BIBDIGITAL
El Repositorio Digital Institucional de la Escuela Politécnica Nacional, ofrece acceso abierto al texto completo de la producción científica de los miembros de la comunidad politécnica. El objetivo del Repositorio, es constituirse como el registro permanente de consulta académica, maximizando su visibilidad, accesibilidad e impacto.
Please use this identifier to cite or link to this item:
http://bibdigital.epn.edu.ec/handle/15000/24445| Title: | Ingreso, pobreza y desigualdad. un análisis espacio temporal usando aprendizaje profundo (deep learning): imágenes satelitales como predictor del nivel de ingreso en Ecuador. |
| Authors: | Cruz Segura, Stéfano Sebastián |
| Keywords: | MATEMÁTICAS ENCUESTA ENEMDU INGRESO PROMEDIO POBREZA DESIGUALDAD IMAGE CAPTIONING |
| Issue Date: | Mar-2023 |
| Publisher: | Quito : EPN, 2023. |
| Citation: | Cruz Segura, S.S. (2023). Ingreso, pobreza y desigualdad. un análisis espacio temporal usando aprendizaje profundo (deep learning): imágenes satelitales como predictor del nivel de ingreso en Ecuador. 72 páginas. Quito : EPN. |
| Description: | En este trabajo se utilizará las encuestas de ENEMDU (encuesta nacional de empleo, desempleo y subempleo) desde el 2014 hasta el 2019 para estimar 3 variables desagregadas por provincia y trimestre: el ingreso promedio, la pobreza y la desigualdad expresada por el coeficiente de Gini. Se usarán redes neuronales, pues permiten integrar divertsas variables exógenas como variables macroeconómicas, coordenadas y estimadores alternativos como las imágenes satelitales. La arquitectura de red neuronal utilizada se inspira en el modelo de image captioning, que consiste en una combinación entre una red recurrente y una red convolucional, lo que permite tratar datos en series de tiempo e imágenes al mismo tiempo, además de otras variables auxiliares. Esta versión del modelo recibirá información de una provincia del Ecuador, y entregará 3 series de tiempo. Se entrenaron varias versiones más simples del modelo con menos variables de entrada, con el objetivo de medir el aporte que cada tipo de variable realiza a las predicciones, y se observó que el aporte de las imágenes satelitales es significativo. |
| URI: | http://bibdigital.epn.edu.ec/handle/15000/24445 |
| Type: | bachelorThesis |
| Appears in Collections: | TIC - Ingeniería Matemática Aplicada |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| CD 13369.pdf | 3 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.