Estudio y evaluación de arquitecturas deep learning para la predicción de trayectorias de vuelo

Alumno investigador: Gustavo Cortés Jiménez

Departamento o Instituto Universitario: Departamento de Informática (Ciencias de la Computación e Inteligencia Artificial)

Tareas realizadas:

Durante mi participación en el proyecto de colaboración he llevado a cabo tareas de investigación sobre arquitecturas de Aprendizaje Profundo del estado del arte, concretamente TSMixer. Implementé esta
arquitectura y evalué su desempeño en la predicción de trayectorias aéreas. Asimismo, analicé y ajusté los hiperparámetros del modelo para optimizar los resultados.

Objetivos alcanzados:

La arquitectura TSMixer fue implementada y evaluada con éxito en la predicción de trayectorias de vuelo, mostrando un rendimiento competitivo con las arquitecturas del estado del arte: redes LSTM y Temporal Fusion Transformer (TFT).

Sectores de aplicación:

Los resultados obtenidos resultan especialmente interesantes en el sector de la aviación, al facilitar la planificación y gestión del tráfico aéreo.

Metodología utilizada:

La metodología utilizada en el proyecto fue ASAP (Agile Student Academic Projects), una adaptación de Scrum para la realización de trabajos académicos.

Opinión sobre la experiencia investigadora desarrollada:

La realización de este proyecto de investigación ha sido una experiencia beneficiosa, puesto que mi objetivo es participar en el programa de Doctorado para realizar tareas de investigación.

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.

ACEPTAR
Aviso de cookies