Autor:
Aragón-Jurado, José M.

Cargando...
Foto de perfil

E-mails conocidos

josemiguel.aragon@uca.es

Fecha de nacimiento

Proyectos de investigación

Unidades organizativas

Puesto de trabajo

Apellidos

Aragón-Jurado

Nombre de pila

José M.

Nombre

Nombres alternativos

Afiliaciones conocidas

University of Cadiz, Spain

Páginas web conocidas

Página completa del ítem
Notificar un error en este autor

Resultados de la búsqueda

Mostrando 1 - 2 de 2
  • Artículo
    Optimización de programas software considerando la incertidumbre del tiempo de ejecución
    Aragón-Jurado, José M.; de La Torre, Juan Carlos; Benito-Jareño, Carlos; Dorronsoro, Bernabé. Actas de las XXVI Jornadas de Ingeniería del Software y Bases de Datos (JISBD 2022), 2022-09-05.
    Proponemos en este trabajo un nuevo problema combinatorio para la optimización automática de programas, de forma que puedan sacar el máximo rendimiento de una arquitectura hardware considerada. Calcular el tiempo de ejecución de un programa es una tarea complicada, ya que est+AOE sujeta a una elevada incertidumbre. En este trabajo se estudian siete métodos distintos para estimar el tiempo de ejecución de los programas optimizados teniendo en cuenta la incertidumbre del sistema, y se comparan los resultados obtenidos con cada uno de ellos. Los resultados conseguidos permiten mejorar el tiempo de ejecución del programa original en un 33+ACU.
  • Artículo
    Detección Inteligente de Sucesos en Smart Cities con Feedback de los Ciudadanos
    Aragón-Jurado, José M.; Acuña Vega, Luis Eduardo; Ortiz, Guadalupe; Boubeta-Puig, Juan; Muñoz, Andrés. Actas de las XVII Jornadas de Ingeniería de Ciencia e Ingeniería de Servicios (JCIS 2022), 2022-09-05.
    Día a día en las ciudades ocurren sucesos que pueden afectar a la vida de los ciudadanos así como causar costes a las diferentes actividades y servicios que las administraciones ofrecen. La lluvias torrenciales y los incendios son dos de este tipo de sucesos cuya predicción es importante, tanto para salvar vidas como para abaratar costes. En la actualidad, las soluciones se centran en detectar uno de los tipos de sucesos aplicando modelos de aprendizaje computacional, sin tener en cuenta el feedback de los ciudadanos ni empleando el procesamiento de eventos complejos. En este artículo proponemos y desarrollamos una arquitectura para la detección inteligente de incendios y lluvias torrenciales en smart cities empleando el procesamiento de eventos complejos y, en el caso de los incendios, combinándolo con un modelo de aprendizaje profundo. Además, los mismos ciudadanos pueden participar en la arquitectura identificando si esos sucesos están sucediendo realmente o han sido un falsos positivos, permitiendo el reentrenamiento del modelo. La participación de los ciudadanos en la arquitectura es importante para que los modelos de aprendizaje se puedan adaptar a los cambios que ocurran por la ciudad a lo largo del tiempo, mejorando la calidad de vida.