15879 research outputs found
Sort by
Precipitation
No full textEducational unit in English about precipitation within the hydrologic cycle. It includes a reading text, comprehension questions, pronunciation practice with audio terms, sentence completion, speaking prompts, a pre-watching activity with video, and grammar exercises on “used to / be used to / get used to”. The resource covers measurement tools, influencing factors, seasonal patterns, urban management, green infrastructure, cloud seeding, and adaptation to climate change
Characteristics of co-processing in the cement industry
No full textThis resource introduces the characteristics of co-processing in the cement industry and its role in the circular economy. Through readings, comprehension questions, vocabulary with pronunciation, grammar practice on the passive voice, speaking prompts, and video-based activities, learners explore how waste is used as alternative fuel and raw material, kiln temperature conditions, environmental benefits such as reduced CO2 emissions and landfill, and quality control via pre-treatment facilities
Diverse roles of biomedical engineers
No full textThis English-language learning resource explores the diverse roles within biomedical engineering—clinical engineer, biomedical design engineer, technological entrepreneur, and engineer-scientist. Through reading comprehension, vocabulary pronunciation with audio, cloze activities, speaking prompts, and video-based quizzes, students examine collaboration with life scientists, problem-solving, innovation in hardware/software, and modeling biological systems via simulation. It includes grammar practice on the passive voice and interactive review activities
Evaluating operator exposure to chemical contaminants in the surface treatment of ship hulls and decks
Full text linkLos procesos de tratamiento superficial son un componente crucial para prolongar la durabilidad de los barcos y preservarlos en condiciones impecables. La relevancia de este trabajo fin de grado radica en evitar la exposición peligrosa de los trabajadores a las sustancias químicas empleadas en estos tratamientos. Para ello, llevaremos a cabo un análisis cuyo propósito es verificar su tolerancia y establecer acciones preventivas en el caso de no ser competente. El objetivo principal de este proyecto es llevar a cabo un análisis detallado de la exposición diaria a contaminantes químicos que afecta a los trabajadores durante la realización de tratamientos superficiales en embarcaciones.Escuela Técnica Superior de Ingeniería IndustrialUniversidad Politécnica de Cartagen
Generation of geometries and fiber fields in the aorta from medical images for numerical simulation
Full text linkEl presente trabajo tiene como finalidad desarrollar un proceso integral para la generación de geometrías tridimensionales y campos fibrilares en la arteria aorta, a partir de imágenes médicas, con el propósito de realizar simulaciones numéricas precisas en el ámbito de la biomecánica cardiovascular. Este objetivo se enmarca dentro del contexto de la ingeniería biomédica computacional, donde la combinación de técnicas de procesamiento de imagen, diseño asistido por ordenador, generación de mallas y programación científica permite construir modelos numéricos que reproducen, con elevada fidelidad, el comportamiento mecánico de estructuras vasculares complejas. El proyecto se apoya en un ecosistema de herramientas software que incluye plataformas de segmentación y reconstrucción 3D de imágenes médicas, entornos de diseño y refinamiento geométrico, programas de generación de mallas de elementos nitos, herramientas de visualización científica avanzada y librerías de programación para automatizar el flujo de trabajo. En este contexto, 3D Slicer, Fusion 360, Gmsh, ParaView y el entorno de programación en Python se integran en una metodología coherente que permite pasar de datos médicos en bruto a mallas anisotrópicas listas para simulación numérica, con el soporte empresarial y tecnológico de Vasomaly mediante el proyecto Vascular Simulation.Escuela Técnica Superior de Ingeniería IndustrialUniversidad Politécnica de Cartagen
MdG-06-Publicar en acceso abierto: vía verde o repositorios
No full textUnidad didáctica sobre la vía verde del acceso abierto centrada en el Repositorio Digital UPCT. Explica su misión, organización por comunidades, quién puede publicar y qué tipos de documentos admite. Detalla identificadores Handle y DOI, estados de los ítems (publicado, embargado, restringido), pasos para el autoarchivo, formatos recomendados, y revisión con licencias Creative Commons. Incluye obligaciones legales en España y los beneficios de publicar en acceso abierto
Laudatio de investidura pronunciado por el Dr. D. José Antonio Franco Leehmuis en la ceremonia de investidura del Dr. D. Daniel Ivan Leskovar como Doctor “Honoris Causa” por la Universidad Politécnica de Cartagena, 2026
Full text linkLaudatio pronunciado por José Antonio Franco Leemhuis durante el acto de investidura como Doctor Honoris Causa del Dr. Daniel Iván Leskovar en la Universidad Politécnica de Cartagena, celebrado el 28 de enero de 2026 con motivo de la festividad universitaria de Santo Tomás de Aquino
Measurement dataset and Matlab codes for the analysis of the wireless channel at the FR3 band at indoor and indoor corridor scenarios [Dataset]
No full textPropagation through the laboratories
The files named P1_medidas1_6_5_4096_2024-10-07-xxxxxx
contains the channel frequency response, with dimensions of 1×5×5×4096×19 . The first dimension corresponds to the single transmitter antenna. The second and third dimensions (5×5) represent the receiver uniform rectangular array (URA). The fourth dimension contains the frequency samples measured by the VNA (4096). The fifth dimension (23) corresponds to the different positions at which the transmitting was placed in the laboratory (Lab_02_11).
The correspondence between the measurement files and the transmitter positions inside the different laboratories is defined as follows:
P1_medidas1_6_5_4096_2024-10-07-130934 Lab_02_11
P2_medidas1_6_5_4096_2024-10-07-134433
P3_medidas1_6_5_4096_2024-10-07-135429
Pos1_medidas1_6_5_4096_2024-10-10-160350%Lab_2_23
Pos2_medidas1_6_5_4096_2024-10-10-161621
Pos3_medidas1_6_5_4096_2024-10-10-162637
Pos4_medidas1_6_5_4096_2024-10-10-163537
Pos5_medidas1_6_5_4096_2024-10-10-164438
Pos6_medidas1_6_5_4096_2024-10-10-165238
Pos7_medidas1_6_5_4096_2024-10-10-170113
Pos8_medidas1_6_5_4096_2024-10-10-182938
Pos1_medidas1_6_5_4096_2024-10-10-171309 %lab_2_10
Pos2_medidas1_6_5_4096_2024-10-10-172127
Pos3_medidas1_6_5_4096_2024-10-10-172926
Pos4_medidas1_6_5_4096_2024-10-10-173812
Pos5_medidas1_6_5_4096_2024-10-10-174722
Pos6_medidas1_6_5_4096_2024-10-10-175615
Pos7_medidas1_6_5_4096_2024-10-10-180734
Pos8_medidas1_6_5_4096_2024-10-10-181756
The MATLAB script ELDI_partition_Loss_Full_BW computes the parameters of the FI with partition loss model across the entire FR3 bandwidth (7–24 GHz).
The MATLAB script ELDI_partition_Loss_subbands computes the parameters of the FI with partition loss model for the FR3 sub-bands: (7.125–8.4 GHz, 10–10.5 GHz, 10.7–13.25 GHz, 14.8–15.35 GHz, and 21.2–23.6 GHz).
Propagation along the corridor
The files named P1_PC_medidas1_6_5_4096_2024-10-08-xxxxxx
contains the channel frequency response, with dimensions of 1×5×5×4096×24 . The first dimension corresponds to the single transmitter antenna. The second and third dimensions (5×5) represent the receiver uniform rectangular array (URA). The fourth dimension contains the frequency samples measured by the VNA (4096). The fifth dimension (24) corresponds to the different positions at which the transmitting was placed along the corridor.
The correspondence between the measurement files and the transmitter positions along the corridor is defined as follows:
P1_PC_medidas1_6_5_4096_2024-10-08-103450 Tx pos. 1
P2_PC_medidas1_6_5_4096_2024-10-08-105003 Tx pos. 2
P3_PC_medidas1_6_5_4096_2024-10-08-110545 Tx pos. 3
P4_PC_medidas1_6_5_4096_2024-10-08-112110 Tx pos. 4
P5_PC_medidas1_6_5_4096_2024-10-08-113534 Tx pos. 5
P6_PC_medidas1_6_5_4096_2024-10-08-115011 Tx pos. 6
P7_PC_medidas1_6_5_4096_2024-10-08-120556 Tx pos. 7
P8_PC_medidas1_6_5_4096_2024-10-08-122717 Tx pos. 8
P9_PC_medidas1_6_5_4096_2024-10-08-124217 Tx pos. 9
P10_PC_medidas1_6_5_4096_2024-10-08-125957 Tx pos. 10
P11_PC_medidas1_6_5_4096_2024-10-08-153253 Tx pos. 11
P12_PC_medidas1_6_5_4096_2024-10-08-155009 Tx pos. 12
P13_PC_medidas1_6_5_4096_2024-10-08-160433 Tx pos. 13
P14_PC_medidas1_6_5_4096_2024-10-08-161839 Tx pos. 14
P15_PC_medidas1_6_5_4096_2024-10-08-163704 Tx pos. 15
P16_PC_medidas1_6_5_4096_2024-10-08-165323 Tx pos. 16
P17_PC_medidas1_6_5_4096_2024-10-08-170828 Tx pos. 17
P18_PC_medidas1_6_5_4096_2024-10-08-133236 Tx pos. 18
P19_PC_medidas1_6_5_4096_2024-10-08-172615 Tx pos. 19
P20_PC_medidas1_6_5_4096_2024-10-08-174148 Tx pos. 20
P21_PC_medidas1_6_5_4096_2024-10-08-175618 Tx pos. 21
P22_PC_medidas1_6_5_4096_2024-10-08-181148 Tx pos. 22
P23_PC_medidas1_6_5_4096_2024-10-08-182903 Tx pos. 23
P24_PC_medidas1_6_5_4096_2024-10-08-184431 Tx pos. 24
The MATLAB script ELDI_PC computes the parameters of the partition FI model across the entire FR3 bandwidth (7–24 GHz) for the corridor scenario.
Functions
The function calcula_L_Wall_FI computes the parameters of the partition FI loss model.
The function calcula_L_Wall_CI computes the parameters of the partition CI loss model.
The function coherence_bandwidth_frequency computes the coherence bandwidth.This dataset is composed of a set of measurements and the code to analyze the measurements. The files named P1_medidas1_6_5_4096_2024-10-07-xxxxxx
contains the channel frequency response, with dimensions of 1×5×5×4096×19 . The first dimension corresponds to the single transmitter antenna. The second and third dimensions (5×5) represent the receiver uniform rectangular array (URA). The fourth dimension contains the frequency samples measured by the VNA (4096). The fifth dimension (23) corresponds to the different positions at which the transmitting was placed in the laboratory (Lab_02_11). The files named P1_PC_medidas1_6_5_4096_2024-10-08-xxxxxx
contains the channel frequency response, with dimensions of 1×5×5×4096×24 . The first dimension corresponds to the single transmitter antenna. The second and third dimensions (5×5) represent the receiver uniform rectangular array (URA). The fourth dimension contains the frequency samples measured by the VNA (4096). The fifth dimension (24) corresponds to the different positions at which the transmitting was placed along the corridor
Eco-friendly bentonite-based geopolymers: Effect of alkali concentration and silica fume incorporation strategy on microstructural, mechanical and thermal performance
No full textThe growing demand for sustainable construction materials has intensified research into lowcarbon alternatives to Portland cement, particularly clay-based geopolymer binders. This study investigates the feasibility of using calcined clay, specifically bentonite, as the sole aluminosilicate precursor for the synthesis of low-carbon eco-friendly geopolymer mortars. A bentonite clay was thermally activated at 800 ◦C for 3 h and subsequently geopolymerized using NaOH alkaline solutions with molarities ranging from 6 to 14 M, in the presence of inert sand. An optimal formulation activated at 12 M was selected to evaluate the influence of silica fume (SF), incorporated through three different strategies: dry addition, post-alkaline activation addition, and pre-dissolution in the alkaline solution. The results show that the SF incorporation strategy plays a critical role in controlling reactivity, microstructural development, physico-mechanical behavior, thermal performance, and hygric durability of clay-based geopolymers. Increasing alkaline molarity enhances matrix compactness at the expense of workability, while SF addition significantly improves workability and promotes geopolymerization, particularly within a silica fume content range of 3 to 7 %. Among the investigated protocols, pre-dissolution of SF proved to be the most effective, leading to a highly amorphous structure, improved cross-linking of the N.A. S.H network, and a maximum compressive strength of approximately 36 MPa, as confirmed by 29Si NMR analysis. Thermal assessments revealed low thermal conductivity values (≈0.49 to 0.51 W/m⋅K), high heat capacity, and favorable thermal inertia, meeting the RILEM LC2 classification. Microstructural investigations using XRF, XRD, FTIR, SEM/EDS, and 29Si NMR highlighted a denser and more homogeneous matrix for geopolymers produced via the pre-dissolution route,The authors gratefully acknowledge the Ministry of Higher Education and Scientific Research of Algeria, the DGRSDT, and the Erasmus+ Programme of the European Commission for their financial and institutional support of this research. They also express their sincere gratitude to the Laboratory of Intelligent Structures (University of Aïn T´emouchent, Algeria) and the laboratories of the Polytechnic University of Cartagena (UPCT, Spain) for their scientific and technical support, as well as to Mr. Raúl Zornoza Belmonte and Mr. Jos´e Antonio Jim´enez-Valera for their valuable collaboration
Latent variable models in the context of geostatistical analysis and inference
Full text link[SPA] Este trabajo de tesis aborda el problema fundamental de la inferencia con variables latentes en dominios de alta complejidad en cuanto a la interdependencia espacial, como la geoestadística y el análisis de imágenes hiperespectrales. A pesar de los avances actuales, los métodos tradicionales se enfrentan a desafíos significativos, incluyendo la dependencia de supuestos rígidos, la falta de escalabilidad y la incapacidad de capturar la heterogeneidad y las discontinuidades inherentes a los datos del mundo real. La tesis postula que estas limitaciones pueden superarse al reformular la inferencia espacial, trasladando los supuestos fuertes (tanto estadísticos como topológicos, tales como la adopción de distribuciones específicas, ergodicidad, estacionaridad o continuidad en el espacio) desde el dominio observado, donde rara vez se cumplen en la práctica, hacia una variable latente de organización espacial. En este nuevo marco, tales supuestos dejan de ser exigencias restrictivas sobre los datos y pasan a constituir propiedades asumidas por construcción en el dominio latente. La variable latente puede entenderse entonces como la estructura subyacente que explica las dependencias espaciales, ya sea mediante la imposición de regularidades espaciales explícitas, o bien a través de la agrupación en subpoblaciones que, aun sin una geometría espacial directa, inducen patrones heterogéneos en el campo observado. De este modo, la variable latente opera como un estadístico suficiente que concentra las regularidades del espacio, permitiendo desplazar la inferencia desde los datos hacia la estructura oculta que los organiza, y abriendo la puerta a modelos más flexibles y robustos que trascienden las limitaciones de los enfoques clásicos. En el ámbito de la geoestadística, la tesis introduce el Adaptive Ensemble Spatial Interpolation (ESI), concebido como un recorrido empírico que evidencia cómo la incorporación de una variable latente, formulada dentro de un modelo generativo bayesiano que concentra la estructura espacial en una partición estocástica del espacio, posibilita obtener estimaciones con un desempeño comparable o incluso superior al de la geoestadística tradicional, particularmente en escenarios de datos escasos. En este planteamiento, la coherencia espacial no se impone mediante supuestos rígidos ni a través del modelado explícito de variogramas, sino que surge de manera natural de la propia construcción del modelo. A partir de esta perspectiva práctica, la tesis avanza hacia un marco teórico más riguroso, que es la Spatial Distributional Estimation (SDE), donde se demuestra que la variable latente no solo organiza la información espacial, sino que también induce la emergencia de una estructura de dependencias oculta, formalizada como una cópula latente. Esta cópula, en tanto estimador consistente de la dependencia real del campo aleatorio, garantiza que el método mantenga solidez probabilística a la vez que flexibilidad inferencial. Para la clasificación de imágenes hiperespectrales, se propone la Stochastic Image Sprectroscopy (SIS). Mientras los métodos tradicionales dependen de la extracción de firmas espectrales, a menudo difíciles de obtener debido al ruido y a las condiciones de campo, el modelo SIS se basa en una capa oculta (variable latente), sin estructura, que agrupa píxeles espacialmente en identidades poblacionales significativas. Esta estrategia generativa permite la discriminación de fenómenos complejos a un nivel de abstracción superior, siendo particularmente robusta en ausencia de etiquetas o con anotaciones ruidosas. Las contribuciones de esta tesis son la formulación de un marco robusto que dota de garantías teóricas a los algoritmos basados en variables latentes de organización espacial, la creación de métodos reproducibles y escalables, y la demostración de su efectividad en diversos escenarios de aplicación, ofreciendo una nueva filosofía para la inferencia probabilística en ciencia de datos.[ENG] This thesis addresses the fundamental problem of inference with latent variables in domains of high complexity in terms of spatial interdependence, such as geostatistics and hyperspectral image analysis. Despite current advances, traditional methods face significant challenges, including reliance on rigid assumptions, lack of scalability, and inability to capture the heterogeneity and discontinuities inherent in real-world data. The thesis posits that these limitations can be overcome by reformulating spatial inference, shifting the strongest assumptions (both statistical and topological, such as the adoption of specific distributions, ergodicity, stationarity, or continuity in space) from the observed domain, where they are rarely satisfied in practice, to a latent spatial organisation variable. In this new framework, such assumptions cease to be restrictive requirements on the data and become properties assumed by construction in the latent domain. The latent variable can then be understood as the underlying structure that explains spatial dependencies, either by imposing explicit spatial regularities or by grouping into subpopulations that, even without direct spatial geometry, induce heterogeneous patterns in the observed field. In this way, the latent variable operates as a sufficient statistic that concentrates the regularities of space, allowing the inference to be shifted from the data to the hidden structure that organises them, and opening the door to more flexible and robust models that transcend the limitations of classical approaches. In the field of geostatistics, the thesis introduces Adaptive Ensemble Spatial Interpolation (ESI), conceived as an empirical journey that demonstrates how the incorporation of a latent variable, formulated within a Bayesian generative model that concentrates the spatial structure in a stochastic partition of space, makes it possible to obtain estimates with performance comparable to or even superior to that of traditional geostatistics, particularly in scenarios with scarce data. In this approach, spatial coherence is not imposed by rigid assumptions or through explicit variogram modelling, but arises naturally from the construction of the model itself. From this practical perspective, the thesis moves towards a more rigorous theoretical framework, namely Spatial Distributional Estimation (SDE), where it is shown that the latent variable not only organises spatial information, but also induces the emergence of a hidden dependency structure, formalised as a latent copula. This copula, as a consistent estimator of the actual dependence of the random field, ensures that the method maintains probabilistic robustness while offering inferential flexibility. For the classification of hyperspectral images, Stochastic Image Spectroscopy (SIS) is proposed. While traditional methods rely on the extraction of spectral signatures, which are often difficult to obtain due to noise and field conditions, the SIS model is based on a hidden layer (latent variable), without structure, which spatially groups pixels into significant population identities. This generative strategy allows the discrimination of complex phenomena at a higher level of abstraction, being particularly robust in the absence of labels or with noisy annotations. The contributions of this thesis are the formulation of a robust framework that provides theoretical guarantees for algorithms based on latent variables of spatial organisation, the creation of reproducible and scalable methods, and the demonstration of their effectiveness in various application scenarios, offering a new philosophy for probabilistic inference in data science.Esta tesis doctoral se presenta bajo la modalidad de compendio de publicaciones. Esta formada por los siguientes artículos:
Egaña, A.F., Ehrenfeld, A., Curotto, F. et al. Stochastic image spectroscopy: a discriminative generative approach to hyperspectral image modelling and classification. Sci Rep 14, 19308 (2024). https://doi.org/10.1038/s41598-024-69732-6
Egaña, A.F., Valenzuela, M.J., Maleki, M. et al. Adaptive ensemble spatial analysis. Sci Rep 15, 26599 (2025). https://doi.org/10.1038/s41598-025-08844-z
Alvaro F. Egaña, Gonzalo Díaz, Felipe Navarro, Mohammad Maleki, Juan F. Sánchez-Pérez. Spatial distributional estimation via ensemble spatial analysis[J]. AIMS Mathematics, 2025, 10(11): 26351-26388. doi: 10.3934/math.20251159Escuela Internacional de DoctoradoUniversidad Politécnica de CartagenaTecnología y Modelización en Ingeniería Civil, Minera y Ambienta