Nicolis, OriettaPeralta Márquez, BillyEsquivel, NicolásFacultad de Ingeniería2023-01-162023-01-162020https://repositorio.unab.cl/xmlui/handle/ria/36152Tesis (Magíster en Ciencias de la Computación)Avances en el aprendizaje de máquina permiten realizar predicciones utilizando múltiples preprocesamientos según las características de la problemática. Los crímenes son una problemática que afecta a gran parte del mundo y siendo un hecho que afecta el índice de calidad de vida en las ciudades. Algunos trabajos han realizado predicciones sobre la categoría de un crimen en base a otras variables, siendo un proceso que no influye demasiado en las operaciones policiales. Por otro lado, existen herramientas de predicción de eventos de crímenes que no logran implementar información a nivel espacio-temporal en profundidad. En este trabajo se proponen tres redes neuronales para la predicción espacio temporales de los eventos de crímenes en diferentes ciudades. Cada red es capaz de reconocer patrones en el tiempo y en el espacio utilizando secuencias de información en mapas geográficos. Se utiliza la red convolucional autoencoder para la ciudad de Chicago, la red convolucional LSTM (Long short-term memory) y la red grafo convolucional LSTM. Estas redes son utilizadas para la predicción de los delitos: robo común para Chicago, hurto/robo en la calle para Baltimore y el robo de vehículo para la ciudad de Santiago. Los resultados de cada red lograron un R2 de 97 % y 86 % para Chicago y Santiago de Chile respectivamente. Para la ciudad de Baltimore se obtuvo una precisión (accuracy) de 86 % en R2. Cada conjunto de red neuronal con ciudad a predecir es relatada en un artículo científico donde cada uno fue aceptado. Las aplicaciones para las ciudades Chicago y Santiago fueron recibidas por conferencias, para el caso de la ciudad de Baltimore, fue publicada en una revista.esRedes Neurales (Ciencia de la Computación)DelitosProcesamiento de DatosTesis