Blog Ander Chouza y Aitor Gorrotxategi

Este proyecto va a tratar de un montaje de una estación meteorológica cuya pretensión será leer parámetros atmosféricos mediante un sensor BMP180 . Este sensor irá conectado a una placa reducida Raspberri Pi , el cual subirá los datos a una   plataforma IoT llamado ThingSpeak . Este proceso, deberá de cumplir algunos requisitos: Los canales se deben de crear automáticamente. El muestreo de datos se debe realizar cada 10 segundos. Los datos se deberán de subir a través de la red WiFi "eduroam. Además de subir los parámetros a ThingSpeak , se deberán de visualizar en una página web mediante Google Charts o D3.js .                      Por último, se exportarán los datos obtenidos desde ThingSpeak y se realizara algún tipo de análisis con la ayuda de Matlab . Todo el código utilizado está disponible en un repositorio en GitHub . Sensor BMP180 Antes de empezar con la programación, se realizará una pequeña introducción del sensor de presión barométrica BMP180 ,

Esta vez se hará un resumen de la primera clase del tercer tema impartido por el profesor Oscar Casquero. La clase empezó con la presentación del nuevo tema. La pretensión de este tema será aprender a desarrollar aplicaciones IoT haciendo uso de TIC. Una de estas aplicaciones IoT puede ser una estación meteo conectada a la nube. La evaluación del tema se realizará mediante el desarrollo de un pequeño proyecto IoT. Una vez se nos presentó el tema, empezamos a definir el protocolo HTTP: Protocolo HTTP. En la web hay recursos (muchos de esos recursos son páginas web; otros muchos no lo son). Cada recurso se referencia mediante una URI (un identificador único). Sobre los recursos se pueden realizar operaciones las Create, Read, Update y Delete que se corresponden con los métodos POST, GET, PUT y DELETE de HTTP. El protocolo HTTP sigue un modelo cliente-servidor: el cliente realiza peticiones, el servidor las procesa y devuelve respuestas. El par petición-respuesta

Esta vez se introducirá un algoritmo genético de los que se hablo en el anterior post con la pretensión de dar un ejemplo de los pasos que se pueden seguir para programar uno. En concreto se hablará sobre DE (Differential Evolution). El algoritmo DE se basa en la comparación de una población de candidatos con la versión recombinada y mutada de esta. Los individuos que pasarán a la siguiente generación serán aquellos que más aptos sean.     Iniciliazación: Se inicializa la población de forma aleatoria y se calcula la aptitud de cada candidato con la función de coste escogida.    Mutación: Usando tres partículas aleatorias de la población, que no pueden coincidir entre ellas, se crea una partícula nueva utilizando la siguiente formula:                      Este paso se repite una vez por cada partícula de la población.   Recombinación: La nueva generación de agentes se escogerá comparando un valor aleatorio con un valor “GR”, si el valor aleatorio

En esta entrada del blog se hará referencia a la entrada anterior , centrándonos un poco más en los Algoritmos Genéticos . Desde hace unos cincuenta años se vienen desarrollando sistemas artificiales ejecutables en ordenador que tratan de imitar, salvando las enormes distancias que en cuanto a complejidad los separan de los sistemas naturales, la evolución de las especies, los mecanismos de la selección natural, la herencia genética, los comportamientos animales… para tratar de resolver, con bastante éxito, problemas muy complejos en muchas áreas de la ciencia y la tecnología. Así pues, algunos de estos algoritmos se basan en teorías como el Darwinismo y el Neo Darwinismo , estas teorías defienden la selección natural. La selección natural establece que, estadísticamente, los individuos mejor adaptados tienden a sobrevivir, mientras que los peor adaptados tienden a desaparecer. La siguiente generación tendrá un porcentaje más elevado de   individuos mejor adaptados que la a