Resumen
Este Proyecto Final de Grado está encaminado a ofrecer un sistema inteligente basado en Machine Learning que se combina con una interfaz gráfica para indicar que método de mitigación es el más apropiado para un dron determinado, partiendo de los datos que son capaces de proporcionar los sensores que colaboran en la detección de un dron, con el objetivo de reducir costes, y rapidez en la toma de decisiones.
Para cumplir este propósito, nosotros hemos propuesto un modelo de Machine Learning que utiliza un algoritmo de decisión basado en árbol proporcionándole una base de datos donde se reúnen una ristra de información, esta, es debida a drones que han sido detectados. La historia de este algoritmo, como toma decisiones, los principales conceptos y cómo es su rendimiento nos ayudará a comprender su forma de operar, y el buen comportamiento que tiene manejando datos.
Seguidamente, debemos estudiar y decidir cuál es la contramedida más adecuada para cada dron según sus características y parámetros de vuelo, esta decisión la tomaremos para poder entrenar el modelo de Machine Learning y que nos proporcione la solución final a través de una interfaz gráfica. Esta parte en su conjunto representa la parte central de nuestro sistema, de manera que la solución proporcionada sea la más efectiva y la vez la más económica.
Para llevar a cabo esta tarea, debemos justificar la elección de un modelo por encima de la existencia de los otros, realizando una comprobación teórica y analizando los resultados de precisión que es capaz de proporcionar el modelo. Analizaremos la estructura del modelo basado en el árbol de decisiones y entenderemos los conceptos clave que utiliza para conseguir la respuesta automatizada una vez lo tenemos entrenando con una cantidad de datos. Por otro lado, describiremos las herramientas de programación que nos ayudarán a elaborar el sistema, deberemos adquirir conocimientos sobre bases de datos, sobre diseño de interfaces gráficas y sobre modelos de Machine Learning. Además, hemos diseñado la interfaz gráfica, de manera que el usuario tenga uso sencillo y robusto de la aplicación.
Una vez que tenemos una idea global a nivel teórico del sistema y como se van a relacionar la base de datos con Machine Learning y la interfaz gráfica, el siguiente paso que se trata en el proyecto es el sector al que se quiere dar servicio, en nuestro caso, apuntamos al sector de defensa aérea. Numerosos modelos de drones existentes en el mercado son explicados en los primeros apartados, también incluimos el análisis de los procedimientos de mitigación que tenemos en cuenta en el sistema, y explicamos como trabajan, para poder dar la solución óptima. Por consiguiente, realizaremos un análisis de los resultados obtenidos mostrando la eficacia y precisión del sistema.
El objetivo fundamental del desarrollo de este proyecto de investigación es la familiarización con el entorno de Machine Learning, una de las ramas que derivan de la Inteligencia Artificial.
Abstract
This Final Degree Project is aimed at offering an intelligent system based on Machine Learning, combined with a graphical interface, to indicate the most appropriate mitigation method for a specific drone. This is based on data provided by sensors involved in drone detection, with the goal of reducing costs and speeding up decision-making.
To achieve this goal, we have proposed a Machine Learning model that uses a tree-based decision algorithm, supported by a database that gathers a wide range of information obtained from previously detected drones. The development history of this algorithm, how it makes decisions, the main concepts involved, and its performance will help us understand how it operates and how effectively it handles data.
Next, we must study and determine the most suitable countermeasure for each drone, based on its characteristics and flight parameters. This decision will allow us to train the Machine Learning model so it can provide the final solution through a graphical interface. This stage represents the core of our system, ensuring that the proposed solution is both the most effective and the most cost-efficient.
To carry out this task, we must justify the choice of one model over others by conducting theoretical validation and analyzing the accuracy results that the model can deliver. We will examine the structure of the tree-based model and understand the key concepts it uses to generate automated responses once trained with sufficient data. In addition, we will describe the programming tools that will help us develop the system, and we will need to gain knowledge in databases, graphical interface design, and Machine Learning models. Moreover, we have designed the graphical interface in such a way that it provides users with a simple yet robust application experience.
Once we have a global theoretical understanding of the system and how the database, Machine Learning, and graphical interface will interact, the next step addressed in the project is the target sector. In our case, we are focusing on the air defense sector. Several drone models currently on the market are explained in the initial sections. We also include an analysis of the mitigation procedures considered by the system, explaining how they work in order to provide the optimal solution. Consequently, we will carry out an analysis of the results obtained, showcasing the system’s effectiveness and precision.
The primary goal of developing this research project is to become familiar with the Machine Learning environment, one of the branches derived from Artificial Intelligence.
Resumen
Este Proyecto Final de Grado está encaminado a ofrecer un sistema inteligente basado en Machine Learning que se combina con una interfaz gráfica para indicar que método de mitigación es el más apropiado para un dron determinado, partiendo de los datos que son capaces de proporcionar los sensores que colaboran en la detección de un dron, con el objetivo de reducir costes, y rapidez en la toma de decisiones.
Para cumplir este propósito, nosotros hemos propuesto un modelo de Machine Learning que utiliza un algoritmo de decisión basado en árbol proporcionándole una base de datos donde se reúnen una ristra de información, esta, es debida a drones que han sido detectados. La historia de este algoritmo, como toma decisiones, los principales conceptos y cómo es su rendimiento nos ayudará a comprender su forma de operar, y el buen comportamiento que tiene manejando datos.
Seguidamente, debemos estudiar y decidir cuál es la contramedida más adecuada para cada dron según sus características y parámetros de vuelo, esta decisión la tomaremos para poder entrenar el modelo de Machine Learning y que nos proporcione la solución final a través de una interfaz gráfica. Esta parte en su conjunto representa la parte central de nuestro sistema, de manera que la solución proporcionada sea la más efectiva y la vez la más económica.
Para llevar a cabo esta tarea, debemos justificar la elección de un modelo por encima de la existencia de los otros, realizando una comprobación teórica y analizando los resultados de precisión que es capaz de proporcionar el modelo. Analizaremos la estructura del modelo basado en el árbol de decisiones y entenderemos los conceptos clave que utiliza para conseguir la respuesta automatizada una vez lo tenemos entrenando con una cantidad de datos. Por otro lado, describiremos las herramientas de programación que nos ayudarán a elaborar el sistema, deberemos adquirir conocimientos sobre bases de datos, sobre diseño de interfaces gráficas y sobre modelos de Machine Learning. Además, hemos diseñado la interfaz gráfica, de manera que el usuario tenga uso sencillo y robusto de la aplicación.
Una vez que tenemos una idea global a nivel teórico del sistema y como se van a relacionar la base de datos con Machine Learning y la interfaz gráfica, el siguiente paso que se trata en el proyecto es el sector al que se quiere dar servicio, en nuestro caso, apuntamos al sector de defensa aérea. Numerosos modelos de drones existentes en el mercado son explicados en los primeros apartados, también incluimos el análisis de los procedimientos de mitigación que tenemos en cuenta en el sistema, y explicamos como trabajan, para poder dar la solución óptima. Por consiguiente, realizaremos un análisis de los resultados obtenidos mostrando la eficacia y precisión del sistema.
El objetivo fundamental del desarrollo de este proyecto de investigación es la familiarización con el entorno de Machine Learning, una de las ramas que derivan de la Inteligencia Artificial.
Abstract
This Final Degree Project is aimed at offering an intelligent system based on Machine Learning, combined with a graphical interface, to indicate the most appropriate mitigation method for a specific drone. This is based on data provided by sensors involved in drone detection, with the goal of reducing costs and speeding up decision-making.
To achieve this goal, we have proposed a Machine Learning model that uses a tree-based decision algorithm, supported by a database that gathers a wide range of information obtained from previously detected drones. The development history of this algorithm, how it makes decisions, the main concepts involved, and its performance will help us understand how it operates and how effectively it handles data.
Next, we must study and determine the most suitable countermeasure for each drone, based on its characteristics and flight parameters. This decision will allow us to train the Machine Learning model so it can provide the final solution through a graphical interface. This stage represents the core of our system, ensuring that the proposed solution is both the most effective and the most cost-efficient.
To carry out this task, we must justify the choice of one model over others by conducting theoretical validation and analyzing the accuracy results that the model can deliver. We will examine the structure of the tree-based model and understand the key concepts it uses to generate automated responses once trained with sufficient data. In addition, we will describe the programming tools that will help us develop the system, and we will need to gain knowledge in databases, graphical interface design, and Machine Learning models. Moreover, we have designed the graphical interface in such a way that it provides users with a simple yet robust application experience.
Once we have a global theoretical understanding of the system and how the database, Machine Learning, and graphical interface will interact, the next step addressed in the project is the target sector. In our case, we are focusing on the air defense sector. Several drone models currently on the market are explained in the initial sections. We also include an analysis of the mitigation procedures considered by the system, explaining how they work in order to provide the optimal solution. Consequently, we will carry out an analysis of the results obtained, showcasing the system’s effectiveness and precision.
The primary goal of developing this research project is to become familiar with the Machine Learning environment, one of the branches derived from Artificial Intelligence. Read More
Related posts:
Desarrollo de un gemelo digital para un sensor de mediciones medioambientales
Aplicación Android para la Clasificación del Estilo de Conducción mediante OBD-II, Sensores Móviles y Machine Learning
IA y machine learning: Modelos predictivos para optimizar la cadena de suministro
Generación de modelos neuronales mediante interfaces gráficas GENEXNET
Aplicación web para gestión de comunidades energéticas
Diseño y desarrollo de un tipo de pregunta de Moodle para la ETSAM