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  Evolutionary Algorithm for Multiobjective Optimization Based on Density Estimation Ranking

Evolutionary Algorithm for Multiobjective Optimization Based on Density Estimation Ranking

Por: Hindawi | Fecha: 2021

En las últimas décadas, se han propuesto varios algoritmos evolutivos multiobjetivo (MOEAs) en el continuo estudio. Como se señala en algunos estudios recientes, el rendimiento de la mayoría de los MOEAs existentes no es prometedor al resolver diferentes formas de frentes de Pareto. Para abordar este problema, este artículo propone un MOEA basado en la clasificación de estimación de densidad. El algoritmo incluye la clasificación de estimación de densidad para desplazar la posición de la solución de referencia, calculando la densidad de las soluciones candidatas y clasificándolas por el valor de densidad estimado, para modificar la relación de dominancia de Pareto y manejar frentes de Pareto complicados. El resultado de esta clasificación se puede utilizar como segundo criterio de selección para la selección ambiental, y se selecciona al individuo candidato óptimo con información de distribución y diversidad. Los resultados experimentales muestran que el algoritmo propuesto puede resolver varios tipos de frentes de Pareto, superando a varios algoritmos evolutivos de
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Evolutionary Algorithm for Multiobjective Optimization Based on Density Estimation Ranking

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Social-Aware Caching Strategy Based on Joint Action Deep Reinforcement Learning

Social-Aware Caching Strategy Based on Joint Action Deep Reinforcement Learning

Por: Hindawi | Fecha: 2021

El almacenamiento en caché en redes de dispositivo a dispositivo (D2D) está emergiendo como una tendencia prometedora, que permite reducir el tráfico de enlace ascendente. Además, la interacción social entre los usuarios influye en el rendimiento de la red del sistema en general. Por lo tanto, es crucial considerar atributos sociales en las redes D2D para desarrollar una estrategia de almacenamiento en caché que resuelva el problema de la distribución desequilibrada de contenido. En este artículo, consideramos dos tipos de usuarios según su actividad, es decir, usuarios activos e inactivos. Los usuarios inactivos ayudan a los usuarios activos a almacenar en caché contenido durante los períodos de baja demanda y proporcionan el contenido a los usuarios activos durante los períodos de alta demanda para aliviar la presión de la estación base (BS). Además, el modelo del sistema de almacenamiento en caché se divide en un modelo de dominio físico y un modelo de dominio social. En el dominio físico, la calidad de las conexiones de comunicación se juzga por la demora entre los usuarios D2
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Social-Aware Caching Strategy Based on Joint Action Deep Reinforcement Learning

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Research and Implementation of the Sports Analysis System Based on 3D Image Technology

Research and Implementation of the Sports Analysis System Based on 3D Image Technology

Por: Hindawi | Fecha: 2021

Con base en la investigación existente, este documento analiza en profundidad los algoritmos y tecnologías de modelos deportivos en 3D basados en imágenes, y propone una fusión de mapas de profundidad ante algunas de las deficiencias de los métodos actuales de modelos deportivos basados en imágenes 3D. Utilizamos el espacio en 3D para recopilar la imagen de profundidad, eliminar el fondo del mapa de profundidad, recuperar el modelo de movimiento en 3D a partir de él y luego construir la base de datos del modelo en 3D. En este documento, basado en las características de continuidad en el espacio y suavidad en el tiempo de un objetivo móvil de cuerpo rígido, se propone una hipótesis de movimiento de objetivo de cuerpo rígido razonable, y se diseña un modelo de movimiento tridimensional de un objetivo de cuerpo rígido basado en el centro de rotación del objetivo móvil y el movimiento correspondiente para resolver la ecuación con parámetros. En el caso de una ley de movimiento desconocida, forma, estructura y tamaño del objetivo móvil, este
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Research and Implementation of the Sports Analysis System Based on 3D Image Technology

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  A Method of Offline Reinforcement Learning Virtual Reality Satellite Attitude Control Based on Generative Adversarial Network

A Method of Offline Reinforcement Learning Virtual Reality Satellite Attitude Control Based on Generative Adversarial Network

Por: Hindawi | Fecha: 2021

Los satélites de realidad virtual brindan a las personas una experiencia inmersiva de explorar el espacio. El método inteligente de control de actitud que utiliza el aprendizaje por refuerzo para lograr un control síncrono multieje es una de las tareas importantes de los satélites de realidad virtual. En sistemas del mundo real, los métodos basados en el aprendizaje por refuerzo enfrentan problemas de seguridad durante la exploración, retardos desconocidos en los actuadores y ruido en los datos crudos de los sensores. Para mejorar la eficiencia de la muestra y evitar problemas de seguridad durante la exploración, este artículo propone un nuevo método de aprendizaje por refuerzo fuera de línea para aprovechar al máximo las muestras. Este método aprende un conjunto de políticas con aprendizaje por imitación y un selector de políticas utilizando una red generativa adversarial (GAN). El rendimiento del método propuesto se verificó en un sistema del mundo real (péndulo invertido basado en ruedas de reacción). Los resultados mostraron que el agente entrenado con nuestro método alcanzó y mantuvo
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

A Method of Offline Reinforcement Learning Virtual Reality Satellite Attitude Control Based on Generative Adversarial Network

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  An Effective Algorithm for Intrusion Detection Using Random Shapelet Forest

An Effective Algorithm for Intrusion Detection Using Random Shapelet Forest

Por: Hindawi | Fecha: 2021

La detección de tráfico de red anormal es un tema importante al construir sistemas de detección de intrusiones. Una forma efectiva de abordar este problema es la minería de series temporales, en la cual el tráfico de red se representa de forma natural como un conjunto de series temporales. En este documento, proponemos un algoritmo eficiente novedoso, llamado RSFID (Bosque de Shapelets Aleatorios para Detección de Intrusiones), para detectar patrones de flujo de tráfico anormal en paquetes de red periódicos. En primer lugar, se emplea el algoritmo de Filtro Basado en Correlación Rápida (FCBF) para eliminar características irrelevantes y así disminuir el sobreajuste, así como la complejidad temporal. Luego, se utiliza un bosque aleatorio que se construye sobre un conjunto de candidatos de shapelets para clasificar los patrones de flujo de tráfico normales y anormales. Específicamente, se adopta la técnica de Aproximación de Agregado Símbolico (SAX) y muest
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

An Effective Algorithm for Intrusion Detection Using Random Shapelet Forest

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Collaborative Computing and Resource Allocation for LEO Satellite-Assisted Internet of Things

Collaborative Computing and Resource Allocation for LEO Satellite-Assisted Internet of Things

Por: Hindawi | Fecha: 2021

El Internet de las Cosas asistido por satélite (S-IoT), especialmente el S-IoT basado en satélites de órbita terrestre baja (LEO), juega un papel importante en los sistemas inalámbricos del futuro. Sin embargo, los recursos limitados de comunicación y computación a bordo y la alta movilidad de los satélites LEO dificultan proporcionar un servicio satisfactorio para los usuarios de IoT. Para maximizar la tasa de finalización de tareas bajo restricciones de latencia, en este documento se investiga de manera conjunta la computación colaborativa y la asignación de recursos entre las redes LEO, y la tarea conjunta de desvío, programación y asignación de recursos se formula como un problema dinámico mixto entero. Para abordar el problema complejo, lo descomponemos en dos subproblemas con baja complejidad. Primero, se adopta la equidad max-min para minimizar la latencia máxima a través de una asignación óptima de recursos con asignación fija de tareas. Luego, el desvío y programación
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Collaborative Computing and Resource Allocation for LEO Satellite-Assisted Internet of Things

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  The Development of Data Acquisition System of Formula SAE Race Car Based on CAN Bus Communication Interface and Closed-Loop Design of Racing Car

The Development of Data Acquisition System of Formula SAE Race Car Based on CAN Bus Communication Interface and Closed-Loop Design of Racing Car

Por: Hindawi | Fecha: 2021

Este artículo se basa principalmente en el coche de fórmula de competición universitaria, a través de la aplicación de la configuración de la interfaz de comunicación CAN bus, el diseño y ajuste de los sensores del coche, y luego llevar a cabo la recopilación y análisis de datos del coche. CAN bus es la red de área local de controladores y es uno de los buses de campo propuesto por la empresa alemana Bosch y más ampliamente aplicado en el mundo. El desarrollo del sistema de análisis de datos se basa principalmente en el software de análisis de datos MoTeC i2. El software de análisis de datos MoTeC i2 ha sido desarrollado durante muchos años bajo la investigación continua de equipos profesionales de todo el mundo. De acuerdo con los requisitos de análisis de datos de los equipos de Fórmula 1 de pregrado FSAE, este artículo presenta una serie de métodos de análisis de datos estrechamente relacionados con FSAE, incluyendo principalmente la investigación de canales de datos. Este artículo expone el análisis de datos de fiabilidad, suspensión, temperatura de los
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

The Development of Data Acquisition System of Formula SAE Race Car Based on CAN Bus Communication Interface and Closed-Loop Design of Racing Car

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Multiobjective Differential Evolution with Discrete Elite Guide in Internet of Vehicles Roadside Unit Deployment

Multiobjective Differential Evolution with Discrete Elite Guide in Internet of Vehicles Roadside Unit Deployment

Por: Hindawi | Fecha: 2021

En una red vehicular ad hoc (VANET), las unidades de borde de carretera (RSUs) se instalan en los márgenes de la carretera y en las intersecciones para procesar la comunicación vehículo-infraestructura, recopilar y analizar datos inteligentes de tráfico de vehículos, enviar información a los vehículos y lograr una advertencia temprana para una conducción segura de los vehículos. Debido al alto costo de implementar y mantener las RSUs, es de vital importancia determinar dónde y cuántas RSUs desplegar. La implementación óptima de RSUs requiere tanto un número reducido de RSUs como una cobertura máxima del proceso de circulación de vehículos, lo que constituye un problema multiobjetivo conflictivo. Sin embargo, los trabajos existentes no utilizan explícitamente un algoritmo multiobjetivo para resolver el problema de despliegue de RSUs. Por lo tanto, en este trabajo se propone un enfoque de evolución diferencial multiobjetivo para resolver el problema. En primer lugar, para superar la complejidad del desplieg
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Multiobjective Differential Evolution with Discrete Elite Guide in Internet of Vehicles Roadside Unit Deployment

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Segmented Cantilever and Array Configurations for Wider Frequency Band and Higher Power Generation in Piezoelectric Vibration Energy Harvester

Segmented Cantilever and Array Configurations for Wider Frequency Band and Higher Power Generation in Piezoelectric Vibration Energy Harvester

Por: Hindawi | Fecha: 2021

Esta carta informa sobre un recolector de energía de vibración piezoeléctrica cuya eficiencia de conversión de energía se mejora significativamente al disponer láminas piezoeléctricas en vigas en voladizo, y el rango de frecuencia de operación se amplía al aplicar vigas en voladizo de dos segmentos. Se ha desarrollado y probado un prototipo. En este caso, se combinan dos grupos de matrices piezoeléctricas en las vigas en voladizo con la resistencia de carga óptima. La potencia de salida total se mantiene por encima de 6.54mW dentro del rango de frecuencia de operación que va de 27.5Hz a 37.5Hz cuando el generador está sometido a una aceleración de 0.7g y alcanza dos picos de potencia: 20.5mW a 29.2Hz y 12.95mW a 35.4Hz.
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Segmented Cantilever and Array Configurations for Wider Frequency Band and Higher Power Generation in Piezoelectric Vibration Energy Harvester

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Evaluating Technological Innovation of Media Companies from the Perspective of Technological Ecosystem

Evaluating Technological Innovation of Media Companies from the Perspective of Technological Ecosystem

Por: Hindawi | Fecha: 2021

Los indicadores de evaluación sobre los beneficios de la tecnología innovadora para las empresas de medios son analizados y evaluados preliminarmente, de acuerdo con la revisión de la investigación y los criterios de autoorganización y selección de ecosistemas. Se utilizan análisis factorial y modelado de ecuaciones estructurales para explorar y seleccionar más a fondo los indicadores. Según los resultados, desde la perspectiva del ecosistema tecnológico, el rendimiento de la tecnología innovadora de las empresas de medios puede medirse a través de una estructura de dos factores: la entrada de tecnología innovadora y su salida. Sobre esta base, se utiliza el ANP (proceso analítico de red) para establecer una evaluación ponderada de los indicadores. Al final del documento, se creó un conjunto completo de sistemas de evaluación para medir el rendimiento de la innovación tecnológica.
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Evaluating Technological Innovation of Media Companies from the Perspective of Technological Ecosystem

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