El control de procesos con dinámica es- tocástica o compleja es exitoso siempre y cuando se pueda estimar un modelo que se ajuste bien al compor- tamiento, sin embargo, esta suposición pierde validez en aplicaciones donde la información del sistema es reducida o incompleta, muy comunes en ambientes reales de la industria. La literatura presenta diferentes esquemas de control, siendo los modelos neuro-difusos los que reportan mejor desempeño. Estos modelos con- jugan la capacidad de adaptación que tienen las redes neuronales con la robustez de los motores de inferencia que tiene la lógica difusa, para modelar el conocimien- to de expertos mediante reglas de aprendizaje, identifi- car dinámicas complejas y aumentar la adaptabilidad del sistema a perturbaciones que en la práctica tien- den a ser de naturaleza estocástica sumado, a veces, que la información del sistema sea restringida. Este artículo presenta una revisión sobre dificultades y solu- ciones derivadas del control de sistemas estocásticos o complejos con información incompleta. Se revisan las estructuras de control cuando la dinámica del sis- tema presenta vaguedad en los datos, la evolución ha- cia técnicas adaptativas, y el desempeño de las redes neuro-difusas ante procesos estocásticos o complejos con incertidumbre en los datos. De forma preliminar se establece que el control de este tipo de sistemas debe estar compuesto por modelos híbridos soportados en rutinas de optimización y análisis probabilístico que garanticen el tratamiento de las incertidumbres sin afectar el desempeño de las estructuras de control y la consistencia en la precisión.

Los sistemas biomédicos de última generación registran en intervalos cortos de tiempo la dinámica fisiológica mediante grandes bases de datos. La interpretación adecuada de la información difícilmente puede hacerse por la experticia de un sólo médico, por lo tanto la toma de decisiones se basa sólo en algunas variables seleccionadas. La representación efectiva de variables fisiológicas mediante fuzzy rough set tipo 1 puede ser aplicada para caracterizar y extraer la información relevante de la dinámica fisiológica; sin embargo, estas técnicas poseen el problema de la complejidad de sus algoritmos y alto costo computacional; por lo tanto, se requiere aplicar técnicas de fuzzy rough set tipo 2, asociadas a métodos axiomáticos a través de operadores de aproximación difusa baja y alta como conceptos primitivos para generar un sistema de reducción de dimensiones con tendencia a la disminución de costo computacional en aplicaciones de ingeniería biomédica. En este artículo se presenta la revisión del estado del arte sobre representación efectiva de dinámicas fisiológicas mediante fuzzy rough set, con el fin de determinar la capacidad que poseen este tipo de técnicas para ser incluidas en procedimientos automáticos de toma de decisiones que apoyen el concepto clínico de un especialista.

Este artículo presenta una revisión acerca de nuevos elementos encontrados en la electrodinámica relativista orientados a la generación de trabajo útil a partir de imanes permanentes. En este sentido, se expone el estado del arte sobre Máquinas de Movimiento Perpetuo y Motores Magnéticos, como los dos tipos de sistemas que por sus similitudes sirven de punto de partida para la elaboración de una metodología orientada a inferir la dinámica de los torques que se pueden obtener en sistemas rotacionales que emplean interacciones magnetostáticas.

Este trabajo presenta una propuesta metodológica de bajo costo y con alto margen de novedad para aplicaciones domóticas. Consiste en la vinculación de un ordenador dotado de un sistema de reconocimiento de voz, una placa de desarrollo Arduino Uno r3 y dispositivos electrónicos de uso común en los montajes electrónicos. El sistema permite realizar de forma automática tareas comunes en una vivienda, a fin de proporcionar un mayor comfort al usuario y prestar asistencia a las personas con algún tipo de discapacidad física, mediante la interacción con el sistema usando comandos de voz. Entre las prestaciones actuales del sistema, están el control  de velocidades de ventiladores, control on-off de bombillas, programación de alarmas,  monitoreo  del estado del sistema (batería, procesador, temperatura y voltaje), control de un televisor, entre otras. El sistema está soportado bajo lenguajes como C# y C++. El reconocimiento de voz se basa en la libreria Windows Speech, y     el código fuente es ejecutado en entornos de desarrollo integrado (IDE) como Visual Studio 2013 y Arduino IDE, además el sistema incluye un sintetizador de voz SAPI6 para realizar la interacción con el usuario, y para mayor transportabilidad del sistema se incluyen las bondades de la comunicación inalámbrica por medio de módulos de radiofrecuencia (RF). La interacción entre el sistema y el usuario se logró en tiempo real, mejorando los resultados obtenidos con otros sistemas basados en la conexión a Internet que induce retardos no deseados.