Diseño de un algoritmo de posicionamiento para interiores basado en machine learning

Abstract

En el trabajo de grado se propone utilizar el concepto de Aprendizaje Automático (ML, Machine Learning), con el fin de reducir el margen de error y el tiempo de procesamiento al obtener la posición de un dispositivo, enfocándose en los diferentes algoritmos de ML usados en el campo del posicionamiento en interiores tales como K-Vecinos Más Cercanos (KNN, K-Nearest Neighbor), Árbol de decisión, Naive Bayes, Máquina de Vectores de Soporte (SVM, Support Vector Machine) y Redes Neuronales (NN, Neural Networks), además, se analiza el desempeño utilizando las métricas de precisión y exactitud. El trabajo de grado se divide en cuatro capítulos: el Capítulo 1 contiene el marco teórico con los conceptos necesarios para para la ejecución del trabajo de grado; el Capítulo 2 plantea la adaptación de los algoritmos de ML seleccionados al posicionamiento en interiores; el Capítulo 3 presenta la implementación, entrenamiento y validación de los algoritmos en diferentes escenarios; y en el Capítulo 4 se presentan las conclusiones obtenidas en el desarrollo de los algoritmos de ML para posicionamiento en interiores y los trabajos futuros relacionados con el trabajo de grado.