ESCUELA POLITÉCNICA SUPERIOR

Permanent URI for this collectionhttps://hdl.handle.net/10641/5230

Browse

Now showing 1 - 20 of 315

Vision of the human being in the Stockholm 72 conference : similarities and differences with Christian anthropology
(2026-03-03) Zitto Soria, María; López Rosado, Alberto; Tatay, Jaime; Pobreza, Hambre y Sostenibilidad; Universidad Francisco de Vitoria; Vicerrectorado de investigación
Una solución a la actual crisis socioambiental requiere consenso y acuerdo entre personas y grupos con visiones distintas (Pascual et al. 2023). Independientemente de las ideologías o creencias individuales, es esencial encontrar puntos en común y actuar de manera colectiva para abordar un problema global. Este artículo identifica las similitudes y diferencias entre la visión antropológica subyacente en los documentos de la ONU, en particular la conferencia de Estocolmo de 1972, y la visión antropológica católica de la encíclica Laudato si'. El análisis profundiza en Estocolmo 72 (S72) y su contexto histórico por dos razones. En primer lugar, S72 fue la primera gran conferencia internacional que abordó de manera integral la relación entre el desarrollo económico humano y la protección ambiental, abriendo el camino a las conferencias posteriores de Río, Kioto, Johannesburgo, Copenhague, Río+20, París, etc., que han conducido (hasta ahora) a la Agenda 2030. En segundo lugar, existe la necesidad de establecer una metodología general de análisis antropológico, hasta ahora inexistente, aplicable a las conferencias de la ONU. Profundizar en la primera de ellas es fundamental para comprender cómo las influencias sociales, económicas y filosóficas de la época se reflejan en su visión del ser humano individual y colectivo, en sus contenidos y en las políticas ambientales globales que le siguieron. La comparación de S72 con la visión ética de Laudato si', y más ampliamente con la Doctrina Social de la Iglesia (DSI), revela numerosos puntos de convergencia antropológica. Estos proporcionan una base sólida para el diálogo constructivo entre los documentos de la ONU y la cosmovisión cristiana, que también promueve firmemente el cuidado de nuestra casa común. [Traducción automática al español; idioma original: inglés.]
Upcycling pomelo peel and eggplant biomass into form-stable PCMs
(2026-10) Yang, Xiao Mei; Yin, Guang Zhong; Escuela Politécnica Superior; Advanced Sustainable Materials
Los tejidos de berenjena y los residuos de cáscara de pomelo se convirtieron en espumas porosas de biomasa ligera mediante liofilización y posteriormente se utilizaron como soportes sostenibles para PCM estables en forma. Se incorporaron parafina (PA) y PEG 20 K en las espumas derivadas de la biomasa, donde las estructuras celulares naturalmente interconectadas proporcionaban abundantes canales capilares para la absorción y confinamiento del PCM. Los compuestos resultantes lograron altas cargas de PCM del 81,44–93,50 % en peso. Las entalpías de fusión de Berenjena-PA, Pomelo-PA, Berenjena-20K y Pomelo-20K alcanzaron 169,31, 166,11, 155,76 y 143,56 J g⁻¹, respectivamente, confirmando su considerable capacidad de almacenamiento de calor latente. En particular, Berenjena-20K y Pomelo-20K exhibieron altas eficiencias de entalpía del 106,77 % y 112,98 %, respectivamente, lo que indica que la capacidad de almacenamiento de calor latente del PEG 20 K se conservó bien después de su incorporación en los soportes porosos derivados de la biomasa. En la prueba de resistencia a fugas, Berenjena-20K retuvo el 98,08 % de su masa inicial después de 3,5 h de calentamiento, demostrando buena estabilidad dimensional y resistencia a fugas. Estos resultados destacan una estrategia simple y ecológica para reciclar biomasa vegetal porosa en PCM de alta carga y estabilizados dimensionalmente con un potencial prometedor para la regulación térmica pasiva y aplicaciones de ahorro energético. [Traducción automática al español; idioma original: inglés.]
Techno-economic and policy analysis of solar-wind powered EV charging for sustainable E-mobility
(2026-07) Yadav, Amit Kumar; Singh, Vedant; Yadav, Vibha; Khargotra, Rohit; Singh, Tej; Escuela Politécnica Superior
En este estudio se examina la viabilidad tecnoeconómica de las estaciones de carga de vehículos eléctricos que utilizan una combinación de tecnologías solar fotovoltaica y de aerogeneradores, con especial referencia a la identificación de la configuración óptima de aerogenerador, solar fotovoltaica, batería y equipo de conversión de potencia. Se examinan el coste de la energía, el coste actual neto y el coste de capital inicial en condiciones climáticas variables en la India. Se examinan un total de 26 emplazamientos para evaluar la viabilidad de las estaciones de carga de vehículos eléctricos basadas en solar fotovoltaica, aerogenerador y batería. Los hallazgos clave del estudio revelan que las configuraciones de solar fotovoltaica, aerogenerador y batería son las más rentables para 11 emplazamientos, con la menor rentabilidad en Pune y la mayor en Bhopal. Para el resto de los emplazamientos, las configuraciones de solar fotovoltaica y batería son las más viables, con la mayor rentabilidad en Jodhpur y la menor en Srinagar. El estudio también revela que las configuraciones de aerogenerador y batería no son viables para ninguno de los emplazamientos, ya que el coste de la energía es alto. El análisis de sensibilidad también revela que una mayor carga de vehículos eléctricos hace que los sistemas sean poco fiables, mientras que alinear la capacidad de carga de vehículos eléctricos con los recursos disponibles mejora la fiabilidad y la rentabilidad. [Traducción automática al español; idioma original: inglés.]
Relief-Based Feature Selection for ANN-Driven Air Pollution Prediction and School Safety Policy in India
(2026-01) Yadav, Vibha; Yadav, Amit Kumar; Khargotra, Rohit; Escuela Politécnica Superior
Las escuelas públicas educan a grupos socioeconómicos diversos, lo que hace que el monitoreo de la calidad del aire sea vital para la salud y el aprendizaje de los estudiantes. Estos estudiantes son vulnerables a contaminantes como NO₂, SO₂ y PM₂.₅. Por lo tanto, la predicción de contaminantes atmosféricos (AP) ayuda a proteger la salud infantil, mejorar el aprendizaje, aplicar medidas preventivas, políticas y concienciación. Los modelos predictivos que utilizan ANNs, la selección de características plantea desafíos debido a la alta dimensionalidad de los datos, lo que incrementa el riesgo de sobreajuste y la complejidad del modelo. Las características irrelevantes introducen ruido, reduciendo así la precisión. Por ello, la exploración de técnicas de selección de características en la precisión de los modelos de ANN sigue siendo un área importante. Este estudio explora el algoritmo relief (RA) para la selección de entradas a fin de evaluar la precisión de predicción de NO₂, SO₂ y PM₂.₅ usando una red neuronal de alimentación directa multicapa (MLFFNN), una red neuronal de función de base radial (RBFNN), una red neuronal de regresión generalizada (GRNN) y un modelo de regresión lineal múltiple (MLR). RA clasifica variables como la dirección del viento, la velocidad vertical del viento y la radiación solar. Mejoró significativamente el rendimiento del modelo, aumentando R2 en un 82.79% (SO₂) en RA-MLFFNN-1 y en un 77.37% (NO₂) en RA-MLFFNN-2. Sin embargo, la predicción de PM₂.₅ usando RA-MLFFNN-3 mostró una precisión reducida, lo que indica una efectividad específica del modelo. Los hallazgos ofrecen ideas clave para mejorar la política de calidad del aire en las escuelas. [Traducción automática al español; idioma original: inglés.]
Enhancing Cross-Dataset Mental Workload Detection Using Electrodermal Activity and Domain Adaptation
(2026-05) Sigcha, Luis; Pereira, Eduarda; Borzì, Luigi; Gachet, Diego; Cardoso, Paulo; Costa, Nélson; Escuela Politécnica Superior
La evaluación de la carga mental de trabajo mediante señales fisiológicas ha ganado creciente atención para aplicaciones en la interacción humano-computadora y la monitorización ocupacional. Entre estas señales, la actividad electrodérmica (EDA) es ampliamente reconocida como un indicador fiable de la activación simpática asociada al esfuerzo cognitivo. Sin embargo, la mayoría de los enfoques existentes basados en aprendizaje automático se evalúan dentro de un único conjunto de datos, lo que limita su generalización entre diferentes poblaciones y condiciones experimentales. Este estudio investiga el rendimiento entre conjuntos de datos de modelos de aprendizaje automático para la detección de carga mental de trabajo utilizando características de EDA. Se emplearon dos conjuntos de datos independientes, y se adoptó un marco de evaluación entre conjuntos de datos para simular escenarios de despliegue realistas bajo cambio de dominio. Se evaluaron tres clasificadores (Random Forest, XGBoost y Support Vector Classifier (SVC)), junto con dos técnicas de adaptación de dominio: Alineación de Correlación (CORAL) y Alineación de Subespacio (SA). Los resultados muestran que el rendimiento del modelo depende fuertemente de la dirección de la transferencia, con una notable caída de rendimiento al generalizar entre conjuntos de datos. La adaptación de dominio mejoró el rendimiento en varias configuraciones, particularmente para SVC con CORAL, alcanzando el mejor F1-score global (0,815). Sin embargo, las mejoras no fueron consistentes en todos los modelos y dominios objetivo. En conjunto, este estudio destaca los desafíos de la generalización entre conjuntos de datos en la detección de carga de trabajo basada en EDA y demuestra el potencial, aunque limitado, de robustez de las técnicas de adaptación de dominio para mitigar los cambios de distribución. [Traducción automática al español; idioma original: inglés.]
Benefits of Chain-of-Thought Prompting for Clinical Record Rubric Evaluation in Undergraduate Medical Education : Experimental Evaluation Study With Medical Faculty
(2026) Nogales, Alberto; Denizon, Sophia; Mateos Rodriguez, Alonso; Cervera Cordero, Javier; Pandelet Barainca, Gonzalo; Aranguren Moliner, Enrique; Cervera Barba, Emilio; Escuela Politécnica Superior; Facultad de Medicina; Centro de Innovación Experimental del Conocimiento (CEIEC); El Proceso de Donación y Trasplantes de Órganos; Docencia en Simulación Clínica Aplicada; Educación Médica
Antecedentes: Los modelos de lenguaje grandes en inteligencia artificial han estado entre las herramientas con un impacto significativo y real en la vida diaria de las personas. En este sentido, sirven como apoyo en campos específicos, como la educación, ayudando a los educadores con tareas engorrosas como las evaluaciones periódicas. Objetivo: Este estudio se centró en analizar los beneficios de los modelos de lenguaje grandes, particularmente la estrategia de cadena de pensamiento (CoT), para la tarea de evaluar la redacción de historias clínicas en español por parte de estudiantes. El objetivo fue doble: primero, intentamos ahorrar tiempo y recursos, y segundo, utilizamos el razonamiento de la estrategia CoT para evaluar las rúbricas y sus interpretaciones. Métodos: La solución propuesta evaluó la aplicación de 2 modelos—Llama 3.1 y Claude 3.5—en combinación con one-shot y CoT para evaluar cómo los estudiantes de medicina escriben historias clínicas en español. Primero, se aplicaron métricas de aprendizaje automático para medir el rendimiento de las soluciones. Luego, se realizaron diferentes análisis estadísticos a nivel de historia clínica y de ítem. Finalmente, se estudió en profundidad las diferencias entre los modelos propuestos y los evaluadores. Resultados: Se evaluó un máximo de 3807 ítems. Claude obtuvo la mejor precisión con ligeras diferencias entre one-shot y CoT (86,4 % y 85,0 %, respectivamente). Sin embargo, Claude con CoT superó al resto de las combinaciones en todas las métricas complementarias, alcanzando inicialmente una sensibilidad del 94,2 %, especificidad del 59,5 %, precisión del 85,8 % y puntuación F1 del 89,6 %. La revisión experta del razonamiento de CoT determinó que el 63,8 % de las discrepancias fueron aciertos del modelo, elevando la precisión final de Claude al 94,6 % (DE 4,3 %). En la fase final, la sensibilidad fue del 98,0 % (DE 2,3 %), la especificidad mejoró al 83,3 % (DE 14,3 %) y la puntuación F1 alcanzó el 96,2 % (DE 3,3 %). El análisis por secciones mostró mayores dificultades en la sección «Historia de la enfermedad actual» (n=125 discordancias). Conclusiones: CoT demostró un fuerte potencial para apoyar la evaluación de historias clínicas escritas en español por estudiantes de medicina y proporcionarles retroalimentación. Más importante aún, mostró una promesa significativa para asistir a los profesores al evaluar la calidad de sus rúbricas e identificar posibles errores. [Traducción automática al español; idioma original: inglés.]
Evaluating the detection of small brain lesions in magnetic resonance using deep learning
(2026-07-13) Nogales, Alberto; Sicilia, Miguel Ángel; de la Pinta, Carolina; García-Barriocanal, Elena; García-Tejedor, Álvaro J.; Guadalupe, Diego; Escuela Politécnica Superior; Centro de Innovación Experimental del Conocimiento (CEIEC)
Introducción – La detección de lesiones cerebrales mediante métodos de Inteligencia Artificial ha sido un foco de investigación previa, con numerosos conjuntos de datos que apoyan esta tarea para mejorar los resultados clínicos. Sin embargo, las métricas de evaluación y los resultados reportados suelen resumir el rendimiento general sin considerar las variaciones en el tamaño de la lesión. En la práctica clínica, la detección de tumores pequeños es particularmente crítica para el diagnóstico temprano y la efectividad del tratamiento. Métodos – Este estudio evalúa el rendimiento de modelos de Inteligencia Artificial en conjuntos de datos establecidos con un enfoque específico en la identificación de lesiones y el tamaño de la lesión. Introducimos un nuevo modelo de Aprendizaje Profundo adaptado para detectar tumores cerebrales pequeños en Imágenes por Resonancia Magnética, integrando un concepto de «tumor pequeño» definido clínicamente tanto en los procesos de entrenamiento como de evaluación. Resultados – El enfoque propuesto demuestra un rendimiento robusto, alcanzando valores de pérdida que oscilan entre 1,5 y 11,1 y Coeficientes Dice entre el 96,3 % y el 98,1 % en múltiples conjuntos de datos. Discusión – La principal contribución de este trabajo es la incorporación de información clínicamente significativa sobre el tamaño de la lesión en el desarrollo y la evaluación de los modelos. Estos hallazgos sugieren que considerar explícitamente los tumores pequeños puede mejorar la relevancia clínica de los sistemas de Inteligencia Artificial para la detección de lesiones cerebrales y apoyar un diagnóstico más temprano y una planificación del tratamiento más efectiva. [Traducción automática al español; idioma original: inglés.]
Lightweight hybrid spatiotemporal deep learning models for video frame prediction : A comparative study across dataset complexities
(2026-10) Nogales, Alberto; Sánchez Velázquez, Jose M.; Cai, Mingbo; Coney, Andrew; García-Tejedor, Álvaro J.; La Transformación de la Información en Inteligencia (TI3); Centro de Innovación Experimental del Conocimiento (CEIEC); Escuela Politécnica Superior
En los últimos años, los avances en inteligencia artificial han impactado significativamente la visión por computador, permitiendo soluciones a tareas complejas como la predicción de fotogramas de vídeo. Esta tarea tiene aplicaciones críticas en ámbitos como los vehículos autónomos, la predicción meteorológica y la compresión de vídeo. Aunque el aprendizaje profundo ha demostrado ser eficaz en la modelización espaciotemporal, las arquitecturas actuales a menudo enfrentan compromisos entre la precisión de la predicción y la eficiencia computacional. Para abordar este desafío, este estudio evalúa modelos híbridos ligeros de aprendizaje profundo que operan a nivel del mapa de características, utilizando autoencoders para la codificación espacial y el modelado de secuencias temporales mediante memoria a corto-largo plazo convolucional (ConvLSTM; Convolutional Long Short-Term Memory), redes neuronales convolucionales 3D (CNN 3D; 3D Convolutional Neural Networks) y arquitecturas temporales relacionadas. Las soluciones propuestas se prueban en términos de rendimiento, latencia y consumo energético en tres conjuntos de datos de complejidad variable, que abarcan escenas sintéticas y del mundo real, así como imágenes en escala de grises y a color. Los resultados muestran que las arquitecturas basadas en CNN 3D y ConvLSTM superan a otros enfoques en conjuntos de datos del mundo real de baja complejidad. Además, los modelos propuestos reducen significativamente el tiempo de inferencia y el consumo energético, ventajas clave para su despliegue práctico en escenarios como la transmisión de vídeo o los sistemas de visión embebida. [Traducción automática al español; idioma original: inglés.]
Composition-engineered graphene oxide-based fire warning research : A systematic review and new insight
(2026-07) Li, Xiaolu; Chen, Chuanghui; Sánchez del Río Sáez, José; Wei, Guoying; Wang, De Yi; Escuela Politécnica Superior; Advanced Sustainable Materials
Los sistemas de alerta de incendios (SAI) atraen una atención creciente por su potencial para una gestión de incendios altamente eficiente, y han logrado avances significativos recientemente. El óxido de grafeno (GO) es uno de los principales candidatos debido a la transformación de aislante a conductor bajo el ataque de altas temperaturas; es precisamente esta transformación eléctrica la que puede aprovecharse para funcionar como respuesta de alerta. En esta revisión se clasifican de forma razonada y se analizan exhaustivamente los SAI basados en GO con composición diseñada y soportados en polímeros, lo que constituye un segmento significativo de la investigación sobre SAI. En concreto, la evaluación abarca la diversidad de métodos de fabricación, la variedad de SAI basados en GO con composición diseñada, el rendimiento principal de alerta de incendios, así como los mecanismos de funcionamiento relevantes, entre otros aspectos. Además, dado el estado actual de la técnica en los SAI basados en GO con composición diseñada, se plantean los retos actuales y las perspectivas emergentes, proporcionando una guía para abordar los principales problemas y la dirección de desarrollo prometedora de la próxima generación de SAI basados en GO con composición diseñada. [Traducción automática al español; idioma original: inglés.]
Robustness of analogue Hawking radiation in cavities with moving boundaries
(2026-08-14) García Martín-Caro, Alberto; Olmedo, Javier; Sánchez Velázquez, Jose M.; Escuela Politécnica Superior; Centro de Innovación Experimental del Conocimiento (CEIEC); La Transformación de la Información en Inteligencia (TI3)
En este trabajo exploramos las limitaciones y la robustez de la radiación térmica en sistemas del efecto Casimir dinámico que sirven como análogos de la radiación de Hawking. Mediante un análisis numérico detallado, caracterizamos los espectros de producción de partículas en cavidades con fronteras móviles bajo diversas configuraciones. Establecemos un criterio de termicidad basado en la condición de balance detallado y encontramos que las firmas térmicas emergen en el espectro de configuraciones específicas de cavidades en expansión, aunque dependen fuertemente de las bandas de frecuencia y los parámetros de aceleración. Además, nuestro marco verifica con éxito predicciones teóricas previas, demostrando que distribuciones estadísticas no estándar (como la de Fermi–Dirac) pueden reproducirse de manera robusta en entornos confinados finitos a pesar de que el campo subyacente sea puramente bosónico. Asimismo, derivamos expresiones de ajuste que cuantifican las desviaciones respecto a los espectros térmicos idealizados mediante factores de cuerpo gris, revelando comportamientos oscilatorios vinculados a la duración de la aceleración. Nuestros resultados identifican montajes experimentales capaces de reproducir de forma fiable la producción térmica análoga a la de fenómenos inducidos gravitatoriamente y cuantifican cómo los efectos de tamaño finito y la dinámica transitoria modifican las distribuciones térmicas esperadas, proporcionando un marco integral para distinguir la radiación genuina de tipo Hawking de los artefactos experimentales. [Traducción automática al español; idioma original: inglés.]
Generative artificial intelligence for heart sound analysis : From model architectures to clinical applications
(2026-03) Fakhry, Mahmoud; Brery, Abeer Fath Allah; Escuela Politécnica Superior; Centro de Innovación Experimental del Conocimiento (CEIEC)
La auscultación cardíaca consiste en escuchar los sonidos cardíacos para diagnosticar afecciones cardíacas. La interpretación precisa de estos sonidos requiere una experiencia considerable, lo que limita la consistencia entre clínicos y entornos. Aunque el aprendizaje profundo ofrece un camino hacia la automatización, la escasez de datos, el desequilibrio de clases y la complejidad de la señal plantean desafíos para su aplicación al análisis de sonidos cardíacos. Este estudio presenta un examen integral pionero de cómo los modelos de inteligencia artificial generativa (IA generativa), incluidas las redes generativas antagónicas, los autoencoders variacionales, los modelos de difusión y las arquitecturas basadas en transformadores, pueden abordar los desafíos clave del análisis de sonidos cardíacos. En concreto, estos modelos mitigan las limitaciones fundamentales sintetizando señales de sonido cardíaco de alta fidelidad para la aumentación de datos, mejorando la calidad de la señal mediante técnicas avanzadas de eliminación de ruido, y permitiendo la detección semisupervisada y no supervisada de afecciones patológicas raras. Además, discutimos su papel en el aprendizaje avanzado de características y la traducción entre modalidades. A pesar del notable progreso, destacamos desafíos futuros, incluyendo garantizar la fidelidad fisiológica, mejorar la interpretabilidad de los modelos y validar la utilidad clínica. En conclusión, la IA generativa aborda un desafío traslacional clave al permitir una evaluación cardíaca experta accesible, precisa y escalable, apoyando así la implementación de la cardiología de precisión. [Traducción automática al español; idioma original: inglés.]
A Multilingual Dataset of Student Answers, Human Grading, and Multi-LLM Evaluations for Automated Assessment Research Using JorGPT
(2026-03-17) Cisneros-González, Jorge; Gordo-Herrera, Natalia; Barcia-Santos, Iván; Cerezo, Yolanda; Sánchez-Soriano, Javier; Escuela Politécnica Superior; Universidad Francisco de Vitoria; Matemática Aplicada y Computación Cuántica; El Ser Humano como Fundamento Antropológico y Moral: Formación, Educación y Ética; Intelligent Robotic Systems; Sociedad y Tecnología Centrada en la Persona
A surrogate-model methodology for thermoacoustic engine design using multilayer perceptrons
(2026-09) Alonso-Solórzano, Ángela; Velasco-Fernández, Ana I.; Iniesta, Carmen; Olazagoitia, José Luis; Vinolas, Jordi; Sustainable Industrial Technologies; Escuela Politécnica Superior
Los motores de ciclo tipo Stirling termoacústicos ofrecen una solución atractiva para convertir el calor residual en energía útil mediante la generación de ondas acústicas, proporcionando una alternativa mecánicamente sencilla y ambientalmente amigable. Si bien desarrollos recientes han demostrado la viabilidad del uso de redes neuronales artificiales (RNA) para la predicción del rendimiento, investigaciones limitadas se han centrado en el efecto del volumen de datos de entrenamiento o en la validación experimental de estos modelos. Este estudio investiga el uso de RNA para predecir la potencia acústica entregada a la rama de extracción de energía en motores termoacústicos que operan con relaciones de conducción bajas, utilizando datos generados mediante simulaciones DeltaEC (Entorno de Diseño para Conversión de Energía Termoacústica de Baja Amplitud). Se implementaron dos enfoques de entrenamiento: programación en Python y SPSS (Paquete Estadístico para las Ciencias Sociales); y se utilizaron tres conjuntos de datos de tamaño creciente para evaluar el impacto del volumen de datos sobre el rendimiento predictivo. Se analizaron siete variables de diseño, de las cuales tres resultaron ser las más críticas. La metodología propuesta permite una predicción rápida y fiable del rendimiento termoacústico, reduciendo la dependencia de simulaciones computacionalmente costosas y apoyando la integración de técnicas de inteligencia artificial en el diseño de sistemas energéticos. [Traducción automática al español; idioma original: inglés.]
Mechanical Looseness Diagnosis Using Wavelet Packet Energy Analysis and Supervised Feature Relevance Evaluation
(2026-07-12) Zamorano, Marta; Gómez, María Jesús; Castejon, Cristina; Escuela Politécnica Superior
La holgura mecánica es uno de los fallos más comunes que afectan a la maquinaria rotativa y puede provocar una degradación grave o un fallo catastrófico si no se detecta en las etapas iniciales. Este artículo presenta una metodología basada en vibraciones para el diagnóstico de holguras en ejes rotativos mediante análisis de energía con Transformada de Paquetes de Ondas (WPT) y evaluación supervisada de la relevancia de las características. Se realizaron experimentos en un banco de pruebas de maquinaria rotativa bajo condiciones sanas y defectuosas, con una holgura diametral introducida artificialmente de 0,5 mm. Las señales de vibración adquiridas a diferentes velocidades de rotación se procesaron mediante WPT para extraer características de energía de los paquetes en el dominio tiempo-frecuencia. Se empleó Análisis de Componentes Vecinas (NCA) para evaluar la capacidad discriminativa de las características extraídas e investigar la distribución de la información relacionada con la holgura a través de los paquetes WPT. Los resultados revelaron que la holgura mecánica genera patrones característicos de redistribución de energía concentrados en regiones de frecuencia específicas y que la velocidad de rotación influye significativamente en la localización y separabilidad de los componentes de vibración relacionados con el fallo. Además, se analizó la influencia de diferentes ondas madre, mostrando diferencias claras dependientes de las condiciones de operación en la relevancia discriminativa de las características de energía WPT extraídas. [Traducción automática al español; idioma original: inglés.]
Thermal Comfort, Policy, Regulation, and Public Health : Rethinking Sustainability from a Human and Territorial Perspective in Tropical Social Housing
(2026-04) Medina, Juan M.; Rodríguez, Carolina; Escuela Politécnica Superior
El confort térmico es uno de los principales determinantes de la habitabilidad en el entorno construido. Sin embargo, en los países tropicales en desarrollo, su tratamiento en la política de vivienda pública ha sido a menudo limitado, fragmentado y, en muchos casos, subordinado a criterios de ahorro energético que no reflejan adecuadamente las necesidades de los ocupantes ni la diversidad climática local. Este estudio analiza la integración del confort térmico dentro de la política de vivienda utilizando un enfoque de métodos mixtos que combina el análisis regulatorio con el monitoreo ambiental posterior a la ocupación. El monitoreo empírico muestra temperaturas interiores promedio entre 16,3 °C y 18,5 °C, con más del 80% de las horas registradas por debajo de los umbrales de confort adaptativo y una tasa de insatisfacción prevista (PPD) de aproximadamente el 47%. Estos hallazgos demuestran que el cumplimiento de la regulación de sostenibilidad centrada en la eficiencia no garantiza necesariamente condiciones interiores térmicamente adecuadas en la vivienda social ocupada, poniendo de relieve una brecha estructural en los marcos regulatorios actuales entre el cumplimiento basado en eficiencia y las condiciones interiores térmicamente adecuadas en la vivienda social ocupada. El marco analítico integra tres dimensiones: análisis de políticas, verificación del desempeño ambiental e interpretación del comportamiento adaptativo de los ocupantes. Más que afirmar que Bogotá es estadísticamente representativa de todas las condiciones tropicales, el artículo la trata como un caso analíticamente revelador en el que se hacen visibles las tensiones entre la regulación centrada en la eficiencia, los estándares de confort importados y la adaptación limitada de los ocupantes. El artículo también demuestra que la actual regulación colombiana de sostenibilidad (Resolución 0194 de 2025) operacionaliza la sostenibilidad principalmente mediante objetivos de ahorro de energía y agua y zonificación climática, careciendo de indicadores explícitos y verificables para el confort térmico, el bienestar de los ocupantes o los resultados de salud. Finalmente, el artículo analiza la relevancia de estándares calibrados localmente, metodologías de campo estandarizadas y estrategias de diseño pasivo dentro de una agenda más amplia de gobernanza energética, equidad ambiental y adecuación de la vivienda. [Traducción automática al español; idioma original: inglés.]
Best Practices to Train Accurate Deep Learning Models : A General Methodology
(2026) Nogales, Alberto; Maitin, Ana M.; Garcia-Tejedor, Alvaro J.; Escuela Politécnica Superior; Centro de Innovación Experimental del Conocimiento (CEIEC); Universidad Francisco de Vitoria
Advancements in microalgae-mediated technologies for antibiotic removal from wastewater : a review
(2026-04) Pathania, Neha; Kumari, Swati; Thakur, Kamlesh; Kulshrestha, Saurabh; Khargotra, Rohit; Escuela Politécnica Superior; Universidad Francisco de Vitoria
Walsh sequences as direct Error Correcting Output Code dichotomies for multiclass problems
(2026-06-01) Álvarez-Pérez, Lorena; Callejas-Ramos, Álvaro; Centro de Innovación Experimental del Conocimiento (CEIEC); Universidad Francisco de Vitoria
Resolver problemas de clasificación multiclase mediante esquemas de Código de Salida con Corrección de Errores (ECOC) ofrece flexibilidad y robustez, pero los enfoques tradicionales basados en secuencias de Rademacher sufren un aumento exponencial de dicotomías con el número de clases. Este artículo presenta dos contribuciones principales. Primero, proponemos el uso de secuencias de Walsh para construir directamente dicotomías ECOC, permitiendo abordar problemas multiclase con C clases utilizando solo C−1 clasificadores, preservando altas distancias de Hamming por pares entre los códigos de clase (C2). Segundo, presentamos un método fundamentado para estimar las probabilidades posteriores de clase a partir de las salidas de clasificadores discriminativos entrenados con divergencias de Bregman. Esto proporciona una alternativa a la decodificación de Hamming, mejora la estimación de confianza y evita la inversión de matrices gracias a la ortogonalidad de los códigos de Walsh. Los resultados experimentales en cinco conjuntos de datos multiclase —incluyendo Fashion-MNIST, Letter Recognition y Vowel— demuestran mejoras consistentes en la precisión de clasificación (por ejemplo, una reducción del error del 5% en el conjunto Letter) y en la eficiencia computacional frente a métodos de referencia como OvR y ECOC-Rademacher. El rendimiento se evaluó mediante precisión de clasificación estándar y matrices de confusión, validando las ventajas de nuestro enfoque tanto en rendimiento predictivo como en escalabilidad. [Traducción automática al español; idioma original: inglés.]
Classification of systolic murmurs in heart sounds using multiresolution complex Gabor dictionary and vision transformer
(2026-02-28) Fakhry, Mahmoud; Brery, Abeer Fath Allah; Centro de Innovación Experimental del Conocimiento (CEIEC); Universidad Francisco de Vitoria
Los soplos sistólicos son sonidos cardíacos adicionales que ocurren durante la fase de contracción del ciclo cardíaco, y a menudo indican anomalías cardíacas causadas por un flujo sanguíneo turbulento. Su intensidad, tono y calidad varían, lo que requiere una identificación precisa para el diagnóstico exacto de los trastornos cardíacos. Este estudio presenta un sistema de clasificación automática de soplos sistólicos mediante un módulo de extracción de características, seguido de un modelo de clasificación. El módulo de extracción de características emplea la búsqueda de coincidencias ortogonales complejas para proyectar uno o varios segmentos de soplo sobre un diccionario redundante compuesto por funciones base de Gabor complejas (GBF) multirresolución. Los pesos de proyección resultantes se dividen y remodelan en matrices de características tiempo-frecuencia de resolución variable. El procesamiento de múltiples segmentos de una misma grabación utilizando un diccionario compartido mitiga la variabilidad del soplo. Esto se logra aprendiendo los pesos de cada segmento a la vez que se impone que correspondan al mismo conjunto de funciones base del diccionario, favoreciendo matrices de características tiempo-frecuencia consistentes. El modelo de clasificación se construye a partir de un transformador visual para procesar múltiples matrices de entrada de distintas resoluciones, haciendo pasar cada una por una red neuronal convolucional para la tokenización en parches. Todos los tokens de incrustación se concatenan para formar una matriz y se envían a una capa codificadora que incluye atención multicabeza, conexiones residuales y una red convolucional con un tamaño de núcleo de uno. Esta integración de la extracción de características multirresolución con la clasificación de características basada en transformadores mejora la precisión y fiabilidad de la identificación de soplos cardíacos. Un análisis experimental de cuatro tipos de soplos sistólicos del conjunto de datos CirCor DigiScope demuestra la eficacia del sistema, alcanzando una precisión de clasificación del 95,96%. [Traducción automática al español; idioma original: inglés.]
A model-based solution for automated (Re-)engineering of task-oriented chatbots
(2026-01) Pérez-Soler, Sara; Guerra, Esther; de Lara, Juan; Escuela Politécnica Superior
Los chatbots son populares para acceder a todo tipo de servicios de software mediante conversaciones en lenguaje natural. La creciente demanda de chatbots orientados a tareas ha impulsado la propuesta de muchas herramientas para su construcción, como Dialogflow, Lex, Rasa o Watson. Sin embargo, seleccionar la más adecuada es difícil; el diseño conceptual detrás de un chatbot puede quedar enterrado bajo las tecnicidades de la herramienta; y la migración entre plataformas de desarrollo de chatbots debe realizarse manualmente. Para aliviar estos problemas, proponemos una notación de diseño independiente de la plataforma para chatbots orientados a tareas, basada en el análisis de quince plataformas de desarrollo de chatbots. Siguiendo los principios de la ingeniería dirigida por modelos, la implementación del chatbot se sintetiza a partir del diseño, y los diseños pueden extraerse de las implementaciones, permitiendo la migración y la reingeniería de chatbots. Además, un recomendador sugiere la plataforma más adecuada para un diseño de chatbot dado, considerando factores contextuales. Hemos materializado estas ideas en CONGA: una aplicación web extensible que incluye un editor de notación de diseño; un recomendador de plataformas de desarrollo; validadores específicos de plataforma; y generadores y analizadores para Dialogflow y Rasa. Evaluamos CONGA sobre 291 chatbots de código abierto de Dialogflow y Rasa, demostrando su expresividad, portabilidad y utilidad para encontrar problemas de calidad en los chatbots (encontrados en el 93,8 % de los chatbots). En conjunto, nuestra arquitectura permite diseños de chatbot neutrales, automatiza la migración y proporciona mecanismos para la detección de defectos a nivel de diseño. [Traducción automática al español; idioma original: inglés.]

Browse

Recent Submissions