Autor:
Acuña Vega, Luis Eduardo

Foto de perfil
E-mails conocidos
luis.acunavega@alum.uca.es
Fecha de nacimiento
Proyectos de investigación
Unidades organizativas
Puesto de trabajo
Apellidos
Acuña Vega
Nombre de pila
Luis Eduardo
Nombre
Nombres alternativos
Acuña-Vega, Luis E.
Afiliaciones conocidas
Universidad de Cádiz, Spain
University of Cadiz, Spain
Páginas web conocidas
Página completa del ítem
Notificar un error en este autor

Filtros

20222
Restablecer filtros

Ajustes

Resultados de la búsqueda

Mostrando 1 - 2 de 2
  • Miniatura
    Artículo
    Propuesta de implementación de operadores de mutación de rendimiento en MuCPP
    Acuña Vega, Luis Eduardo; Medina Bulo, María Inmaculada; Domínguez Jiménez, Juan José; Delgado Pérez, Pedro. Actas de las XXVI Jornadas de Ingeniería del Software y Bases de Datos (JISBD 2022), 2022-09-05.
    Las prueba de mutaciones de rendimiento es una idea bastante nueva y con desafíos abiertos. En este artículo, precisamente, se aborda la aplicación de la prueba de mutaciones para la detección de problemas de rendimiento en los programas escritos en C+ACsAKw, mediante la extensión del sistema de prueba de mutaciones MuCPP con nuevos operadores de mutación que generen mutantes que simulen errores de rendimiento. En concreto, este artículo se centra en el estudio de estos operadores de mutación propuestos en trabajos previos, presentándose la implementación de uno de ellos.
  • Miniatura
    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.