Real-time SARIMA-based anomaly detection in operator networks
Detección de anomalías de tráfico mediante modelos SARIMA que capturan patrones estacionales.
Detección de anomalías de tráfico mediante modelos SARIMA que capturan patrones estacionales.
LEAP coordina la localización y las transmisiones de dispositivos LoRaWAN para mejorar la precisión de posicionamiento con un consumo energético reducido.
El estudio analiza cómo la geometría y la conexión entre regiones de espesor reducido controlan la propagación y la atenuación direccional de ondas flexionales en placas periódicas con agujeros negros acústicos (ABH).
Artículo en Future Internet sobre inteligencia artificial explicable para situar pasarelas LoRa reduciendo la huella de carbono.
Artículo en Drones sobre visión de borde energéticamente eficiente para detectar incendios con UAVs equipados con YOLOv5.
Articulo en Journal of Sensor and Actuator Networks sobre prediccion de calidad del aire con redes de sensores dispersas y aprendizaje profundo.
Artículo en IEEE Access sobre un biosensor electroquímico de punto de atención para monitorización de salud metabólica.
Articulo de revision en Computer Science Review sobre orquestacion de telemetria integrada en red y observabilidad escalable.
Artículo en IEEE Transactions on Instrumentation and Measurement sobre verificación acústica de micrófonos MEMS digitales para monitorización de ruido de tráfico.
Registro armonizado y ordenado de tesis doctorales asociadas a BoND1.