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  Smart Localization of Thunderstorm Charge for Human 4IR Applications

Smart Localization of Thunderstorm Charge for Human 4IR Applications

Por: Hindawi | Fecha: 2021

La relación entre los dispositivos inteligentes y los seres humanos es uno de los puntos de investigación más candentes de la Cuarta Revolución Industrial (4RI). En este sentido, exploramos la relación práctica entre los componentes del campo eléctrico 3D medidos por el aparato inteligente de campo eléctrico atmosférico 3D (AEFA) y la actividad de tormentas desde la perspectiva del observador. Especialmente, en la aplicación de AEFA, se propone un método inteligente de calibración para resolver el problema de la adquisición incómoda de datos de tormentas. En primer lugar, para obtener la posición de carga de la tormenta desde el ángulo de observación del aparato, este documento establece un modelo de medición de campo eléctrico 3D. Según la teoría del método del espejo, obtenemos además la distribución potencial de carga en AEFA. Luego, los componentes del campo eléctrico se derivan utilizando la fórmula de distribución de potencial con permitividad. Además, basándonos en la relación vectorial del modelo, se obtienen los ángulos de azimut y elevación de la carga de la tormenta. Finalmente, después de establecer un nuevo sistema de coordenadas, se lleva a cabo la calibración de la localización de carga, basada en el punto de observación. Al mismo tiempo, se ofrece una solución preliminar al problema de que la elevación de la posición del aparato afecta el rendimiento de la localización. Los resultados muestran que el método coincide con los datos del mapa de radar y el arreglo de micrófonos, lo que refleja las ventajas del método. Además, este método puede ser utilizado no solo en la localización de fuentes de sonido, sino también en el sistema de monitoreo de tormentas de IA para realizar una observación en red de big data.
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Smart Localization of Thunderstorm Charge for Human 4IR Applications

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Node-Subset Scheduling with a Subset-Reset Mechanism for the Decoding Algorithm of Nonbinary LDPC Codes

Node-Subset Scheduling with a Subset-Reset Mechanism for the Decoding Algorithm of Nonbinary LDPC Codes

Por: Hindawi | Fecha: 2021

Para el algoritmo convencional de suma mínima extendida (EMS), todos los nodos de comprobación actualizan sus mensajes de comprobación a variable (C2V) en cada iteración. La programación seleccionada, que reduce el número de nodos de comprobación para la actualización de mensajes en una iteración, puede reducir efectivamente la complejidad del algoritmo de decodificación, pero también puede llevar a cierta degradación del rendimiento. Con la introducción de una métrica basada en la estabilidad del nodo, proponemos la programación de subconjuntos de nodos basada en la estabilidad (SNS) para el algoritmo EMS, que puede mejorar el rendimiento de la programación de subconjuntos de nodos (NS). En segundo lugar, para mejorar aún más el rendimiento de decodificación de SNS manteniendo una baja complejidad, proponemos el algoritmo SNS-EMS con un mecanismo de reinicio de subconjunto (RSNS-EMS) basado en la estabilidad anormal encontrada en el subconjunto de nodos de procesamiento, lo que provocará que la palabra de código estimada falle en converger. El algoritmo RSNS-EMS mejora el rendimiento a través de un mecanismo de detección y reinicio de ventana deslizante, y reinicia los elementos en el subconjunto de nodos de procesamiento para forzar a todos los nodos de comprobación a actualizar nuevos mensajes cuando se detecta una estabilidad anormal. Los resultados de la simulación muestran que el algoritmo propuesto puede reducir la complejidad en aproximadamente un 25% con una degradación de rendimiento insignificante.
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Node-Subset Scheduling with a Subset-Reset Mechanism for the Decoding Algorithm of Nonbinary LDPC Codes

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Detecting Home and Work Locations from Mobile Phone Cellular Signaling Data

Detecting Home and Work Locations from Mobile Phone Cellular Signaling Data

Por: Hindawi | Fecha: 2021

Obtener la distribución de las ubicaciones de hogar y trabajo es esencial para la planificación urbana, ya que define la estructura y el patrón de movilidad de una ciudad. Con el desarrollo de las redes de telecomunicaciones, los datos de redes móviles, que tienen las ventajas de una amplia cobertura y un fuerte seguimiento, han producido grandes cantidades de información sobre las actividades humanas. Por lo tanto, se ha convertido en un tema de investigación popular para la detección de la posición humana. En este estudio, propusimos un nuevo método para detectar las ubicaciones de hogar y trabajo basado en la extracción de puntos focales en trazas, identificando las horas de trabajo y descanso de los individuos, y analizando las características de las cuadrículas de la ciudad utilizando datos de señalización celular de teléfonos móviles (CSD). A nivel individual, validamos el algoritmo con datos de voluntarios de verdad en el terreno y logramos una pequeña desviación de menos de 500 y 565 metros para la detección de la ubicación de hogar y trabajo el 85% del tiempo. A nivel agregado, lo probamos en un conjunto de datos de CSD anonimizado en toda la ciudad y encontramos una alta correlación de Pearson entre nuestro resultado y los datos del censo de 0.93. En comparación con estudios existentes, este estudio mejoró la granularidad y la precisión de la ubicación de hogar y trabajo, además de validar el método utilizando tanto datos de verdad en el terreno etiquetados individualmente como datos agregados por primera vez. Aplicando el algoritmo en una ciudad, capturamos la distribución de la población, los patrones de desplazamiento y el equilibrio entre trabajo y vivienda de la ciudad, y demostramos el potencial de utilizar datos de redes móviles para la planificación urbana y la formulación de políticas.
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Detecting Home and Work Locations from Mobile Phone Cellular Signaling Data

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Education Data-Driven Online Course Optimization Mechanism for College Student

Education Data-Driven Online Course Optimization Mechanism for College Student

Por: Hindawi | Fecha: 2021

Durante el reciente período epidémico de COVID-19, los cursos en línea se han convertido en una forma importante de aprendizaje para los estudiantes universitarios. Sin embargo, el aprendizaje en línea no puede comunicarse cara a cara en clase y posicionar con precisión las habilidades de los estudiantes, y existen muchos problemas y limitaciones como la evaluación unidireccional, por ejemplo, el descuido de la evaluación del proceso y la forma de evaluación simple. Por lo tanto, cómo construir el sistema de evaluación de la enseñanza de cursos en línea y hacer un uso efectivo del mecanismo de evaluación se convierte en un problema urgente. Basándose en la minería de datos masivos de la evaluación de cursos en línea, se propone la arquitectura de optimización de la evaluación de cursos en línea basada en la evaluación del proceso. La optimización de la evaluación de cursos en línea se analiza a partir de los datos de evaluación de cursos en línea y los comentarios de los estudiantes utilizando tecnología de aprendizaje profundo y filtrado colaborativo. Esto incluye mejorar la enseñanza del profesor y aumentar la eficiencia del aprendizaje del estudiante. Experimentos con datos demuestran que el algoritmo propuesto puede proporcionar una estrategia de evaluación óptima, garantizar la calidad del aprendizaje de los estudiantes y mejorar la eficiencia de los cursos en línea.
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Education Data-Driven Online Course Optimization Mechanism for College Student

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Multimedia Teaching of College Musical Education Based on Deep Learning

Multimedia Teaching of College Musical Education Based on Deep Learning

Por: Hindawi | Fecha: 2021

Ante la situación actual de la educación musical y la necesidad de reforma en China, adoptamos dos métodos diferentes, es decir, el método de literatura y el método de entrevista en este trabajo de investigación. A partir de estos métodos, leemos mucho sobre educación musical, tecnología multimedia, y enseñanza moderna y reforma. Este trabajo de investigación se divide en dos fases principales. En primer lugar, el artículo discute principalmente las características de la educación musical universitaria en comparación con otros cursos culturales y la viabilidad de la tecnología multimedia y la función auxiliar de la educación musical aplicada en la educación musical escolar. En segundo lugar, la computación cerebral intenta analizar las cosas mediante la simulación de la estructura y el procesamiento de información de las redes neuronales biológicas. Se propone la característica de aprendizaje inteligente de un algoritmo de aprendizaje profundo para monitorear el proceso de enseñanza de educación musical y analizar la calidad del proceso. Por último, presentamos el diseño y la producción de material didáctico multimedia en red que ayudará en la orientación teórica y referencia para la aplicación de la tecnología multimedia en la educación musical universitaria en China. Además, los resultados del modelo propuesto pueden desempeñar un papel en la resolución y respuesta a preguntas en el proceso actual de aplicación multimedia y los trabajadores de la música universitaria en China aplicarán la tecnología multimedia de manera más efectiva y hábil.
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Multimedia Teaching of College Musical Education Based on Deep Learning

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  A Supply Chain Information Pushing Method for Logistics Park Based on Internet of Things Technology

A Supply Chain Information Pushing Method for Logistics Park Based on Internet of Things Technology

Por: Hindawi | Fecha: 2021

Los métodos de empuje existentes de información de la cadena de suministro en parques logísticos se mantienen en el análisis superficial de datos, lo que conduce a un mayor valor de Mae. Por lo tanto, este documento propone un método de empuje de información de la cadena de suministro en parques logísticos basado en la tecnología de Internet de las cosas. En primer lugar, se diseña una estructura de RFID introduciendo tecnologías de RFID, GPS, infrarrojos y otras tecnologías de Internet de las cosas para codificar los materiales en el almacén logístico; en segundo lugar, se establece el modelo de cadena de suministro del parque logístico para obtener el modelo de elementos de ontología general de las empresas nodales en la cadena de suministro del parque y el modelo de situación de negocios de interacción entre las empresas nodales en la cadena de suministro del parque. Finalmente, se resta el valor promedio de la puntuación del nodo de la puntuación del nodo para calcular la puntuación centralizada de la información, así como el establecimiento del marco de operación de Spark, para lograr el empuje de información de la cadena de suministro del parque logístico. En el experimento de simulación, se selecciona como caso el parque logístico internacional de un puerto terrestre de una ciudad para probar. Los resultados experimentales muestran que el método de empuje de información de la cadena de suministro de parques logísticos basado en la tecnología de Internet de las cosas tiene una mayor precisión de recomendación y un mejor rendimiento.
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

A Supply Chain Information Pushing Method for Logistics Park Based on Internet of Things Technology

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Research on Mining of Applied Mathematics Educational Resources Based on Edge Computing and Data Stream Classification

Research on Mining of Applied Mathematics Educational Resources Based on Edge Computing and Data Stream Classification

Por: Hindawi | Fecha: 2021

Frente a la gran cantidad de datos de las instituciones de educación superior, la tecnología de minería de datos es una tecnología inteligente de procesamiento de información que puede descubrir eficazmente conocimiento a partir de los datos masivos y puede encontrar información importante que las personas hayan ignorado previamente en la gran cantidad de información disponible. Este artículo está dedicado al desarrollo de la tecnología de minería de recursos educativos en matemáticas aplicadas basada en la computación en el borde y la clasificación de flujos de datos. En primer lugar, este artículo establece una arquitectura de sistema de recursos adecuada para la educación en matemáticas aplicadas existente a través de la tecnología de computación en el borde, lo que puede mejorar eficazmente la eficiencia de la minería de datos. En segundo lugar, se utiliza un algoritmo de clasificación de flujos de datos para la extracción de información y la integración de la clasificación de datos educativos matemáticos aplicados masivos. Este método proporciona información potencial y valiosa para los tomadores de decisiones y los profesionales de la educación. Por último, la simulación y la prueba de rendimiento del sistema verifican que tiene funciones de minería de información matemática y procesamiento de datos. Este sistema proporcionará un sólido apoyo para la reforma de la educación en matemáticas aplicadas.
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Research on Mining of Applied Mathematics Educational Resources Based on Edge Computing and Data Stream Classification

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Multiobjective Model and Improved Artificial Raindrop Algorithm for Virtual Network Mapping

Multiobjective Model and Improved Artificial Raindrop Algorithm for Virtual Network Mapping

Por: Hindawi | Fecha: 2021

La virtualización de red (NV) puede proporcionar el recurso según la solicitud y mejorar la flexibilidad de la red. Se ha convertido en la tecnología clave de la comunicación 5G. La programación de recursos en el mapeo de redes virtuales es un problema importante al que se enfrenta la tecnología NV. Para mejorar el rendimiento de la red, se deben determinar esquemas óptimos de programación de recursos. En general, el índice máximo de ranuras de frecuencia utilizadas, el consumo de energía y la proporción de ranuras de frecuencia utilizadas son tres indicadores muy importantes para la red. Basándonos en investigaciones previas, primero tomamos estos tres indicadores como objetivo del modelo matemático y definimos un nuevo modelo de optimización multiobjetivo. Luego, los tres objetivos se integran en un objetivo a minimizar utilizando la estrategia de suma ponderada. Finalmente, se propone un algoritmo eficiente, que integra las ventajas del algoritmo artificial de gota de lluvia (ARA), la optimización por enjambre de partículas y la evolución diferencial, y se denomina IARA. Además, se han realizado experimentos de simulación en varias escenas experimentales con otros algoritmos comparativos. Los resultados experimentales muestran que el algoritmo propuesto IARA puede obtener mejores esquemas de programación que los algoritmos comparativos.
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Multiobjective Model and Improved Artificial Raindrop Algorithm for Virtual Network Mapping

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Android Malware Detection via Graph Representation Learning

Android Malware Detection via Graph Representation Learning

Por: Hindawi | Fecha: 2021

Con el amplio uso de teléfonos inteligentes Android en nuestra vida diaria, la plataforma Android se ha convertido en un objetivo atractivo para los autores de malware. Existe una necesidad urgente de desarrollar un enfoque automático de detección de malware para prevenir la propagación del mismo. La baja cobertura de código y la baja eficiencia del análisis dinámico limitan la implementación a gran escala de métodos de detección de malware basados en características dinámicas. Por lo tanto, los investigadores han propuesto una gran cantidad de enfoques de detección basados en abundantes características estáticas para proporcionar una detección eficiente de malware. Este documento explora la dirección de la detección de malware de Android basada en el aprendizaje de representación de gráficos. Sin una construcción de gráficos de características complejas, proponemos un nuevo enfoque de detección de malware de Android basado en un análisis estático ligero a través de la red neuronal de gráficos (GNN). En lugar de extraer directamente información de llamadas de Interfaz de Programación de Aplicaciones (API), analizamos aún más el código fuente de las aplicaciones de Android para extraer información semántica de alto nivel, lo que aumenta la barrera para evadir la detección. En particular, construimos gráficos de llamadas aproximados a partir de las relaciones de invocación de funciones dentro de una aplicación de Android para representar esta aplicación y extraemos atributos intrafunción, incluidos permisos requeridos, nivel de seguridad e información semántica de instrucciones Smali a través de Word2Vec, para formar los atributos de nodo dentro de las estructuras de gráficos. Luego, utilizamos la red neuronal de gráficos para generar una representación vectorial de la aplicación, y luego se realiza la detección de malware en este espacio de representación. Realizamos experimentos en muestras de aplicaciones del mundo real. Los resultados experimentales demuestran que nuestro enfoque implementa una detección de malware altamente efectiva y supera a los enfoques de detección de última generación.
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Android Malware Detection via Graph Representation Learning

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Spectrum Allocation and Reuse in 5G New Radio on Licensed and Unlicensed Millimeter-Wave Bands in Indoor Environments

Spectrum Allocation and Reuse in 5G New Radio on Licensed and Unlicensed Millimeter-Wave Bands in Indoor Environments

Por: Hindawi | Fecha: 2021

En este documento, al explotar el dominio de la frecuencia, proponemos una técnica de asignación y reutilización del espectro de ondas milimétricas (mmWave) a nivel nacional para asignar y reutilizar espacialmente el espectro con licencia de 28 GHz a nivel nacional y el espectro sin licencia de 60 GHz a celdas pequeñas (SCs) en cada piso de un edificio de cada Operador de Red Móvil de Quinta Generación (5G) (MNO) de un país arbitrario. Desarrollamos un esquema de gestión de interferencias, modelamos estadísticas de usuarios por SC y estadísticas de interferentes por apartamento y formulamos la cantidad de espectro de 28 GHz y 60 GHz por MNO. Derivamos la capacidad promedio, la eficiencia espectral (SE), la eficiencia energética (EE) y la eficiencia de costos (CE) al emplear la técnica propuesta, así como la técnica tradicional de asignación de espectro con licencia estática. Discutimos la implementación de la técnica propuesta y evaluamos el rendimiento bajo dos escenarios, a saber, las SCs operan solo en el 28 GHz en el escenario 1, y tanto en el 28 GHz como en el 60 GHz en el escenario 2. Se realizan extensos resultados y análisis para cuatro MNOs, es decir, MNOs 1, 2, 3 y 4, en el escenario 1. Sin embargo, en el escenario 2, además de los MNOs 1, 2, 3 y 4, se considera un operador inalámbrico incumbente de Gigabit inalámbrico (WiGig). Se muestra que la técnica propuesta sin interferencia de co-canal puede mejorar la capacidad promedio, SE, EE y CE de MNO 1 en 3 veces, 1.65 veces, 75% y 60%, respectivamente, en el escenario 1, mientras que en el escenario 2 en 6.12 veces, 5.104 veces, 85.8% y 83.15%, respectivamente. Además, con un aumento en los factores de reutilización, SE aumenta linealmente y EE aumenta de manera exponencial negativa. Además, mostramos que la técnica propuesta puede satisfacer los requisitos de SE y EE para sistemas móviles de sexta generación (6G). Finalmente, discutimos los beneficios ofrecidos y señalamos los problemas clave de la técnica propuesta para estudios futuros.
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Spectrum Allocation and Reuse in 5G New Radio on Licensed and Unlicensed Millimeter-Wave Bands in Indoor Environments

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