Resumen:
Esta investigación compara la precisión en la predicción de tres modelos básicos de aprendizaje automático (ML) con nuestro modelo propuesto que combina Random Forest y Multi-Layer Perceptron (RF-MLP) para predecir el indicador de la intensidad de la señal recibida (RSSI) en una red LoRaWAN, con y sin la utilización de datos climáticos. Los modelos de ML son Random Forest (RF), Multi-Layer Perceptron (MLP), y Long Short-Term Memory (LSTM). Todos los modelos fueron probados en un entorno de cultivo de maíz, utilizando variables climáticas como humedad, temperatura, y radiación solar, y la altura y coordenadas geográficas de los nodos terminales como parámetros de entrada. El resultado muestra que MLP se desempeña mejor que RF y LSTM al predecir los valores RSSI de un nodo recién insertado en la red, y que el modelo RF-MLP propuesto logró el mejor desempeño de todos los modelos. Por otra parte, el modelo RF fue el mejor al pronosticar valores futuros de RSSI para un solo nodo. Además, los modelos ML mejoraron su rendimiento al utilizar datos climáticos, en comparación con cuando eran excluidos como insumo, con un nivel máximo de mejora de 46,8%.
Expositor:
Boris Ramos se graduó de la Maestría en Ciencias en Ciencias de la Computación y del Ph.D. en Telecomunicaciones y Dinámica de Sistemas del Instituto Politécnico de Worcester (WPI), en Massachusetts, Estados Unidos, en 1997 y 2006, respectivamente. Es actualmente Profesor Principal de Telecomunicaciones en la ESPOL, enseñando en cursos de posgrado y pregrado relacionados con las telecomunicaciones. Además, es Director del Grupo de Investigación en Redes de Información Inalámbrica (GIRNI). Sus intereses de investigación incluyen modelar las tasas de lluvia usando señales microondas, implementar sistemas digitales inalámbricos utilizando software definido radio, estudiar el efecto de las condiciones ambientales en la propagación de señales inalámbricas y el modelado de canales de radio para Internet de las cosas.n conferencias nacionales, internacionales y panelista en eventos relacionados con Inteligencia Artificial y sus aplicaciones.
