, los avances en la tecnología de secuenciación de datos genéticos, como la Secuenciación de Nueva Generación (NGS) de Illumina, han revolucionado la genómica al aumentar la velocidad y reducir los costos de secuenciación. Sin embargo, la optimización de los hiperparámetros en programas como Trimmomatic aún no se ha implementado de manera extensiva. En este trabajo, se propone un algoritmo de optimización bayesiana para ajustar los hiperparámetros "slidingWindow" y "QualityThreshold", buscando mejorar la calidad y eficiencia del filtrado de datos NGS, utilizando un enfoque que ha demostrado ser efectivo en otros campos de la genética, ofreciendo la posibilidad de obtener configuraciones óptimas sin incurrir en altos costos computacionales. Se desarrolló una interfaz en Python que simplifica la configuración de parámetros y mejora la interacción de los usuarios con Trimmomatic. Esta interfaz fue utilizada para comunicar Trimmomatic con SMAC, un módulo de Python que implementa varias técnicas de optimización bayesiana. Los resultados obtenidos en este trabajo muestran como la optimización bayesiana supone una herramienta eficaz para resolver estos problemas de manera eficiente. Además, se introdujo una visualización que representa las variables de entrada y su relación con la calidad media de salida, lo que facilita la comprensión de los resultados. La validación de los resultados resaltó la importancia de equilibrar la mejora de la calidad con otros criterios para evitar sesgos en la eliminación de lecturas.

Browse

Browsing Trabajos Fin de Estudios - Ikasketen Amaierako Lanak by Degree "Datu Zientzietan Graduatua Nafarroako Unibertsitate Publikoan"

Results Per Page

Sort Options