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  Optimization of VRR for Cold Chain with Minimum Loss Based on Actual Traffic Conditions

Optimization of VRR for Cold Chain with Minimum Loss Based on Actual Traffic Conditions

Por: Hindawi | Fecha: 2021

Recientemente, la logística de cadena de frío agrícola fresca ha sido ampliamente desarrollada con el aumento de las necesidades de la vida de las personas. La reducción de los costos de distribución en cadena de frío se ha convertido en el principal objetivo de control de pérdidas en las empresas logísticas. El objetivo de esta investigación es encontrar un conjunto de rutas óptimas que minimicen la pérdida total, incluyendo el costo de combustible, el costo de refrigeración, el costo de penalización por ventana de tiempo flexible y el costo de daño de la carga durante el tiempo de tránsito. En este artículo, se introduce primero la definición y construcción del problema de enrutamiento de vehículos (VRP) con mínimo perdido multiobjetivo. Luego, se propone un algoritmo de optimización de colonia de hormigas (ACO) combinado con búsqueda local de Pareto (PLS) para resolver el modelo de pérdida mínima. Con el fin de evitar la influencia de las complejas condiciones de la carretera durante la distribución, tanto la matriz de distancia como la matriz de tiempo de
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Optimization of VRR for Cold Chain with Minimum Loss Based on Actual Traffic Conditions

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Grouping-Based Channel Estimation and Tracking for Millimeter Wave Massive MIMO Systems

Grouping-Based Channel Estimation and Tracking for Millimeter Wave Massive MIMO Systems

Por: Hindawi | Fecha: 2021

Aunque el sistema de entrada y salida múltiple masivo (MIMO) de onda milimétrica (mmWave) puede potencialmente aumentar la capacidad de la red para las comunicaciones futuras, la sobrecarga de pilotos del sistema en la práctica aumentará considerablemente, lo que causa una disminución significativa en el rendimiento del sistema. En este documento, proponemos un enfoque novedoso de estimación y seguimiento de canales basado en agrupaciones para reducir la sobrecarga de pilotos y la complejidad computacional, al tiempo que se mejora la precisión de la estimación. Específicamente, diseñamos un algoritmo de estimación y seguimiento de canal iterativo de baja complejidad al explotar completamente la dispersión de los canales MIMO masivos de onda milimétrica, donde los autovectores de la señal se estiman y siguen en base a las señales recibidas en la estación base (BS). Con los autovectores de señal recuperados, se puede emplear el celebrado algoritmo de clasificación de múltiples señales
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Grouping-Based Channel Estimation and Tracking for Millimeter Wave Massive MIMO Systems

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  An Improved Image Segmentation Algorithm CT Superpixel Grid Using Active Contour

An Improved Image Segmentation Algorithm CT Superpixel Grid Using Active Contour

Por: Hindawi | Fecha: 2021

El algoritmo de segmentación de imágenes de TC tradicional es fácil de ignorar la inicialización del contorno de la imagen, lo que conduce al problema de un tiempo de procesamiento largo y una baja precisión. Se propuso un algoritmo de segmentación mejorado de imágenes de TC de malla de superpíxeles utilizando contornos activos. Primero se realizó el gridding de superpíxeles de la imagen de TC; en segundo lugar, sobre la base del gridding, se mejoró el criterio de crecimiento de región mediante el procesamiento de superpíxeles, se estableció el grafo de crecimiento de región, se calculó el grafo saliente de bordes de imagen basado en el grafo de crecimiento, y se obtuvo el borde objetivo como el contorno inicial; finalmente, se mejoró el modelo de Mumford-Shah en el modelo de contorno activo; se construyó la funcionalidad de energía basada en el modelo mejorado y se transformó en la función de distancia de símbolos. Los resultados muestran que el algoritmo propuesto tarda menos tiempo en m
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

An Improved Image Segmentation Algorithm CT Superpixel Grid Using Active Contour

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  SAL-Net, Self-Supervised Attribute Learning for Object Recognition and Segmentation

SAL-Net, Self-Supervised Attribute Learning for Object Recognition and Segmentation

Por: Hindawi | Fecha: 2021

Los métodos existentes de aprendizaje de atributos se basan en atributos predefinidos, que requieren anotaciones manuales. Debido a la limitación de la experiencia humana, los atributos predefinidos no son capaces de proporcionar suficiente descripción. Este artículo propone un método de aprendizaje de atributos auto-supervisado (SAL), que genera automáticamente descripciones de atributos mediante la oclusión diferencial de la región del objeto para abordar los problemas mencionados. La relación entre atributos se formula con funciones de pérdida de tripletes y se utiliza para supervisar la CNN. El aprendizaje de atributos se utiliza como tarea auxiliar de una red de clasificación y segmentación de imágenes multitarea, en la que la auto-supervisión de atributos motiva a la CNN a aprender características más discriminativas para las tareas semánticas principales. Los resultados experimentales en los benchmarks públicos CUB-2011 y Pascal VOC muestran que el SAL-Net propuesto puede obtener resultados de clasificación y segmentación más precisos sin anotaciones adicionales. Además, el SAL-Net se incorpora en
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

SAL-Net, Self-Supervised Attribute Learning for Object Recognition and Segmentation

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  The Influence of Big Data Analytics on E-Commerce, Case Study of the U.S. and China

The Influence of Big Data Analytics on E-Commerce, Case Study of the U.S. and China

Por: Hindawi | Fecha: 2021

El análisis de grandes datos (BDA, por sus siglas en inglés) es una aplicación amplia y profunda en el comercio electrónico, que impacta positivamente en la economía global, especialmente en los Estados Unidos y China, que han tenido un buen desempeño. Este documento busca examinar la influencia relativa de la investigación teórica y las actividades prácticas de BDA en el comercio electrónico para explicar las diferencias entre los Estados Unidos y China según las dos principales bases de datos de literatura, Web of Science y CNKI, respectivamente, y empleando otras muestras que presentan las ventas minoristas de comercio electrónico y el número de algunas empresas de datos fundadas en los Estados Unidos y China cada año. Además, determinamos las razones que llevan a la diferencia entre los Estados Unidos y China en BDA en el comercio electrónico, lo que puede ayudar a los gerentes a diseñar estrategias comerciales apropiadas en el comercio electrónico para cada uno de ellos, y proporcionar una prueba de la relación significativa de la investigación teórica y las actividades prácticas en BDA en el comercio electrónico. Asimismo, las
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

The Influence of Big Data Analytics on E-Commerce, Case Study of the U.S. and China

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  A Dual-Frequency Miniaturized Frequency Selective Surface Structure Suitable for Antenna Stealth

A Dual-Frequency Miniaturized Frequency Selective Surface Structure Suitable for Antenna Stealth

Por: Hindawi | Fecha: 2021

En este documento se propone una estructura de superficie selectiva en frecuencia de doble banda. Con características de rechazo de doble banda en los puntos de frecuencia correspondientes a la banda S y la banda C, adecuada para el sigilo de antenas. Para lograr la miniaturización, la arquitectura de la celda unitaria se asemeja a la forma de una S. En primer lugar, el autor describe los parámetros del elemento de superficie, y luego, se analizan las características de transmisión del elemento de superficie mediante el método del circuito equivalente. Al mantener una respuesta constante a los patrones de polarización TE y TM y a los ángulos de incidencia oblicuos, el dispositivo sugerido garantiza la independencia angular. Los hallazgos medidos de la FSS construida se utilizan para validar los resultados computados. Por último, se proporciona una nueva estructura unitaria para la aplicación de FSS en el sigilo de antenas.
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

A Dual-Frequency Miniaturized Frequency Selective Surface Structure Suitable for Antenna Stealth

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  A Violation Information Recognition Method of Live-Broadcasting Platform Based on Machine Learning Technology

A Violation Information Recognition Method of Live-Broadcasting Platform Based on Machine Learning Technology

Por: Hindawi | Fecha: 2021

Con el desarrollo de la industria de transmisiones en vivo, los problemas de seguridad en el proceso de transmisión en vivo se han vuelto cada vez más evidentes. En la actualidad, la supervisión de diversas plataformas de transmisión en vivo se encuentra básicamente en un estado de supervisión humana. La supervisión de mano de obra se realiza principalmente a través de denuncias de usuarios y medidas de supervisión de la plataforma. Sin embargo, hay una gran cantidad de salas de transmisión en vivo al mismo tiempo, y solo confiar en la supervisión humana ya no puede satisfacer las necesidades de monitoreo de las transmisiones en vivo. Basándose en esta situación, este estudio propone un método de reconocimiento de información de violación de una plataforma de transmisión en vivo basado en tecnología de aprendizaje automático. Al analizar las similitudes y diferencias entre las transmisiones en vivo normales y las transmisiones en vivo de violación, combinado con las características de los datos de imagen de violación, este estudio detecta principalmente el color de piel humana y partes sensibles. Una característica destac
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

A Violation Information Recognition Method of Live-Broadcasting Platform Based on Machine Learning Technology

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Reconfigurable Reflectarray Antenna, A Comparison between Design Using PIN Diodes and Liquid Crystals

Reconfigurable Reflectarray Antenna, A Comparison between Design Using PIN Diodes and Liquid Crystals

Por: Hindawi | Fecha: 2021

Este trabajo presenta el diseño y análisis de antenas de reflectarray activas con configuraciones de elementos de parche incrustados en ranuras dentro de un rango de frecuencia de banda -banda. Se han propuesto dos tecnologías de diseño de reflectarray activo mediante conmutación de frecuencia digital utilizando diodos PIN y sintonización de frecuencia analógica utilizando sustratos basados en cristal líquido. Se ha utilizado un simulador de guía de ondas para realizar mediciones de parámetros de dispersión con el fin de comparar prácticamente el rendimiento de reflectarray diseñado en base a las dos tecnologías de diseño activo. Se muestra que el diseño de celda unitaria de reflectarray activo basado en diodo PIN ofrece una sintonización de frecuencia de 0,36GHz con un rango de fase dinámica de 226. Por otro lado, el diseño basado en cristal líquido proporcionó una sintonización de frecuencia ligeramente menor de 0,20GHz con un rango de fase dinámica de 124. Además, se demuestra que la mayor pérdida de reflexión y
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Reconfigurable Reflectarray Antenna, A Comparison between Design Using PIN Diodes and Liquid Crystals

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Wireless Network Sensing of Urban Surface Water Environment Based on Clustering Algorithm

Wireless Network Sensing of Urban Surface Water Environment Based on Clustering Algorithm

Por: Hindawi | Fecha: 2021

Para mejorar la tecnología de extracción de imágenes de detección inalámbrica del entorno acuático superficial urbano, en este artículo se propuso un método de agrupamiento FCM regional combinado con un índice de agua. El índice de agua normalizado (NDWI) se obtuvo mediante el cálculo de la fusión de imágenes de detección inalámbrica multiespectral. A través de la combinación con el índice de agua normalizado, se obtuvieron resultados de agrupamiento difuso mediante el algoritmo RFCM propuesto en este artículo. Se seleccionó el umbral óptimo para desdifuminar los resultados de agrupamiento difuso y, finalmente, se obtuvieron los resultados de extracción de agua superficial urbana. Se comparó la precisión del algoritmo propuesto con la del algoritmo tradicional de extracción de agua superficial. Los resultados experimentales mostraron que el tamaño de las diferentes regiones vecinas afectaba la precisión de la extracción de agua. En la ciudad de W, el coeficiente kappa de MFCM16 fue un 0,41 % más alto que
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Wireless Network Sensing of Urban Surface Water Environment Based on Clustering Algorithm

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Ultrasonic Image Diagnosis of Liver and Spleen Injury Based on a Double-Channel Convolutional Neural Network

Ultrasonic Image Diagnosis of Liver and Spleen Injury Based on a Double-Channel Convolutional Neural Network

Por: Hindawi | Fecha: 2021

El diagnóstico automático y preciso de lesiones en el hígado y bazo en imágenes ultrasónicas es de gran importancia para el desarrollo de diagnósticos clínicos automáticos. Con el fin de lograr un diagnóstico más preciso de lesiones en el hígado y bazo en imágenes ultrasónicas, se propuso un algoritmo de clasificación y diagnóstico de lesiones hepáticas y esplénicas basado en una red neuronal convolucional de doble canal. En primer lugar, se utiliza un modelo de filtrado de difusión anisotrópica para realizar un preprocesamiento de datos de imágenes ultrasónicas del hígado y bazo con el fin de mejorar la calidad de imagen. En segundo lugar, se detecta el borde externo de la ubicación de la lesión para obtener las características del borde externo. Luego, se toma la característica de modo binario local invariante a la rotación de la imagen extraída como la característica de textura interna de la imagen. Finalmente, la característica del borde externo y la característica de textura interna
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Ultrasonic Image Diagnosis of Liver and Spleen Injury Based on a Double-Channel Convolutional Neural Network

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