Mesa redonda en la Academia de las Ciencias y las Artes Militares – “Transformación Digital: Mitos y Realidades”

El pasado 27 de octubre nuestro compañero Octavio Nieto-Taladriz participó como ponente en la Mesa Redonda organizada por la Academia de las Ciencias y las Artes Militares (ACAMI) titulada “Transformación Digital: Mitos y Realidades”.

Breve extracto:

En esta jornada se presentó una visión horizontal sobre lo que supone la transformación digital desde tres puntos de vista: el académico, el militar y el industrial. Para ello contaremos con el Prof. Dr. (Universidad Politécnica de Madrid) Octavio Nieto-Taladriz García, académico correspondiente, el coronel José Luis Carbonell Navarro, del Estado Mayor del Ejército y Moisés Rodriguez Martín, director de Centum Solutions. Asimismo, y como introductor y expresando el punto de vista de la Academia de las Ciencias y las Artes Militares participará José Carlos de la Fuente Chacón, general de división (R) y académico de número.

La grabación de la misma está disponible en el siguiente link: https://www.youtube.com/live/DuBYx23i-TE?feature=shared

Transformación digital en la enseñanza de las Fuerzas Armadas. Un caso práctico

Los autores de este ensayo, expertos y profesionales del mundo de la enseñanza y de la tecnología, tanto en los ámbitos civil y militar, realizan una aproximación práctica de la implantación de nuevas tecnologías y metodologías en el desarrollo de procesos formativos. Al sumar conocimientos de ambas áreas, el producto resultante es un trabajo funcional para afrontar los cambios exigibles por el mundo actual en general, y en la esfera militar en particular.

El fondo de la cuestión es poner de manifiesto la necesidad de afrontar y acometer procesos de revisión de las áreas formativas gracias a la mejora que se obtiene de las nuevas tecnologías y nuevas sistemáticas. La educación es un área clave en la revolución digital, y es la enseñanza candidata a evolucionar para hacerse útil, directa, personal y eficaz.

El trabajo es un recorrido global, en el que en el primer capítulo se plantea un diferente contexto para la formación, realzando el momento de cambio social, y donde se remarcan los cinco pilares sobre los que se sustenta la nueva forma de enseñar: deslocalización, atemporalidad, personalización, bidireccionalidad y calidad continua. El segundo capítulo, afronta un recorrido por las metodologías de enseñanza, señalando las características de cada una y sus momentos de aplicación más oportunos. El tercero, aborda el estudio de una serie de herramientas y tecnologías que actualmente pueden utilizarse en el sector de la enseñanza y su adecuación a las metodologías formativas resaltadas en el apartado anterior, para finalmente, en el último y cuarto capítulo, desarrollar el caso práctico de implementación de sistemáticas y herramientas en una asignatura concreta del Curso de Estado Mayor del Fuerzas Armadas (CEMFAS).

Nuestro compañero Octavio Nieto-Taladriz García ha sido el Presidente del grupo de trabajo que ha realizado este ensayo y cuyos datos son los siguientes:

  • ISBN:  978-84-9091-612-4
  • NIPO:  083-21-249-0
  • Fecha de publicación:  24/3/2022
  • Año de edición:  2021
  • Autor:  Centro Superior de Estudios de la Defensa
  • Editor:  Ministerio de Defensa. Secretaría General Técnica.
  • Número de páginas:  106

Disponible en su versión digital en el siguiente enlace.

MDPI Wireless Sensor Networks Topic

Our colleague Alvaro Araujo is editor of MDPI’s Wireless Sensor Networks topic, which has just opened.

This Topic aims to collect the results of research in these Wireless Sensor Network scenarios, as well as the results of similar research. The submission of papers concerning areas with a strong connection to engineering and industrial and manufacturing applications is strongly encouraged.

Deadline for abstract submissions: 31 December 2022.
Deadline for manuscript submissions: 31 March 2023.

More information

Tecnologías de ciclo corto y metodologías ágiles para defensa. Definiciones, ejemplos de aplicación y resultados reales (I)

Introducción:

En el campo civil y sobre todo asociadas a las TIC ́s (Tecnologías de la Información y Comunicaciones), hemos visto surgir en las últimas décadas las tecnologías de ciclo corto y sus modelos específicos de gestión, siendo actualmente las más utilizadas en una gran parte del mercado de consumo y permeabilizándose a otros campos, como el mundo bancario. En esta serie de dos artículos realizaremos una definición de tecnologías de ciclo corto y una forma de gestión de este tipo de proyectos que se conoce como metodologías ágiles (Agile). Finalmente describiremos una estructura creada y ajustada para la realización de proyectos de ciclo corto en el campo de la defensa en el marco de España, terminando con una evaluación crítica de dos resultados reales de sistemas realizados siguiendo este modelo y metodología de trabajo.

En este primer artículo vamos a realizar una breve descripción tanto de las tecnologías de ciclo corto como de las metodologías “Agile” y su aplicación a la realización de este tipo de proyectos (metodología de trabajo). Los actores y roles asignados para estos casos prácticos de aplicación son la Brigada «Guadarrama XII» como usuario final, Teldat S.A. como empresa y el Grupo de Investigación «B105 Electronic Systems Lab» de la Universidad Politécnica de Madrid como equipo de I+D+i. Asimismo y para el segundo proyecto, una vez analizados los resultados del primero que fue utilizado como experimento de trabajo, se incorporó el MALE como observador y enlace institucional con el Ejército de Tierra. Los proyectos que se han desarrollado y sobre los que realizaremos un análisis crítico son un «Puesto de mando inalámbrico a nivel Brigada (C4W)” y un «Sistema de blancos basado en proyección laser con reconocimiento automático de resultados (Blancok)».

En este artículo ha sido publicado por la Academia de las Ciencias y las Artes Militares (ACAMI) y está disponible, en su versión completa, en el siguiente link: https://acami.es/portfolio/tecnologias-ciclo-corto-metodologias-agiles-defensa/

Gated Recurrent Unit Neural Networks for Automatic Modulation Classification With Resource-Constrained End-Devices

The article “Gated Recurrent Unit Neural Networks for Automatic Modulation Classification With Resource-Constrained End-Devices” by our lab member Ramiro Utrilla has just been published in the IEEE Access, a high-impact open-access journal.

This work has been carried out in collaboration with researchers from the CONNECT – Centre for Future Networks and Communications in Dublin (Ireland), where Ramiro carried out a research stay of 3 months.

In this article, they focus on the Automatic Modulation Classification (AMC). AMC is essential to carry out multiple CR techniques, such as dynamic spectrum access, link adaptation and interference detection, aimed at improving communications throughput and reliability and, in turn, spectral efficiency. In recent years, multiple Deep Learning (DL) techniques have been proposed to address the AMC problem. These DL techniques have demonstrated better generalization, scalability and robustness capabilities compared to previous solutions. However, most of these techniques require high processing and storage capabilities that limit their applicability to energy- and computation-constrained end-devices.

In this work, they propose a new gated recurrent unit neural network solution for AMC that has been specifically designed for resource-constrained IoT devices.


The proposed GRU network model for AMC.

They trained and tested their solution with over-the-air measurements of real radio signals, which were acquired with the MIGOU platform.


Dataset generation scenario set up.


Comparison of signals recorded at (a) 1 and (b) 6 meters. The signals in the bottom row are the normalized version of those in the top row.

Their results show that the proposed solution has a memory footprint of 73.5 kBytes, 51.74% less than the reference model, and achieves a classification accuracy of 92.4%.

Increasing the training set can lead to improvements in the performance of a model without increasing its complexity. These improvements allow developers to reduce the complexity of the model and, therefore, the device resources it requires. However, longer training processes can lead to fitting and gradient problems. These tradeoffs should be explored when developing neural network-based solutions for resource-constrained end-devices.