Repository logo
Communities & Collections
All of DSpace
  • English
  • Español
Log In
New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Arones Tuesta, Edu André"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • No Thumbnail Available
    Item
    Mejora del rendimiento de redes de telecomunicaciones mediante técnicas de inteligencia artificial en la ciudad de nauta, 2025
    (Universidad Científica del Perú, 2026-04-28) Arones Tuesta, Edu André
    El trabajo de investigación titulado “Mejora del rendimiento de redes de telecomunicaciones mediante técnicas de inteligencia artificial en la ciudad de nauta, 2025”, tuvo como objetivo general determinar la mejora del rendimiento de la red mediante la aplicación de aprendizaje automático, orientado a predecir la congestión y apoyar las decisiones de optimización. El estudio se desarrolló con enfoque cuantitativo, tipo aplicado y diseño preexperimental con medición pretest y postest, comparando el comportamiento de la red antes y después de la intervención. Para esta investigación, los registros de rendimiento de la red sirvieron como población de análisis, concentrándose la evaluación en tres indicadores de calidad de servicio, como son latencia, ancho de banda y pérdida de paquetes. En el procesamiento de datos, se tomaron en cuenta los procedimientos de limpieza y preparación de datos, con su respectivo análisis estadístico e inferencial. La validación técnica del modelo Random Forest tuvo un desempeño predictivo elevado, mostrando una exactitud de 91,4% y un índice Kappa de 0,82, que son resultados que reflejan una concordancia alta entre las predicciones y los eventos que se observaron. La diferencia entre el pretest y el postest mostró mejoras que fueron estadísticamente significativas en los indicadores seleccionados. Se redujo la latencia en 59,5 ms y el ancho de banda se incrementó en 3,71 mbps, mientras que la pérdida de paquetes disminuyó en 3,26%. Dichos cambios se relacionan con un comportamiento más estable y eficiente en los periodos de mayor demanda. Con estos hallazgos, queda demostrado que la implementación de aprendizaje automático anticipa una gestión más favorable del rendimiento, mejora la calidad del servicio así como la confiabilidad operativa de la red en la ciudad de Nauta.

DSpace software copyright © 2002-2026 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback
Repository logo COAR Notify