ragonzalez

ragonzalez

I'm Rigo, a PhD student in Telecommunications Engineering at the Instituto Balseiro, Argentina. I'm interested in Machine Learning, Signal Processing, and Data Science.

Sitemap

A list of all the posts and pages found on the site. For you robots out there is an XML version available for digesting as well.

Pages

Posts

Curso de Estadística Computacional con Python

22 minute read

Published:

Nos adentraremos en el uso de la programación dinámica y estocástica en Python, analizando a fondo sus beneficios y diversas aplicaciones en el cálculo de probabilidades y simulaciones computacionales. Aprenderemos a diferenciar entre programas deterministas y estocásticos, entendiendo cómo cada enfoque aborda la incertidumbre y la variabilidad en los datos.

Principios de Visualización de Datos para Business Intelligence

18 minute read

Published:

Se darán los primeros pasos en análisis de datos y business intelligence. Se explora cómo transformar datos, números y exploraciones en información que resulte útil para una compañía. También se implementarán diferentes estrategias de comunicación y buenas prácticas de data viz dependiendo de la audiencia a la que apuntamos con nuestros reportes.

Fundamentos de Ingeniería de Datos

13 minute read

Published:

Las y los Data Engineer o Ingenieros de Datos se encargan de tomar los datos crudos de valor, para transformarlos y almacenarlos en bases de datos de analítica y disponibilizarlos a software que funciona en sistemas de producción. Para ello crean pipelines ETL y utilizan bases de datos especializadas, con los que abastecen de datos a los demás roles de un equipo de data y a sistemas de software que funcionan con datos y machine learning.

Git

22 minute read

Published:

Blog dedicado al uso de Git y GitHub.

portfolio

Rendimiento en consumo de potencia del vuelo de Drones

Este artículo presenta un análisis detallado del rendimiento de vuelo de drones, enfocándose en el consumo de potencia durante diferentes tipos de movimiento: horizontal, ascenso, descenso y hovering. Se derivan y explican las ecuaciones fundamentales para calcular la potencia requerida en cada caso, basadas en referencias reconocidas de la literatura aeronáutica. Además, se muestran resultados de simulaciones que ilustran cómo varía el consumo de potencia en función del número de rotores y la velocidad de vuelo, proporcionando información valiosa para el diseño y operación eficiente de drones multirrotor.

publications

Ingeniería inversa de pizarra electrónica de béisbol, desarrollo de nuevas propuestas y aplicaciones.

Published in RIELAC, 2009

Las pizarras electrónicas se utilizan en los eventos deportivos como medios de control y visualización de la información. En la mayoría de los casos, estos equipos electrónicos se encuentran regulados por las federaciones deportivas internacionales correspondientes. En Cuba los principales estadios de béisbol, disponen de una pizarra electrónica profesional. Estas pizarras necesitan mantenimiento y reparación, sin embargo no existe la suficiente información del fabricante. Igualmente, el software facilitado por el fabricante para el control de estas pizarras no satisface las necesidades de los operadores. En este trabajo se realiza la ingeniería inversa a los distintos módulos de visualización de la pizarra, así como a los protocolos de comunicaciones. Como resultados, se dispone de los esquemas electrónicos, documentación del funcionamiento, así como de los protocolos de comunicaciones. Con estos resultados, se desarrollaron herramientas para pruebas de los módulos de visualización por separado y un nuevo software de control de la pizarra ajustado a las necesidades de los operadores. Adicionalmente se propone una mejor estructura y protocolo, con su respectiva aplicación de software, que reduce la complejidad de interconexión entre los módulos de visualización de la pizarra.

Recommended citation: Bazán-Prieto, Carlos, Acuña-Pérez, Adrian, & Acosta-González, Rigoberto. (2019). Ingeniería inversa de pizarra electrónica de béisbol, desarrollo de nuevas propuestas y aplicaciones. Ingeniería Electrónica, Automática y Comunicaciones, 40(1), 96-105.
Download Paper

Efectos de la normalización en la compresión de señales electroencefalográficas.

Published in 18th International Symposium of Electrical Engineering SIE 2019, 2019

Comprimir señales electroencefalográficas (EEG) es vital, por el uso creciente de dispositivos portátiles, por la necesidad del ahorro de energía de estos para la transmisión de la información. El empleo de autocodificadores para comprimir requiere de varias etapas de preprocesamiento de la señal. Dentro de estas etapas la normalización de la señal EEG es de importancia pues reduce el tiempo de entrenamiento y alcanza un mejor aprendizaje. Pero la normalización introduce errores por aproximación. En esta investigación se analizan los efectos de la normalización en la compresión de señales EEG mediante autocodificadores. Se proponen dos sistemas de compresión, uno donde se emplea la normalización y otro donde se omite esta etapa dada las bondades de la base de datos seleccionada. Se utilizan las métricas RMSE y PRD para comparar ambos sistemas. Aunque la diferencia de RMSE y PRD entre ambos sistemas sea pequeña, el sistema que omite normalizar posee una cantidad de fragmentos inferior al 22% del total con un PRD mayor al 20% de distorsión. Mientras que el sistema que emplea normalización la cantidad de fragmentos es mayor al 25% del total. Por tanto la normalización influye en el proceso de recuperación introduciendo mayor distorsión. Se hace necesario otros métodos de normalización donde los errores por aproximación sean menores, pues las bases de datos de señales EEG no siempre poseen sus valores en el rango de -1 hasta 1.

Recommended citation: RIGOBERTO ACOSTA GONZÁLEZ; DR. CARLOS A. BAZÁN PRIETO; LESTER FRIAS DOMINGUEZ. Efectos de la normalización en la compresión de señales electroencefalográficas. Cuba. Cayos de Villa Clara. 2019. Simposio. XVIII Simposio Internacional de Ingeniería Eléctrica. Universidad Central "Marta Abreu" de Las Villas
Download Paper

Impacto del control de compresión en la entropía de la señal electroencefalográfica reconstruida

Published in 18th International Symposium of Electrical Engineering SIE 2019, 2019

La compresión con pérdidas en señales electroencefalográficas (EEG) se realiza generalmente para reducir el uso de memoria, reducir los tiempos empleados en la transmisión y ahorrar la carga de las baterías que alimentan a los equipos. Sin embargo, la valoración cuantitativa de la calidad de la señal reconstruida es un tema no resuelto. En este trabajo se evalúa la entropía de la señal recuperada, para valorar el impacto de dos métricas de control de la compresión. Para esto se utiliza un algoritmo de compresión con pérdidas para la señal EEG, con dos alternativas de control: mediante Percentage Root mean square Difference y Root Mean Square Error. Primeramente se utiliza un caso de estudio para mostrar el impacto de estas alternativas sobre la entropía de la señal reconstruida. Finalmente se amplía el estudio y se realiza la comparación de las dos alternativas, según la calidad de la señal reconstruida y la relación con la tasa de compresión. Como resultado, se pudo comprobar la ventaja del empleo de la métrica Root Mean Square Error para el control de la compresión con pérdidas.

Recommended citation: DR. CARLOS A. BAZÁN PRIETO; RIGOBERTO ACOSTA GONZÁLEZ; DANIEL ORAMAS OÑOZ. Efectos de la normalización en la compresión de señales electroencefalográficas. Cuba. Cayos de Villa Clara. 2019. Simposio. XVIII Simposio Internacional de Ingeniería Eléctrica. Universidad Central "Marta Abreu" de Las Villas
Download Paper

A Cooperative Multiagent Approach for Optimal Drone Deployment Using Reinforcement Learning.

Published in Wiley Online Books, 2023

The use of drones in the context of mobile networks has seen an exponential increase in the last couple of years due to the potential advantages in terms of line of sight, mobility, and agility when compared to traditional ground networks. Despite these advantages, the optimal deployment of aerial networks is still challenging, with several works proposing different implementation alternatives. In this work, we propose a Q-learning algorithm based on a cooperative multiagent approach to intelligently find the optimal positions for a set of drones. The main objective of the proposed solution is to minimize the number of users in outage, depending on the density of users, through the dynamic assignment of transmission frequencies and considering whether each drone is participating in the communication stage. We propose and compare four different strategies for the Q-learning algorithm with different action selection policies, whose algorithms differ in terms of design complexity, ability to vary the number of drones in operation, and convergence time. The results show that as the density of users in the region of interest increases, the number of frequencies in operation must increase. In addition, for a single frequency the ALL strategy obtains the best results in all scenarios. But for three and six frequencies the New strategy gets the best results in all scenarios.

Recommended citation: Acosta-González, R., Klaine, P.V., Montejo-Sánchez, S., Souza, R.D., Zhang, L. and Imran, M.A. (2021). A Cooperative Multiagent Approach for Optimal Drone Deployment Using Reinforcement Learning. In Autonomous Airborne Wireless Networks (eds M.A. Imran, Q. Abbasi, O. Onireti and S. Ansari). https://doi.org/10.1002/9781119751717.ch4
Download Paper

talks

teaching

Pandas Tutorial

Tutorial, Online, 2024

En este tutorial vamos trabajar con el paquete Pandas de Python. Pandas es ampliamente empleado en toda la temática de aprendizaje automático como por científicos de datos.