000			02683cmm a2200253 a 4500
003			MX-MeUAM
005			20250920060844.0
008			250919s2025 mx fo d spa d
040			_aMX-MeUAM _bspa _cMX-MeUAM
050		4	_aQA76.87 _bL66 2025
100	1		_aLópez Barajas, María Fernanda _939264
245	1	0	_aDeterminación de entradas en redes neuronales convolucionales para la detección en tiempo real de reductores de velocidad usando sensores inerciales. _h[recurso electrónico] / _cMaría Fernanda López Barajas ; director, Julio César Rodríguez Quiñonez
260			_aMexicali, Baja California, _c2025.
300			_a1 recurso en línea, 103 p. : _bil. col., gráficas, fots. ;
500			_aMaestría en Ciencias
502			_aTesis (Maestría) -- Universidad Autónoma de Baja California. Facultad de Ingeniería, Mexicali, 2025.
504			_aIncluye referencias bibliográficas.
520			_aEsta tesis de maestría presenta un sistema de detección en tiempo real de reductores de velocidad, utilizando una Red Neuronal Convolucional unidimensional (1D-CNN) y datos de aceleración obtenidos de una Unidad de Medición Inercial (IMU). A diferencia de los enfoques existentes, que no operan en tiempo real debido a un desfase de entre 2 y 5 segundos, el sistema propuesto ofrece una respuesta inmediata y precisa. La metodología se centró en optimizar las estructuras de entrada de la CNN utilizando ventanas de datos de 3×308, donde las filas representan los ejes de aceleración (x, y, z) y las columnas contienen muestras de series temporales. Un enfoque de ventana deslizante con incrementos de 7 muestras permitió capturar completamente la interacción vehículo-tope. El análisis comparativo de técnicas de ormalización ([0,1],[-1,1] y [0,255]) reveló que la normalización en escala de grises [0-255] fue la más efectiva para la extracción de características. La validación experimental incluyó pruebas extensivas en condiciones reales con un Honda Civic 2012 en las calles urbanas de Mexicali bajo diversas condiciones de tráfico. El modelo final alcanzó una precisión de clasificación del 99.61% con una latencia de <10ms, manteniendo un rendimiento robusto a través de variaciones de velocidad y escenarios de conducción complejos (frenado, giros).
650		7	_aRedes neuronales- computadores _vTesis y disertaciones académicas. _2lemb
700	1		_aRodríguez Quiñonez, Julio César _edir. _914517
710	2		_aUniversidad Autónoma de Baja California. _93324 _bFacultad de Ingeniería
856			_uhttps://drive.google.com/file/d/1ylZ09iTpw-wZ1OocV0jeNcUjX3EylPxl/view?usp=sharing _zTesis digital
942			_cTESIS
999			_c279777 _d279776