http://hdl.handle.net/10366/4522 Tue, 05 May 2026 11:52:37 GMT 2026-05-05T11:52:37Z http://hdl.handle.net/10366/160258 [ES] Durante la última década, se ha observado cómo la tecnología de Internet de las Cosas (IoT) se ha posicionado dentro de la vida cotidiana de las personas, ya sea inmersa en el uso de artefactos domésticos conectados al internet o en procesos de manufactura a nivel industrial, conducción de vehículos autónomos, sistemas de seguridad, entre muchas toras aplicaciones. El acelerado desarrollo de esta tecnología la ha llevado también a estar presente dentro del campo de la investigación, donde día a día se establecen nuevos hitos para su desarrollo y aprovechamienton en todos sus ámbitos de aplicación. Con su importante presencia y uso cotidiano, IoT se ha convertido en una de las tecnologías con mayor generación de datos. Esta ha derivado en que la adquisición de datos desde los dispositivos IoT generen cargas masivas, que demandan altas tasas de procesamiento con tiempos de latencia mínimos, por ello requieren de sistemas robustos, capaces de analizar y procesar toda la información recolectada de manera eficiente. Por lo expuesto, la tendencia actual requiere que los sistemas encargados de procesar datos de dispositivos IoT combinen las prestaciones de hardware de Unidades Centrales de Procesamiento (CPUs) y Unidades de Procesamiento Gráfico (GPUs), Unidades de Procesamiento de Tensores (TPUs) y Matrices de Puertas Programables en Campo (FPGAs), al emplear este tipo de hardware es posible aplicar técnicas de aprendizaje automático que faciliten el procesamiento, la toma de decisiones con los datos adquiridos y reduzcan el tiempo de respuesta de los sistemas. Mon, 01 Jan 2024 00:00:00 GMT http://hdl.handle.net/10366/160258 2024-01-01T00:00:00Z http://hdl.handle.net/10366/122169 BicOverlapper is a tool to visualize biclusters from gene-expression matrices in a way that helps to compare biclustering methods, to unravel trends and to highlight relevant genes and conditions. A visual approach can complement biological and statistical analysis and reduce the time spent by specialists interpreting the results of biclustering algorithms. The technique is based on a force-directed graph where biclusters are represented as flexible overlapped groups of genes and conditions. AVAILABILITY: The BicOverlapper software and supplementary material are available at http://vis.usal.es/bicoverlapper Tue, 01 Jan 2008 00:00:00 GMT http://hdl.handle.net/10366/122169 2008-01-01T00:00:00Z http://hdl.handle.net/10366/55894 [ES]Se definen todos los conceptos relacionados con el reconocimiento del locutor así como sus aplicaciones prácticas más relevantes en las redes neuronales Tue, 01 May 2001 00:00:00 GMT http://hdl.handle.net/10366/55894 2001-05-01T00:00:00Z http://hdl.handle.net/10366/55893 [ES]El artículo trata sobre el desarrollo e investigación de las redes neuronales artificiales (RNA) por el éxito obtenido en aplicaciones reales como el reconocimiento estadístico de patrones (REP). Mon, 01 Jan 2001 00:00:00 GMT http://hdl.handle.net/10366/55893 2001-01-01T00:00:00Z