http://bdigital2.ula.ve:8080/xmlui/654321/1893 2026-05-27T05:23:55Z 2026-05-27T05:23:55Z Aguilar, José Puerto, Eduard Gil, Ángel Rodríguez, Taniana Jerez, Marxjhony Amaya, Jhon http://bdigital2.ula.ve:8080/xmlui/654321/4851 2020-03-03T15:03:49Z 2018-07-13T00:00:00Z

Grupo de investigación y desarrollo TEPUY Aguilar, José; Puerto, Eduard; Gil, Ángel; Rodríguez, Taniana; Jerez, Marxjhony; Amaya, Jhon En esta reseña se describe el quehacer y razón de ser de la Red TEPUY como un grupo interdisciplinar de expertos dedicados a la investigación, desarrollo e implantación de tecnologías de Inteligencia Artificial, Internet de las Cosas (IoT) y Sistemas Complejos, en ámbitos como la industria 4.0 y las ciudades inteligentes, entre otros. Se muestra los antecedentes, resultados y como está organizada. Por último, se presentan proyectos en desarrollo y trabajos futuros.; This review describes the work and the raison of the TEPUY Network as an interdisciplinary group of experts dedicated to the research, development and implementation of Artificial Intelligence, Internet of Things (IoT) and Complex Systems technologies, in areas such as 4.0 industry and smart cities, among others. This paper shows the background, results and how it is organized. Finally, projects in development and future work are presented.

2018-07-13T00:00:00Z Aguilar, José Aguilar, Kristell Jerez, Marxjhony Jiménez, Carlos http://bdigital2.ula.ve:8080/xmlui/654321/4850 2020-03-03T14:28:08Z 2018-06-30T00:00:00Z

Implementación de tareas de analítica de datos para mejorar la calidad de servicios en redes de comunicaciones Aguilar, José; Aguilar, Kristell; Jerez, Marxjhony; Jiménez, Carlos Este trabajo especifica ciclos autónomos (CA) de tareas de análisis de datos para optimizar la calidad de servicios (QoS) en Internet. Los mecanismos para mejorar son importantes para los proveedores de servicios de Internet (ISP) y se basan en el análisis del contexto, en la inspección profunda de paquetes (DPI), en el uso de la minería de datos y semántica, entre otras. Los CA de análisis de datos propuestos en este trabajo integran esos aspectos, para realizar tareas para mejorar la QoS en Internet, tales como la tarea de clasificación del tráfico en la red. En este trabajo se utiliza la metodología MIDANO, para especificar los dos CA que se proponen, uno con el objetivo de mejorar la QoS en Internet, y otro con el objetivo de aprender el patrón del tráfico en la red. Además, en este trabajo se implementa el CA que mejora la QoS en Internet. Este CA monitorea el estado del tráfico en Internet, determina el comportamiento de las aplicaciones, caracteriza los patrones de tráfico, genera reglas de optimización del tráfico, entre otras cosas, usando técnicas de DPI, minería semántica, aprendizaje automático, entre otras.; This work specifies Autonomous Cycles (AC) of data analysis tasks, to optimize the Quality Of Services (QoS) on the Internet. The mechanisms to improve QoS on the Internet are important for Internet Service Providers (ISP). These mechanisms should be based on context analysis, Deep Packet Inspection (DPI), the use of data mining and semantics, among others. The ACs of data analysis proposed in this work integrate these aspects, to perform tasks to improve QoS on the Internet, such as the task of classifying traffic on the network. In this paper the MIDANO methodology is used, to specify the two ACs that are proposed, one with the aim of improving the QoS on the Internet, and another with the objective of learning the traffic pattern in the network. In addition, this work implements the AC that improves the QoS on the internet. This AC monitors the state of Internet traffic, determines the behavior of applications, characterizes traffic patterns, generates traffic optimization rules, among other things, using DPI techniques, semantic mining, machine learning, among others.

2018-06-30T00:00:00Z Rosales Ramírez, Misael Darío Mora Benavídes, Cesar Augusto Guada Barráez, Carlos Eduardo http://bdigital2.ula.ve:8080/xmlui/654321/4849 2020-03-03T14:09:53Z 2018-06-07T00:00:00Z

Redes neuronales en la predicción de micro-clima Zona de estudio La Hechicera, Mérida-Venezuela Rosales Ramírez, Misael Darío; Mora Benavídes, Cesar Augusto; Guada Barráez, Carlos Eduardo Se desarrolló una Red Neuronal Artificial (RNA) con capacidad para realizar predicciones climáticas a corto plazo, entrenada con datos a intervalos de 15 min durante 454 días, de una estación climatológica ubicada en La Hechicera Mérida-Venezuela (1896 msnm). Para el entrenamiento y su validación se usaron patrones simulados que contienen variaciones diarias de la Radiancia y la Temperatura. Se eligieron 3 funciones de prueba tales como el Seno, Coseno y los Polinomios de Legendre Pl(x). La (RNA) puede predecir el intervalo (0,1] usando sólo como entrada el intervalo [-1,0] de la correspondiente derivada P′ l (x) del polinomio. En la fase de producción con datos reales, se encontró que la red es capaz de predecir la temperatura con un 5% de error en el rango horario [12:15 a 06:15] pm, sólo con los datos de temperatura en el rango [6:00 a 12:00) am. Igualmente al predecir temperatura a partir de Radiancia (5%), Radiancia-Radiancia (16%). Se considera viable el uso de (RNA) para la predicción de micro-clima a corto plazo, pudiendo extender su uso a otras localidades, lo que podría ser útil para el desarrollo de planes de prevención de desastres, períodos de siembra y en la predicción de oferta de energía en plantas eólicas y solares.; An Artificial Neural Network (RNA) was developed with capacity to make short-term climatic predictions, trained with data at intervals of 15 min for 454 days in a climatological station located in La Hechicera Mérida-Venezuela (1896 masl). For training and validation, were used simulated patterns that contain daily variations of radiance and temperature. Three test functions were chosen such as the Sine, Cosine and the Legendre Polynomials Pl(x). The (RNA) e.g, can predict the interval (0,1] using only as input the interval [-1,0] of the corresponding derivative P′ l (x) of the polynomial. In the production phase with real data, it was found that the network is able to predict the temperature with approx. 5% error in the hourly range [12:15 to 06:15] pm, only with the temperature data in the range [6:00 to 12:00) am. Also, when predicting temperature from radiance (5%), radiance-radiance (16%). The use of (RNA) for the prediction of micro-climate in the short term is considered feasible, being able to extend its use to other localities, which could be useful for the development of disaster prevention plans, sowing periods, prediction of energy supply in wind and solar power stations.

2018-06-07T00:00:00Z Primera Leal, Carlos http://bdigital2.ula.ve:8080/xmlui/654321/4848 2020-03-03T13:55:37Z 2017-07-01T00:00:00Z

EDITORIAL Primera Leal, Carlos

2017-07-01T00:00:00Z