Robots have become a leading field of interest at the intersection of engineering, robotics, and education, especially in educational competitions. These competitions offer a unique platform to foster creativity, critical thinking, and the development of technical skills in students of all ages. The design of a climbing robot is framed within the scope of educational competitions, encompassing essential components for a comprehensive learning experience. First, the electronic design involves the development of circuits and control systems that allow the robot to climb efficiently and safely. The mechanical design focuses on creating a robust and adaptable structure that facilitates the robot's vertical movement. The mathematical modeling of the motor is essential to understand and optimize the performance of the power source, while the dynamic model of the system provides a holistic view of the interactions between the components. Finally, the mathematical model becomes a fundamental tool for simulation and analysis, allowing students to explore mathematical and physics concepts applied in the context of climbing robotics.
{"title":"Robots competitivos: una nueva herramienta para el aprendizaje","authors":"Raul Villon Tomala, Jackson Valverde","doi":"10.61582/fk2g7764","DOIUrl":"https://doi.org/10.61582/fk2g7764","url":null,"abstract":"Robots have become a leading field of interest at the intersection of engineering, robotics, and education, especially in educational competitions. These competitions offer a unique platform to foster creativity, critical thinking, and the development of technical skills in students of all ages. The design of a climbing robot is framed within the scope of educational competitions, encompassing essential components for a comprehensive learning experience. First, the electronic design involves the development of circuits and control systems that allow the robot to climb efficiently and safely. The mechanical design focuses on creating a robust and adaptable structure that facilitates the robot's vertical movement. The mathematical modeling of the motor is essential to understand and optimize the performance of the power source, while the dynamic model of the system provides a holistic view of the interactions between the components. Finally, the mathematical model becomes a fundamental tool for simulation and analysis, allowing students to explore mathematical and physics concepts applied in the context of climbing robotics.","PeriodicalId":516138,"journal":{"name":"EcoSur: Innovación, Tecnología y Desarrollo Sostenible de América Latina","volume":"60 7","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-01-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139451326","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Kevin Chuchuca, Galo Andrés Gutiérrez Larrea, Juan José Minga Ramón, Carlos Alberto Saldaña Enderica
Este artículo tiene como objetivo presentar resultados analizados con RNA no supervisadas sobre la violencia contra las mujeres en el territorio ecuatoriano. Para ello se realizó un trabajo de investigación para poder tener una recopilación de datos suficientes para que, al momento de implementar la RNA, tenga los datos necesarios para brindar informacion exacta sobre cada provincia del Ecuador a través de los años. Las RNA no supervisadas, en vez de contar con un conjunto de datos que ya tenga respuestas conocidas, la red examina la información sin orientación externa, reconociendo relaciones y agrupamientos inherentes. Esta estrategia resulta beneficiosa para examinar datos complejos, detectar tendencias en desarrollo y destacar características importantes. En síntesis, las redes neuronales no supervisadas se convierten en herramientas efectivas para revelar información subyacente en conjuntos de datos sin etiquetar, simplificando la comprensión de fenómenos diversos. Esta red neuronal artificial no supervisada, estará encargada de poder brindar resultados sobre los datos investigados, de la violencia contra la mujer los cuales estarán presentes en un conjunto de datos no etiquetados, estos resultados serán distinto a aquellos investigados, con ello podremos ver como la cantidad de tipo de violencia a la mujer, pueden disminuir o aumentar, dependiendo mucho de cada situación. En los resultados se muestran mapas de Kohonen, los cuales constituyen la forma de visualizar el método de aprendizaje no supervisado empleado para generar una representación de dimensiones reducidas a partir de conjuntos de entrenamiento, manteniendo al mismo tiempo las características topológicas del espacio de entrada original.
本文旨在介绍使用无监督方差分析法对厄瓜多尔针对妇女的暴力行为进行分析的结果。为此，我们开展了研究工作，以收集足够的数据，从而在实施 ANN 时提供厄瓜多尔各省多年来的准确信息。 无监督 ANN 不依赖已有已知答案的数据集，而是在没有外部指导的情况下检查信息，识别内在关系和分组。这种策略有利于检查复杂的数据、检测发展的趋势和突出重要的特征。总之，无监督神经网络成为揭示无标签数据集中潜在信息的有效工具，简化了对各种现象的理解。这个无监督人工神经网络将负责提供对调查数据的结果，即存在于无标签数据集中的针对妇女的暴力行为，这些结果将与调查的结果不同，我们可以从中看到针对妇女的暴力行为的数量是如何减少或增加的，这在很大程度上取决于每种情况。结果显示了 Kohonen 地图，这是一种可视化的无监督学习方法，用于从训练集生成缩减维度的表示，同时保持原始输入空间的拓扑特征。
{"title":"Detrás de las Cifras: IA Descodificando la Violencia de Género en Ecuador.","authors":"Kevin Chuchuca, Galo Andrés Gutiérrez Larrea, Juan José Minga Ramón, Carlos Alberto Saldaña Enderica","doi":"10.61582/kcqdmw38","DOIUrl":"https://doi.org/10.61582/kcqdmw38","url":null,"abstract":"Este artículo tiene como objetivo presentar resultados analizados con RNA no supervisadas sobre la violencia contra las mujeres en el territorio ecuatoriano. Para ello se realizó un trabajo de investigación para poder tener una recopilación de datos suficientes para que, al momento de implementar la RNA, tenga los datos necesarios para brindar informacion exacta sobre cada provincia del Ecuador a través de los años.\u0000Las RNA no supervisadas, en vez de contar con un conjunto de datos que ya tenga respuestas conocidas, la red examina la información sin orientación externa, reconociendo relaciones y agrupamientos inherentes. Esta estrategia resulta beneficiosa para examinar datos complejos, detectar tendencias en desarrollo y destacar características importantes. En síntesis, las redes neuronales no supervisadas se convierten en herramientas efectivas para revelar información subyacente en conjuntos de datos sin etiquetar, simplificando la comprensión de fenómenos diversos.\u0000Esta red neuronal artificial no supervisada, estará encargada de poder brindar resultados sobre los datos investigados, de la violencia contra la mujer los cuales estarán presentes en un conjunto de datos no etiquetados, estos resultados serán distinto a aquellos investigados, con ello podremos ver como la cantidad de tipo de violencia a la mujer, pueden disminuir o aumentar, dependiendo mucho de cada situación.\u0000En los resultados se muestran mapas de Kohonen, los cuales constituyen la forma de visualizar el método de aprendizaje no supervisado empleado para generar una representación de dimensiones reducidas a partir de conjuntos de entrenamiento, manteniendo al mismo tiempo las características topológicas del espacio de entrada original.","PeriodicalId":516138,"journal":{"name":"EcoSur: Innovación, Tecnología y Desarrollo Sostenible de América Latina","volume":"60 3","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-01-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139451367","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Alex Joel Mendoza Loor, Carolina Michelle Suárez Pozo, Kevin Alexis Pozo Catuto, Marcos Guillermo Cruz Yagual, Carlos Alberto Saldaña Enderica
Este trabajo de investigación aborda la comparación entre dos enfoques de control, el Control Proporcional-Integral-Derivativo (PID) y Redes Neuronales Artificiales (RNA), aplicados a un motor de corriente continua (DC). En la implementación del control PID, se emplea MATLAB y Simulink para diseñar y ajustar los parámetros del controlador, asegurando un seguimiento óptimo de la velocidad y posición del motor. Por otro lado, se utiliza una aproximación de Redes Neuronales Artificiales para modelar y controlar el sistema, permitiendo una adaptación dinámica y no lineal. Los resultados obtenidos proporcionarán una comprensión profunda de las ventajas y limitaciones de cada método de control en el contexto específico del motor DC. Esta investigación contribuye al avance en el campo de la electrónica y automatización al proporcionar información valiosa para la selección y aplicación efectiva de estrategias de control en sistemas electromecánicos.
{"title":"Comparativa de control automático PID vs control por redes neuronales artificiales.","authors":"Alex Joel Mendoza Loor, Carolina Michelle Suárez Pozo, Kevin Alexis Pozo Catuto, Marcos Guillermo Cruz Yagual, Carlos Alberto Saldaña Enderica","doi":"10.61582/1nen9q27","DOIUrl":"https://doi.org/10.61582/1nen9q27","url":null,"abstract":"Este trabajo de investigación aborda la comparación entre dos enfoques de control, el Control Proporcional-Integral-Derivativo (PID) y Redes Neuronales Artificiales (RNA), aplicados a un motor de corriente continua (DC).\u0000En la implementación del control PID, se emplea MATLAB y Simulink para diseñar y ajustar los parámetros del controlador, asegurando un seguimiento óptimo de la velocidad y posición del motor. Por otro lado, se utiliza una aproximación de Redes Neuronales Artificiales para modelar y controlar el sistema, permitiendo una adaptación dinámica y no lineal.\u0000Los resultados obtenidos proporcionarán una comprensión profunda de las ventajas y limitaciones de cada método de control en el contexto específico del motor DC. Esta investigación contribuye al avance en el campo de la electrónica y automatización al proporcionar información valiosa para la selección y aplicación efectiva de estrategias de control en sistemas electromecánicos.","PeriodicalId":516138,"journal":{"name":"EcoSur: Innovación, Tecnología y Desarrollo Sostenible de América Latina","volume":"48 17","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-01-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139451724","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Resumen Las redes neuronales son un tipo de inteligencia artificial que se inspira en el cerebro humano. Están formadas por capas de unidades interconectadas, llamadas neuronas artificiales, que pueden procesar información y aprender de los datos. En el subproceso de trefilado de la fabricación de cables eléctricos, las redes neuronales se pueden utilizar para controlar el proceso de estirado del alambre de cobre. Esto se hace mediante el uso de sensores para medir la tensión y el diámetro del alambre, y luego utilizando estos datos para ajustar la velocidad del proceso de trefilado. La red neuronal se implementó en MATLAB para el control del proceso de trefilado con su debido entrenamiento. Las redes neuronales también se pueden utilizar para detectar defectos en el alambre de cobre. Esto se hace mediante el uso de cámaras para inspeccionar el alambre y luego utilizando algoritmos de aprendizaje automático para identificar cualquier defecto. El uso de redes neuronales en el subproceso de trefilado de la fabricación de cables eléctricos puede ayudar a mejorar la calidad del producto final y a reducir los costes de producción. Además, las redes neuronales también se pueden utilizar para optimizar el proceso de trefilado, reduciendo el consumo de energía y aumentando la eficiencia de la producción. Palabras clave: Trefilado; optimizar; proceso; Matlab
{"title":"Optimización del Subproceso de Trefilado a través de RNA.","authors":"J. Suarez","doi":"10.61582/amgfep23","DOIUrl":"https://doi.org/10.61582/amgfep23","url":null,"abstract":"Resumen\u0000Las redes neuronales son un tipo de inteligencia artificial que se inspira en el cerebro humano. Están formadas por capas de unidades interconectadas, llamadas neuronas artificiales, que pueden procesar información y aprender de los datos.\u0000En el subproceso de trefilado de la fabricación de cables eléctricos, las redes neuronales se pueden utilizar para controlar el proceso de estirado del alambre de cobre. Esto se hace mediante el uso de sensores para medir la tensión y el diámetro del alambre, y luego utilizando estos datos para ajustar la velocidad del proceso de trefilado. La red neuronal se implementó en MATLAB para el control del proceso de trefilado con su debido entrenamiento. Las redes neuronales también se pueden utilizar para detectar defectos en el alambre de cobre. Esto se hace mediante el uso de cámaras para inspeccionar el alambre y luego utilizando algoritmos de aprendizaje automático para identificar cualquier defecto.\u0000El uso de redes neuronales en el subproceso de trefilado de la fabricación de cables eléctricos puede ayudar a mejorar la calidad del producto final y a reducir los costes de producción.\u0000Además, las redes neuronales también se pueden utilizar para optimizar el proceso de trefilado, reduciendo el consumo de energía y aumentando la eficiencia de la producción.\u0000Palabras clave: Trefilado; optimizar; proceso; Matlab","PeriodicalId":516138,"journal":{"name":"EcoSur: Innovación, Tecnología y Desarrollo Sostenible de América Latina","volume":"91 14","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-01-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139396092","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：