Estudio y evaluación de arquitecturas deep learning para la predicción de trayectorias de vuelo

Alumno investigador: Gustavo Cortés Jiménez

Departamento o Instituto Universitario: Departamento de Informática (Ciencias de la Computación e Inteligencia Artificial)

Tareas realizadas:

Durante mi participación en el proyecto de colaboración he llevado a cabo tareas de investigación sobre arquitecturas de Aprendizaje Profundo del estado del arte, concretamente TSMixer. Implementé esta
arquitectura y evalué su desempeño en la predicción de trayectorias aéreas. Asimismo, analicé y ajusté los hiperparámetros del modelo para optimizar los resultados.

Objetivos alcanzados:

La arquitectura TSMixer fue implementada y evaluada con éxito en la predicción de trayectorias de vuelo, mostrando un rendimiento competitivo con las arquitecturas del estado del arte: redes LSTM y Temporal Fusion Transformer (TFT).

Sectores de aplicación:

Los resultados obtenidos resultan especialmente interesantes en el sector de la aviación, al facilitar la planificación y gestión del tráfico aéreo.

Metodología utilizada:

La metodología utilizada en el proyecto fue ASAP (Agile Student Academic Projects), una adaptación de Scrum para la realización de trabajos académicos.

Opinión sobre la experiencia investigadora desarrollada:

La realización de este proyecto de investigación ha sido una experiencia beneficiosa, puesto que mi objetivo es participar en el programa de Doctorado para realizar tareas de investigación.