Search

El método de mínimos cuadrados (MMC) es usado para ajustar funciones a un conjunto de datos experimentales, considerando que se tendrá el mínimo error. Se puede ajustar a una línea recta aunque la función también puede ser una curva no necesariamente lineal. Dicha curva se asocia con un polinomio de grado n, donde encontrar cada uno de los coeficienes del polinomio, se convierte en el objetivo. La aplicación del MMC, conduce a un sistema de ecuaciones lineales de la forma Aß = b, donde el vector columna ß está formado por las constantes objetivo del problema. Para la mayoría de los alumnos de ingeniería, la dificultad no reside en resolver el sistema de ecuaciones lineales sino en el planteamiento de dicho sistema. Este trabajo ilustra el uso del MMC para obtener las constantes de los polinomios de grado tres y grado cuatro, generando un sistemas de ecuaciones lineales. Los ejemplos presentados están basados en dos aplicaciones: la caída libre de un objeto así como en la irradiación solar. Se presenta detalladamente la aplicación del MMC para la obtención de las constantes de los polinomios propuestos. Los resultados obtenidos por medio del polinomio de ajuste son comparados con los datos medidos originalmente. El error total al cuadrado y el error total son calculados. Estos ejemplos ilustran la potencia del MMC usando un mínimo de datos así como la forma de generar el sistema de ecuaciones lineales para la obtención de las constantes para polinomios de grado mayor a dos. [ABSTRACT FROM AUTHOR]

In a data processing system, throughput is considered an important parameter, that is, the number of data processed per unit of time. Throughput is achieved by applying the pipeline technique or segmented architecture. This metric is widely used because it tends to increase throughput, adding the number of resources consumed for its implementation. Depending on the parameter chosen (execution time or the resources used), it is either implemented in the hardware such as ASIC (Application Specific Integrated Circuits) or in the software using a microprocessor. However, the FPGA (Field Programmable Gate Arrays) is configured inbetween these last two devices (ASIC and microprocessor). The FPGA overcomes the rigidity in the implementation of a design, works at a frequency very close to that of the ASIC's, and its resources are reconfigurable, as is the memory of the microprocessor. This allows you to use the pipeline technique at a lower price, at a fairly acceptable working frequency and with a competitive throughput. This article illustrates the use of the pipeline in an FPGA, showing advantages and disadvantages of this technique to improve throughput, using the AES (Advanced Encryption Standard) algorithm. [ABSTRACT FROM AUTHOR]