We consider brain activity from an information theoretic perspective. We analyze the information processing in the brain, considering the optimality of Shannon entropy transport using the Monge–Kantorovich framework. It is proposed that some of these processes satisfy an optimal transport of informational entropy condition. This optimality condition allows us to derive an equation of the Monge–Ampère type for the information flow that accounts for the branching structure of neurons via the linearization of this equation. Based on this fact, we discuss a version of Murray’s law in this context.
In [6] the notion of a g-cell structure was introduced as a generalization of the construction proposed by Debski and Tymchatyn to realize a certain class of topological spaces as quotient spaces of inverse limits. In [2], cell maps are defined between cell structures and showed that a cell map between two complete cell structures induces a continuous function between the spaces determined by the cell structures. In this paper, for g-cell structures, we introduce the notions of weak g-cell maps and g-cell maps. We give some conditions for weak g-cell and g-cell mappings between g-cell structures to induce continuous mappings between their corresponding spaces.
Se presentan los modelos clásicos de epidemiología (SIR y SEIR) de Kermack y McKendrick. Se introduce una variable de control correspondiente a la tasa de vacunación y se estudia la controlabilidad del modelo SEIR, así como un problema de control óptimo asociado y los efectos en las dinámicas de las poblaciones por medio de simulaciones numéricas. En particular se muestra que, a diferencia de la suposición usual, no es posible controlar la propagación de la enfermedad únicamente introduciendo la tasa de vacunación para individuos susceptibles. Esto evidencia que para evitar que aumente la población de individuos infectados es necesario considerar otras estrategias, por ejemplo, distanciamiento social, medidas sanitarias, etc.
Given a compactum X, a map f : X → X and x ∈ X, it is defined ω(x, f) = {y ∈ X : there exists an increasing sequence (ni)i∈ℕ ⊆ ℕ such that fni(x) = y}; and Ω(x, f) = {y ∈ X : there exist an increasing sequence (ni)i∈ℕ ⊆ ℕ and a sequence (xi)i∈ℕ in X such that xi = x and fni(xi) = y}. It is well known that both ω(x, f) and Ω(x, f) are nonempty compact subsets of X. 2X denotes the collection of all the nonempty compact subsets of X endowed with the Hausdorff metric. In this paper, we consider ωf : X → 2X and Ωf : X → 2X defined for each x ∈ X by ωf(x) = ω(x, f) and Ωf(x) = Ω(x, f), respectively. We study the continuity of these functions, when f is defined on some kind of continua.
14 January 2025 in REVISTA DE CIENCIAS TECNOLÓGICAS
Las aglomeraciones urbanas que superan la capacidad de los servicios y de la infraestructura generan condiciones negativas para la convivencia del crecimiento y desarrollo poblacional. Disminuyendo los beneficios de habitar en ciudades, sobrepasando el estado óptimo de las relaciones espacio temporales en el que las personas realizan sus actividades cotidianas, como la asistencia al trabajo. Ante lo anterior en esta investigación se presenta una metodología espacial para el análisis de la movilidad de la Ciudad de México y su relación con la Zona Metropolitana del Valle de México considerando dos externalidades negativas del tránsito metropolitano: la congestión y los accidentes viales. Integrando las apreciaciones del usuario afectado en interacción directa con estas externalidades, vertidas en la plataforma de Red Geosocial Waze, en relación con la información de las bases de datos oficiales de instituciones gubernamentales y educativas, como la localización y tamaño de las Unidades Económicas del Directorio Estadístico Nacional de Unidades Económicas, las condiciones de movilidad en automóvil particular de la Encuesta a Hogares Origen Destino 2017 y la extensión y características de la Red Nacional de Caminos 2017. Obteniendo así, parámetros de movilidad con interrelación espacial con base a Sistemas de Información Geográfica, identificando magnitudes de empleos promedio, frecuencias de congestión y de accidentes, para distintas condiciones de espacio, zonificación, territorialidad y tiempos. Hallando que la dinámica de movilidad por auto particular incide notablemente en corredores viales que se relacionan con la Zona centro-poniente de la Ciudad de México y en una mayor concentración de reportes de tráfico y de accidentes viales, derivada de la relación con la zona de concentración continua de empleo promedio, la cual demanda ser atendida.