Academic literature on the topic 'Procesador banda base'

El objetivo de este trabajo de investigación fue implementar un robot inteligente para la interacción cognitiva de niños en edad preescolar, creando entornos favorables para la percepción de colores y figuras geométricas. El robot ofrece al usuario una interfaz gráfica con varias opciones que incluyen historias, canciones, juegos, galería de imágenes y reconocimiento facial (Face ID) para activar el programa de enseñanza. El sistema de reconocimiento facial se basa en el uso de clasificadores en cascada y el algoritmo AdaBoost para entrenar una red neuronal, implementado como una adaptación del modelo propuesto por Paul Viola y también se utilizaron técnicas de visión artificial de Michael Jones para determinar el contorno y el color de los objetos 2D en espacios controlados y un filtro de tonos en tiempo real para encontrar los valores de las bandas espectrales en formato RGB. Toda esta información se procesó en un microprocesador Raspberry Pi. También se implementó un sistema de locomoción diferencial que permite al robot moverse sobre superficies planas junto a sensores que emiten señales a un procesador Arduino para coordinar movimientos y planificar trayectorias. Los resultados obtenidos de la interacción con niños fueron satisfactorios, de una muestra de 192 niños, al 98,44% le gustó. Por otro lado, los especialistas en psicología y educación describieron el robot como un recurso didáctico innovador que contribuye a la educación especial que ayuda a los niños con discapacidad intelectual. Con la implementación del robot inteligente, se recomienda profundizar la investigación que permite contribuir al levantamiento de las bases cognitivas.

<p>Se seleccionaron y procesaron, para fines geotérmicos, 83 escenas de las bandas termales pertenecientes al canal térmico del sensor ASTER L1B, de los años 2000 a 2008, con un cubrimiento nuboso de casi un 50%. Las coordenadas de los vértices de las imágenes, así como otros datos provenientes de sus metadatos, ayudaron al completamiento de la base de datos diseñada. Se preparó un mosaico preliminar a partir de las imágenes existentes en el país. Las nuevas imágenes, con valor de temperatura, fueron georreferenciadas según el sistema de coordenadas nacional Cuba Norte y se unificaron en otro mosaico para dicha variable. Como resultado, se establecieron 11 clases, divididas aleatoriamente cada 3°C, que ayudaron a delimitar las zonas anómalas donde la mayor distribución de píxeles oscila entre 25°C-37°C; la temperatura de la cobertura nubosa llegó hasta 20°C, aproximadamente. Sobre la imagen clasificada se definieron 69 polígonos, según su grado de perspectividad y con valor de temperatura superior a 40°C, lo cual se corresponde con la baja entalpía (25°C-100°C) que es la de mayor probabilidad en el país. Las imágenes obtenidas fueron superpuestas sobre la del Google Earth, con el fin de discernir la relación entre la cobertura terrestre y su origen antropogénico. Finalmente, se obtuvo una estimación del valor de temperatura de la cobertura terrestre del territorio nacional, lo que permitió definir que la zona oriental es la más perspectiva. Este trabajo constituye una aplicación experimental de las imágenes satelitales ASTER L1B con fines geotérmicos.</p>

Introducción: Ustilago maydis es un hongo basidiomiceto que infecta al maíz y teozintle produciendo una enfermedad conocida como carbón común o huitlacoche. Actualmente no existen reportes acerca del secretoma del hongo cultivado bajo condiciones in vitro. Un estudio de esta naturaleza permitiría caracterizar los genes involucrados en varios procesos importantes, entre los que se tienen aquellos relacionados con la nutrición, la patogenicidad y la diferenciación del hongo. El objetivo de esta investigación fue identificar las proteínas secretadas al medio de cultivo por las formas de levadura o micelio de este hongo cultivado en dos condiciones de pH.Método: Se generaron las formas de micelio o levadura de Ustilago maydis (cepa FB2¾a2b2) a través del cultivo en medios mínimos con pH 3 y 7 respectivamente y se determinó su cinética de crecimiento. Las proteínas secretadas al medio se concentraron en una columna de fase reversa Sep-Pak Plus C18 y se eluyeron con una solución de acetonitrilo (60 %) + ácido trifluoroacético (0.1 %), seguida de su liofilización parcial, y precipitación con ácido tricloroacético-acetona. Posteriormente las muestras fueron sometidas a electroforesis en poliacrilamida (SDS-PAGE) y los geles teñidos con azul de Coomassie. Las bandas de proteína se cortaron del gel y se digirieron con tripsina. Las mezclas de péptidos fueron inyectados para su análisis en un espectrómetro de masas y el espectro MS/MS obtenido fue procesado en Masslynx 4.0 antes de someterlo al programa MASCOT (Matrix Science) para realizar las búsquedas no-redundantes en la base de datos del National Center for Biotechnology Information.Resultados: El crecimiento de U. maydis a pH 7 fue mayor que a pH 3 (D.O. a 600 nm= 1.35 y 0.85, respectivamente) a las 30 h de incubación. El proceso dimórfico de levadura a micelio a pH 3 se inició a las 8 h después de iniciados los cultivos. A las 30 h de cultivo se observó que el 100 % de las células tenían una morfología micelial. A este tiempo, se colectó el sobrenadante y se sometió al proceso descrito anteriormente, obteniéndose de manera reproducible 8 bandas de proteína del medio mínimo del cultivo a pH 7 y 2 del medio mínimo del cultivo de pH 3. Las proteínas se analizaron, pero solo fue posible identificar 5, todas ellas provenientes del medio de pH 7, cuyas masas teóricas oscilan entre 31 y 68 kDa y presentan valores de punto isoeléctrico calculados en un rango de4.72 a10.13. Cuatro de las 5 proteínas fueron identificadas como de secreción de U. maydis. Tres de las 5 proteínas son de función desconocida, una está relacionada con el precursor de la spherulin 4 y la última parece ser una proteína GPI (glycosyl phophotidylinositol ) relacionada con una glucanasa.Discusión o Conclusión: Los resultados aquí presentados son los primeros datos descritos de proteínas secretadas al medio en condiciones in vitro por la forma de levadura de U. maydis Con este trabajo se establecieron las bases para el estudio posterior del secretoma del hongo.

Los relevamientos batimétricos de los embalses con fines hidroeléctricos proporcionan el conocimiento de la variación de su capacidad y la reconstrucción de las curvas de áreas-volúmenes, información necesaria para una adecuada planificación de sus operaciones. Asimismo, el estudio de las características granulométricas de los sedimentos acumulados aporta información del mecanismo de colmatación que están sufriendo los embalses. Las nuevas tecnologías disponibles para el registro de posiciones espaciales con mayor precisión, representan un nuevo escenario y un reto para la aplicación de mejores metodologías en los levantamientos batimétricos con destino al conocimiento de la tasa de colmatación de los embalses hidroeléctricos. Se analizan las metodologías utilizadas antiguamente para los levantamientos batimétricos basadas en la realización de transectas trasversales al espejo de agua de los embalses y se comparan con una nueva propuesta metodológica introducida por los autores en el año 2005; ésta se basa en la realización de un registro muy denso de posiciones espaciales y de la profundidad (x, y, z) en forma de espiral para cada embalse. Dichos datos son completados con la línea de costa obtenida de la banda del infrarrojo cercano de una imagen satelital actualizada, cuya cota de máximo embalsado es conocida para la fecha correspondiente. Todos los datos plani-altimétricos son usados para la generación de los Modelos Digitales de Profundidad MDP de los embalses. La información obtenida para cada batimetría fue comparada con la planimetría original de cada embalse y de los anteriores levantamientos para determinar los espesores de sedimentos depositados. En laboratorio se procesaron las muestras colectadas con una draga de fondo para determinar las fracciones granulométricas de los sedimentos. Se han relevado los embalses de El Cadillal y Escaba en la Provincia de Tucumán, los de Cabra Corral y El Tunal en Salta y el de Río Hondo en Santiago del Estero. Estos resultados contrastaron fuertemente con los cálculos de sedimentación obtenidos en forma secuencial a partir del cierre de cada embalse siendo muy inferiores a los calculados previamente. El Cadillal tuvo una reducción del 36,8 % de su volumen original, Escaba posee una colmatación del 20,9 %, mientras que Cabra Corral está colmatado un 15,6 %. El Tunal tiene una colmatación del 24,0 % y el embalse de Río Hondo tiene una reducción de su capacidad original del 13,0 %. Esta información nos da una idea de los procesos erosivos que ocurren en las cuencas hídricas de cabecera y de la importancia de sus efectos negativos, especialmente sobre la vida útil de los embalses.

The world of finance is immersed in multiple controversies, laden with contradictions and uncertainties typical of a social ecosystem, generating dynamic changes that lead to significant transformations, where the thematic discussion of Big Data becomes crucial for real-time logical decision-making. In this field of knowledge is located this article, which reports as a general objective to explore the strengths, weaknesses and future trends of Big Data in the financial sector, using as a methodology for exploration a scientific approach with the bibliographic tools scopus and scielo, using as a search equation the Big Data, delimited to the financial sector. The findings showed the growing importance of gaining knowledge from the huge amount of financial data generated daily globally, developing predictive capacity towards creating scenarios inclined to find solutions and make timely decisions.
 Keywords: Big Data, financial sector, decision-making.
 References
 [1]D. Reinsel, J. Gantz y J. Rydning, «Data Age 2025: The Evolution of Data to Life-Critical,» IDC White Pape, 2017.
 [2]R. Barranco Fragoso, «Que es big data IBM Developer works,» 18 Junio 2012. [Online]. Available: https://developer.ibm.com/es/articles/que-es-big-data/.
 [3]IBM, «IBM What is big data? - Bringing big data to the enterprise,» 2014. [Online]. Available: http://www.ibm.com/big-data/us/en/.
 [4]IDC, «Resumen Ejecutivo -Big Data: Un mercado emergente.,» Junio 2012. [Online]. Available: https://www.diarioabierto.es/wp-content/uploads/2012/06/Resumen-Ejecutivo-IDC-Big-Data.pdf.
 [5]Factor humano Formación, «Factor humano formación escuela internacional de postgrado.,» 2014. [Online]. Available: http//factorhumanoformación.com/big-data-ii/.
 [6]J. Luna, «Las tecnologías Big Data,» 23 Mayo 2018. [Online]. Available: https://www.teldat.com/blog/es/procesado-de-big-data-base-de-datos-de-big-data-clusters-nosql-mapreduce/#:~:text=Tecnolog%C3%ADas%20de%20procesamiento%20Big%20Data&text=De%20este%20modo%20es%20posible,las%20necesidades%20de%20procesado%20disminuyan.
 [7]T.A.S Foundation, "Apache cassandra 2015", The apache cassandra project, 2015.
 [8]E. Dede, B. Sendir, P. Kuzlu, J. Hartog y M. Govindaraju, «"An Evaluation of Cassandra for Hadoop",» de 2013 IEEE Sixth International Conference on Cloud Computing, Santa Clara, CA, USA, 2013.
 [9]The Apache Software Foundation, «"Apache HBase",» 04 Agosto 2017. [Online]. Available: http://hbase.apache.org/.
 [10]G. Deka, «"A Survey of Cloud Database Systems",» IT Professional, vol. 16, nº 02, pp. 50-57, 2014.
 [11]P. Dueñas, «Introducción al sistema financiero y bancario,» Bogotá. Politécnico Grancolombiano, 2008.
 [12]V. Mesén Figueroa, «Contabilización de CONTRATOS de FUTUROS, OPCIONES, FORWARDS y SWAPS,» Tec Empresarial, vol. 4, nº 1, pp. 42-48, 2010.
 [13] A. Castillo, «Cripto educación es lo que se necesita para entender el mundo de la Cripto-Alfabetización,» Noticias Artech Digital , 04 Junio 2018. [Online].Available: https://www.artechdigital.net/cripto-educacion-cripto-alfabetizacion/.
 [14]Conceptodefinicion.de, «Definicion de Cienciometría,» 16 Diciembre 2020. [Online]. Available: https://conceptodefinicion.de/cienciometria/.
 [15]Elsevier, «Scopus The Largest database of peer-reviewed literature» https//www.elsevier.com/solutions/scopus., 2016.
 [16]J. Russell, «Obtención de indicadores bibliométricos a partir de la utilización de las herramientas tradicionales de información,» de Conferencia presentada en el Congreso Internacional de información-INFO 2004, La Habana, Cuba, 2004.
 [17]J. Durán, Industrialized and Ready for Digital Transformation?, Barcelona: IESE Business School, 2015.
 [18]P. Orellana, «Omnicanalidad,» 06 Julio 2020. [Online]. Available: https://economipedia.com/definiciones/omnicanalidad.html.
 [19]G. Electrics, «Innovation Barometer,» 2018.
 [20]D. Chicoma y F. Casafranca, Interviewees, Entrevista a Daniel Chicoma y Fernando Casafranca, docentes del PADE Internacional en Gerencia de Tecnologías de la Información en ESAN. [Entrevista]. 2018.
 [21]L.R. La república, «La importancia del mercadeo en la actualidad,» 21 Junio 2013. [Online]. Available: https://www.larepublica.co/opinion/analistas/la-importancia-del-mercadeo-en-la-actualidad-2041232#:~:text=El%20mercadeo%20es%20cada%20d%C3%ADa,en%20los%20mercados%20(clientes).
 [22]UNED, «Acumulación de datos y Big data: Las preguntas correctas,» 10 Noviembre 2017. [Online]. Available: https://www.masterbigdataonline.com/index.php/en-el-blog/150-el-big-data-y-las-preguntas-correctas.
 [23]J. García, Banca aburrida: el negocio bancario tras la crisis económica, Fundacion Funcas - economía y sociedad, 2015, pp. 101 - 150.
 [24]G. Cutipa, «Las 5 principales ventajas y desventajas de bases de datos relacionales y no relacionales: NoSQL vs SQL,» 20 Abril 2020. [Online]. Available: https://guidocutipa.blog.bo/principales-ventajas-desventajas-bases-de-datos-relacionales-no-relacionales-nosql-vs-sql/.
 [25]R. Martinez, «Jornadas Big Data ANALYTICS,»19 Septiembre 2019. [Online]. Available: https://www.cfp.upv.es/formacion-permanente/curso/jornada-big-data-analytics_67010.html.
 [26]J. Rifkin, The End of Work: The Decline of the Global Labor Force and the Dawn of the Post-Market Era, Putnam Publishing Group, 1995.
 [27]R. Conde del Pozo, «Los 5 desafíos a los que se enfrenta el Big Data,» 13 Agosto 2019. [Online]. Available: https://diarioti.com/los-5-desafios-a-los-que-se-enfrenta-el-big-data/110607.

In this thesis, we consider an analog antenna combining architecture for a MIMO wireless transceiver, while pointing out its advantages with respect to the traditional MIMO architectures. In the first part of this work, we focus on the transceiver design, especially the calculation of the beamformers that must be applied at the RF. This analysis is performed in an OFDM system under different assumptions on the channel state information. As a result, several criteria and algorithms for the selection of the beamformers are proposed. In the second part, we address the FPGA design and implementation of a baseband processor for this architecture. This baseband processor is based on the standard IEEE 802.11a. Finally, some real-time tests of the implemented baseband processor are carried out both in stand-alone configuration and also with the whole physical layer setup.<br>En esta tesis consideramos una arquitectura de combinación analógica de antenas para una estación inalámbrica MIMO, señalando las ventajas de ésta con respecto a la arquitectura tradicional MIMO. En la primera parte de este trabajo analizamos el cálculo de los pesos que se deben aplicar en RF. Este análisis es realizado para un sistema OFDM bajo diferentes suposiciones sobre el conocimiento del canal en el transmisor. Como resultado, se ofrecen varios criterios y algoritmos para el cálculo de los pesos. La segunda parte se centra en el diseño y la implementación FPGA de un procesador banda base para esta arquitectura. Este procesador está basando en el estándar IEEE 802.11a. Finalmente se llevan a cabo algunos experimentos en tiempo-real del procesador banda base. Estos experimentos se han realizado tanto con el procesador aislado como integrado en el resto de la capa física del sistema.