http://hdl.handle.net/20.500.12918/3593 2026-04-12T22:05:51Z 2026-04-12T22:05:51Z Abarca Mora, Raimar http://hdl.handle.net/20.500.12918/12308 2026-02-19T13:04:28Z 2026-01-01T00:00:00Z

Implementacion de un modelo predictivo usando tecnicas de inteligencia artificial para el confort termico en casas altoandinas del proyecto Sumaq Wasi Abarca Mora, Raimar El presente estudio tuvo como objetivo implementar y evaluar modelos de aprendizaje automático para predecir el nivel de confort térmico en viviendas del Proyecto Sumaq Wasi, ubicadas en el distrito altoandino de Kunturkanki, provincia de Canas, caracterizado por condiciones climáticas extremas y marcadas oscilaciones térmicas diarias. La investigación se desarrolló bajo un enfoque cuantitativo, utilizando datos ambientales recolectados mediante sensores instalados en las viviendas y una estación meteorológica portátil, considerando temperatura interior y exterior, humedad relativa, velocidad y dirección del viento, y precipitación. Se evaluaron ocho algoritmos de clasificación: Regresión Logística, Análisis Discriminante Lineal, Árbol de Decisión, Máquinas de Soporte Vectorial, Naive Bayes, KNearest Neighbors, Random Forest y Long Short-Term Memory (LSTM). Los resultados evidenciaron que Random Forest alcanzó el mejor desempeño, con una precisión de 0.9098, seguido de Árbol de Decisión y KNN, superando el umbral mínimo de aceptabilidad reportado en la literatura (precisión ≥ 0.75). En contraste, los modelos lineales presentaron limitaciones para discriminar las categorías de confort térmico, mientras que Naive Bayes obtuvo el rendimiento más bajo debido a la correlación entre variables. La LSTM mostró estabilidad y ausencia de sobreajuste, aunque sin superar a los modelos basados en árboles. Los hallazgos confirman que los modelos de aprendizaje automático son herramientas efectivas para la predicción del confort térmico en viviendas altoandinas, permitiendo identificar condiciones de riesgo y respaldar estrategias de vivienda saludable. Asimismo, la predominancia de niveles PMV fríos (–2 y –1) evidencia la necesidad de mejorar el aislamiento térmico y reducir la pobreza energética.

2026-01-01T00:00:00Z Diaz Caceres, Lisha Sabah http://hdl.handle.net/20.500.12918/11704 2025-12-20T02:10:57Z 2025-01-01T00:00:00Z

Análisis de la influencia de la asistencia en el rendimiento académico de los estudiantes Diaz Caceres, Lisha Sabah La presente investigación tiene como propósito principal determinar en qué medida la asistencia a clases influye en el rendimiento académico de los estudiantes. El estudio surge ante la carencia de un control sistemático y confiable de asistencia estudiantil, situación que limita la posibilidad de analizar su impacto real en logros académicos y en la toma de decisiones institucionales. La metodología aplicada es de tipo cuantitativo y diseño correlacional. Se analizaron los datos de asistencia y calificaciones de estudiantes matriculados en el semestre 2024-II, los datos fueron procesados utilizando técnicas estadísticas adecuadas para determinar la relación entre variables, asegurando la validez y confiabilidad de resultados. Se aplicó una encuesta de satisfacción a docentes que utilizaron la herramienta, con el propósito de evaluar la aceptación. Los hallazgos demuestran una correlación positiva entre la asistencia y el rendimiento académico de estudiantes, evidenciando que la participación constante en el aula contribuye a un mejor desempeño. El empleo de la aplicación móvil generó un impacto positivo en la labor docente, al agilizar el registro de asistencias, reducir errores y mejorar la organización de la información académica. Los docentes valoraron especialmente su facilidad de uso y la posibilidad de contar con reportes para la elaboración del portafolio docente. Asimismo, se evidenció que la implementación de herramientas tecnológicas contribuye al fortalecimiento de la gestión académica y permite disponer de información confiable para la toma de decisiones orientadas a la mejora continua. La correlación hallada ofrece un sustento empírico para futuras estrategias institucionales que promuevan la asistencia y reduzcan el absentismo.

2025-01-01T00:00:00Z Lavilla Alvarez, Vanesa http://hdl.handle.net/20.500.12918/11195 2025-08-29T22:38:54Z 2025-01-01T00:00:00Z

Modelo de predicción de la demanda de energía eléctrica en el Perú utilizando redes neuronales LSTM Lavilla Alvarez, Vanesa La pandemia de COVID-19 generó alteraciones sin precedentes en los patrones de consumo de energía eléctrica en el Perú, debido a las medidas de confinamiento y teletrabajo. Estos cambios plantearon la necesidad de identificar anomalías prolongadas en la demanda de energía eléctrica durante y después del periodo crítico de la pandemia. Esta investigación tuvo como objetivo desarrollar un modelo predictivo basado en redes neuronales LSTM para estimar la demanda de energía eléctrica en el Perú, evaluando su desempeño y su utilidad en la identificación de anomalías. Se diseñó e implemento un modelo LSTM utilizando datos históricos de demanda eléctrica registrados cada 30 minutos entre los años 2018 y 2024. Los datos se dividieron en tres etapas: pre-pandemia, durante la pandemia y post-pandemia. El modelo fue entrenado con datos del periodo pre-pandemia y evaluado mediante métricas como RMSE, MAE y R2. Posteriormente, se emplearon los errores de predicción para identificar anomalías en los periodos durante y post-pandemia, se usó el umbral percentil 95. Los resultados mostraron un RMSE inferior al 2% de la demanda media y un R2 superior al 97 %, evidenciando una alta capacidad predictiva del modelo. Se detectaron 1,733 anomalías durante la pandemia, y 1,916 en la etapa post-pandemia. El mayor número de anomalías post-pandemia se vinculó a la inestabilidad política y social que afectaron la actividad económica y consumo eléctrico, aunque con menor amplitud. Este estudio confirma la eficacia de las redes LSTM para detectar anomalías y anticipar comportamientos atípicos en contextos de crisis.

2025-01-01T00:00:00Z Pillco Quispe, Jose Mauro http://hdl.handle.net/20.500.12918/10398 2025-04-11T22:06:08Z 2024-01-01T00:00:00Z

Aplicación de la inteligencia artificial en la resolución de cinemática inversa en brazos robóticos de n grados de libertad Pillco Quispe, Jose Mauro En el presente estudio, la resolución de la cinemática inversa en manipuladores robóticos con múltiples grados de libertad es un desafío en robótica avanzada debido a la multiplicidad de soluciones y la dependencia de condiciones iniciales. Este estudio propone y evalúa tres variantes del algoritmo de Evolución Diferencial (DE) para mejorar la precisión y eficiencia en este problema. Las estrategias incluyen: (1) DE con CR Dinámico, con ajuste decreciente de la tasa de recombinación; (2) DE con CR y F Dinámicos, con ajustes simultáneos en recombinación y mutación para optimizar la convergencia; y (3) DE con Movimiento Natural, inspirado en la biomecánica humana, donde las articulaciones cercanas a la base inician con mayor movilidad, mientras que las distales aumentan su ajuste en generaciones posteriores. El manipulador PUMA 560 se utilizó como banco de pruebas, midiendo el error posicional y el tiempo de ejecución. La variante DE con CR y F Dinámicos mostró el mejor desempeño, con un error posicional de 0.002963 mm y un tiempo total de ejecución de 0.0548 s, superando al DE clásico. Además, se confirmó que la complejidad computacional O(G×N×D) mantiene la escalabilidad del enfoque. En conclusión, las variantes propuestas optimizan la cinemática inversa, mejorando precisión y eficiencia. Se recomienda integrar estos modelos con visión artificial e inteligencia artificial para potenciar su aplicabilidad en entornos dinámicos como manufactura, logística y medicina.

2024-01-01T00:00:00Z