Saltar navegación e ir al contenido principal
Biblioteca digital de Bogotá
Logo BibloRed
Cargando contenido
¿Qué estás buscando?
  • Escribe palabras clave como el título de un contenido, un autor o un tema que te interese.

  • Búsqueda avanzada

Seleccionar

Contenidos y Experiencias Digitales

Filtrar

Formatos de Contenido
Tipo de colección
Género
Idioma
Derechos de uso

Selecciona contenidos según las condiciones legales para su uso y distribución.

Estás filtrando por

Cargando contenido

Se encontraron 110737 resultados en recursos

  • Exclusivo BibloRed
Imagen de apoyo de  Distinguishing Hand Drawing Style Based on Multilevel Analytics Framework

Distinguishing Hand Drawing Style Based on Multilevel Analytics Framework

Por: Hindawi | Fecha: 2020

El dibujo a mano es una habilidad profesional indispensable en los campos del diseño ambiental, diseño industrial, ingeniería arquitectónica, ingeniería civil y otros campos de educación en diseño de ingeniería. Los estudiantes suelen imitar obras maestras para practicar habilidades básicas, lo cual es un eslabón importante para un principiante. Un sistema de gestión digital requiere una función para una tarea de recomendación automática de diferentes expresiones de habilidades de pincel. Por lo tanto, el método de clasificación para el trazo combina características elaboradas a mano generadas por DCNN y luego utiliza las características finales como entrada a un esquema de clasificación de estructura de árbol. La mejora del método de otros modelos de aprendizaje profundo tiene efectividad en distinguir atributos de ontología artística.
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Distinguishing Hand Drawing Style Based on Multilevel Analytics Framework

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Nonorthogonal Multiple Access for Next-Generation Mobile Networks, A Technical Aspect for Research Direction

Nonorthogonal Multiple Access for Next-Generation Mobile Networks, A Technical Aspect for Research Direction

Por: Hindawi | Fecha: 2020

Las comunicaciones móviles 5G ofrecen varios beneficios, que incluyen proporcionar una latencia extremadamente baja, tasas de datos muy altas, una mejora significativa en el número de usuarios, y un aumento en la capacidad de estaciones base y en la calidad percibida del servicio. Esto puede lograrse a costa de una mayor complejidad del receptor mediante el acceso no ortogonal de los usuarios. El acceso múltiple no ortogonal (NOMA) es uno de los contendientes capaces para lograr la visión de las comunicaciones inalámbricas 5G. El soporte de un mayor número de usuarios que los recursos ortogonales disponibles es la característica clave de NOMA. En este artículo, se ha revisado el principio básico de NOMA y se ha comparado con otros accesos múltiples ortogonales (OMA). Se presenta una encuesta completa en el último esquema de NOMA. Se discuten los principios de diseño de los esquemas NOMA distinguidos, así como las implementaciones recientes. Además, se compara el rendimiento en términos de la tasa de error de bits
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Nonorthogonal Multiple Access for Next-Generation Mobile Networks, A Technical Aspect for Research Direction

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  An Access Selection Algorithm for Heterogeneous Wireless Networks Based on Optimal Resource Allocation

An Access Selection Algorithm for Heterogeneous Wireless Networks Based on Optimal Resource Allocation

Por: Hindawi | Fecha: 2020

Las redes inalámbricas forman redes inalámbricas heterogéneas (HWNs) con cobertura de señal superpuesta, y la selección de acceso es una de las tecnologías clave de las HWNs. Hoy en día, la mayoría de los algoritmos de selección de acceso eligen redes apropiadas principalmente desde la perspectiva de los usuarios sin considerar la asignación de recursos y optimizar el rendimiento general de transmisión de las HWNs. Este artículo propone un algoritmo de selección de acceso para HWNs basado en una asignación óptima de recursos mediante el análisis del modelo de tasa de transmisión del enlace inalámbrico, enfocándose en maximizar la tasa de transmisión de HWN, utilizando la teoría de programación dinámica para derivar el valor óptimo del ancho de banda asignado a los usuarios. Los resultados experimentales muestran que el algoritmo propuesto en este artículo puede mejorar de manera efectiva el rendimiento de la red y la utilización de recursos, y puede conectar a los usuarios a la red apropiada según los requis
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

An Access Selection Algorithm for Heterogeneous Wireless Networks Based on Optimal Resource Allocation

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Multimodal Fusion Method Based on Self-Attention Mechanism

Multimodal Fusion Method Based on Self-Attention Mechanism

Por: Hindawi | Fecha: 2020

La fusión multimodal es una de las direcciones de investigación populares en la investigación multimodal, y también es un campo de investigación emergente en inteligencia artificial. La fusión multimodal tiene como objetivo aprovechar la complementariedad de datos heterogéneos y proporcionar una clasificación confiable para el modelo. La fusión de datos multimodales consiste en transformar datos de múltiples representaciones de modo único a una representación multimodal compacta. En estudios previos de fusión de datos multimodales, la mayoría de la investigación en este campo utilizaba representaciones multimodales de tensores. A medida que la entrada se convierte en un tensor, las dimensiones y la complejidad computacional aumentan exponencialmente. En este artículo, proponemos un método de fusión multimodal de tensores de rango bajo con un mecanismo de atención, que mejora la eficiencia y reduce la complejidad computacional. Evaluamos nuestro modelo a través de tres tareas de fusión multimodal, basadas en un conjunto de datos público: CMU-MOSI, IEMOCAP y POM. Nuestro modelo logra un buen
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Multimodal Fusion Method Based on Self-Attention Mechanism

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Secure and Intelligent Energy Data Management Scheme for Smart IoT Devices

Secure and Intelligent Energy Data Management Scheme for Smart IoT Devices

Por: Hindawi | Fecha: 2020

La energía renovable juega un papel cada vez más importante en muchos campos como la iluminación, el automóvil y la energía eléctrica. Para aprovechar al máximo la energía renovable, se despliegan diversos dispositivos inteligentes de Internet de las Cosas (IoT). Sin embargo, en el campo de la gestión energética, el desajuste bidireccional entre la demanda y la oferta de energía renovable afectará enormemente la eficiencia de la energía renovable. Además, la amenaza de seguridad de los datos energéticos y la fuga de privacidad del usuario pueden obstaculizar el desarrollo adicional de dispositivos inteligentes IoT. Por lo tanto, cómo lograr la consistencia y el equilibrio entre la demanda y la oferta de energía renovable y cómo garantizar la seguridad y privacidad de los dispositivos inteligentes IoT se convierten en los problemas clave del entorno inteligente energéticamente eficiente. En este documento se propone un esquema de gestión de datos energéticos seguro e inteligente para dispositivos inteligentes IoT. Cabe destacar que, con la ayuda de tecnologías de intelig
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Secure and Intelligent Energy Data Management Scheme for Smart IoT Devices

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Deep Reinforcement Learning-Based Content Placement and Trajectory Design in Urban Cache-Enabled UAV Networks

Deep Reinforcement Learning-Based Content Placement and Trajectory Design in Urban Cache-Enabled UAV Networks

Por: Hindawi | Fecha: 2020

Los vehículos aéreos no tripulados (UAV) habilitados para caché han sido concebidos como una tecnología prometedora para muchas aplicaciones en futuras comunicaciones inalámbricas urbanas. Sin embargo, utilizar los UAV de manera adecuada es un desafío debido a la limitada autonomía y capacidad de almacenamiento, así como al continuo desplazamiento de los usuarios móviles. Para satisfacer la diversidad de servicios de comunicación urbana, es esencial explotar el potencial de movilidad y recursos de almacenamiento de los UAV. Con este fin, consideramos una red de comunicación urbana habilitada para caché donde los UAV sirven a usuarios móviles con restricciones de energía y capacidad de caché. Formulamos un problema de optimización para maximizar la suma de la capacidad alcanzable en este sistema. Para resolver este problema, proponemos un algoritmo de diseño de trayectoria y colocación de contenido basado en aprendizaje profundo por refuerzo (DRL-JCT), cuyo progreso se puede dividir en dos etapas: etapa de colocación de contenido
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Deep Reinforcement Learning-Based Content Placement and Trajectory Design in Urban Cache-Enabled UAV Networks

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  A Data Encryption and Fast Transmission Algorithm Based on Surveillance Video

A Data Encryption and Fast Transmission Algorithm Based on Surveillance Video

Por: Hindawi | Fecha: 2020

La videovigilancia es una forma efectiva de registrar eventos actuales. Teniendo en cuenta la dificultad de la transmisión eficiente de videos de vigilancia masivos y el riesgo de filtraciones en el proceso de transmisión, en este documento se propone un nuevo algoritmo de cifrado de datos y transmisión rápida. Desde la perspectiva de los eventos, se rompen las restricciones de la dimensión temporal y espacial. Primero, se construye un modelo de extracción de fondo y objetos en movimiento basado en la composición de video. Luego, se construye un modelo de cifrado de datos de alta correlación y transmisión rápida para lograr una compresión eficiente de datos. Finalmente, se establece un mecanismo de mapeo de datos para realizar la decodificación de videos de vigilancia. Nuestros resultados experimentales muestran que la relación de compresión del algoritmo propuesto es superior al 60% bajo la premisa de confidencialidad de la imagen.
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

A Data Encryption and Fast Transmission Algorithm Based on Surveillance Video

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Terrain Classification Algorithm for Lunar Rover Using a Deep Ensemble Network with High-Resolution Features and Interdependencies between Channels

Terrain Classification Algorithm for Lunar Rover Using a Deep Ensemble Network with High-Resolution Features and Interdependencies between Channels

Por: Hindawi | Fecha: 2020

Para las tareas de clasificación de terrenos, los métodos anteriores utilizaban una única escala o modelo para extraer las características de la imagen, empleaban redes de alta a baja resolución para extraer las características de la imagen y utilizaban una red sin relación entre canales. Estos métodos llevaban a la insuficiencia de las características extraídas. Por lo tanto, la precisión de la clasificación se vería reducida. Las muestras en las tareas de clasificación de terrenos son diferentes a las de otras tareas de clasificación de imágenes. Las diferencias entre las muestras en las tareas de clasificación de terrenos son más sutiles que en otras tareas de clasificación a nivel de imagen. Y los colores de cada muestra en la clasificación de terrenos son similares. Por lo tanto, es necesario mantener la alta resolución de las características y establecer las interdependencias entre los canales para resaltar las características de la imagen. Este tipo de redes puede mejorar la precisión de la clasificación. Para superar estos desafíos, este artículo presenta un algoritmo de clasificación de terrenos para el Rover
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Terrain Classification Algorithm for Lunar Rover Using a Deep Ensemble Network with High-Resolution Features and Interdependencies between Channels

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Research on Semiactive Control of Civil Engineering Structure Based on Neural Network

Research on Semiactive Control of Civil Engineering Structure Based on Neural Network

Por: Hindawi | Fecha: 2020

Con el fin de mejorar la resistencia de la estructura de ingeniería civil, se propone un modelo de control semiactivo de la estructura de ingeniería civil basado en redes neuronales, y se construye el modelo de parámetros de restricción de control del control semiactivo de la estructura de ingeniería civil. Combinado con el modelo del objeto controlado, se diseña el modelo de control semiactivo de la estructura de ingeniería civil, se establece el modelo de análisis mecánico de la estructura de ingeniería civil, y se lleva a cabo la regulación semiactiva de la estructura de ingeniería civil mediante el método de supresión de pequeñas perturbaciones. El ajuste semiactivo de la estructura de ingeniería civil se realiza utilizando el método de seguimiento de fusión de resistencia estructural. Tomando la resistencia interna y la respuesta al rendimiento de choque de la estructura de ingeniería civil como parámetros de restricción, se lleva a cabo el control semiactivo de la estructura de ingeniería civil y se utiliza una red neuronal PID para optimizar el sistema de control
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Research on Semiactive Control of Civil Engineering Structure Based on Neural Network

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Automated Real-Time Intelligent Traffic Control System for Smart Cities Using Wireless Sensor Networks

Automated Real-Time Intelligent Traffic Control System for Smart Cities Using Wireless Sensor Networks

Por: Hindawi | Fecha: 2020

Con el paso de los años, el número de vehículos ha aumentado drásticamente, lo que ha generado serios problemas como los embotellamientos, accidentes y muchos otros problemas, a medida que las ciudades se convierten en ciudades inteligentes. En los últimos años, los embotellamientos se han convertido en uno de los principales desafíos para los ingenieros y diseñadores a la hora de crear un sistema inteligente de gestión del tráfico capaz de detectar y reducir eficazmente la densidad general del tráfico en la mayoría de las áreas urbanas visitadas por automovilistas, como oficinas, el centro y establecimientos basados en varias tecnologías modernas, incluidas las redes de sensores inalámbricos (WSNs), cámaras de vigilancia e IoT. En este artículo, proponemos un sistema inteligente de control de tráfico basado en el diseño de una red de sensores inalámbricos (WSN) para recopilar datos sobre el tráfico en carretera y también sobre los espacios de estacionamiento disponibles en una ciudad inteligente. Además, el sistema prop
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Automated Real-Time Intelligent Traffic Control System for Smart Cities Using Wireless Sensor Networks

Copia el enlace o compártelo en redes sociales

Selecciona las Colecciones en las que vas a añadir el contenido

Para consultar los contenidos añadidos busca la opción Tus colecciones en el menú principal o en Mi perfil.

Mis colecciones

Cargando colecciones

¿Deseas limpiar los términos de la búsqueda avanzada?

Vas a limpiar los términos que has aplicado hasta el momento para poder rehacer tu búsqueda.

Selecciona las Colecciones en las que vas a añadir el contenido

Para consultar los contenidos añadidos busca la opción Tus colecciones en el menú principal o en Mi perfil.

Mis colecciones

Cargando colecciones