El progresivo aumento de las capacidades y prestaciones de los dispositivos móviles abre nuevas perspectivas de desarrollo e investigación en diversos ámbitos de las tecnologías de la información. En este contexto, en los últimos años se han desarrollado numerosas propuestas de crowdsensing que tratan de sacar partido del carácter personal y la penetración universal de estos dispositivos. No obstante, la mayoría de los trabajos en este campo parten de un planteamiento centralizado, en el que los móviles se conciben como meras entidades pasivas que recolectan y transmiten información siguiendo un modelo cliente/servidor.En este trabajo planteamos una extensión del framework Digital Avatars para crowdsensing, de forma que tanto la difusión de las tareas entre los participantes como la recolección de los resultados se realiza de forma distribuida y en varios niveles, otorgando un papel protagonista no solo a los dispositivos móviles sino también a sus usuarios. De esta manera, a partir del avatar digital de cada uno de los usuarios participantes en la actividad se van construyendo perfiles o avatares colectivos.
Autores: David Bandera / Nicolás Pozas / Manuel F. Bertoa / José María Álvarez / Carlos Canal / Ernesto Pimentel /
Palabras Clave: computación móvil - Computación social - Crowdsensing - Digital Avatars
El procesamiento de flujos de información constituye un área de gran relevancia dentro de la gestión de datos, pues sus métodos deben ser ágiles y eficientes para soportar el volumen y la velocidad con la que los datos se generan actualmente. Las técnicas de minería de datos han necesitado adaptarse a estas circunstancias, que no solo afectan al modo en el que se aprende de los datos, sino también a la preparación de los mismos. En este contexto, los sistemas de procesamiento de eventos complejos (CEP) pueden facilitar el tratamiento de los datos en tiempo real. Este trabajo propone abordar el preprocesamiento de flujos de datos mediante CEP. El estudio experimental revela que los datos, convenientemente transformados y enriquecidos con información temporal, mejoran la predicción de los algoritmos de aprendizaje automático.
Autores: Aurora Ramírez / Nathalie Moreno / Manuel F. Bertoa / Antonio Vallecillo /
Palabras Clave: Aprendizaje automático - Flujos de datos - preprocesado - procesamiento de eventos complejos
La incertidumbre, tanto en los datos como en los mecanismos que manipulan y operan sobre ellos, es un tema crucial en sistemas que trabajan con entornos físicos. Una incertidumbre que puede ser debida a diversos factores, como fuentes de datos poco fiables, tolerancia en las mediciones o la incapacidad para determinar si un determinado evento ha sucedido realmente o no. En este trabajo proponemos el uso de modelos con confianza, donde los objetos pueden llevar asociadas probabilidades. Al igual que en los modelos, la incertidumbre puede trasladarse a las transformaciones de modelos, donde las reglas también pueden estar sujetas a incertidumbre.
Autores: Loli Burgueño / Gala Barquero / Nathalie Moreno / Manuel F. Bertoa / Antonio Vallecillo /
Palabras Clave: Confianza - Incertidumbre - MDE - Modelos - Transformaciones de Modelos
