BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Departamento de Computación - ECPv6.15.18//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-ORIGINAL-URL:https://www.dc.uba.ar
X-WR-CALDESC:Eventos para Departamento de Computación
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:America/Sao_Paulo
BEGIN:STANDARD
TZOFFSETFROM:-0300
TZOFFSETTO:-0300
TZNAME:-03
DTSTART:20240101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20251218T150000
DTEND;TZID=America/Sao_Paulo:20251218T160000
DTSTAMP:20260404T235248
CREATED:20251212T142213Z
LAST-MODIFIED:20251212T142213Z
UID:10371-1766070000-1766073600@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Sebastián Bocaccio
DESCRIPTION:Título: Simulación embebida en Systems-on-a-Chip (SoC) para IoT usando PowerDEVS \nLugar de trabajo: Laboratorio de Simulación de Eventos Discretos (SEDLab)\, Instituto UBA-CONICET de Ciencias de la Computación (ICC)\, Departamento de Computación (DC)\, FCEyN-UBA \nDirector: Dr. Ezequiel Pecker-Marcosig (ICC)\nCo-Director: Dr. Rodrigo Castro (DC/ICC) \nJurado:\n– Lic. Alexis Tcach (DC-FCEyN-UBA)\n– Ing. Juan Felipe Perdomo (DC-FCEyN-UBA) \nResumen del trabajo: \nEsta tesis aborda la adaptación del simulador de propósito general PowerDEVS\, basado en el formalismo DEVS para sistemas dinámicos\, permitiendo su ejecución embebida en el SoC ESP32 bajo el sistema operativo FreeRTOS de tiempo real. El objetivo principal es lograr una metodología de diseño basada en el concepto de »continuidad de modelos»\, donde un mismo modelo DEVS bajo desarrollo sirve desde las etapas tempranas de diseño —basadas en simulación de prototipos en PC— hasta su ejecución final en tiempo real en el hardware embebido. \nEste enfoque evita la reimplementación del software asociado al modelo al pasar de la simulación en PC al dispositivo IoT objetivo\, reduciendo así los tiempos de desarrollo y la posibilidad de introducir errores. Se adaptó el código de PowerDEVS\, originalmente desarrollado para PC\, para funcionar en un entorno embebido con capacidad de interactuar con sensores\, actuadores y redes de comunicación\, aprovechando las ventajas del ESP32. El trabajo incluye la adaptación del motor de simulación\, la creación y modificación de bibliotecas de modelos DEVS para interacción con hardware\, y el diseño de mecanismos de comunicación entre simulaciones distribuidas independientes en múltiples dispositivos. \nSe presentan casos de estudio que fueron desde un simple parpadeo de LED hasta aplicaciones complejas como el control de motores paso a paso\, de temperatura de una pava eléctrica y de robots seguidores de líneas\, evaluando el desempeño y la viabilidad de la propuesta en escenarios reales. Asimismo\, se demostró la utilidad de la conexión entre simulaciones independientes para el caso del control de colisiones de dos robots tipo uniciclo. \nFinalmente\, se discuten los resultados experimentales\, el impacto de la adaptación en el desarrollo de software embebido para IoT y robótica\, y se sugieren líneas futuras para optimizar el rendimiento y ampliar la compatibilidad del simulador.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-sebastian-bocaccio/
LOCATION:Sala 2103
CATEGORIES:Agenda
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20251218T160000
DTEND;TZID=America/Sao_Paulo:20251218T170000
DTSTAMP:20260404T235248
CREATED:20251212T142024Z
LAST-MODIFIED:20251212T142024Z
UID:10369-1766073600-1766077200@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Andreas Sturmer
DESCRIPTION:Título: Reconocimiento de expresiones faciales en secuencias a través de Citation-kNN y GANs con preservación de la identidad.\nDirectores: Pablo Negri y Daniel Acevedo.\nJurado: Gonzalo Fernández Florio y Carlos Orozco. \nResumen:\nEn este trabajo proponemos un método de Reconocimiento de Expresiones Faciales para la tarea de One-Shot en secuencias de video. El reconocimiento de las expresiones se aborda mediante la correlación entre las dinámicas de los videos de entrada\, que corresponden a una expresión realizada por un sujeto\, y una serie de secuencias artificiales generadas por modernas arquitecturas de Redes Neuronales Profundas. La generación de estos cuadros artificiales se logra a través de una Red Generativa Antagónica (GAN). Luego\, la expresión de entrada es categorizada a partir de aquella secuencia artificial más similar en el espacio de clasificación.\nSe plantea como hipótesis que la correlación dinámica se vería reforzada mediante el uso de arquitecturas de redes neuronales y estrategias que conserven la información de identidad del sujeto de test.\nRealizamos experimentos para distintas variantes de representación de las imágenes\, enfocándonos en la familia de métodos de 2DLDA\, y reportamos métricas para cada expresión.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-andreas-sturmer/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR