Análisis, diseño y desarrollo de un sistema de seguimiento de acciones formativas en teleformación (SAFT)

El proyecto plantea la realización de un sistema de seguimiento de acciones formativas de teleformación, donde el requisito inicial es suministrar un servicio web que implementa las operaciones necesarias para el seguimiento de estas acciones formativas. La entidad principal que define este servicio podrá conectar a múltiples empresas de formación que imparten este tipo de acciones formativas y deben suministrar este servicio. El proyecto plantea el análisis completo del sistema para una determinada empresa de formación que incluye el servicio web, la plataforma formativa y demás subsistemas que se consideren necesarios. En nuestro caso una aplicación web adicional para la gestión de las acciones formativas, desarrollada con tecnología Microsoft. El servicio web se desarrolla con protocolo SOAP y tecnología Php. Se plantea el análisis completo del sistema y el diseño y desarrollo del servicio web y de la funcionalidad principal de la aplicación web de seguimiento.

Diseño y uso de una paleta háptica para prácticas de teleoperación con simulink

En este artículo se presenta el uso de dispositivos de realimentación de fuerzas de un grado de libertad como herramienta para el desarrollo de aplicaciones docentes en asignaturas de teleoperación y telerrobótica, con el objetivo de disponer de una interfaz física que pueda ser utilizada como equipo de prácticas. Estos dispositivos, conocidos como haptic paddle, ya han sido probados satisfactoriamente para aplicaciones educativas de modelado y simulación de sistemas, ntroducción a los haptics e ingeniería de control en diversas Universidades. Para el desarrollo de los experimentos que se muestran en este artículo se han utilizado dos dispositivos haptic paddle con un controlador basado en Arduino y fabricados mediante tecnologías aditivas de impresión 3D. Gracias a los sensores de fuerza y posición incorporados se pueden implementar esquemas bilaterales de teleoperación de posicón-posición y fuerza-posición.

Arquitecturas Flexibles, Crecientes y Jerárquicas para Sistemas Neuronales Autoorganizados

La autoorganización es un proceso de aprendizaje no supervisado mediante el cual se descubren características, relaciones, patrones significativos o prototipos en los datos. Entre los sistemas neuronales autoorganizados más usados destaca el el mapa autoorganizado o SOM (Self-Organizing Map), el cual ha sido aplicado en multitud de campos distintos. Sin embargo, este modelo autoorganizado tiene varias limitaciones relacionadas con su tamaño, topología, falta de representación de relaciones jerárquicas, etc. La red neuronal llamada gas neuronal creciente o GNG (Growing Neural Gas), es un ejemplo de modelo neuronal autoorganizado con mayor flexibilidad que el SOM ya que está basado en un grafo de unidades de proceso en vez de en una topología fija. A pesar de su éxito, se ha prestado poca atención a su extensión jerárquica, a diferencia de muchos otros modelos que tienen varias versiones jerárquicas. El gas neuronal jerárquico creciente o GHNG (Growing Hierarchical Neural Gas) es una extensión jerárquica del GNG en el que se aprende un árbol de grafos, donde el algoritmo original del GNG se ha mejorado distinguiendo entre una fase de crecimiento y una fase de convergencia. Los resultados experimentales demuestran las capacidades de autoorganización y aprendizaje jerárquico de esta red.