Examinando por Autor "Ovalle, Demetrio Arturo"

Mostrando 1 - 3 de 3
  • Miniatura
    PublicaciónSólo datos
    AMBIENTE INTELIGENTE DISTRIBUIDO DE APRENDIZAJE: INTEGRACIÓN DE ITS Y CSCL POR MEDIO DE AGENTES PEDAGÓGICOS
    (Fondo Editorial EIA - Universidad EIA, 2013-10-09) Ovalle, Demetrio Arturo; Jiménez, Jovani Alberto
    En este artículo se describe inicialmente el marco teórico de referencia enmarcado en los Ambientes Inteligentes Distribuidos de Aprendizaje (DILE), Sistemas Tutoriales Inteligentes (ITS), Ambientes Colaborativos de Aprendizaje Apoyados en Computador (CSCL) y Sistemas Multiagente (MAS) Pedagógicos; para luego presentar el Ambiente Multiagente de Enseñanza/Aprendizaje ALLEGRO. Además de integrar las anteriores áreas de investigación de la Inteligencia Artificial Distribuida (DAI), ALLEGRO fundamenta su paradigma instruccional en tres modelos pedagógicos: el conductismo, el cognitivismo (cognición distribuida y aprendizaje basado en problemas) y la teoría histórico-social. La validación fue realizada con diversos casos de estudio en el dominio de gráfica digital para cursos de postgrado en arquitectura.Abstract: In this article we start describing the theory inside the Distributed Intelligent Learning Environment (DILE), Intelligent Tutorial Systems (ITS), Computer-Supported Collaborative Learning (CSCL), and MultiAgent Pedagogical Systems (MAS); therefore, we can present the Multi-Agent Teaching/Learning systemcalled ALLEGRO. Besides of putting all the areas mentioned and those regarding the research of Distributed Artificial Intelligence (DAI) together, ALLEGRO fundaments its instructional paradigm in three pedagogical models: conductive, cognitive (distributed cognition and problem-based learning) and the social-historical theory. The validation was made through studying different cases handling digital graphics for graduate courses on Architecture majoring.
  • Miniatura
    PublicaciónAcceso abierto
    Evaluación del desempeño en redes inalámbricas de sensores mejoradas con agentes móviles
    (2013-11-13) Montoya, Alcides; Ovalle, Demetrio Arturo
    The reconfiguration, reprogramming, and deployment of new computational tasks in wireless sensor networks are complex and represent a problem satisfactorily unresolved at present. The aim of this paper is to propose the performance evaluation of the use of mobile intelligent agents as autonomous rescheduling mechanism in such networks. The method used for performance evaluation is done by measuring the energy consumption in the migration of mobile intelligent agents among the sensor nodes of the system and calculating the convergence time of the network, defined as the time it takes for the network to move from one state to another; in experiments it refers to the delay in changing the sampling time for the entire network. The most efficient solution, which was tested and evaluated in a network is composed of 40 nodes that detect in real time ammonia leaks, determined that the key issue is to reduce the expenditure of unnecessary energy in transmission from the wireless sensors to the base station, while avoiding unnecessary confirmations and transmissions of data and procedures among sensor nodes. This fact represents besides the reduction in the network energy consumption, a very significant saving for convergence time of the network.
  • Miniatura
    PublicaciónSólo datos
    EVALUACIÓN DEL DESEMPEÑO EN REDES INALÁMBRICAS DE SENSORES MEJORADAS CON AGENTES MÓVILES (PERFORMANCE EVALUATION OF WIRELESS SENSOR NETWORKS IMPROVED WITH MOBILE AGENTS)
    (Fondo Editorial EIA - Universidad EIA, 2013-11-07) Montoya, Alcides; Ovalle, Demetrio Arturo
    La reconfiguración, reprogramación y despliegue de nuevas tareas computacionales en redes inalámbricas de sensores es un problema no resuelto satisfactoriamente en la actualidad. Este artículo propone la evaluación del desempeño en redes inalámbricas de sensores mejoradas con agentes móviles inteligentes como mecanismo de reprogramación autónoma. El método utilizado para la evaluación del desempeño se fundamenta en la medida del consumo de energía durante el proceso de migración de los agentes móviles inteligentes entre los nodos sensores y en el cálculo del tiempo de convergencia de la red, definido como el tiempo que tarda la red en pasar de un estado a otro; en los experimentos se refiere al retardo durante el cambio del tiempo de muestreo para toda la red. La solución más eficiente, que fue probada y evaluada en una red inalámbrica formada por 40 nodos que detectan fugas de amoniaco en tiempo real, determinó que el punto clave consiste en disminuir el consumo de energía producto de las confirmaciones y retransmisiones innecesarias de datos y procedimientos, desde los nodos sensores hasta la estación base. Este hecho representa, además de la disminución en el consumo energético, un ahorro significativo en el tiempo de convergencia de la red.Abstract: The reconfiguration, reprogramming, and deployment of new computational tasks in wireless sensor networks are complex and represent a problem satisfactorily unresolved at present. The aim of this paper is to propose the performance evaluation of the use of mobile intelligent agents as autonomous rescheduling mechanism in such networks. The method used for performance evaluation is done by measuring the energy consumption in the migration of mobile intelligent agents among the sensor nodes of the system and calculating the convergence time of the network, defined as the time it takes for the network to move from one state to another; in experiments it refers to the delay in changing the sampling time for the entire network. The most efficient solution, which was tested and evaluated in a network is composed of 40 nodes that detect in real time ammonia leaks, determined that the key issue is to reduce the expenditure of unnecessary energy in transmission from the wireless sensors to the base station, while avoiding unnecessary confirmations and transmissions of data and procedures among sensor nodes. This fact represents besides the reduction in the network energy consumption, a very significant saving for convergence time of the network.