Bienvenidos al Repositorio Institucional de la Universidad Nacional de Piura
REGLAMENTACIÓNLINEAS DE INVESTIGACIÓNDECLARACION DE BERLIN
 

Diseño de un algoritmo para crear y entrenar una red neuronal que permita el reconocimiento de voz

Vista sencilla de ítem
dc.contributor.advisorLeón García, Teobaldoes_PE
dc.contributor.advisorMa San Zapata, Jorge Florentinoes_PE
dc.contributor.authorAponte Castro, Augusto Emmanueles_PE
dc.contributor.authorCastañeda Flores, Edson Jhaires_PE
dc.contributor.authorMedina Paredes, Grovert Enriquees_PE
dc.date.accessioned2021-07-26T17:47:55Z
dc.date.available2021-07-26T17:47:55Z
dc.date.issued2020
dc.description.abstractEl Perú presenta bajo interés en realizar investigaciones tecnológicas dentro del campo de la inteligencia artificial (redes neuronales), la cual es un bum en el crecimiento tecnológico de hoy en día. Por tal motivo, el presente informe de investigación tiene como objetivo general crear, entrenar y evaluar una red neuronal que permita el reconocimiento de voz e identifique que persona está hablando. Para esto se utilizó un software libre denominado “Spyder”, y un servicio web gratuito “Google Colab” basado en el lenguaje de programación Python para desarrollo de redes neuronales artificiales, con el fin de lograr la predicción más alta en el reconocimiento de voz de la persona evaluada. Este informe de investigación fue dividido en tres etapas. La primera etapa consistió en el procesamiento de la voz con la cual se adquirió la voz mediante micrófono, y fue sometida a filtros digitales con la finalidad de reducir los ruidos que puedan existir en la grabación de la voz; en la segunda etapa se realizó la adquisición de datos y preprocesamiento de datos, los cuales se almacenaron en dataset de entrenamiento y evaluación, éstos fueron subidos en la plataforma de Google Colab en donde se realizó su preprocesamiento para su posterior ingreso a la red neuronal; la tercera y última etapa se centró en el Deep learning, que consistió en la creación, compilación, entrenamiento, evaluación y predicción de la red neuronal. En el proceso del desarrollo de este informe de investigación se requirieron dos dataset, uno de entrenamiento y uno de evaluación, para la red neuronal, lo cual conllevó a que los resultados obtenidos tengan un nivel alto de predicción en el rango de 80% a 100% de probabilidad.es_PE
dc.formatapplication/pdfes_PE
dc.identifier.urihttps://repositorio.unp.edu.pe/handle/20.500.12676/2747
dc.language.isospaes_PE
dc.publisherUniversidad Nacional de Piuraes_PE
dc.publisher.countryPEes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.sourceUniversidad Nacional de Piuraes_PE
dc.sourceRepositorio Institucional Digital - UNPes_PE
dc.subjectRed neuronales_PE
dc.subjectPythones_PE
dc.subjectDatasetes_PE
dc.subjectDeep learninges_PE
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#2.02.00es_PE
dc.titleDiseño de un algoritmo para crear y entrenar una red neuronal que permita el reconocimiento de vozes_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
dc.type.versioninfo:eu-repo/semantics/publishedVersiones_PE
renati.advisor.dni02688266
renati.advisor.dni03577113
renati.advisor.orcidhttps://orcid.org/0000-0002-0843-209Xes_PE
renati.advisor.orcidhttps://orcid.org/0000-0002-2426-5463es_PE
renati.author.dni71481682
renati.author.dni71790020
renati.author.dni70043085
renati.discipline713096es_PE
renati.jurorHuacchillo Calle, Mannolioes_PE
renati.jurorNiño Carmona, César Antonioes_PE
renati.jurorCalderón Pinedo, Luis Albertoes_PE
renati.levelhttp://purl.org/pe-repo/renati/nivel#tituloProfesionales_PE
renati.typehttp://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesionales_PE
thesis.degree.disciplineIngeniería Mecatrónicaes_PE
thesis.degree.grantorUniversidad Nacional de Piura. Facultad de Ingeniería Industriales_PE
thesis.degree.nameIngeniero Mecatrónicoes_PE

Archivos

Bloque original
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
IMEC-APO-CAS-MED-2020.pdf
Tamaño:
1.93 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Escuela Profesional de Ingeniería Mecatrónica
Urb. Miraflores s/n, Castilla-Piura, Apartado Postal 295
Copyright © 2024 Universidad Nacional de Piura | Oficina de Tecnologías de Información