Evaluación de aceites y extractos vegetales para el control de Sitophilus zeamaiz y su efecto en la calidad de semilla de maíz

Sitophilus zeamaiz es una de las especies de gorgojos que más pérdidas causa en granos almacenados en el mundo; su control se basa principalmente en productos sintéticos, que con el paso del tiempo resultan menos efectivos. En la presente investigación se evaluaron aceites vegetales de ricino, soya y extractos vegetales de neem y lila sobre poblaciones de S. zeamaiz y sus efectos sobre la germinación y parámetros fisiológicos de las plántulas. Los resultados muestran que el aceite de soya dio los mejores resultados de control, al presentar mortalidades entre un 92 y 100% a las 192 horas. Sin embargo, este aceite afecta la germinación a dosis de 2000 a 10000 ppm. El extracto de neem presentó mortalidades del 78,75 y 91,25% a las 192 horas, sin afectar la germinación ni las propiedades agronómicas. Finalmente, el aceite de ricino y el extracto de lila fueron los tratamientos que, para las condiciones del presente estudio, no mostraron altas mortalidades sobre S. zeamaiz.

Desarrollo de una nueva técnica de base colorimétrica para una rápida evaluación de la biodegradabilidad de materiales poliméricos

Resumen: La necesidad de reducir el impacto ambiental causado por el uso de plásticos sintéticos obtenidos a partir de fuentes no-renovables ha motivado el desarrollo de nuevos materiales con carácter biodegradable. Sin embargo, los protocolos internacionales comúnmente utilizados para evaluar la biodegradabilidad de un material son laboriosos y suelen demandar elevados tiempos de procesamiento. En este trabajo, se presentan resultados preliminares obtenidos durante la etapa de desarrollo y puesta a punto de un método rápido, sencillo y eficiente para evaluar el potencial biodegradable de un material plástico, formulado a base de proteínas del lactosuero, utilizando un ensayo colorimétrico indirecto basado en la reducción enzimática de sales de tetrazolio durante el metabolismo aeróbico bacteriano.

Yield prediction and inbreeding of maize synthetics generated with lines and single crosses : classic probability

reduce costs and labor associated with predicting the genotypic mean (GM) of a synthetic variety (SV) of maize (Zea mays L.), breeders can develop SVs from L lines and s single crosses (SynL,SC) instead of L+2s lines (SynL). The objective of this work was to derive and study formulae for the inbreeding coefficient (IC) and GM of SynL,SC, SynL, and the SV derived from (L+2s)/2 single crosses (SynSC). All SVs were derived from the same L+2s unrelated lines whose IC is FL, and each parent of a SV was represented by m plants. An a priori probability equation for the IC was used. Important results were: 1) the largest and smallest GMs correspond to SynL and SynL,SC, respectively; 2) the GM predictors with the largest and intermediate precision are those for SynL and SynL,SC, respectively; 3) only when FL=1, or m is large, SynL and SynSC are the same population, but only with SynSC prediction costs and labor undergo the maximum decrease, although its prediction precision is the lowest. To determine the SV to be developed, breeders should also consider the availability of lines, single crosses, manpower and land area; besides budget, target farmers, target environments, etc.

El significado aritmológico de la Tríada y sus Proyecciones Filosófico-Religiosas

Bertrand Russell dio una solución lógica general a la definición de los números caracterizando al número tres como la clase que es correspondiente a todas las clases biunívocas con los grupos de tres. Para Frege la definición del número era una de las cruces de la comprensión de la aritmética. Hegel, por su parte, bajo el impulso de la triplicidad kantiana de los juicios sintéticos, teoréticos y prácticos y la influencia de la concepción trinitaria cristiana advertía que la contraposición de los opuestos al no ser contradictoria permitía el desarrollo deviniente. La aritmología pitagórica sobre los números naturales destacó la definición del tres caracterizada por su naturaleza de mediedad. Retomando estas bases de pura inteligibilidad y las especulaciones gnósticas sobre la tríada mostraremos sus proyecciones filosófico-religiosas.

Tiempo, cuerpo y transfiguración

La siguiente exposición tiene como premisa, hacer una radiografía del tiempo en el interior del cuerpo humano. Un análisis de formas diversas de tiempo y ritmo que habitan y estructuran al cuerpo como materia y acto creativo, procesos que analizamos a manera de síntesis de elementos orgánicos, cósmicos y sintéticos. Con ello, el ensayo propone destacar la corporeidad como una estructura de tiempo en relación con lo imaginario y sus potencias creadoras que en interacción y cambio, aparecen en el ser como principio de transfiguración de lo natural a lo figurado. De aquí el título de la exposición: tiempo, cuerpo y transfiguración

Tiempo, cuerpo y transfiguración

La siguiente exposición tiene como premisa, hacer una radiografía del tiempo en el interior del cuerpo humano. Un análisis de formas diversas de tiempo y ritmo que habitan y estructuran al cuerpo como materia y acto creativo, procesos que analizamos a manera de síntesis de elementos orgánicos, cósmicos y sintéticos. Con ello, el ensayo propone destacar la corporeidad como una estructura de tiempo en relación con lo imaginario y sus potencias creadoras que en interacción y cambio, aparecen en el ser como principio de transfiguración de lo natural a lo figurado. De aquí el título de la exposición: tiempo, cuerpo y transfiguración

Taller de Química experimental : Una mirada más allá del tubo de ensayo

El taller consiste en una propuesta de trabajo grupal entre los alumnos y el coordinador docente en el que se emplean las metodologías que ayuden a aprender a pensar, aplicar conocimientos previamente adquiridos y descubrir nuevos. Es una propuesta abierta que conjuga trabajo con creatividad y cierta dosis lúdica, haciendo de la clase una experiencia activa donde se construye, intercambia y recrea con espacio para imaginar, equivocarse, ensayar, reflexionar. Así se desarrolló un taller optativo de Química Experimental con alumnos del 6º año del Ciclo ESS orientado en Ciencias Naturales. Se buscaron actividades donde los alumnos desarrollaran aspectos creativos sin perder de vista la adquisición y afianzamiento de conceptos abordados total o parcialmente en distintas asignaturas. Los temas seleccionados fueron: Metales y Corrosión; Colorantes: estructura e interacción con la luz, su obtención a partir de líquenes; Vitaminas: estructura y propiedades; Elaboración de productos cosméticos (jabones, champú, cremas); Esencias: obtención; Trabajo con polímeros sintéticos. El trabajo permitió sacar conclusiones críticas y enriquecedoras para alumnos y docentes.

Taller de Química experimental : Una mirada más allá del tubo de ensayo

El taller consiste en una propuesta de trabajo grupal entre los alumnos y el coordinador docente en el que se emplean las metodologías que ayuden a aprender a pensar, aplicar conocimientos previamente adquiridos y descubrir nuevos. Es una propuesta abierta que conjuga trabajo con creatividad y cierta dosis lúdica, haciendo de la clase una experiencia activa donde se construye, intercambia y recrea con espacio para imaginar, equivocarse, ensayar, reflexionar. Así se desarrolló un taller optativo de Química Experimental con alumnos del 6º año del Ciclo ESS orientado en Ciencias Naturales. Se buscaron actividades donde los alumnos desarrollaran aspectos creativos sin perder de vista la adquisición y afianzamiento de conceptos abordados total o parcialmente en distintas asignaturas. Los temas seleccionados fueron: Metales y Corrosión; Colorantes: estructura e interacción con la luz, su obtención a partir de líquenes; Vitaminas: estructura y propiedades; Elaboración de productos cosméticos (jabones, champú, cremas); Esencias: obtención; Trabajo con polímeros sintéticos. El trabajo permitió sacar conclusiones críticas y enriquecedoras para alumnos y docentes.

Tiempo, cuerpo y transfiguración

La siguiente exposición tiene como premisa, hacer una radiografía del tiempo en el interior del cuerpo humano. Un análisis de formas diversas de tiempo y ritmo que habitan y estructuran al cuerpo como materia y acto creativo, procesos que analizamos a manera de síntesis de elementos orgánicos, cósmicos y sintéticos. Con ello, el ensayo propone destacar la corporeidad como una estructura de tiempo en relación con lo imaginario y sus potencias creadoras que en interacción y cambio, aparecen en el ser como principio de transfiguración de lo natural a lo figurado. De aquí el título de la exposición: tiempo, cuerpo y transfiguración

Potencial Analítico de los Polímeros de Impronta Molecular (MIPs) como Elementos de Reconocimiento Biomimético

Los polímeros de impronta molecular (MIPs) son materiales sintéticos que presentan propiedades de reconocimiento molecular específico hacia determinados compuestos. Estos materiales con “memoria selectiva” presentan un elevado potencial analítico como sustitutos de elementos de reconocimiento de origen biológico para el desarrollo de sensores, como sorbentes en procesos de extracción en fase sólida (SPE) y como fases estacionarias para HPLC y CE. La síntesis de estos materiales se basa en la formación de una estructura polimérica, altamente entrecruzada, alrededor de una molécula que actúa como plantilla que se extrae después de la polimerización. De esta forma, el MIP contendrá sitios de unión que son complementarios a la molécula plantilla en forma, tamaño y distribución de grupos funcionales que permiten su reconocimiento posterior, de forma selectiva Los MIPs suelen presentar ventajas interesantes en comparación con los receptores

Caracterización del movimiento fuerte en el emplazamiento de la presa de Itoiz

Se presenta en este trabajo una nueva caracterización del movimiento del suelo en la presa de Itoiz, consistente con la peligrosidad sísmica del emplazamiento. En primer lugar, proponemos una metodología con tres niveles de aproximación al movimiento esperado, que es después aplicada considerando las características particulares de la presa y su emplazamiento. Los cálculos de peligrosidad se realizan siguiendo la línea metodológica conocida como PSHA, con un método probabilista zonificado y formulando un árbol lógico que combina diferentes zonificaciones sísmicas y modelos de movimiento fuerte. La peligrosidad se representa en términos de la aceleración pico PGA y de las aceleraciones espectrales para periodos coincidentes con los de vibración de la presa, considerando dos estados de la misma correspondientes a presa vacía (T=0.1s) y presa con capacidad máxima de llenado (T=0.22 s). Se caracterizan los correspondientes movimientos para dos periodos de retorno, 975 años y 4975 años, asociados al sismo de proyecto y al sismo extremo, respectivamente. El efecto de sitio en el emplazamiento de la presa también fue tenido en cuenta. La metodología propuesta conduce a caracterizar el movimiento con tres niveles de detalle. En una primera etapa se obtienen los espectros de respuesta uniforme (UHS) para los dos niveles de movimiento referidos. Seguidamente se desarrolla un análisis de desagregación para obtener los sismos de control que previsiblemente pueden afectar mas a la presa. Estos se identifican como los que más contribuyen a los movimientos objeto dados por las aceleraciones espectrales de los dos periodos característicos, SA (0,1 s) y SA (0.22 s) y para los dos periodos de retorno de 975 y 4975 años asociados a lo sismos de proyecto y extremo. De ahí se obtienen los espectros de respuesta específicos para las cuatro combinaciones resultantes. Finalmente, se realiza una simulación del movimiento en el dominio del tiempo, obteniendo acelerogramas sintéticos mediante el método de número de onda discreto. Las simulaciones se realizaron considerando fuentes finitas en diferentes posiciones y evaluando el efecto de la directividad en las posibles fuentes consideradas. Se concluye destacando la importancia del efecto de directividad, en la caracterización del emplazamiento de la presa.

Sistema de control borroso en lazo cerrado para terapias con insulina en diabetes tipo I

La diabetes mellitus es un trastorno del metabolismo de los carbohidratos producido por la insuficiente o nula producción de insulina o la reducida sensibilidad a esta hormona. Es una enfermedad crónica con una mayor prevalencia en los países desarrollados debido principalmente a la obesidad, la vida sedentaria y disfunciones en el sistema endocrino relacionado con el páncreas. La diabetes Tipo 1 es una enfermedad autoinmune en la que son destruidas las células beta del páncreas, que producen la insulina, y es necesaria la administración de insulina exógena. Un enfermo de diabetes Tipo 1 debe seguir una terapia con insulina administrada por la vía subcutánea que debe estar adaptada a sus necesidades metabólicas y a sus hábitos de vida, esta terapia intenta imitar el perfil insulínico de un páncreas no patológico. La tecnología actual permite abordar el desarrollo del denominado “páncreas endocrino artificial”, que aportaría precisión, eficacia y seguridad para los pacientes, en cuanto a la normalización del control glucémico y reducción del riesgo de hipoglucemias. Permitiría que el paciente no estuviera tan pendiente de su enfermedad. El páncreas artificial consta de un sensor continuo de glucosa, una bomba de infusión de insulina y un algoritmo de control, que calcula la insulina a infusionar usando la glucosa como información principal. Este trabajo presenta un método de control en lazo semi-cerrado mediante un sistema borroso experto basado en reglas. La regulación borrosa se fundamenta en la ambigüedad del lenguaje del ser humano. Esta incertidumbre sirve para la formación de una serie de reglas que representan el pensamiento humano, pero a la vez es el sistema que controla un proceso, en este caso el sistema glucorregulatorio. Este proyecto está enfocado en el diseño de un controlador borroso que haciendo uso de variables como la glucosa, insulina y dieta, sea capaz de restaurar la función endocrina del páncreas de forma tecnológica. La validación del algoritmo se ha realizado principalmente mediante experimentos en simulación utilizando una población de pacientes sintéticos, evaluando los resultados con estadísticos de primer orden y algunos más específicos como el índice de riesgo de Kovatchev, para después comparar estos resultados con los obtenidos por otros métodos de control anteriores. Los resultados demuestran que el control borroso (FBPC) mejora el control glucémico con respecto a un sistema predictivo experto basado en reglas booleanas (pBRES). El FBPC consigue reducir siempre la glucosa máxima y aumentar la mínima respecto del pBRES pero es en terapias desajustadas, donde el FBPC es especialmente robusto, hace descender la glucosa máxima 8,64 mg/dl, el uso de insulina es 3,92 UI menor, aumenta la glucosa mínima 3,32 mg/dl y lleva al rango de glucosa 80 – 110 mg/dl 15,33 muestras más. Por lo tanto se puede concluir que el FBPC realiza un mejor control glucémico que el controlador pBRES haciéndole especialmente efectivo, robusto y seguro en condiciones de desajustes de terapia basal y con gran capacidad de mejora futura. SUMMARY The diabetes mellitus is a metabolic disorder caused by a poor or null insulin secretion or a reduced sensibility to insulin. Diabetes is a chronic disease with a higher prevalence in the industrialized countries, mainly due to obesity, the sedentary life and endocrine disfunctions connected with the pancreas. Type 1 diabetes is a self-immune disease where the beta cells of the pancreas, which are the responsible of secreting insulin, are damaged. Hence, it is necessary an exogenous delivery of insulin. The Type 1 diabetic patient has to follow a therapy with subcutaneous insulin administration which should be adjusted to his/her metabolic needs and life style. This therapy tries to mimic the insulin profile of a non-pathological pancreas. Current technology lets the development of the so-called endocrine artificial pancreas that would provide accuracy, efficiency and safety to patients, in regards to the glycemic control normalization and reduction of the risk of hypoglycemic. In addition, it would help the patient not to be so concerned about his disease. The artificial pancreas has a continuous glucose sensor, an insulin infusion pump and a control algorithm, that calculates the insulin infusion using the glucose as main information. This project presents a method of control in semi-closed-loop, through an expert fuzzy system based on rules. The fuzzy regulation is based on the human language ambiguity. This uncertainty serves for construction of some rules that represent the human language besides it is the system that controls a process, in this case the glucoregulatory system. This project is focus on the design of a fuzzy controller that, using variables like glucose insulin and diet, will be able to restore the pancreas endocrine function with technology. The algorithm assessment has mainly been done through experiments in simulation using a population of synthetic patients, evaluating the results with first order statistical parameters and some other more specific such as the Kovatchev risk index, to compare later these results with the ones obtained in others previous methods of control. The results demonstrate that the fuzzy control (FBPC) improves the glycemic control connected with a predictive expert system based on Booleans rules (pBRES). The FBPC is always able to reduce the maximum level of glucose and increase the minimum level as compared with pBRES but it is in unadjusted therapies where FBPC is especially strong, it manages to decrease the maximum level of glucose and insulin used by 8,64 mg/dl and 3,92 UI respectively, also increases the value of minimum glucose by 3,32 mg/dl, getting 15,33 samples more inside the 80-110 mg/dl glucose rank. Therefore we can conclude that FBPC achieves a better glycemic control than the controller pBRES doing it especially effective, robust and safe in conditions of mismatch basal therapy and with a great capacity for future improvements.

Multi-dimensional classification using Bayesian networks for stationary and evolving streaming data

Hoy en día, con la evolución continua y rápida de las tecnologías de la información y los dispositivos de computación, se recogen y almacenan continuamente grandes volúmenes de datos en distintos dominios y a través de diversas aplicaciones del mundo real. La extracción de conocimiento útil de una cantidad tan enorme de datos no se puede realizar habitualmente de forma manual, y requiere el uso de técnicas adecuadas de aprendizaje automático y de minería de datos. La clasificación es una de las técnicas más importantes que ha sido aplicada con éxito a varias áreas. En general, la clasificación se compone de dos pasos principales: en primer lugar, aprender un modelo de clasificación o clasificador a partir de un conjunto de datos de entrenamiento, y en segundo lugar, clasificar las nuevas instancias de datos utilizando el clasificador aprendido. La clasificación es supervisada cuando todas las etiquetas están presentes en los datos de entrenamiento (es decir, datos completamente etiquetados), semi-supervisada cuando sólo algunas etiquetas son conocidas (es decir, datos parcialmente etiquetados), y no supervisada cuando todas las etiquetas están ausentes en los datos de entrenamiento (es decir, datos no etiquetados). Además, aparte de esta taxonomía, el problema de clasificación se puede categorizar en unidimensional o multidimensional en función del número de variables clase, una o más, respectivamente; o también puede ser categorizado en estacionario o cambiante con el tiempo en función de las características de los datos y de la tasa de cambio subyacente. A lo largo de esta tesis, tratamos el problema de clasificación desde tres perspectivas diferentes, a saber, clasificación supervisada multidimensional estacionaria, clasificación semisupervisada unidimensional cambiante con el tiempo, y clasificación supervisada multidimensional cambiante con el tiempo. Para llevar a cabo esta tarea, hemos usado básicamente los clasificadores Bayesianos como modelos. La primera contribución, dirigiéndose al problema de clasificación supervisada multidimensional estacionaria, se compone de dos nuevos métodos de aprendizaje de clasificadores Bayesianos multidimensionales a partir de datos estacionarios. Los métodos se proponen desde dos puntos de vista diferentes. El primer método, denominado CB-MBC, se basa en una estrategia de envoltura de selección de variables que es voraz y hacia delante, mientras que el segundo, denominado MB-MBC, es una estrategia de filtrado de variables con una aproximación basada en restricciones y en el manto de Markov. Ambos métodos han sido aplicados a dos problemas reales importantes, a saber, la predicción de los inhibidores de la transcriptasa inversa y de la proteasa para el problema de infección por el virus de la inmunodeficiencia humana tipo 1 (HIV-1), y la predicción del European Quality of Life-5 Dimensions (EQ-5D) a partir de los cuestionarios de la enfermedad de Parkinson con 39 ítems (PDQ-39). El estudio experimental incluye comparaciones de CB-MBC y MB-MBC con los métodos del estado del arte de la clasificación multidimensional, así como con métodos comúnmente utilizados para resolver el problema de predicción de la enfermedad de Parkinson, a saber, la regresión logística multinomial, mínimos cuadrados ordinarios, y mínimas desviaciones absolutas censuradas. En ambas aplicaciones, los resultados han sido prometedores con respecto a la precisión de la clasificación, así como en relación al análisis de las estructuras gráficas que identifican interacciones conocidas y novedosas entre las variables. La segunda contribución, referida al problema de clasificación semi-supervisada unidimensional cambiante con el tiempo, consiste en un método nuevo (CPL-DS) para clasificar flujos de datos parcialmente etiquetados. Los flujos de datos difieren de los conjuntos de datos estacionarios en su proceso de generación muy rápido y en su aspecto de cambio de concepto. Es decir, los conceptos aprendidos y/o la distribución subyacente están probablemente cambiando y evolucionando en el tiempo, lo que hace que el modelo de clasificación actual sea obsoleto y deba ser actualizado. CPL-DS utiliza la divergencia de Kullback-Leibler y el método de bootstrapping para cuantificar y detectar tres tipos posibles de cambio: en las predictoras, en la a posteriori de la clase o en ambas. Después, si se detecta cualquier cambio, un nuevo modelo de clasificación se aprende usando el algoritmo EM; si no, el modelo de clasificación actual se mantiene sin modificaciones. CPL-DS es general, ya que puede ser aplicado a varios modelos de clasificación. Usando dos modelos diferentes, el clasificador naive Bayes y la regresión logística, CPL-DS se ha probado con flujos de datos sintéticos y también se ha aplicado al problema real de la detección de código malware, en el cual los nuevos ficheros recibidos deben ser continuamente clasificados en malware o goodware. Los resultados experimentales muestran que nuestro método es efectivo para la detección de diferentes tipos de cambio a partir de los flujos de datos parcialmente etiquetados y también tiene una buena precisión de la clasificación. Finalmente, la tercera contribución, sobre el problema de clasificación supervisada multidimensional cambiante con el tiempo, consiste en dos métodos adaptativos, a saber, Locally Adpative-MB-MBC (LA-MB-MBC) y Globally Adpative-MB-MBC (GA-MB-MBC). Ambos métodos monitorizan el cambio de concepto a lo largo del tiempo utilizando la log-verosimilitud media como métrica y el test de Page-Hinkley. Luego, si se detecta un cambio de concepto, LA-MB-MBC adapta el actual clasificador Bayesiano multidimensional localmente alrededor de cada nodo cambiado, mientras que GA-MB-MBC aprende un nuevo clasificador Bayesiano multidimensional. El estudio experimental realizado usando flujos de datos sintéticos multidimensionales indica los méritos de los métodos adaptativos propuestos. ABSTRACT Nowadays, with the ongoing and rapid evolution of information technology and computing devices, large volumes of data are continuously collected and stored in different domains and through various real-world applications. Extracting useful knowledge from such a huge amount of data usually cannot be performed manually, and requires the use of adequate machine learning and data mining techniques. Classification is one of the most important techniques that has been successfully applied to several areas. Roughly speaking, classification consists of two main steps: first, learn a classification model or classifier from an available training data, and secondly, classify the new incoming unseen data instances using the learned classifier. Classification is supervised when the whole class values are present in the training data (i.e., fully labeled data), semi-supervised when only some class values are known (i.e., partially labeled data), and unsupervised when the whole class values are missing in the training data (i.e., unlabeled data). In addition, besides this taxonomy, the classification problem can be categorized into uni-dimensional or multi-dimensional depending on the number of class variables, one or more, respectively; or can be also categorized into stationary or streaming depending on the characteristics of the data and the rate of change underlying it. Through this thesis, we deal with the classification problem under three different settings, namely, supervised multi-dimensional stationary classification, semi-supervised unidimensional streaming classification, and supervised multi-dimensional streaming classification. To accomplish this task, we basically used Bayesian network classifiers as models. The first contribution, addressing the supervised multi-dimensional stationary classification problem, consists of two new methods for learning multi-dimensional Bayesian network classifiers from stationary data. They are proposed from two different points of view. The first method, named CB-MBC, is based on a wrapper greedy forward selection approach, while the second one, named MB-MBC, is a filter constraint-based approach based on Markov blankets. Both methods are applied to two important real-world problems, namely, the prediction of the human immunodeficiency virus type 1 (HIV-1) reverse transcriptase and protease inhibitors, and the prediction of the European Quality of Life-5 Dimensions (EQ-5D) from 39-item Parkinson’s Disease Questionnaire (PDQ-39). The experimental study includes comparisons of CB-MBC and MB-MBC against state-of-the-art multi-dimensional classification methods, as well as against commonly used methods for solving the Parkinson’s disease prediction problem, namely, multinomial logistic regression, ordinary least squares, and censored least absolute deviations. For both considered case studies, results are promising in terms of classification accuracy as well as regarding the analysis of the learned MBC graphical structures identifying known and novel interactions among variables. The second contribution, addressing the semi-supervised uni-dimensional streaming classification problem, consists of a novel method (CPL-DS) for classifying partially labeled data streams. Data streams differ from the stationary data sets by their highly rapid generation process and their concept-drifting aspect. That is, the learned concepts and/or the underlying distribution are likely changing and evolving over time, which makes the current classification model out-of-date requiring to be updated. CPL-DS uses the Kullback-Leibler divergence and bootstrapping method to quantify and detect three possible kinds of drift: feature, conditional or dual. Then, if any occurs, a new classification model is learned using the expectation-maximization algorithm; otherwise, the current classification model is kept unchanged. CPL-DS is general as it can be applied to several classification models. Using two different models, namely, naive Bayes classifier and logistic regression, CPL-DS is tested with synthetic data streams and applied to the real-world problem of malware detection, where the new received files should be continuously classified into malware or goodware. Experimental results show that our approach is effective for detecting different kinds of drift from partially labeled data streams, as well as having a good classification performance. Finally, the third contribution, addressing the supervised multi-dimensional streaming classification problem, consists of two adaptive methods, namely, Locally Adaptive-MB-MBC (LA-MB-MBC) and Globally Adaptive-MB-MBC (GA-MB-MBC). Both methods monitor the concept drift over time using the average log-likelihood score and the Page-Hinkley test. Then, if a drift is detected, LA-MB-MBC adapts the current multi-dimensional Bayesian network classifier locally around each changed node, whereas GA-MB-MBC learns a new multi-dimensional Bayesian network classifier from scratch. Experimental study carried out using synthetic multi-dimensional data streams shows the merits of both proposed adaptive methods.

Biología programable: 18 FAQs sobre biología sintética de un informático

La biología como tecnología que se utiliza para fabricar dispositivos y sistemas biológicos sintéticos.

El agua en el aula: ¿cómo enseñar su nueva dimensión?

A raíz de la implementación de las Directivas Marco del Agua de la CE se han producido una serie de cambios conceptuales en el estudio del agua. Hoy en día, el agua necesita ser estudiada no sólo como agente a controlar, sino también como recurso a gestionar, como bien a valorar y como elemento básico del ecosistema a preservar. En esta nueva etapa que se abre son indispensables disciplinas también nuevas que capaciten a los técnicos encargados de esta gestión : conocimientos avanzados para entender el comportamiento no sólo de las aguas superficiales, sino también de las subterráneas, costeras y de transición, aplicaciones informáticas , nuevos procedimientos para el control de la escorrentía superficial y la conservación de suelos entre otras las nuevas técnicas de ordenación de cultivos, herramientas que permitan conocer el funcionamiento de los ecosistemas fluviales, técnicas para caracterizar y clasificar los regímenes hidrológicos, procedimientos para la obtención de series de caudales sintéticos , metodologías que permitan valorar el grado de alteración hidrológica y estrategias para la propuesta de medidas correctoras, protocolos de análisis de la calidad de los ecosistemas acuáticos, metodologías y técnicas fluviales, conocer e implementar técnicas de modelización del hábitat fluvial, estudio de los riegos de inundaciones, etc…Todo ello supone una nueva manera de entender la educación, la ingeniería y la política ambiental.