Mostrar el registro sencillo del ítem
dc.contributor.advisor | Paredes Palacios, Roberto | es_ES |
dc.contributor.advisor | Albiol Colomer, Alberto | es_ES |
dc.contributor.author | Maluenda Máñez, Francisco | es_ES |
dc.date.accessioned | 2020-09-04T09:25:48Z | |
dc.date.available | 2020-09-04T09:25:48Z | |
dc.date.created | 2020-07-24 | |
dc.date.issued | 2020-09-04 | es_ES |
dc.identifier.uri | http://hdl.handle.net/10251/149421 | |
dc.description.abstract | [ES] El presente trabajo consiste en la realización de un sistema capaz de detectar datos anómalos en los partes que elaboran los talleres de coches. El sistema consta de dos módulos, un primer módulo que es capaz de determinar el coste económico de reparar una determinada pieza de carrocería, y un segundo algoritmo que utiliza redes neuronales profundas para determinar el nivel de daño de la pieza. Ambos pueden utilizarse conjuntamente para determinar si los datos introducidos por el taller son coherentes con los daños y costes reales. | es_ES |
dc.description.abstract | [EN] El presente trabajo consiste en la realización de un sistema capaz de detectar datos anómalos en los partes que elaboran los talleres de coches. El sistema consta de dos módulos, un primer módulo que es capaz de determinar el coste económico de reparar una determinada pieza de carrocería, y un segundo algoritmo que utiliza redes neuronales profundas para determinar el nivel de daño de la pieza. Ambos pueden utilizarse conjuntamente para determinar si los datos introducidos por el taller son coherentes con los daños y costes reales. | es_ES |
dc.format.extent | 57 | es_ES |
dc.language | Español | es_ES |
dc.publisher | Universitat Politècnica de València | es_ES |
dc.rights | Reserva de todos los derechos | es_ES |
dc.subject | Detección fraude | es_ES |
dc.subject | Partes reparación | es_ES |
dc.subject | Machine learning | es_ES |
dc.subject | Aprendizaje profundo | es_ES |
dc.subject | Redes neuronales | es_ES |
dc.subject | Aprendizaje automático | es_ES |
dc.subject | Visión por computador | es_ES |
dc.subject | Deep learning | es_ES |
dc.subject | Neural network | es_ES |
dc.subject | Computer vision | es_ES |
dc.subject.classification | TEORIA DE LA SEÑAL Y COMUNICACIONES | es_ES |
dc.subject.classification | LENGUAJES Y SISTEMAS INFORMATICOS | es_ES |
dc.subject.other | Máster Universitario en Inteligencia Artificial, Reconocimiento de Formas e Imagen Digital-Màster Universitari en Intel·Ligència Artificial: Reconeixement de Formes i Imatge Digital | es_ES |
dc.title | Detección de partes mecánicos fraudulentos con machine learning | es_ES |
dc.type | Tesis de máster | es_ES |
dc.rights.accessRights | Cerrado | es_ES |
dc.contributor.affiliation | Universitat Politècnica de València. Departamento de Sistemas Informáticos y Computación - Departament de Sistemes Informàtics i Computació | es_ES |
dc.description.bibliographicCitation | Maluenda Máñez, F. (2020). Detección de partes mecánicos fraudulentos con machine learning. http://hdl.handle.net/10251/149421 | es_ES |
dc.description.accrualMethod | TFGM | es_ES |
dc.relation.pasarela | TFGM\133027 | es_ES |