En el dise��o de embutidos crudos curados enriquecidos en fibra alimentaria, es esencial la obtenci��n de ingredientes funcionales de elevada calidad, que puedan ser incorporados en la formulaci��n del embutido generando las menores modificaciones de las caracter��sticas f��sico-qu��micas y sensoriales del alimento. El principal objetivo de este trabajo consisti�� en optimizar la formulaci��n de un embutido crudo curado enriquecido en un concentrado de fibra alimentaria de zanahoria. La formulaci��n ��ptima debe proporcionar el contenido m��ximo de fibra alimentaria y producir los m��nimos cambios de calidad respecto al producto tradicional. Se ha propuesto una metodolog��a para optimizar ambos, la obtenci��n de un concentrado de fibra alimentaria de alta calidad y tambi��n la formulaci��n de un embutido crudo curado (sobrasada) enriquecido en fibra alimentaria. En primer lugar, se ha desarrollado un procedimiento que consiste en la modelizaci��n, simulaci��n y optimizaci��n del proceso de secado convectivo de zanahoria. El procedimiento de optimizaci��n no solo se refiere a la transferencia de materia, sino tambi��n se incluyen los criterios relacionados con los atributos de calidad del producto final. Una vez obtenido el ingrediente funcional de calidad, fue incorporado en la formulaci��n de la sobrasada. La cantidad ��ptima de concentrado de fibra alimentaria de zanahoria necesaria para obtener un embutido enriquecido de calidad se estim�� mediante el an��lisis de los efectos de la adici��n de fibra alimentaria de zanahoria en el proceso de maduraci��n-secado de sobrasada. / To design dry fermented sausages enriched in dietary fibre, it is essential to obtain high quality functional ingredients, which can be incorporated into sausage formulation with minor modifications of the physico-chemical and sensory properties of food. The main objective of this study was to optimize the formulation of a dry fermented sausage enriched with a dietary fibre concentrate from carrot. The optimal formulation should provide maximum dietary fibre content and produce minimal quality changes from the traditional product. A methodology has been proposed to optimize both the acquisition of a high quality fibre concentrate and also for the formulation of a dry fermented sausage (sobrassada) enriched in dietary fibre. First, a procedure comprised of mathematical modelling, simulation and optimization of the convective carrot drying process was developed. The optimization procedure was not only concerned with mass transfer but also included criteria related to quality attributes of the final product. Once the high quality functional ingredient was obtained, it was incorporated into the sobrassada formulation. The optimal amount of carrot dietary fibre concentrate necessary to obtain a high quality enriched sausage was estimated by analysing the effects of carrot dietary fibre addition to the ripening-drying process of sobrassada. / En el disseny d'embotits crus curats enriquits en fibra aliment��ria, ��s essencial l'obtenci�� d'ingredients funcionals d'elevada qualitat que puguin ser incorporats en la formulaci�� de l'embotit generant les menors modificacions de les caracter��stiques fisicoqu��miques i sensorials de l'aliment. El principal objectiu d'aquest treball va consistir a optimitzar la formulaci�� d'un embotit cru curat enriquit en un concentrat de fibra aliment��ria de pastanaga. La formulaci�� ��ptima ha de proporcionar el contingut m��xim de fibra aliment��ria i produir la menor quantitat possible de canvis qualitatius respecte al producte tradicional. S'ha proposat una metodologia per optimitzar ambd��s aspectes esmentats, l'obtenci�� d'un concentrat de fibra aliment��ria d'alta qualitat i tamb�� la formulaci�� d'un embotit cru curat (sobrassada) enriquit en fibra aliment��ria. En primer lloc, s'ha desenvolupat un procediment que consisteix en la modelitzaci��, simulaci�� i optimitzaci�� del proc��s d'assecatge convectiu de pastanaga. El procediment d'optimitzaci�� no nom��s fa refer��ncia a la transfer��ncia de mat��ria, sin�� que tamb�� inclou els criteris relacionats amb els atributs de qualitat del producte final. Una vegada obtingut l'ingredient funcional de qualitat, va ser incorporat en la formulaci�� de la sobrassada. La quantitat ��ptima de concentrat de fibra aliment��ria de pastanaga necess��ria per obtenir un embotit enriquit de qualitat es va estimar mitjan��ant l'an��lisi dels efectes de l'addici�� de fibra aliment��ria de pastanaga en el proc��s de maduraci��/assecat de sobrassada.

L'objectiu principal d'aquesta tesi consisteix a estudiar la factibilitat d'implementar un sensor càmera CNN amb plena funcionalitat basat en FPGA de baix cost adequat per a aplicacions en robots mòbils. L'estudi dels fonaments de les xarxes cel•lulars no lineals (CNNs) i la seva aplicació eficaç en matrius de portes programables (FPGAs) s'ha complementat, d'una banda amb el paral•lelisme que s'estableix entre arquitectura multi-nucli de les CNNs i els eixams de robots mòbils, i per l'altre banda amb la correlació dinàmica de CNNs i arquitectures memristive. A més, els memristors es consideren els substituts dels futurs dispositius de memòria flash per la seva capacitat d'integració d'alta densitat i el seu consum d'energia prop de zero. En el nostre cas, hem estat interessats en el desenvolupament d’FPGAs que han deixat de ser simples dispositius per a la creació ràpida de prototips ASIC per esdevenir complets dispositius reconfigurables amb integració de la memòria i els elements de processament general. En particular, s'han explorat com les arquitectures implementades CNN en FPGAs poden ser optimitzades en termes d’àrea ocupada en el dispositiu i el seu consum de potència. El nostre objectiu final ens ah portat a implementar de manera eficient una CNN-UM amb complet funcionament a un baix cost i baix consum sobre una FPGA amb tecnología flash. Per tant, futurs estudis sobre l’arquitectura eficient de la CNN sobre la FPGA i la interconnexió amb els robots comercials disponibles és un dels objectius d'aquesta tesi que se seguiran en les línies de futur exposades en aquest treball. / El objetivo principal de esta tesis consiste en estudiar la factibilidad de implementar un sensor cámara CNN con plena funcionalidad basado en FPGA de bajo coste adecuado para aplicaciones en robots móviles. El estudio de los fundamentos de las redes celulares no lineales (CNNs) y su aplicación eficaz en matrices de puertas programables (FPGAs) se ha complementado, por un lado con el paralelismo que se establece entre arquitectura multi -núcleo de las CNNs y los enjambres de robots móviles, y por el otro lado con la correlación dinámica de CNNs y arquitecturas memristive. Además, los memristors se consideran los sustitutos de los futuros dispositivos de memoria flash por su capacidad de integración de alta densidad y su consumo de energía cerca de cero. En nuestro caso, hemos estado interesados en el desarrollo de FPGAs que han dejado de ser simples dispositivos para la creación rápida de prototipos ASIC para convertirse en completos dispositivos reconfigurables con integración de la memoria y los elementos de procesamiento general. En particular, se han explorado como las arquitecturas implementadas CNN en FPGAs pueden ser optimizadas en términos de área ocupada en el dispositivo y su consumo de potencia. Nuestro objetivo final nos ah llevado a implementar de manera eficiente una CNN-UM con completo funcionamiento a un bajo coste y bajo consumo sobre una FPGA con tecnología flash. Por lo tanto, futuros estudios sobre la arquitectura eficiente de la CNN sobre la FPGA y la interconexión con los robots comerciales disponibles es uno de los objetivos de esta tesis que se seguirán en las líneas de futuro expuestas en este trabajo. / The main goal of this thesis consists in studying the feasibility to implement a full-functionality CNN camera sensor based on low-cost FPGA device suitable for mobile robotic applications. The study of Cellular Nonlinear Networks (CNNs) fundamentals and its efficient implementation on Field Programmable Gate Arrays (FPGAs) has been complemented, on one side with the parallelism established between multi-core CNN architecture and swarm of mobile robots, and on the other side with the dynamics correlation of CNNs and memristive architectures. Furthermore, memristors are considered the future substitutes of flash memory devices because of its capability of high density integration and its close to zero power consumption. In our case, we have been interested in the development of FPGAs that have ceased to be simple devices for ASIC fast prototyping to become complete reconfigurable devices embedding memory and processing elements. In particular, we have explored how the CNN architectures implemented on FPGAs can be optimized in terms of area occupied on the device or power consumption. Our final accomplishment has been implementing efficiently a fully functional reconfigurable CNN-UM on a low-cost low-power FPGA based on flash technology. Therefore, further studies on an efficient CNN architecture on FPGA and interfacing it with commercially-available robots is one of the objectives of this thesis that will be followed in the future directions exposed in this work.

Today engineering companies expend a large amount of resources on the detection and correction of the bugs (defects) in their software. These bugs are usually due to errors and mistakes made by programmers while writing the code or writing the specifications. No tool is able to detect all of these bugs. Some of these bugs remain undetected despite testing of the code. For these reasons, many researchers have tried to find indicators in the software’s source codes that can be used to predict the presence of bugs. Every bug in the source code is a potentially failure of the program to perform as expected. Therefore, programs are tested with many different cases in an attempt to cover all the possible paths through the program to detect all of these bugs. Early prediction of bugs informs the programmers about the location of the bugs in the code. Thus, programmers can more carefully test the more error prone files, and thus save a lot of time by not testing error free files. This thesis project created a tool that is able to predict error prone source code written in C++. In order to achieve this, we have utilized one predictor which has been extremely well studied: software metrics. Many studies have demonstrated that there is a relationship between software metrics and the presence of bugs. In this project a Neuro-Fuzzy hybrid model based on Fuzzy c-means and Radial Basis Neural Network has been used. The efficiency of the model has been tested in a software project at Ericsson. Testing of this model proved that the program does not achieve high accuracy due to the lack of independent samples in the data set. However, experiments did show that classification models provide better predictions than regression models. The thesis concluded by suggesting future work that could improve the performance of this program. / Idag spenderar ingenjörsföretag en stor mängd resurser på att upptäcka och korrigera buggar (fel) i sin mjukvara. Det är oftast programmerare som inför dessa buggar på grund av fel och misstag som uppkommer när de skriver koden eller specifikationerna. Inget verktyg kan detektera alla dessa buggar. Några av buggarna förblir oupptäckta trots testning av koden. Av dessa skäl har många forskare försökt hitta indikatorer i programvarans källkod som kan användas för att förutsäga förekomsten av buggar. Varje fel i källkoden är ett potentiellt misslyckande som gör att applikationen inte fungerar som förväntat. För att hitta buggarna testas koden med många olika testfall för att försöka täcka alla möjliga kombinationer och fall. Förutsägelse av buggar informerar programmerarna om var i koden buggarna finns. Således kan programmerarna mer noggrant testa felbenägna filer och därmed spara mycket tid genom att inte behöva testa felfria filer. Detta examensarbete har skapat ett verktyg som kan förutsäga felbenägen källkod skriven i C ++. För att uppnå detta har vi utnyttjat en välkänd metod som heter Software Metrics. Många studier har visat att det finns ett samband mellan Software Metrics och förekomsten av buggar. I detta projekt har en Neuro-Fuzzy hybridmodell baserad på Fuzzy c-means och Radial Basis Neural Network använts. Effektiviteten av modellen har testats i ett mjukvaruprojekt på Ericsson. Testning av denna modell visade att programmet inte Uppnå hög noggrannhet på grund av bristen av oberoende urval i datauppsättningen. Men gjordt experiment visade att klassificering modeller ger bättre förutsägelser än regressionsmodeller. Exjobbet avslutade genom att föreslå framtida arbetet som skulle kunna förbättra detta program. / Actualmente las empresas de ingeniería derivan una gran cantidad de recursos a la detección y corrección de errores en sus códigos software. Estos errores se deben generalmente a los errores cometidos por los desarrolladores cuando escriben el código o sus especificaciones.  No hay ninguna herramienta capaz de detectar todos estos errores y algunos de ellos pasan desapercibidos tras el proceso de pruebas. Por esta razón, numerosas investigaciones han intentado encontrar indicadores en los códigos fuente del software que puedan ser utilizados para detectar la presencia de errores. Cada error en un código fuente es un error potencial en el funcionamiento del programa, por ello los programas son sometidos a exhaustivas pruebas que cubren (o intentan cubrir) todos los posibles caminos del programa para detectar todos sus errores. La temprana localización de errores informa a los programadores dedicados a la realización de estas pruebas sobre la ubicación de estos errores en el código. Así, los programadores pueden probar con más cuidado los archivos más propensos a tener errores dejando a un lado los archivos libres de error. En este proyecto se ha creado una herramienta capaz de predecir código software propenso a errores escrito en C++. Para ello, en este proyecto se ha utilizado un indicador que ha sido cuidadosamente estudiado y ha demostrado su relación con la presencia de errores: las métricas del software. En este proyecto un modelo híbrido neuro-disfuso basado en Fuzzy c-means y en redes neuronales de función de base radial ha sido utilizado. La eficacia de este modelo ha sido probada en un proyecto software de Ericsson. Como resultado se ha comprobado que el modelo no alcanza una alta precisión debido a la falta de muestras independientes en el conjunto de datos y los experimentos han mostrado que los modelos de clasificación proporcionan mejores predicciones que los modelos de regresión. El proyecto concluye sugiriendo trabajo que mejoraría el funcionamiento del programa en el futuro.