UPCommons (Universitat Politècnica de Catalunya)
Not a member yet
281550 research outputs found
Sort by
Between temples and fortresses. An egyptian adventure by Sherlock Holmes and John H. Watson
No full textEn el marco de la Teoría de Juegos, se repasan los principios básicos de los juegos de dos personas de suma general o bimatriciales en entornos de competición y de colaboración. La aplicación de tales principios se ilustra a través de un ejemplo basado en una aventura de Sherlock Holmes y el doctor John H. Watson en la que los detectives se enfrentan al dilema entre competir o colaborar.Peer ReviewedPostprint (published version
Estudi estructural del pont del Diable de Martorell
No full textAquest treball analitza el comportament estructural dels ponts d’arcs construïts amb fàbrica, una de les tipologies més representatives de l’enginyeria històrica. L’estudi comença amb un recorregut pels fonaments teòrics, tècnics i històrics d’aquesta mena d’estructures, incloent les aportacions de figures clau com Leonardo da Vinci, Heyman, Huerta o Engesser, i posa especial atenció en els mecanismes de transmissió d’esforços, la línia d’empentes i el col·lapse d’arcs. A partir de la revisió de fonts i teories, es proposa una aproximació analítica que combina l’estàtica gràfica tradicional amb tècniques modernes com el mètode dels elements finits (FEM). Tot aquest recorregut teòric culmina amb un cas pràctic: el Pont del Diable de Martorell, una obra emblemàtica d’origen romà i reconstrucció gòtica. S’ha dut a terme una simulació estructural en condicions extremes amb el programari Ansys per verificar-ne l’estabilitat. Els resultats obtinguts confirmen que, fins i tot sota sobrecàrregues significatives i condicions adverses, el pont es troba lluny del col·lapse estructural. El treball, però, transcendeix aquest cas concret, i ofereix una anàlisi global dels ponts de fàbrica com a sistema constructiu històric i eficient
Identification of regionalized multiscale microseismic characteristics and rock failure mechanisms under deep mining conditions
No full textThe rock mass failure induced by deep mining exhibits pronounced spatial heterogeneity and diverse mechanisms, with its microseismic responses serving as effective indicators of regional failure evolution and instability mechanisms. Focusing on the Level VI stope sublayers in the Jinchuan #2 mining area, this study constructs a 24-parameter index system encompassing time-domain features, frequency-domain features, and multifractal characteristics. Through manifold learning, clustering analysis, and hybrid feature selection, 15 key indicators were extracted to construct a classification framework for failure responses. Integrated with focal mechanism inversion and numerical simulation, the failure patterns and corresponding instability mechanisms across different structural zones were further identified. The results reveal that multiscale microseismic characteristics exhibit clear regional similarities. Based on the morphological features of radar plots derived from the 15 indicators, acoustic responses were classified into four typical types, each reflecting distinct local failure mechanisms, stress conditions, and plastic zone evolution. Moreover, considering dominant instability factors and rupture modes, four representative rock mass instability models were proposed for typical failure zones within the stope. These findings provide theoretical guidance and methodological support for hazard prediction, structural optimization, and disturbance control in deep metal mining areas.The authors wish to acknowledge the financial support from the Distinguished Youth Funds of the National Natural Science Foundation of China (No. 52425403) and the Hunan Province Graduate Research Innovation Project of China (No. CX20230168).Peer ReviewedPostprint (published version
Hybrid method for holistic air traffic demand and capacity balancing optimisation based on sector complexity
No full textThis paper presents a new hybrid method, based on simulated annealing and dynamic programming, tailored to solve a Demand and Capacity Balancing (DCB) problem that overcomes the limitations of the current Air Traffic Flow and Capacity Management (ATFCM) system by: (a) the introduction of complexity metrics (instead of entry counts) in order to measure the traffic load; (b) the better consideration of the airspace users’ preferences, allowing the possibility of submitting alternative trajectories to avoid congested airspace; and (c) the holistic integration of the demand and capacity management into the same optimisation problem. This new method is compared with the state-of-the-art method for MILP providing better performance principally when the difficulty of the problem increases. Finally, the proposed method is applied to a real-scale scenario, demonstrating its practical applicability in real-world cases.Peer ReviewedPostprint (published version
Disseny d’un xassís plataforma multimodel per a motocicleta
No full textDurant les últimes dècades, la demanda de personalització de vehicles ha crescut exponencialment. En un món amb un nombre creixent de vehicles, la implementació de plataformes multimodel i solucions comunes que permetin múltiples models, personalització i reducció de costos i temps de disseny és ara més important que mai. Hem vist un ús apropiat i ben desenvolupat d’aquests conceptes en els cotxes, però no en la mateixa mesura en les motocicletes. Tot i que ja s’han implementat algunes solucions relacionades amb el tema, estem estudiant fer un pas més enllà amb el desenvolupament d’un xassís de moto multiplataforma. Hem optat per un plantejament modular, basat en un xassís de tipus Trellis, amb mòduls laterals comuns però mòduls frontals i posteriors propis per a cada tipus de moto; permetent múltiples dimensions, geometries i proporcions en una xassís/plataforma comuna. Mitjançant una metodologia de lean startup, i adaptant el disseny a tres tipus de motos en aquest cas (motos esportives, trail/adventure i motos de tipus grand touring), hem arribat al que creiem que és una solució viable per al repte proposat. La integritat estructural del disseny s’ha analitzat examinant totes les situacions límit (màxima frenada, acceleració i pas per corba) per a cada configuració de tipus de motocicleta, assegurant la rigidesa apropiada de totes les variacions del xassís. Encara no coneixem les implicacions futures d’implementar aquest concepte, però sens dubte podria ajudar a reduir els recursos utilitzats en el disseny, obrir la porta a nous nivells de personalització i contribuir a la implementació d’una economia circular. A més d’això, creiem que podria canviar de múltiples maneres l’enfocament que s’està seguint actualment en el procés de disseny de la moto, suposant que la idea tingui èxit i donat un període de temps suficient per a què es produeixen els canvis.Se ha realizado el diseño de un chasis de motocicleta, con un planteamiento modular y adaptándolo para que pueda ser utilizado en múltiples tipologías de motocicleta.Over the last few decades, the demand for vehicle personalization has grown exponentially. In a world with an ever-growing number of vehicles, the implementation of multi-model platforms and common solutions which allow for multiple models, personalization and reduced design costs and times is now more important than ever. A thoughtful and advanced use of these concepts has already been seen on cars, but not to the same extent in motorcycles. Although some solutions regarding the topic have already been implemented, the development of a multi-platform motorcycle chassis would mean taking it a step further forward. A modular approach has been the selected option to turn the idea into reality, basing it on a Trellis-type chassis, with common side modules and personalized front and back modules for each motorcycle type, allowing for multiple dimensions, geometries and proportions on a common chassis/platform. Using a lean startup methodology, and adapting the design to three types of motorcycles in this case (sport-bikes, trail/adventure bikes and grand touring motorbikes), a viable solution for the proposed challenge has been reached. The structural integrity of the design has been analyzed via examining all limit situations (maximum braking, acceleration and corner-pass) for every bike type configuration, ensuring the appropriate rigidity of all chassis variations. The future implications of implementing such a concept are still unknown, but it could certainly help reduce resources used on design, open the door to new levels of personalization, and push the implementation of a circular economy forward. On top of that the approach which is currently followed for the motorcycle design process could change in multiple ways, assuming the idea were successful and given a long enough time-span for the changes to occur
An advanced control strategy for optimizing HVAC system performance in non-residential buildings
No full text(English) This PhD research addresses the scientific and practical challenges in implementing advanced control systems (ACS) for HVAC optimization in non-residential buildings. While adaptive and predictive strategies, especially model predictive control (MPC) and neural network (NN)-based methods, have shown promise in research, real-world deployment remains limited. Barriers include insufficient building historical data, technical limitations of HVAC systems, lack of building energy management systems (BEMS) standardization, and low institutional readiness. To address these, this thesis uses a dual-method approach combining empirical analysis and simulation-based experimentation.
First, a survey of 676 non-residential buildings evaluates BEMS practices, focusing on HVAC control, data storage, and predictive control adoption. While smart metering and sensors are increasingly common, predictive control is reported in only 0.6% of buildings. Key barriers identified include a lack of environmental data logging, obsolete HVAC systems that do not support integration with predictive control technologies, limited technical expertise among building operators, and insufficient investment frameworks, particularly in the public sector.
To respond to data and implementation challenges, the second part develops and evaluates NN-based predictive controllers using a calibrated building energy model. Eight NN models are trained on varying amounts of historical data to assess impacts on prediction accuracy and HVAC performance. Validations use consistent KPIs for thermal comfort and energy efficiency. Results show that 1–4 months of data are needed for acceptable performance, reaching a performance threshold after two years. Data preprocessing helps in data-limited cases (<100 instances), but adds little value with larger datasets, suggesting a context-specific role.
Further analysis explores operational and climatic sensitivities. In cold climates and post-HVAC shutdown periods (e.g., Monday mornings), models struggle due to sparse training data. Performance improves mid-week and in warm zones, highlighting the need for diverse and climate-adapted training data. Compared to rule-based scheduling, NN controllers consistently improve energy use and comfort, especially when supported by adequate data and system configuration.
This thesis offers novel insights into deploying intelligent HVAC control systems. It identifies data thresholds for effective predictive control, clarifies preprocessing roles, and provides guidance on model adaptation to climate and operations. It also highlights broader needs such as standardizing data acquisition, training energy professionals, and fostering public-private collaboration to reduce implementation risk. The findings support scalable predictive control in practice and contribute to the goals of energy efficiency, smart building management, and decarbonization.(Català) Aquesta tesi doctoral aborda els reptes científics i pràctics en la implementació de sistemes de control avançats (ACS) per optimitzar la climatització (HVAC) en edificis no residencials. Tot i que estratègies com el control predictiu basat en models (MPC) i les xarxes neuronals (NN) han donat bons resultats en recerca, l'aplicació pràctica és encara molt limitada. Les barreres inclouen la manca de dades històriques, limitacions tècniques dels sistemes HVAC, absència d’estàndards en els sistemes de gestió energètica (BEMS) i poca preparació institucional. Per abordar-ho, la tesi adopta un enfocament dual que combina anàlisi empírica i experimentació amb simulació.
Primer, es realitza una enquesta a 676 edificis no residencials per avaluar les pràctiques BEMS, centrant-se en el control HVAC, l'emmagatzematge de dades i l'adopció del control predictiu. Tot i que els sensors i comptadors intel·ligents són habituals, només el 0,6 % fa servir control predictiu. Es detecten barreres com la manca de registre ambiental, sistemes HVAC obsolets, poca formació tècnica i manca d'inversió, sobretot al sector públic.
Com a resposta, la segona part desenvolupa i avalua controladors predictius basats en NN amb un model energètic calibrat. S’entrenen vuit models amb diferents volums de dades per avaluar-ne la precisió i el rendiment HVAC. Es fan servir indicadors clau (KPIs) sobre confort tèrmic i eficiència energètica. Els resultats indiquen que calen entre 1 i 4 mesos de dades per a un rendiment acceptable, amb un llindar de millora limitada al cap de dos anys. El preprocessament és útil amb pocs casos (<100), però aporta poc amb conjunts grans, indicant un valor condicionat al context. L’anàlisi identifica sensibilitats operatives i climàtiques. En climes freds i després de pauses (com els dilluns), els models fallen per manca de dades similars. El rendiment millora a mitja setmana i en climes càlids, mostrant la importància de dades variades i adaptades al clima. En comparació amb la programació tradicional, els controladors NN milloren de forma consistent el consum i el confort, si disposen de dades i configuració adequada.
Aquesta tesi aporta coneixement pràctic per aplicar sistemes intel·ligents de control HVAC. Defineix llindars mínims de dades, aclareix el rol del preprocessament i ofereix guies per adaptar els models al clima i funcionament real. També destaca la necessitat d’estandarditzar la recollida de dades, formar tècnics i impulsar la col·laboració públic-privada. Les conclusions donen suport a la implantació escalable del control predictiu, contribuint a l’eficiència energètica, la gestió intel·ligent i la descarbonització dels edificis.(Español) Esta tesis doctoral aborda los retos científicos y prácticos en la implementación de sistemas de control avanzados (ACS) para optimizar la climatización (HVAC) en edificios no residenciales. Aunque estrategias como el control predictivo basado en modelos (MPC) y redes neuronales (NN) han mostrado buenos resultados en investigación, su aplicación práctica sigue siendo limitada. Las barreras incluyen la falta de datos históricos, limitaciones técnicas en los sistemas HVAC, ausencia de estandarización en sistemas de gestión energética (BEMS) y baja preparación institucional. Para abordarlas, esta tesis emplea un enfoque dual que combina análisis empírico y experimentación por simulación.
Primero, se analiza una encuesta a 676 edificios no residenciales para evaluar las prácticas BEMS, centrándose en control HVAC, almacenamiento de datos y adopción de control predictivo. Aunque sensores y medición inteligente son comunes, solo el 0,6 % usa control predictivo. Se identifican barreras como falta de registro ambiental, sistemas HVAC obsoletos, escasa formación técnica y falta de inversión, especialmente en el sector público.
En respuesta, la segunda parte desarrolla y evalúa controladores predictivos basados en NN usando un modelo energético calibrado. Se entrenan ocho modelos con distintos volúmenes de datos históricos para evaluar su impacto en la precisión de predicción y el rendimiento HVAC. Se usan indicadores clave (KPIs) sobre confort térmico y eficiencia energética. Los resultados muestran que entre 1 y 4 meses de datos son necesarios para un rendimiento aceptable, y tras dos años se alcanza un margen de mejora limitada. El preprocesamiento de datos ayuda con pocos datos (<100), pero aporta poco en conjuntos mayores, sugiriendo una utilidad según contexto.
El análisis identifica sensibilidades operativas y climáticas. En climas fríos y tras pausas (como lunes), los modelos fallan por falta de datos similares. El rendimiento mejora a mitad de semana y en zonas cálidas, destacando la importancia de datos diversos y adaptados al clima. Comparado con la programación tradicional, los controladores NN mejoran de forma consistente el uso energético y el confort, si hay datos y configuración adecuados.
Esta tesis aporta nuevos conocimientos sobre el uso práctico de sistemas inteligentes de control HVAC. Define umbrales mínimos de datos, clarifica el rol del preprocesamiento y ofrece pautas para adaptar los modelos a condiciones climáticas y operativas. También resalta la necesidad de estandarizar la recogida de datos, formar técnicos energéticos y promover la colaboración público-privada. Los hallazgos apoyan la implementación escalable del control predictivo, contribuyendo a la eficiencia energética, la gestión inteligente y la descarbonización de edificios.Postprint (published version
La operativa en buques portacontenedores centrada en la figura del planner: descripción de las operativas, detección de problemas y análisis para resolverlos
No full textEste trabajo tiene la intención de mostrar y estudiar la figura del planner en una terminal de portacontenedores, así como realizar un estudio de las operativas de carga y descarga que se llevan a cabo, las problemáticas encontradas y sus análisis para resolverlas.
En primer lugar, se realiza una breve descripción de los conceptos básicos, así como del contenedor, el puerto, la terminal portuaria y el trincaje, tratando los principales elementos.
En relación con la operativa, se estudia desde que el buque atraca hasta que desatraca del muelle, describiendo los principales problemas que se pueden encontrar en ella, focalizando el principal problema con los twistlocks. Todo esto, para entender el conjunto de las variables que permiten que las operaciones se realicen de la forma más rápida posible y con la menor demora
Network anomaly detection with graph neural networks
No full textTesi amb menció de Doctorat Internacional(English) Modern networks support critical applications with increasingly diverse, complex, and dynamic requirements. Ensuring their proper functioning is vital to maintaining the reliability and availability of these dependent services. Anomaly Detection (AD) plays a crucial role in preserving network performance by promptly identifying disruptions or degradations. In computer networks, the behavior of a node (e.g., a router) is heavily influenced by its surrounding elements. However, many traditional and Machine Learning (ML)-based methods often fail to exploit these structural correlations effectively, and in some cases ignore them entirely.
While some existing approaches attempt to incorporate topological information into the AD task, they often do so suboptimally, losing key relational information. As a result, these systems struggle to achieve the robustness and adaptability required for deployment in dynamic, production environments.
Graph Neural Networks (GNNs) have recently gained prominence for modeling tasks where spatial correlations are essential. Nevertheless, their application to AD in computer networks remains underexplored, despite their natural suitability for such structured environments. This thesis investigates new uses of GNNs for AD in networked systems, focusing on three representative scenarios: (i) Border Gateway Protocol (BGP) AD, where hijacks and misconfigurations cause structural changes; (ii) contextual AD, where anomalies depend on the behavior of neighboring entities; and (iii) zero-shot spatiotemporal modeling, enabling forecasting in data-scarce environments.
In the first scenario, we leverage the raw BGP topology to design a model capable of generalizing across incidents while maintaining a low false-positive rate, an essential requirement for real-world deployment. We evaluate the model on well-known BGP incidents and extensive regular operation data to validate its robustness.
For contextual AD, we propose two GNN-based models that uncover hidden relationships between flows in a backbone network. We validate these models on datasets containing both real and synthetic anomalies and show how the attention mechanisms provide interpretable visualizations of the learned contextual dependencies.
Finally, we introduce a GNN-based spatiotemporal model trained on non-networking time series, capable of achieving zero-shot forecasting performance on network monitoring data. The model exploits attention mechanisms to learn and transfer spatial and temporal correlations across domains, outperforming state-of-the-art baselines. Moreover, the learned attention patterns suggest opportunities to simplify spatiotemporal representations, which is critical for scaling models to large production networks. These predictions can subsequently be used to perform AD, which is our main motivation to develop it.
Collectively, the contributions of this thesis advance the use of Graph Neural Networks for Anomaly Detection in computer networks by systematically leveraging topological information to improve predictive performance and interpretability. Furthermore, the role of attention mechanisms for providing more interpretable results is also explored, opening the door to using them as a way to both understand the reasons behind the detected anomalies and to provide more transparency to the underlying dynamics in computer networks.(Català) Les xarxes modernes donen suport a aplicacions crítiques amb requisits cada vegada més diversos, complexos i dinàmics. Garantir el seu funcionament correcte és fonamental per mantenir la fiabilitat i disponibilitat dels serveis que en depenen. La Detecció d’Anomalies (AD, per les seves sigles en anglès) juga un paper clau en la preservació del rendiment de la xarxa, ja que permet identificar ràpidament interrupcions o degradacions. En les xarxes de computadors, el comportament d’un node (per exemple, un encaminador) està fortament influenciat pels elements del seu entorn. No obstant això, molts mètodes tradicionals i basats en l’aprenentatge automàtic (ML) no aprofiten de manera efectiva aquestes correlacions estructurals i, en alguns casos, les ignoren completament.
Tot i que alguns enfocaments existents intenten incorporar informació topològica a la tasca de detecció d’anomalies, sovint ho fan de manera subòptima, perdent informació relacional clau. Això provoca que aquests sistemes tinguin dificultats per assolir la robustesa i adaptabilitat necessàries per ser desplegats en entorns de producció dinàmics.
Les Xarxes Neuronals Gràfiques (GNNs) han guanyat protagonisme recentment per a tasques de modelatge on les correlacions espacials són essencials. Tanmateix, la seva aplicació a la detecció d’anomalies en xarxes de computadors encara està poc explorada, tot i la seva adequació natural per a entorns estructurats. Aquesta tesi investiga nous usos de les GNNs per a la detecció d’anomalies en sistemes en xarxa, centrant-se en tres escenaris representatius: (i) detecció d’anomalies al protocol Border Gateway Protocol (BGP), on segrestos i errors de configuració provoquen canvis estructurals; (ii) detecció d’anomalies contextuals, on les anomalies depenen del comportament de les entitats veïnes; i (iii) modelatge espaciotemporal zero-shot, que permet fer prediccions en entorns amb escassetat de dades.
En el primer escenari, s’utilitza la topologia BGP en brut per dissenyar un model capaç de generalitzar entre incidents mantenint una baixa taxa de falsos positius, un requisit essencial per al seu ús en entorns reals. El model s’avalua amb incidents BGP coneguts i dades extenses d’operació regular per validar-ne la robustesa.
Per a la detecció d’anomalies contextuals, es proposen dos models basats en GNN que descobreixen relacions ocultes entre fluxos en una xarxa backbone. Aquests models s’avaluen amb conjunts de dades que contenen anomalies tant reals com sintètiques, i es demostra com els mecanismes d’atenció permeten generar visualitzacions interpretables de les dependències contextuals apreses.
Finalment, s’introdueix un model espaciotemporal basat en GNN entrenat amb sèries temporals que no són de xarxes, capaç d’assolir un rendiment de predicció zero-shot sobre dades de monitoratge de xarxa. El model aprofita mecanismes d’atenció per aprendre i transferir correlacions espacials i temporals entre dominis, superant els mètodes de referència de l’estat de l’art. A més, els patrons d’atenció apresos suggereixen oportunitats per simplificar les representacions espaciotemporals, cosa que és crítica per escalar aquests models a xarxes de producció de gran escala. Aquestes prediccions es poden utilitzar posteriorment per dur a terme detecció d’anomalies, que és la nostra principal motivació per desenvolupar aquest enfocament.
En conjunt, les contribucions d’aquesta tesi impulsen l’ús de Xarxes Neuronals Gràfiques per a la Detecció d’Anomalies en xarxes de computadors, aprofitant de manera sistemàtica la informació topològica per millorar tant el rendiment predictiu com la interpretabilitat. Així mateix, s’explora el paper dels mecanismes d’atenció com a eina per entendre millor les causes de les anomalies detectades i aportar més transparència a la dinàmica subjacent de les xarxes de computadors.(Español) Las redes modernas soportan aplicaciones críticas con requisitos cada vez más diversos, complejos y dinámicos. Garantizar su correcto funcionamiento es fundamental para mantener la fiabilidad y disponibilidad de los servicios que dependen de ellas. La Detección de Anomalías (AD) desempeña un papel crucial en la preservación del rendimiento de la red al identificar de forma rápida interrupciones o degradaciones. En las redes de computadores, el comportamiento de un nodo (por ejemplo, un router) está fuertemente influenciado por los elementos que lo rodean. Sin embargo, muchos métodos tradicionales y basados en Aprendizaje Automático (ML) no logran explotar eficazmente estas correlaciones estructurales y, en algunos casos, las ignoran por completo.
Si bien algunos enfoques existentes intentan incorporar información topológica en la tarea de detección de anomalías, a menudo lo hacen de forma subóptima, perdiendo información relacional clave. Como resultado, estos sistemas tienen dificultades para alcanzar la robustez y adaptabilidad necesarias para su despliegue en entornos de producción dinámicos.
Las Redes Neuronales Gráficas (GNNs) han ganado recientemente relevancia en tareas de modelado donde las correlaciones espaciales son esenciales. No obstante, su aplicación a la detección de anomalías en redes de computadores sigue siendo poco explorada, a pesar de su idoneidad natural para entornos estructurados. Esta tesis investiga nuevos usos de las GNNs para la detección de anomalías en sistemas en red, centrándose en tres escenarios representativos: (i) detección de anomalías en el protocolo Border Gateway Protocol (BGP), donde secuestros y errores de configuración provocan cambios estructurales; (ii) detección de anomalías contextuales, donde las anomalías dependen del comportamiento de entidades vecinas; y (iii) modelado espaciotemporal zero-shot, que permite realizar predicciones en entornos con escasez de datos.
En el primer escenario, se aprovecha la topología BGP en bruto para diseñar un modelo capaz de generalizar entre incidentes manteniendo una baja tasa de falsos positivos, un requisito esencial para su uso en entornos reales. El modelo se evalúa sobre incidentes BGP conocidos y datos extensos de operación normal para validar su robustez.
Para la detección de anomalías contextuales, se proponen dos modelos basados en GNN que descubren relaciones ocultas entre flujos en una red backbone. Estos modelos se validan sobre conjuntos de datos que contienen anomalías tanto reales como sintéticas, y se muestra cómo los mecanismos de atención permiten generar visualizaciones interpretables de las dependencias contextuales aprendidas.
Finalmente, se introduce un modelo espaciotemporal basado en GNN entrenado sobre series temporales ajenas al dominio de redes, capaz de lograr rendimiento de predicción zero-shot sobre datos de monitorización de red. El modelo explota mecanismos de atención para aprender y transferir correlaciones espaciales y temporales entre dominios, superando a los métodos de referencia del estado del arte. Además, los patrones de atención aprendidos sugieren oportunidades para simplificar las representaciones espaciotemporales, lo cual es fundamental para escalar estos modelos a redes de producción de gran tamaño. Estas predicciones pueden utilizarse posteriormente para realizar detección de anomalías, lo cual constituye nuestra principal motivación para desarrollar este enfoque.
En conjunto, las contribuciones de esta tesis avanzan el uso de Redes Neuronales Gráficas para la Detección de Anomalías en redes de computadores, aprovechando de forma sistemática la información topológica para mejorar el rendimiento predictivo y la interpretabilidad. Asimismo, se explora el papel de los mecanismos de atención como una vía para comprender las causas detrás de las anomalías detectadas y aportar mayor transparencia a la dinámica subyacente en las redes de computadores.Postprint (published version
Robotic task planning and execution for the Tiago robot in daily-life kitchen activities
No full textThe purpose of this project is to develop a framework that integrates a high-level planner, such as PlanSys2, with a low-level system oriented towards specific solutions using Behavior Trees. The main objective is to implement a complete system in which a manipulator is capable of adaptively operating within a defined environment with which it must interact. In this work, an in-depth study of task planning and symbolic programming is carried out, as well as the tools necessary for its implementation. Through the use of PlanSys2 and Behav- iorTree.CPP, a modular and decoupled system is proposed that plans at an abstract level, inde- pendent of the physical platform, and offers generalization, adaptability, and reuse capabilities in different scenarios. The developed software has been validated in a simulated environment, inspired by daily-life activities that can be found in manipulation environments, where its functionalities have been systematically evaluated
