Breve presentación del estándar de codificación HEVC -H.265- Gonzalo Rielo Zurita
Breve presentación del estándar de codificación HEVC -H.265- donde se expone el funcionamiento de los codificadores y decodificadores que utilizan este estándar.
Incluye bibliografía de consulta
En la presentación mostramos el desarrollo del modelo de minimización de red.
Para mayor entendimiento pueden acceder al link: https://www.youtube.com/watch?v=NKZlzUvFP8w&pbjreload=101
Breve presentación del estándar de codificación HEVC -H.265- Gonzalo Rielo Zurita
Breve presentación del estándar de codificación HEVC -H.265- donde se expone el funcionamiento de los codificadores y decodificadores que utilizan este estándar.
Incluye bibliografía de consulta
En la presentación mostramos el desarrollo del modelo de minimización de red.
Para mayor entendimiento pueden acceder al link: https://www.youtube.com/watch?v=NKZlzUvFP8w&pbjreload=101
Índice del libro "Big Data: Tecnologías para arquitecturas Data-Centric" de 0...Telefónica
Índice del libro "Big Data: Tecnologías para arquitecturas Data-Centric" de 0xWord escrito por Ibón Reinoso ( https://mypublicinbox.com/IBhone ) con Prólogo de Chema Alonso ( https://mypublicinbox.com/ChemaAlonso ). Puedes comprarlo aquí: https://0xword.com/es/libros/233-big-data-tecnologias-para-arquitecturas-data-centric.html
Las lámparas de alta intensidad de descarga o lámparas de descarga de alta in...espinozaernesto427
Las lámparas de alta intensidad de descarga o lámparas de descarga de alta intensidad son un tipo de lámpara eléctrica de descarga de gas que produce luz por medio de un arco eléctrico entre electrodos de tungsteno alojados dentro de un tubo de alúmina o cuarzo moldeado translúcido o transparente.
lámparas más eficientes del mercado, debido a su menor consumo y por la cantidad de luz que emiten. Adquieren una vida útil de hasta 50.000 horas y no generan calor alguna. Si quieres cambiar la iluminación de tu hogar para hacerla mucho más eficiente, ¡esta es tu mejor opción!
Las nuevas lámparas de descarga de alta intensidad producen más luz visible por unidad de energía eléctrica consumida que las lámparas fluorescentes e incandescentes, ya que una mayor proporción de su radiación es luz visible, en contraste con la infrarroja. Sin embargo, la salida de lúmenes de la iluminación HID puede deteriorarse hasta en un 70% durante 10,000 horas de funcionamiento.
Muchos vehículos modernos usan bombillas HID para los principales sistemas de iluminación, aunque algunas aplicaciones ahora están pasando de bombillas HID a tecnología LED y láser.1 Modelos de lámparas van desde las típicas lámparas de 35 a 100 W de los autos, a las de más de 15 kW que se utilizan en los proyectores de cines IMAX.
Esta tecnología HID no es nueva y fue demostrada por primera vez por Francis Hauksbee en 1705. Lámpara de Nernst.
Lámpara incandescente.
Lámpara de descarga. Lámpara fluorescente. Lámpara fluorescente compacta. Lámpara de haluro metálico. Lámpara de vapor de sodio. Lámpara de vapor de mercurio. Lámpara de neón. Lámpara de deuterio. Lámpara xenón.
Lámpara LED.
Lámpara de plasma.
Flash (fotografía) Las lámparas de descarga de alta intensidad (HID) son un tipo de lámparas de descarga de gas muy utilizadas en la industria de la iluminación. Estas lámparas producen luz creando un arco eléctrico entre dos electrodos a través de un gas ionizado. Las lámparas HID son conocidas por su gran eficacia a la hora de convertir la electricidad en luz y por su larga vida útil.
A diferencia de las luces fluorescentes, que necesitan un recubrimiento de fósforo para emitir luz visible, las lámparas HID no necesitan ningún recubrimiento en el interior de sus tubos. El propio arco eléctrico emite luz visible. Sin embargo, algunas lámparas de halogenuros metálicos y muchas lámparas de vapor de mercurio tienen un recubrimiento de fósforo en el interior de la bombilla para mejorar el espectro luminoso y reproducción cromática. Las lámparas HID están disponibles en varias potencias, que van desde los 25 vatios de las lámparas de halogenuros metálicos autobalastradas y los 35 vatios de las lámparas de vapor de sodio de alta intensidad hasta los 1.000 vatios de las lámparas de vapor de mercurio y vapor de sodio de alta intensidad, e incluso hasta los 1.500 vatios de las lámparas de halogenuros metálicos.
Las lámparas HID requieren un equipo de control especial llamado balasto para funcionar
(PROYECTO) Límites entre el Arte, los Medios de Comunicación y la Informáticavazquezgarciajesusma
En este proyecto de investigación nos adentraremos en el fascinante mundo de la intersección entre el arte y los medios de comunicación en el campo de la informática.
La rápida evolución de la tecnología ha llevado a una fusión cada vez más estrecha entre el arte y los medios digitales, generando nuevas formas de expresión y comunicación.
Continuando con el desarrollo de nuestro proyecto haremos uso del método inductivo porque organizamos nuestra investigación a la particular a lo general. El diseño metodológico del trabajo es no experimental y transversal ya que no existe manipulación deliberada de las variables ni de la situación, si no que se observa los fundamental y como se dan en su contestó natural para después analizarlos.
El diseño es transversal porque los datos se recolectan en un solo momento y su propósito es describir variables y analizar su interrelación, solo se desea saber la incidencia y el valor de uno o más variables, el diseño será descriptivo porque se requiere establecer relación entre dos o más de estás.
Mediante una encuesta recopilamos la información de este proyecto los alumnos tengan conocimiento de la evolución del arte y los medios de comunicación en la información y su importancia para la institución.
Actualmente, y debido al desarrollo tecnológico de campos como la informática y la electrónica, la mayoría de las bases de datos están en formato digital, siendo este un componente electrónico, por tanto se ha desarrollado y se ofrece un amplio rango de soluciones al problema del almacenamiento de datos.
En este documento analizamos ciertos conceptos relacionados con la ficha 1 y 2. Y concluimos, dando el porque es importante desarrollar nuestras habilidades de pensamiento.
Sara Sofia Bedoya Montezuma.
9-1.
Inteligencia Artificial y Ciberseguridad.pdfEmilio Casbas
Recopilación de los puntos más interesantes de diversas presentaciones, desde los visionarios conceptos de Alan Turing, pasando por la paradoja de Hans Moravec y la descripcion de Singularidad de Max Tegmark, hasta los innovadores avances de ChatGPT, y de cómo la IA está transformando la seguridad digital y protegiendo nuestras vidas.
2. BCH
Los códigos BCH son una subclase de códigos
cíclicos que permiten corregir un número
arbitrario de errores t . Los códigos fueron
propuestos por Bose, haudhuri y Hocquenghem,
a los que deben su nombre. Estos códigos
tienen una gran versatilidad para el diseño, ya
que existe un gran número de polinomio
6. REED-SOLOMON
Los códigos de Reed-Solomon son una variante de
los códigos BCH y por tanto también son una
subclase de los códigos cíclicos. Se trata en este
caso de unos códigos que encontramos en muchas
aplicaciones, como por ejemplo las codificaciones
de canal en el CD-Audio, el MiniDisc, el DAT, el
DVD-Vídeo, los diferentes sistemas de difusión de
señales audiovisuales DVB-T, DVB-S, DVB-C, etc.
Desafortunadamente, se trata de unos códigos que
requieren una fuerte componente matemática para
comprender sus detalles y propiedades, por lo que
nos limitaremos a enunciar algunas de sus
características sin demostrarlas.
7. REED-SOLOMON
La característica más específica de estos códigos es que trabajan a nivel de sím-
bolo y no a nivel de bit. Es decir, las palabras sobre las que se aplica el código
pertenecen a un alfabeto con un número finito de símbolos. En la mayoría de
las aplicaciones prácticas, el símbolo más utilizado es el byte, es decir, un sím-
bolo es una palabra de 8 bits. Los bits en la entrada del codificador se agrupan
en palabras de 8 bits (bytes). El código de Reed-Solomon toma un conjunto de
K bytes en la entrada y general un total de N bytes en la salida. Observemos
que la idea general es muy parecida a lo que hemos visto hasta ahora pero que,
en vez de trabajar a nivel de bit, se trabaja a nivel de byte. La tasa del código
es R = K/N.
11. Historia
• El origen de este tipo de red se encuentra en el Neocognitron, introducido por
Kunihiko Fukushima en 1980. Dicho modelo fue mejorado por Yann Lecun en
1998, pues introdujo el aprendizaje basado en backpropagation.
• En el año 2012 este tipo de redes fueron refinadas por Dan Ciresan y fueron
implementadas en GPU, consiguiendo un rendimiento computacional mejor a
los obtenidos hasta entonces.
• Esta arquitectura tiene una clara inspiración en la corteza visual del cerebro.
• Esta inspiración se debe en gran medida al trabajo realizado por Hubel y Wiesel
en 1959, gracias al cual se comprendió en gran medida el funcionamiento de la
corteza visual, sobre todo de las células responsables de la selectividad de
orientación y detección de bordes en los estímulos visuales.
12. Las redes neuronales convolucionales son similares a las redes
neuronales multicanal, su principal ventaja es que cada parte de la red
se le entrena para realizar una tarea, esto reduce significativamente el
número de capas ocultas, por lo que el entrenamiento es más rápido.
Además, presenta invarianza a la traslación de los patrones a
identificar.
Definición
13. Características
• Neurona: Buscaremos optimizar una neurona (Características individuales)
en una región dada de la imagen.
• Canal: Buscamos optimizar la imagen entera.
• Capa: Se optimiza todos los canales (filtros) de una capa simultáneamente.
• Una cierta clase: Busca obtener imágenes que maximizan la probabilidad de
salida de una cierta clase.
14. Estructura
Tiene una estructura de 3 capas:
1. Capa convolucional: La operación de convolución recibe como entrada o input la
imagen y luego aplica sobre ella un filtro o kernel que nos devuelve un mapa de las
características de la imagen original, de esta forma logramos reducir el tamaño de
los parámetros.
1. Capa de reducción o pooling: Su utilidad principal radica en la reducción de las
dimensiones espaciales (ancho x alto) del volumen de entrada para la siguiente capa
convolucional. No afecta a la dimensión de profundidad del volumen.
2. Capa clasificadora totalmente conectada: Al final de las capas convolucional y de
pooling, las redes utilizan generalmente capas completamente conectados en la que
cada píxel se considera como una neurona separada al igual que en una red
neuronal regular.