Repositorio de la Universidad Tecnológica Nacional

El Repositorio Institucional Abierto (RIA) de la Universidad Tecnológica Nacional (UTN) fue creado por la Ordenanza N° 1480 del Consejo Superior. El RIA es un archivo digital cuyo objetivo principal es brindar acceso abierto a producciones científicas y académicas elaboradas por docentes, investigadores y tecnólogos de la Universidad.

El RIA define la creación de una memoria documental de todas las publicaciones y producciones académicas y científicas de la UTN, garantiza su preservación digital a largo plazo e incrementa la difusión y la visibilidad de las producciones almacenadas y de sus autores.

El RIA se basa en los estándares, políticas y protocolos comunes del Sistema Nacional de Repositorios Digitales (SNRD) del Ministerio de Ciencia Tecnología e Innovación Productiva (MINCTIP) de la República Argentina. Esto potencia la integración de las producciones de UTN en el sistema educativo y científico de nivel superior.

El RIA se integra al SNRD lo que garantiza su interoperabilidad con los repositorios miembros del sistema.

El RIA en la Universidad

El RIA es una solución única e integral para toda UTN. Lo cual implica, la disposición de su contenido y gestión al modelo organizacional de la Universidad. El RIA, por lo tanto, está disponible para todas las Facultades Regionales y Unidades Académicas de UTN. Su contenido se organiza en “comunidades” que corresponden a cada dependencia.

En cada dependencia, el Decano o Director designa un Equipo Local de gestión de la comunidad. El equipo está formado por personal de la Secretaría Académica, Secretaría de Ciencia y Tecnología, personal del área de TIC y de Biblioteca.

Las responsabilidades del Equipo Local son:

  • Gestionar la comunidad asignada.
  • Realizar el archivo mediado de las producciones científicas y académicas de la dependencia.
  • Ofrece servicios de consultas y apoyo técnico a los usuarios del RIA en la dependencia.

Publicación de contenidos

  • El RIA permite la publicación de contenidos que cumplan con sus políticas.
  • La modalidad de publicación es la de Archivo delegado en la cual la persona entrega la obra de su autoría al Equipo Local y firma una licencia por la cual autoriza a la UTN a archivar, preservar y difundir en acceso abierto su obra.
  • Otra modalidad es la pre-carga mediada, la cual es el Acto mediante el cual la persona hace una primera carga en una colección en el repositorio institucional. Luego de esto, el equipo de la Unidad Académica evalúa, edita y/o aprueba la publicación en el RIA.
  • Quienes deseen publicar sus obras en el RIA deberán contactarse con el Equipo Local de la dependencia a la que pertenece.
 

Communities in DSpace

Select a community to browse its collections.

Recent Submissions

No Thumbnail Available
Item
Comparación de Vitis - AI y FINN para implementar redes neuronales convolucionales en FPGA
(Martín German Gonzalez, 2024) Urbano Pintos, Nicolás; Lacomi, Héctor Alberto; Lavorato, Mario Blas
Las redes neuronales convolucionales (CNN) son esenciales para la clasificación y detección de imágenes, y su implementación en sistemas embebidos resulta cada vez más atractiva debido a su tamaño compacto y bajo consumo energético. Los FPGA (Field-Programmable Gate Arrays) han surgido como una opción prometedora, gracias a su baja latencia y alta eficiencia energética. Vitis AI y FINN son dos entornos de desarrollo que automatizan la implementación de CNN en FPGA. Vitis AI utiliza una unidad de procesamiento de aprendizaje profundo (DPU) y aceleradores de memoria, mientras que FINN se basa en una arquitectura de transmisión de datos (streaming) y ajusta la paralelización. Ambos entornos implementan técnicas de cuantización de parámetros para reducir el uso de memoria. Este trabajo extiende comparaciones previas al evaluar ambos entornos mediante la implementación de cuatro modelos con diferentes cantidades de capas en la plataforma FPGA Kria KV260 de Xilinx. Se describe en detalle el proceso completo, desde el entrenamiento hasta la evaluaci´on en FPGA, incluyendo la cuantización y la implementación en hardware. Los resultados muestran que FINN proporciona menor latencia, mayor rendimiento y mejor eficiencia energética que Vitis AI. No obstante, Vitis AI destaca por su simplicidad en el entrenamiento de modelos y facilidad de implementación en FPGA. El hallazgo principal del estudio es que, al aumentar la complejidad de los modelos con más capas, las diferencias de rendimiento y eficiencia energética entre FINN y Vitis AI se reducen notablemente.
Thumbnail Image
Item
Aplicación del método de la distribución lateral en la estimación de caudales de estiaje del Río Anisacate
(Universidad Nacional de Mar del Plata, 2025) Weber, Juan Francisco; Maclay Comba, María Victoria; Lissandrello, Mateo
La crisis hídrica global exige estudios multidisciplinarios urgentes, abordando desde la escasez de agua potable y la contaminación fluvial hasta la gestión inadecuada de cuencas. La provincia de Córdoba, Argentina, es particularmente vulnerable, alternando entre sequías e inundaciones. Un ejemplo de ello es el río Anisacate, crucial para más de 80.000 habitantes. Su cuenca de 540 km² experimenta gran variabilidad hídrica por cambios de altitud y su ubicación entre zonas húmedas y áridas, generando fluctuaciones significativas en su caudal (promedio 4.4 m³/s). El crecimiento demográfico agrava el desafío del abastecimiento de agua, especialmente en épocas de sequía, destacando la necesidad de gestión y conservación.
Thumbnail Image
Item
Modelado hidrológico distribuido en base a datos de precipitación derivados de satélites- caso Río Grande
(Universidad Nacional de Mar del Plata, 2025) Weber, Juan Francisco; Jaeggi, Máximo G.
Un modelo hidrológico es una herramienta que permite entender y representar el comportamiento de una cuenca hidrográfica y prever condiciones diferentes de las observadas (Tucci, 2005). Los Modelos Hidrológicos Distribuidos (MHD) toman en cuenta explícitamente la variabilidad espacial de los procesos, entradas, condiciones de borde y/o de las características del sistema (cuenca). Los Datos de Precipitación Derivados de Satélites (DPDS) han tenido históricamente un uso limitado en la predicción de inundaciones y en el modelado de la escorrentía porque se consideró que estas estimaciones de lluvia no eran confiables (Artan et al., 2007). La corrección de los DPDS basadas en información de campo mejora significativamente su calidad como insumo de los MHD al reducir en gran medida el sesgo en las predicciones, especialmente en áreas montañosas. Adicionalmente, los DPDS proveen de la información de entrada necesaria e inexistente en la simulación hidrológica de cuencas no instrumentadas (Khan et al., 2012), situación frecuente en los países con recursos limitados o en vías de desarrollo.
Thumbnail Image
Item
B- VGG16: Red Neuronal de Convolución cuantizada binariamente para la clasificación de imágenes
(Martín German Gonzalez, 2022) Urbano Pintos, Nicolás; Lacomi, Héctor Alberto; Lavorato, Mario Blas
En este trabajo se entrena y evalúa una red neuronal de convolución cuantizada de forma binaria para la clasificación de imágenes. Las redes neuronales binarizadas reducen la cantidad de memoria, y es posible implementarlas con menor hardware que las redes que utilizan variables de valor real (Floating Point 32 bits). Este tipo de redes se pueden implementar en sistemas embebidos, como FPGA. Se realizó una cuantización consciente del entrenamiento, de modo de poder compensar los errores provocados por la perdida de precisión de los parámetros. El modelo obtuvo una precisión de evaluación de un 88% con el conjunto de evaluación de CIFAR-10.
Thumbnail Image
Item
Geometría hidráulica de la red de drenaje para el modelado hidrológico en base a información satélital
(Universidad Nacional de Mar del Plata, 2025) Weber, Juan Francisco; Jaeggi, Máximo G.; Vestena, Leandro R.
Los modelos hidrológicos distribuidos (MHD) requieren, para su implementación, una amplia y variada cantidad de información acerca de la cuenca; entre ellas, una descripción de la red de drenaje en sus parámetros hidráulicos (profundidad y ancho de las secciones, n de Manning, etc.) con el fin de transitar el escurrimiento generado en la propia cuenca. A estos fines, los MHD siguen dos estrategias: (a) describir explícitamente estas propiedades en tramos discretos de la red de drenaje, con la consecuente complejidad en la entrada de la información; (b) describir sintéticamente las propiedades hidráulicas de la red, a través del concepto de geometría hidráulica (Leopold y Maddock, 1953). Este último es el caso del modelo SWAT+ (Bieger et al., 2016) el cual, a falta de valores de usuario, establece parámetros por defecto para esta descripción.