Diseño e implementación de una placa entrenadora/programadora para microcontroladores PIC
Bibliographic record
Abstract
El objetivo es el diseño y fabricación de una placa entrenadora adaptada a las necesidades de las prácticas de la asignatura Sistemas Basados en Microprocesador del Grado de Electrónica Industrial y Automática. Con este proyecto se busca proporcionar equipos de prácticas a un coste razonable, de manera que los futuros estudiantes de dicha asignatura puedan trabajar, tanto a nivel de software como de hardware, con los microcontroladores PIC. \nEste es el objetivo general. Se plantean otros objetivos específicos a realizar para llevar a cabo este proyecto: \n- Estudio de las placas entrenadoras existentes en el mercado para realizar prácticas con microcontroladores PIC. - Establecer las necesidades de conectividad de periféricos en las prácticas de la asignatura. - Estudio de los posibles grabadores de EEPROM. - Diseño de la placa PCB adaptada a las necesidades de las prácticas. - Puesta en marcha de un prototipo, realizando todas las pruebas pertinentes para comprobar su funcionamiento. \nEl resultado final proporcionará el diseño de una placa funcional que pueda fabricarse en masa para proveer a los alumnos equipos de prácticas, las cuales podrán ser usadas tanto para los alumnos del grado de Electrónica, como los de Telemática y Telecomunicaciones
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".