Browsing by Author "Flores Huenchullanca, Ricardo Antonio"
Now showing 1 - 5 of 5
Results Per Page
Sort Options
Item Comparación automática de calidad entre imágenes astronómicas reconstruidas utilizando técnicas de Deep Learning.(Universidad de Concepción, 2025) Valenzuela Concha, Luis Andrés; Hernández Rivas, Cecilia Paola; Flores Huenchullanca, Ricardo AntonioEn este trabajo se abordó el problema de la evaluación objetiva de la calidad en imágenes astro nómicas reconstruidas a partir de observaciones interferométricas, un proceso que tradicionalmente depende de la inspección visual de expertos y carece de metodologías reproducibles. Es por esto que se propuso el desarrollo de un sistema automático basado en técnicas de Deep Learning, capaz de comparar múltiples reconstrucciones provenientes de una misma observación y establecer un ranking de calidad sin necesidad de contar con una imagen de referencia. Con este propósito, se generó un con junto de datos simulado a partir de galaxias y nebulosas, sobre el cual se aplicaron distintos algoritmos de reconstrucción evaluados mediante métricas objetivas, que fueron utilizados como insumo para en trenar redes neuronales convolucionales diseñadas con y sin incorporación de contexto. Los modelos obtenidos demostraron capacidad para predecir métricas de calidad y ordenar reconstrucciones de manera consistente con las evaluaciones de referencia. Además, se realizó un análisis comparativo de algoritmos de reconstrucción considerando calidad de imagen, costo computacional y condiciones de observación. La principal ventaja de la solución propuesta es que aporta objetividad y eficiencia al análisis, reduciendo la carga de trabajo manual y permitiendo concentrar la atención en las re construcciones de mayor fidelidad. Finalmente, se implementó una herramienta prototipo que integra simulación, reconstrucción, evaluación y modelado en un mismo entorno flexible, capaz de incorporar nuevos algoritmos y métricas, con potencial de aplicación en futuros contextos de investigación.Item Detección automática de carga de rollizos por medio de visión artificial.(Universidad de Concepción, 2025) Sáez Cubillos, Dayan Antonio; Flores Huenchullanca, Ricardo AntonioEl robo de madera es un tipo de crimen organizado que hoy está presente en la macrozona centro sur y sur generando peligrosidad a la estabilidad económica y social del país (Rodríguez Jiménez, 2024). Este ilícito se centra en el robo de rollizos, por medio de la sustracción desde predios legales, propiedades de forestales, o el robo de camiones cargados. El problema es considerable, ya que, cada camión con acoplado cargado con madera sustraída genera ganancias por más de $1.500.000. Existe documentación sobre diversos casos asociados al robo de madera como lo fue hacia la forestal Arauco descubierto en 2022, que da cuenta de organizaciones criminales que operan desde hace años, se evidencia una trama de sobornos, vínculos con comunidades, tráfico de armas y enfrentamientos a tiros (González, 2024). Según estimaciones de la Corporación Chilena de la Madera (Corma), las perdidas por este delito entre 2021 y 2023 ascendieron a $167.000.000.000 (González, 2024).Item Estimación Bayesiana de los cuantiles de la disposición a pagar: aplicación a un caso de valoración contingente.(Universidad de Concepción, 2013) Flores Huenchullanca, Ricardo Antonio; Vásquez Lavín, Felipe AntonioEsta investigación extiende la estimación de medidas de bienestar, sugeridas por Hanemann (1984), a medidas de bienestar basadas en los cuantiles de la Disposición a Pagar (DAP), para proporcionar información más precisa a los decisores de política en relación a la provisión de bienes públicos. Se presentan dos medidas de bienestar para obtener los cuantiles de la DAP. La primera de ellas es una generalización de la Mediana propuesta por Hanemann (1984). La segunda, es una extensión de Hanemann (1984), pero se basa en un método Bayesiano propuesto por Benoit y Van den Poel (2012). Los resultados, provenientes de una aplicación a un caso de Valoración Contingente (VC), sugieren que la DAP es heterogénea y sensible a cambios en los cuantiles de su distribución. Por lo tanto, el cálculo de los beneficios individuales y agregados de un proyecto varían de forma significativa según el cuantil que consideremos como medida de bienestar.Item Modelo multimodal no invasivo para la estimacion del bienestar estudiantil.(Universidad de Concepción, 2025) Cea Klapp, Francisco Javier; Flores Huenchullanca, Ricardo Antonio; Caro Seguel, Juan Carlos; Maluenda Albornoz, Jorge IgnacioEn el marco de un estudio piloto, se explora la viabilidad de un modelo multimodal no invasivo para estimar alteraciones asociadas al bienestar estudiantil en un entorno universitario. La propuesta integra, de forma experimental, datos biométricos obtenidos mediante dispositivos wearables, rasgos faciales y características acústicas extraídas de grabaciones audiovisuales, junto con representaciones semánticas de transcripciones textuales. El proceso metodológico incluye la aplicación de cuestionarios psicométricos estandarizados, la captura y procesamiento automatizado de cada modalidad y la construcción de vectores multimodales consolidados. Se implementan distintas estrategias de integración y selección de características con el fin de reducir el riesgo de sobreajuste derivado de la alta dimensionalidad y del tamaño reducido de la muestra. Los análisis realizados evidencian que la combinación de modalidades heterogéneas es técnicamente factible y que la selección de atributos relevantes contribuye a mejorar el rendimiento de los modelos, planteando un marco prometedor para futuros estudios de mayor alcance orientados al monitoreo no invasivo del bienestar estudiantil.Item Predicción de riesgo de caída en adultos mayores a través de sensores: Un enfoque de Machine Learning.(Universidad de Concepción, 2025) Ramos Montesino, Emilio; Flores Huenchullanca, Ricardo Antonio; Pinacho Davidson, Pedro PabloLas caídas son actualmente uno de los principales peligros de salud en los adultos mayores, teniendo una alta prevalencia en Chile. Para medir el riesgo de caída existen diversos tests como el Timed Up and Go (TUG), el cual es ampliamente utilizado debido a su sencillez y fácil implemen tación. A pesar de esto, el TUG solo evalúa la duración total de la prueba, limitando la detección de patrones de marcha y estrategias compensatorias durante el test. Este trabajo propone un enfoque de aprendizaje automático, para predecir el riesgo de caída, utilizando datos de un sensor inercial colocado en la zona lumbar en adultos mayores chilenos al momento de realizar el test TUG. Se entrenaron varios modelos de Machine Learning Clásico, tal que el mejor resultado lo alcanzó el XGBoost con un F1-Score de 91.17% y un AUC de 0.96. Además, el análisis de interpretabilidad con valores SHAP reveló que las fases de Caminata de Ida y Caminata de Vuelta fueron las más de terminantes en la predicción. Finalmente, se desarrolló un dashboard interactivo en Streamlit para visualizar individualmente las predicciones, constituyendo una herramienta exploratoria de apoyo al análisis de la predicción.