Bienvenido al Repositorio Institucional de la UTPL (RiUTPL) que tiene como propósito centralizar los recursos educativos y objetos de aprendizaje generados por la comunidad académica;
este repositorio permitirá preservar, organizar y visibilizar la producción institucional
bajo la licencia Creative Commons 4.0.
Please use this identifier to cite or link to this item:
http://dspace.utpl.edu.ec/jspui/handle/20.500.11962/29494| Title: | Evaluación de AIoT en modelos computacionales en la nube cloudy en el borde de la red edge |
| Authors: | Quiñonez Cuenca, Felipe David |
| metadata.dc.contributor.advisor: | Torres Tandazo, Rommel Vicente |
| Keywords: | Inteligencia artificial Alo T Magíster en ciencias y tecnologías de la computación Tesis y disertaciones académicas |
| metadata.dc.date.available: | 2022-01-11T13:05:04Z |
| Issue Date: | 2022 |
| Citation: | Quiñonez Cuenca, Felipe David. Torres Tandazo, Rommel Vicente.(2022). Evaluación de AIoT en modelos computacionales en la nube cloudy en el borde de la red edge . Universidad Técnica Particular de Loja |
| Description: | Resumen: A nivel global, el COVID-19 ha provocado graves daños a la salud, se han infectado centenas de millones de personas y ha causado la muerte de millones de ellas. Los programas de vacunación de cada gobierno ha ninfluido en el decaimiento de estos índices; sin embargo, la aparición de nuevas mutaciones del coronavirus, mucho más contagiosas,han causado preocupación sobre la efectividad de las vacunas. Frente a esta situación, el uso de mascarillas sigue siendo eficaz para prevenirla transmisión y contagio del COVID-19. Lo que hagenerado una creciente demanda de servicios de detección automática de mascarillas, que permita recordara las personas la importancia del uso de estas. En este trabajo se plantea un análisis del desempeño de un sistema para la detección del uso correcto, inadecuado y sin mascarilla basado en dos modelos computacionales de cloudy edge;con la finalidad de determinar qué modelo seadecua mejor en un entorno real,en base alastres métricas de evaluación:1) confiabilidad del algoritmo de detección, 2)uso de recursos computacionales, y 3) tiempo de respuesta. Los resultados experimentales demuestran que el algoritmo AIoT alcanzó mejor desempeño en el modelo edge en comparación con el modelo cloud. |
| metadata.dc.identifier.other: | 1351073 |
| URI: | http://dspace.utpl.edu.ec/handle/20.500.11962/29494 |
| metadata.dc.type: | bachelorThesis |
| Appears in Collections: | Magister en Ciencias y Tecnologías de la Computación |
Files in This Item:
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.