Contexto, objetividade e sensacionalismo na cobertura jornalística de direitos de crianças e adolescentes

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Contingências facilitadoras de comportamento verbal em crianças usuárias de implante coclear e práticas parentais: uma intervenção com mães

Pós-graduação em Psicologia do Desenvolvimento e Aprendizagem - FC

Consequências do corte periódico do componente lenhoso da vegetação de cerrado

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Resolução do problema de fluxo de potência ótimo pela meta-heurística algoritmo dos fogos de artifício de busca dinâmica com mutação de covariância

Pós-graduação em Engenharia Elétrica - FEIS

Efeito da tibolona na morfologia do músculo esquelético, nas enzimas hepáticas e no nível sérico de glicose em ratas castradas

INTRODUÇÃO: O fígado é uma estrutura de elevada complexidade e é fundamental entender como determinadas substâncias podem afetar sua estrutura e suas funções. OBJETIVO: Analisar a influência da tibolona no metabolismo hepático por meio da avaliação de enzimas e metabólitos comumente utilizados em provas de função hepática. MÉTODOS: Foram utilizadas dez ratas Wistar, divididas em dois grupos: controle (n = 4) e tibolona (n = 6), em status de menopausa cirúrgica. A tibolona (1 mg) foi administrada diariamente por gavagem durante 20 semanas, com avaliação periódica do peso corporal. Após sedação, efetuou-se coleta de sangue para avaliação bioquímica de albumina (Alb) sérica, fosfatase alcalina (FA), transaminases (aspartato aminotransferase e alanina aminotransferase [AST/ALT]), gama-glutamiltranspeptidase (GGT) e glicose, mediante espectrofotometria. O músculo esquelético da coxa foi avaliado por histomorfometria em cortes histológicos corados com hematoxilina e eosina (HE). RESULTADOS: Os animais do grupo tibolona mostraram menor peso corporal, alterações musculares esqueléticas e discretas alterações bioquímicas. Além disso, AST e FA estavam diminuídas e GGT estava mais elevada, porém sem significância estatística. A histomorfometria do músculo revelou uma tendência de menor volume celular nesse grupo. CONCLUSÃO: A tibolona, administrada em alta dose e por tempo prolongado, não interfere de forma significativa nas funções metabólicas e de síntese hepáticas, bem como na permeabilidade da membrana celular, entretanto parece modular a expressão genômica da GGT. A tibolona apresenta influência sistêmica associada a menor peso e diminuição da massa muscular e aumento significativo no peso relativo do fígado, além de alteração da glicogenólise hepática e muscular, da gliconeogênese hepática e dos níveis de glicose circulante.

La noción de persona como particular de base. La ontología de la adscripción de Strawson, un precedente del soi-même de Ricoeur

En este artículo se parte de las aporías en las que el conductismo lógico de Gilbert Ryle deja la adscripción de los estados subjetivos y de la intencionalidad y se examina el argumento que orienta la solución ontológica de Peter Strawson a través de su noción primitiva de persona como particular de base. Se muestra que la noción de persona de Strawson es una salida a las aporías del mentalismo y del conductismo que anticipa la ontología del soi-même de Paul Ricoeur, aunque sin alcanzar la densidad narrativa que los quiénes reciben en el filósofo francés a partir del paso de las acciones discretas a las prácticas. Asimismo se establecen nexos entre la ontología de la persona y los problemas epistemológicos de la acción en las ciencias sociales.

La noción de persona como particular de base. La ontología de la adscripción de Strawson, un precedente del soi-même de Ricoeur

En este artículo se parte de las aporías en las que el conductismo lógico de Gilbert Ryle deja la adscripción de los estados subjetivos y de la intencionalidad y se examina el argumento que orienta la solución ontológica de Peter Strawson a través de su noción primitiva de persona como particular de base. Se muestra que la noción de persona de Strawson es una salida a las aporías del mentalismo y del conductismo que anticipa la ontología del soi-même de Paul Ricoeur, aunque sin alcanzar la densidad narrativa que los quiénes reciben en el filósofo francés a partir del paso de las acciones discretas a las prácticas. Asimismo se establecen nexos entre la ontología de la persona y los problemas epistemológicos de la acción en las ciencias sociales.

La noción de persona como particular de base. La ontología de la adscripción de Strawson, un precedente del soi-même de Ricoeur

En este artículo se parte de las aporías en las que el conductismo lógico de Gilbert Ryle deja la adscripción de los estados subjetivos y de la intencionalidad y se examina el argumento que orienta la solución ontológica de Peter Strawson a través de su noción primitiva de persona como particular de base. Se muestra que la noción de persona de Strawson es una salida a las aporías del mentalismo y del conductismo que anticipa la ontología del soi-même de Paul Ricoeur, aunque sin alcanzar la densidad narrativa que los quiénes reciben en el filósofo francés a partir del paso de las acciones discretas a las prácticas. Asimismo se establecen nexos entre la ontología de la persona y los problemas epistemológicos de la acción en las ciencias sociales.

Contributions to Bayesian network learning with applications to neuroscience

Neuronal morphology is a key feature in the study of brain circuits, as it is highly related to information processing and functional identification. Neuronal morphology affects the process of integration of inputs from other neurons and determines the neurons which receive the output of the neurons. Different parts of the neurons can operate semi-independently according to the spatial location of the synaptic connections. As a result, there is considerable interest in the analysis of the microanatomy of nervous cells since it constitutes an excellent tool for better understanding cortical function. However, the morphologies, molecular features and electrophysiological properties of neuronal cells are extremely variable. Except for some special cases, this variability makes it hard to find a set of features that unambiguously define a neuronal type. In addition, there are distinct types of neurons in particular regions of the brain. This morphological variability makes the analysis and modeling of neuronal morphology a challenge. Uncertainty is a key feature in many complex real-world problems. Probability theory provides a framework for modeling and reasoning with uncertainty. Probabilistic graphical models combine statistical theory and graph theory to provide a tool for managing domains with uncertainty. In particular, we focus on Bayesian networks, the most commonly used probabilistic graphical model. In this dissertation, we design new methods for learning Bayesian networks and apply them to the problem of modeling and analyzing morphological data from neurons. The morphology of a neuron can be quantified using a number of measurements, e.g., the length of the dendrites and the axon, the number of bifurcations, the direction of the dendrites and the axon, etc. These measurements can be modeled as discrete or continuous data. The continuous data can be linear (e.g., the length or the width of a dendrite) or directional (e.g., the direction of the axon). These data may follow complex probability distributions and may not fit any known parametric distribution. Modeling this kind of problems using hybrid Bayesian networks with discrete, linear and directional variables poses a number of challenges regarding learning from data, inference, etc. In this dissertation, we propose a method for modeling and simulating basal dendritic trees from pyramidal neurons using Bayesian networks to capture the interactions between the variables in the problem domain. A complete set of variables is measured from the dendrites, and a learning algorithm is applied to find the structure and estimate the parameters of the probability distributions included in the Bayesian networks. Then, a simulation algorithm is used to build the virtual dendrites by sampling values from the Bayesian networks, and a thorough evaluation is performed to show the model’s ability to generate realistic dendrites. In this first approach, the variables are discretized so that discrete Bayesian networks can be learned and simulated. Then, we address the problem of learning hybrid Bayesian networks with different kinds of variables. Mixtures of polynomials have been proposed as a way of representing probability densities in hybrid Bayesian networks. We present a method for learning mixtures of polynomials approximations of one-dimensional, multidimensional and conditional probability densities from data. The method is based on basis spline interpolation, where a density is approximated as a linear combination of basis splines. The proposed algorithms are evaluated using artificial datasets. We also use the proposed methods as a non-parametric density estimation technique in Bayesian network classifiers. Next, we address the problem of including directional data in Bayesian networks. These data have some special properties that rule out the use of classical statistics. Therefore, different distributions and statistics, such as the univariate von Mises and the multivariate von Mises–Fisher distributions, should be used to deal with this kind of information. In particular, we extend the naive Bayes classifier to the case where the conditional probability distributions of the predictive variables given the class follow either of these distributions. We consider the simple scenario, where only directional predictive variables are used, and the hybrid case, where discrete, Gaussian and directional distributions are mixed. The classifier decision functions and their decision surfaces are studied at length. Artificial examples are used to illustrate the behavior of the classifiers. The proposed classifiers are empirically evaluated over real datasets. We also study the problem of interneuron classification. An extensive group of experts is asked to classify a set of neurons according to their most prominent anatomical features. A web application is developed to retrieve the experts’ classifications. We compute agreement measures to analyze the consensus between the experts when classifying the neurons. Using Bayesian networks and clustering algorithms on the resulting data, we investigate the suitability of the anatomical terms and neuron types commonly used in the literature. Additionally, we apply supervised learning approaches to automatically classify interneurons using the values of their morphological measurements. Then, a methodology for building a model which captures the opinions of all the experts is presented. First, one Bayesian network is learned for each expert, and we propose an algorithm for clustering Bayesian networks corresponding to experts with similar behaviors. Then, a Bayesian network which represents the opinions of each group of experts is induced. Finally, a consensus Bayesian multinet which models the opinions of the whole group of experts is built. A thorough analysis of the consensus model identifies different behaviors between the experts when classifying the interneurons in the experiment. A set of characterizing morphological traits for the neuronal types can be defined by performing inference in the Bayesian multinet. These findings are used to validate the model and to gain some insights into neuron morphology. Finally, we study a classification problem where the true class label of the training instances is not known. Instead, a set of class labels is available for each instance. This is inspired by the neuron classification problem, where a group of experts is asked to individually provide a class label for each instance. We propose a novel approach for learning Bayesian networks using count vectors which represent the number of experts who selected each class label for each instance. These Bayesian networks are evaluated using artificial datasets from supervised learning problems. Resumen La morfología neuronal es una característica clave en el estudio de los circuitos cerebrales, ya que está altamente relacionada con el procesado de información y con los roles funcionales. La morfología neuronal afecta al proceso de integración de las señales de entrada y determina las neuronas que reciben las salidas de otras neuronas. Las diferentes partes de la neurona pueden operar de forma semi-independiente de acuerdo a la localización espacial de las conexiones sinápticas. Por tanto, existe un interés considerable en el análisis de la microanatomía de las células nerviosas, ya que constituye una excelente herramienta para comprender mejor el funcionamiento de la corteza cerebral. Sin embargo, las propiedades morfológicas, moleculares y electrofisiológicas de las células neuronales son extremadamente variables. Excepto en algunos casos especiales, esta variabilidad morfológica dificulta la definición de un conjunto de características que distingan claramente un tipo neuronal. Además, existen diferentes tipos de neuronas en regiones particulares del cerebro. La variabilidad neuronal hace que el análisis y el modelado de la morfología neuronal sean un importante reto científico. La incertidumbre es una propiedad clave en muchos problemas reales. La teoría de la probabilidad proporciona un marco para modelar y razonar bajo incertidumbre. Los modelos gráficos probabilísticos combinan la teoría estadística y la teoría de grafos con el objetivo de proporcionar una herramienta con la que trabajar bajo incertidumbre. En particular, nos centraremos en las redes bayesianas, el modelo más utilizado dentro de los modelos gráficos probabilísticos. En esta tesis hemos diseñado nuevos métodos para aprender redes bayesianas, inspirados por y aplicados al problema del modelado y análisis de datos morfológicos de neuronas. La morfología de una neurona puede ser cuantificada usando una serie de medidas, por ejemplo, la longitud de las dendritas y el axón, el número de bifurcaciones, la dirección de las dendritas y el axón, etc. Estas medidas pueden ser modeladas como datos continuos o discretos. A su vez, los datos continuos pueden ser lineales (por ejemplo, la longitud o la anchura de una dendrita) o direccionales (por ejemplo, la dirección del axón). Estos datos pueden llegar a seguir distribuciones de probabilidad muy complejas y pueden no ajustarse a ninguna distribución paramétrica conocida. El modelado de este tipo de problemas con redes bayesianas híbridas incluyendo variables discretas, lineales y direccionales presenta una serie de retos en relación al aprendizaje a partir de datos, la inferencia, etc. En esta tesis se propone un método para modelar y simular árboles dendríticos basales de neuronas piramidales usando redes bayesianas para capturar las interacciones entre las variables del problema. Para ello, se mide un amplio conjunto de variables de las dendritas y se aplica un algoritmo de aprendizaje con el que se aprende la estructura y se estiman los parámetros de las distribuciones de probabilidad que constituyen las redes bayesianas. Después, se usa un algoritmo de simulación para construir dendritas virtuales mediante el muestreo de valores de las redes bayesianas. Finalmente, se lleva a cabo una profunda evaluaci ón para verificar la capacidad del modelo a la hora de generar dendritas realistas. En esta primera aproximación, las variables fueron discretizadas para poder aprender y muestrear las redes bayesianas. A continuación, se aborda el problema del aprendizaje de redes bayesianas con diferentes tipos de variables. Las mixturas de polinomios constituyen un método para representar densidades de probabilidad en redes bayesianas híbridas. Presentamos un método para aprender aproximaciones de densidades unidimensionales, multidimensionales y condicionales a partir de datos utilizando mixturas de polinomios. El método se basa en interpolación con splines, que aproxima una densidad como una combinación lineal de splines. Los algoritmos propuestos se evalúan utilizando bases de datos artificiales. Además, las mixturas de polinomios son utilizadas como un método no paramétrico de estimación de densidades para clasificadores basados en redes bayesianas. Después, se estudia el problema de incluir información direccional en redes bayesianas. Este tipo de datos presenta una serie de características especiales que impiden el uso de las técnicas estadísticas clásicas. Por ello, para manejar este tipo de información se deben usar estadísticos y distribuciones de probabilidad específicos, como la distribución univariante von Mises y la distribución multivariante von Mises–Fisher. En concreto, en esta tesis extendemos el clasificador naive Bayes al caso en el que las distribuciones de probabilidad condicionada de las variables predictoras dada la clase siguen alguna de estas distribuciones. Se estudia el caso base, en el que sólo se utilizan variables direccionales, y el caso híbrido, en el que variables discretas, lineales y direccionales aparecen mezcladas. También se estudian los clasificadores desde un punto de vista teórico, derivando sus funciones de decisión y las superficies de decisión asociadas. El comportamiento de los clasificadores se ilustra utilizando bases de datos artificiales. Además, los clasificadores son evaluados empíricamente utilizando bases de datos reales. También se estudia el problema de la clasificación de interneuronas. Desarrollamos una aplicación web que permite a un grupo de expertos clasificar un conjunto de neuronas de acuerdo a sus características morfológicas más destacadas. Se utilizan medidas de concordancia para analizar el consenso entre los expertos a la hora de clasificar las neuronas. Se investiga la idoneidad de los términos anatómicos y de los tipos neuronales utilizados frecuentemente en la literatura a través del análisis de redes bayesianas y la aplicación de algoritmos de clustering. Además, se aplican técnicas de aprendizaje supervisado con el objetivo de clasificar de forma automática las interneuronas a partir de sus valores morfológicos. A continuación, se presenta una metodología para construir un modelo que captura las opiniones de todos los expertos. Primero, se genera una red bayesiana para cada experto y se propone un algoritmo para agrupar las redes bayesianas que se corresponden con expertos con comportamientos similares. Después, se induce una red bayesiana que modela la opinión de cada grupo de expertos. Por último, se construye una multired bayesiana que modela las opiniones del conjunto completo de expertos. El análisis del modelo consensuado permite identificar diferentes comportamientos entre los expertos a la hora de clasificar las neuronas. Además, permite extraer un conjunto de características morfológicas relevantes para cada uno de los tipos neuronales mediante inferencia con la multired bayesiana. Estos descubrimientos se utilizan para validar el modelo y constituyen información relevante acerca de la morfología neuronal. Por último, se estudia un problema de clasificación en el que la etiqueta de clase de los datos de entrenamiento es incierta. En cambio, disponemos de un conjunto de etiquetas para cada instancia. Este problema está inspirado en el problema de la clasificación de neuronas, en el que un grupo de expertos proporciona una etiqueta de clase para cada instancia de manera individual. Se propone un método para aprender redes bayesianas utilizando vectores de cuentas, que representan el número de expertos que seleccionan cada etiqueta de clase para cada instancia. Estas redes bayesianas se evalúan utilizando bases de datos artificiales de problemas de aprendizaje supervisado.

Reconstrucción de imágenes tomográficas: técnicas en el dominio de la frecuencia

La tomografía transaxial es una técnica radiográfica, que permite obtener imágenes de secciones bidimensionales, pertenecientes a estructuras tridimensionales mediante la exploración apropiada y utilizando algún tipo de radiación. En este trabajo se presentan los principios básicos de esta técnica, así como una visión general de los métodos de reconstrucción basados en el análisis de Fourier y sus respectivas versiones discretas con vista a su tratamiento en ordenadores digitales.

Corrección por temperatura de los patrones volumétricos de desplazamiento positivo en la metrología de los hidrocarburos

Dentro de la Metrología de los hidrocarburos líquidos (gasolinas, gasóleos y querosenos), el instrumento que como patrón proporciona las mejores exactitudes es el medidor volumétrico de desplazamiento positivo (MDP). El MDP es un instrumento mecánico de medida basado en una cavidad de paredes deslizantes que mide el paso de una sucesión de cantidades discretas de volumen. El ciclo logístico de los combustibles líquidos requiere asegurar la trazabilidad y minimizar la incertidumbre de sus mediciones para garantizar la transferencia de custodia entre los propietarios del combustible y el operador logístico. Estas operaciones tienen gran incidencia económica y fiscal; En los cargaderos, los MDP que miden la cantidad de hidrocarburo como volumen equivalente a 15 ºC deben calibrarse frecuentemente para verificar el error máximo legalmente permitido. Para ello, el MDP de cargadero se acopla en serie con un MDP patrón y se realiza la calibración de aquél por comparación con éste. Las lecturas del MDP patrón deben corregirse por temperatura, pero ni los fabricantes ni la literatura (normas o publicaciones) especifican cómo aplicar la corrección. En el presente trabajo, se propone un modelo semiempírico para caracterizar el sistema mecánico de medida del MDP. Uno de los parámetros del modelo coincide directamente con el coeficiente de temperatura del equipo y permite cuantificar la corrección a aplicar. El modelo se valida analizando estadísticamente los históricos de calibración de un número suficientemente representativo de MDP patrón de un mismo tipo. El valor del parámetro correspondiente al coeficiente de temperatura se obtiene empíricamente; ensayando, a tal efecto, dos MDP patrón de un mismo tipo a diferentes temperaturas.

Detección de azúcares en vinos y mostos mediante espectrofotometría en NIR.

En el proceso de vinificación un aspecto de vital importancia es el control periódico de la concentración de azúcares durante la etapa de fermentación del mosto. Los métodos tradicionales de análisis en laboratorio, si bien son suficientemente precisos, conllevan un importante gasto de material y tiempo, y sólo proporcionan medidas discretas a lo largo del proceso de fermentación. En investigaciones recientes se ha aplicado el NIR espectrofotometría en el infrarrojo cercano a la predicción de los azúcares en distintos productos agrícolas (Bellón, V. l993, en manzanas; Barreiro. P. 1996, en tomates. El objetivo de este trabajo fue el desarrollo de un modelo de estimación del contenido de azúcares disueltos en el mosto, y el establecimiento de un sistema de predicción de la evolución de la fermentación. Mediante un espectrofotómetro con detector en el área del infrarrojo cercano (NIR) y un la medida de la transmisión de luz conducida por fibras ópticas, se adquirieron los datos espectrales de los mostos y vinos en fermentación controlada. Análisis matemáticos y estadísticos posteriores (transformación de los espectros, análisis de componentes principales y regresiones multilineales condujeron al establecimiento del modelo de estimación de los azúcares (con precisión de ±2,5 g/1). Los modelos desarrollados permiten la implantación de un sistema de toma de datos continuo en las cubas de fermentación de una bodega, para el control sistemático en tiempo real del proceso de elaboración del vino.

Nuevas arquitecturas de transpondedores de microondas = New transponder architectures at microwave frequencies = Nouvelles architectures des transpondeurs d’hyperfréquences

En la última década, los sistemas de telecomunicación de alta frecuencia han evolucionado tremendamente. Las bandas de frecuencias, los anchos de banda del usuario, las técnicas de modulación y otras características eléctricas están en constante cambio de acuerdo a la evolución de la tecnología y la aparición de nuevas aplicaciones. Las arquitecturas de los transceptores modernos son diferentes de las tradicionales. Muchas de las funciones convencionalmente realizadas por circuitos analógicos han sido asignadas gradualmente a procesadores digitales de señal, de esta manera, las fronteras entre la banda base y las funcionalidades de RF se difuminan. Además, los transceptores inalámbricos digitales modernos son capaces de soportar protocolos de datos de alta velocidad, por lo que emplean una elevada escala de integración para muchos de los subsistemas que componen las diferentes etapas. Uno de los objetivos de este trabajo de investigación es realizar un estudio de las nuevas configuraciones en el desarrollo de demostradores de radiofrecuencia (un receptor y un transmisor) y transpondedores para fines de comunicaciones y militares, respectivamente. Algunos trabajos se han llevado a cabo en el marco del proyecto TECRAIL, donde se ha implementado un demostrador de la capa física LTE para evaluar la viabilidad del estándar LTE en el entorno ferroviario. En el ámbito militar y asociado al proyecto de calibración de radares (CALRADAR), se ha efectuado una actividad importante en el campo de la calibración de radares balísticos Doppler donde se ha analizado cuidadosamente su precisión y se ha desarrollado la unidad generadora de Doppler de un patrón electrónico para la calibración de estos radares. Dicha unidad Doppler es la responsable de la elevada resolución en frecuencia del generador de “blancos” radar construido. Por otro lado, se ha elaborado un análisis completo de las incertidumbres del sistema para optimizar el proceso de calibración. En una segunda fase se han propuesto soluciones en el desarrollo de dispositivos electro-ópticos para aplicaciones de comunicaciones. Estos dispositivos son considerados, debido a sus ventajas, tecnologías de soporte para futuros dispositivos y subsistemas de RF/microondas. Algunas demandas de radio definida por software podrían cubrirse aplicando nuevos conceptos de circuitos sintonizables mediante parámetros programables de un modo dinámico. También se ha realizado una contribución relacionada con el diseño de filtros paso banda con topología “Hairpin”, los cuales son compactos y se pueden integrar fácilmente en circuitos de microondas en una amplia gama de aplicaciones destinadas a las comunicaciones y a los sistemas militares. Como importante aportación final, se ha presentado una propuesta para ecualizar y mejorar las transmisiones de señales discretas de temporización entre los TRMs y otras unidades de procesamiento, en el satélite de última generación SEOSAR/PAZ. Tras un análisis exhaustivo, se ha obtenido la configuración óptima de los buses de transmisión de datos de alta velocidad basadas en una red de transceptores. ABSTRACT In the last decade, high-frequency telecommunications systems have extremely evolved. Frequency bands, user bandwidths, modulation techniques and other electrical characteristics of these systems are constantly changing following to the evolution of technology and the emergence of new applications. The architectures of modern transceivers are different from the traditional ones. Many of the functions conventionally performed by analog circuitry have gradually been assigned to digital signal processors. In this way, boundaries between baseband and RF functionalities are diffused. The design of modern digital wireless transceivers are capable of supporting high-speed data protocols. Therefore, a high integration scale is required for many of the components in the block chain. One of the goals of this research work is to investigate new configurations in the development of RF demonstrators (a receiver and a transmitter) and transponders for communications and military purposes, respectively. A LTE physical layer demonstrator has been implemented to assess the viability of LTE in railway scenario under the framework of the TECRAIL project. An important activity, related to the CALRADAR project, for the calibration of Doppler radars with extremely high precision has been performed. The contribution is the Doppler unit of the radar target generator developed that reveals a high frequency resolution. In order to assure the accuracy of radar calibration process, a complete analysis of the uncertainty in the above mentioned procedure has been carried out. Another important research topic has been the development of photonic devices that are considered enabling technologies for future RF and microwave devices and subsystems. Some Software Defined Radio demands are addressed by the proposed novel circuit concepts based on photonically tunable elements with dynamically programmable parameters. A small contribution has been made in the field of Hairpin-line bandpass filters. These filters are compact and can also be easily integrated into microwave circuits finding a wide range of applications in communication and military systems. In this research field, the contributions made have been the improvements in the design and the simulations of wideband filters. Finally, an important proposal to balance and enhance transmissions of discrete timing signals between TRMs and other processing units into the state of the art SEOSAR/PAZ Satellite has been carried out obtaining the optimal configuration of the high-speed data transmission buses based on a transceiver network. RÉSUMÉ Les systèmes d'hyperfréquence dédiés aux télécommunications ont beaucoup évolué dans la dernière décennie. Les bandes de fréquences, les bandes passantes par utilisateur, les techniques de modulation et d'autres caractéristiques électriques sont en constant changement en fonction de l'évolution des technologies et l'émergence de nouvelles applications. Les architectures modernes des transcepteurs sont différentes des traditionnelles. Un grand nombre d’opérations normalement effectuées par les circuits analogiques a été progressivement alloué à des processeurs de signaux numériques. Ainsi, les frontières entre la bande de base et la fonctionnalité RF sont floues. Les transcepteurs sans fils numériques modernes sont capables de transférer des données à haute vitesse selon les différents protocoles de communication utilisés. C'est pour cette raison qu’un niveau élevé d'intégration est nécessaire pour un grand nombre de composants qui constitue les différentes étapes des systèmes. L'un des objectifs de cette recherche est d'étudier les nouvelles configurations dans le développement des démonstrateurs RF (récepteur et émetteur) et des transpondeurs à des fins militaire et de communication. Certains travaux ont été réalisés dans le cadre du projet TECRAIL, où un démonstrateur de la couche physique LTE a été mis en place pour évaluer la faisabilité de la norme LTE dans l'environnement ferroviaire. Une contribution importante, liée au projet CALRADAR, est proposée dans le domaine des systèmes d’étalonnage de radar Doppler de haute précision. Cette contribution est le module Doppler de génération d’hyperfréquence intégré dans le système électronique de génération de cibles radar virtuelles que présente une résolution de fréquence très élevée. Une analyse complète de l'incertitude dans l'étalonnage des radars Doppler a été effectuée, afin d'assurer la précision du calibrage. La conception et la mise en oeuvre de quelques dispositifs photoniques sont un autre sujet important du travail de recherche présenté dans cette thèse. De tels dispositifs sont considérés comme étant des technologies habilitantes clés pour les futurs dispositifs et sous-systèmes RF et micro-ondes grâce à leurs avantages. Certaines demandes de radio définies par logiciel pourraient être supportées par nouveaux concepts de circuits basés sur des éléments dynamiquement programmables en utilisant des paramètres ajustables. Une petite contribution a été apportée pour améliorer la conception et les simulations des filtres passe-bande Hairpin à large bande. Ces filtres sont compacts et peuvent également être intégrés dans des circuits à micro-ondes compatibles avec un large éventail d'applications dans les systèmes militaires et de communication. Finalement, une proposition a été effectuée visant à équilibrer et améliorer la transmission des signaux discrets de synchronisation entre les TRMs et d'autres unités de traitement dans le satellite SEOSAR/PAZ de dernière génération et permettant l’obtention de la configuration optimale des bus de transmission de données à grande vitesse basés sur un réseau de transcepteurs.

Influencia del computador en la aparición de nuevos modelos en la ingeniería

Esta conferencia pertenece a la primera parte del curso de la Universidad Internacional Menéndez Pelayo "Impacto del computador y riesgos naturales en la ingeniería" celebrado en Santander del 16 al 27 de agosto de 1982. Se analiza la influencia del computador en el cálculo de estructuras, no sólo, en la velocidad de resolución y cálculo, sino en el grado de generalidad del análisis. El computador ha supuesto un importante cambio de planteamiento de todas las teorías de estructuras continuas con la introducción del método de los elementos finitos, que permite unificar y ampliar el tratamiento dado a las estructuras discretas (compuestas por barras) con los procedimientos de cálculo de placas y láminas

Aproximaciones del conjunto eficiente en decisión multicriterio

El conjunto eficiente en la Teoría de la Decisión Multicriterio juega un papel fundamental en los procesos de solución ya que es en este conjunto donde el decisor debe hacer su elección más preferida. Sin embargo, la generación de tal conjunto puede ser difícil, especialmente en problemas continuos y/o no lineales. El primer capítulo de esta memoria, es introductorio a la Decisión Multicriterio y en él se exponen aquellos conceptos y herramientas que se van a utilizar en desarrollos posteriores. El segundo capítulo estudia los problemas de Toma de Decisiones en ambiente de certidumbre. La herramienta básica y punto de partida es la función de valor vectorial que refleja imprecisión sobre las preferencias del decisor. Se propone una caracterización del conjunto de valor eficiente y diferentes aproximaciones con sus propiedades de encaje y convergencia. Varios algoritmos interactivos de solución complementan los desarrollos teóricos. El tercer capítulo está dedicado al caso de ambiente de incertidumbre. Tiene un desarrollo parcialmente paralelo al anterior y utiliza la función de utilidad vectorial como herramienta de modelización de preferencias del decisor. A partir de la consideración de las distribuciones simples se introduce la eficiencia en utilidad, su caracterización y aproximaciones, que posteriormente se extienden a los casos de distribuciones discretas y continuas. En el cuarto capítulo se estudia el problema en ambiente difuso, aunque de manera introductoria. Concluimos sugiriendo distintos problemas abiertos.---ABSTRACT---The efficient set of a Multicriteria Decicion-Making Problem plays a fundamental role in the solution process since the Decisión Maker's preferred choice should be in this set. However, the computation of that set may be difficult, specially in continuous and/or nonlinear problems. Chapter one introduces Multicriteria Decision-Making. We review basic concepts and tools for later developments. Chapter two studies Decision-Making problems under certainty. The basic tool is the vector valué function, which represents imprecisión in the DM's preferences. We propose a characterization of the valué efficient set and different approximations with nesting and convergence properties. Several interactive algorithms complement the theoretical results. We devote Chapter three to problems under uncertainty. The development is parallel to the former and uses vector utility functions to model the DM's preferences. We introduce utility efficiency for simple distributions, its characterization and some approximations, which we partially extend to discrete and continuous classes of distributions. Chapter four studies the problem under fuzziness, at an exploratory level. We conclude with several open problems.