Algoritmo de hormigas mejorado para la descripción de modelos difusos interpretables mediante reglas con excepciones
|
|
- Álvaro Tebar Macías
- hace 8 años
- Vistas:
Transcripción
1 Algoritmo de hormigas mejorado para la descripción de modelos difusos interpretables mediante reglas con excepciones P. Carmona 1 J.L. Castro 1 1 Depto. de Ingeniería de Sistemas Informáticos y Telemáticos, UEx, pablo@unex.es 2 Depto. de Ciencias de la Computación e Inteligencia Artificial, UGr, castro@decsai.ugr.es Resumen En un trabajo previo, los autores proponen la ampliación de la sintaxis de las reglas difusas con nuevos predicados y con reglas excepcionales, así como el uso de un algoritmo de hormigas para la descripción optimal de un modelo difuso inicial. Se presentan aquí diversas extensiones a dicho algoritmo para mejorar la interpretabilidad de los modelos difusos obtenidos y se analiza experimentalmente la ganancia obtenida. Palabras Clave: Modelado difuso, algoritmos de hormigas, interpretabilidad. 1 Introducción Una de las formas de mejorar la interpretabilidad de un modelo difuso consiste en tratar de identificar reglas tan generales como sea posible [4], de forma que cada regla cubra el mayor número de ejemplos de entrenamiento y, de este modo, el tamaño de la base de reglas disminuya. Además, la extensión de la sintaxis de las reglas con nuevos predicados diferentes del habitual es-igual-a permite generar reglas más compactas. Adicionalmente, los autores han propuesto el uso de reglas excepcionales para aumentar aún más la interpretabilidad de modelos descritos mediante reglas difusas [2, 3]. En un trabajo previo [1], se propone un método para la búsqueda de un conjunto de reglas generales y reglas excepcionales que describan un modelo difuso inicial. Para ello, se empleó un algoritmo de hormigas [7], método de optimización global que se basa en el comportamiento emergente que surge de la búsqueda cooperativa realizada por un conjunto de agentes denominados hormigas artificiales. Se proponen aquí diversas extensiones a dicho trabajo para mejorar la interpretabilidad del modelo obtenido. La primera sustituye el modelo de hormigas AS [5] empleado en la propuesta original por el modelo ACS [6], que mejora al anterior. La segunda extensión se basa en relajar las restricciones de un paso válido, aumentando el espacio de soluciones válidas y, por tanto, la flexibilidad de las soluciones obtenidas. La tercera, añade una búsqueda local para refinar cada solución alcanzada. Finalmente, una cuarta extensión elimina reglas que subsumen, no ya en otras reglas, sino en la base de reglas en su conjunto. 2 Reglas simples, compuestas y excepcionales Se consideran sistemas con mltiples entradas y una salida (Multiple-Input Single-Output, MISO) con n variables de entrada X = {X 1,..., X n } definidas sobre el universo del discurso X = X 1... X n, y una variable de salida Y definida sobre el universo del discurso Y. El dominio difuso de X i se denota X i = {LX i,1,..., LX i,pi }, donde LX i,j representa la etiqueta lingística del j-ésimo valor difuso. Análogamente, Ỹ = {LY 1,..., LY q } es el dominio difuso de salida. Habitualmente, las reglas de un modelo difuso MISO contienen en el antecedente un predicado para cada variable de entrada que la asocia a una etiqueta de su dominio difuso. A estas reglas, que denominaremos reglas simples, las denotamos como: R i1...in LY i : LX 1,i1,..., LX n,in LY i. (1) Para mejorar la compactación de las reglas, se puede asociar más de una etiqueta a cada variable de entrada en el antecedente, así como utilizar otros predicados además del habitual es-igual-a. A estas reglas, que denominaremos reglas compuestas, las denotamos como: R i : [ ]X 1 op i SX i 1,..., [ ]X n op n SX i n LY i XIV Congreso Español sobre Tecnologías y Lógica fuzzy 185
2 donde op i {=,,,, } ( significa entre), representa al operador de negación y donde cada SX i j es una etiqueta si op i {=,, }, dos si op i es, y dos o más etiquetas si op i es. Es más, la compactación del modelo difuso puede aún mejorarse mediante el concepto de reglas excepcionales, introducido por los autores en [2, 3]. Una regla excepcional está asociada a otra regla la regla exceptuada y excluye el disparo de ésta de una porción del espacio de entrada que cubre, siendo la regla excepcional la que se aplica en su lugar. Además, para expresar de forma aún más compacta la regla excepcional, ésta aprovecha el contexto introducido por el antecedente de la regla exceptuada. Así, dado el dominio difuso {NL, NS, Z, P S, P L} para todas las variables, las reglas exceptuada y excepcional R 1 : X 1 {NL, Z, P S}, X 2 [NS, P S] NL exc: X 1 Z, X 3 = Z NS agrupan a = 45 reglas simples y equivalen a las reglas compuestas R 1 : X 1 = NL, X 2 [NS, P S] NL, R 2 : X 1 {Z, P S}, X 2 [NS, P S], X 3 = Z NL, R 3 : X 1 {Z, P S}, X 2 [NS, P S], X 3 = Z NS. 3 El algoritmo de hormigas original A continuación se presenta el algoritmo propuesto en [1], que busca la mejor transformación de un conjunto de reglas iniciales (CRI) en un conjunto de reglas compuestas (CRC) con posibles reglas excepcionales. 1 Una hormiga puede realizar pasos de inclusión, que añaden reglas del CRI al CRC, o de amplificación, que extienden la cobertura de una regla del CRC añadiendo una etiqueta a una de sus premisas en el antecedente. La amplificación que la etiqueta LX j,k a R i se denota i, j, k, mientras que la inclusión de la i-ésima regla inicial (RI) al CRC se denota i, 0, 0 y da lugar a la regla compuesta R i. 3.1 Construcción de soluciones Para construir una solución, la hormiga se sitúa en una RI aleatoria, incluyéndola así en su CRC, y sucesivamente selecciona sus pasos entre los válidos para cada estado hasta cubrir positivamente todas las RIs. Un paso es válido: 1 Para poder comparar los resultados experimentales, se han incluido algunos cambios menores como parte del algoritmo original (concretamente, el uso de la negación, la expresión de las reglas excepcionales aprovechando el contexto introducido por la regla exceptuada y la inicialización de feromonas utilizada en la Sección 3.3). 1. Si es de inclusión, cuando la RI aún no esté cubierta positivamente por el CRC. 2. Si es de amplificación de una regla compuesta R i : (a) si R i no es excepcional, cuando: i. la zona de amplificación (ZdA) la nueva zona cubierta por R i (R i amplificada) no cubre solo RIs negativamente, y ii. cada R j que solapa con R i no es excepcional de otra regla, está completamente cubierta por R i y, o bien los consecuentes de sendas reglas coinciden, o difieren y R j no cubre RIs negativamente. (b) Si R i es excepcional de R j, cuando la ZdA está contenida en R j, no cubre RIs negativamente ni solapa con otra regla excepcional. Tras cada amplificación, las reglas que subsumen en R i se eliminan y la conflictivas que solapan con ella se convierten en excepcionales. 3.2 Información heurística Para guiar la búsqueda hacia caminos con pasos prometedores se emplea la función heurística η = γ Reg cob Reg max + (1 γ) Reg +/(Reg + 1) Reg max, (2) donde Reg cob es el número de regiones de entrada cubiertas por la ZdA, Reg + (Reg ) es el número de RIs cubiertas positivamente (negativamente) por la ZdA y Reg max es el número máximo de regiones de entrada cubiertas por la ZdA cuando se amplifica la variable considerada en el paso (para s : i, j, k, Reg max = l j p l) 2. La ecuación (2) se evalúa sobre el estado en el que se encuentra la hormiga justo antes de realizar el paso. 3.3 Actualización de feromonas Esta sección se refiere a las feromonas depositadas por una hormiga tras finalizar su recorrido. Dada una solución (CRC final), se evalúa cada regla R i incluida en ella y se deposita en cada paso i,, del recorrido de la hormiga una cantidad de feromonas proporcional a dicho valor (en este sentido, las reglas exceptuadas y las excepcionales se tratan de igual modo). La valoración de una regla evalúa su simplicidad sintáctica. Para ello, se define la complejidad de cada 2 Para s : i, 0, 0, Reg max = l p l/ min l p l y (2) se divide por 2 para favorecer las amplificaciones. 186 XIV Congreso Español sobre Tecnologías y Lógica fuzzy
3 premisa como c(p j ) = 0 si es la premisa vacía 3 si X j (=,, )LX j,k 4 si X j [LX j,k, LX j,k+l ] l + 2 si X j {LX j,k1,..., LX j,kl }, (3) se evalua cada premisa de la regla P j y su negación P j (donde c( P j ) = c(p j ) + 1) con objeto de considerar la negación y se utiliza en el resto de ecuaciones que se describen a continuación la que resulte más simple (es decir, la de menor valor). A continuación, se define la complejidad de una regla como C(R i ) = min ( 1, E + j c([ ]P j) j p j + 1 ), (4) donde E es el número de reglas excepcionales de R i, y su interpretabilidad se define como I(R i ) = δ(1 C(R i )) + (1 δ) Reg cob Reg max, (5) donde δ [0, 1] es un parámetro, Reg cob es el número de regiones de entrada cubiertas por R i excepto las cubiertas por sus reglas excepcionales y Reg max = l p l. Además, dado que lo adecuado de un paso también depende de los pasos previos, la cantidad de feromonas asociadas a un paso s : i,, dado por la k-ésima hormiga se calcula como τs k = I(R i ) L l + 1, (6) L donde L es la longitud del recorrido y l la posición de i,, en el mismo. Finalmente, la medida utilizada para seleccionar la mejor solución se define como I(BR) = NRI i C(Ri ), (7) NRI donde N RI es el número de RIs y representa la máxima complejidad del modelo (número máximo de reglas, cada una con complejidad máxima). La cantidad de feromonas inicial es igual a τ 0 = IP R voraz /NR voraz (8) donde IP R voraz es la interpretabilidad media de las reglas difusas obtenidas con un algoritmo voraz igual al algoritmo de hormigas (sin las extensiones de 4.3 y 4.4) eligiendo siempre el paso de mayor valor heurístico, y NR voraz es el número de reglas de dicho modelo difuso. 4 Extensiones al algoritmo original 4.1 Modelo ACS La primera extensión consiste en sustituir el modelo AS [5] utilizado en el algoritmo original, por el modelo mejorado ACS propuesto por Dorigo y Gambardella en [6]. Las novedades de este modelo son: Se sustituye la regla proporcional aleatoria de selección de un paso por una regla pseudoaleatoria donde un nuevo parámetro q 0 establece la probabilidad de seleccionar el mejor paso en lugar de utilizar la regla proporcional aleatoria original. Tras cada ciclo, se actualizan sólo las feromonas de los pasos de la hormiga m que obtuvo la mejor solución hasta el momento, τs m = (1 α) τs m + α τs m, en lugar de los pasos de todas las hormigas del ciclo. Durante el recorrido de cada hormiga k, disminuyen las feromonas de cada paso dado s de la forma τ k s = (1 ρ) τ k s +ρ τ 0, reduciendo la probabilidad de que otras hormigas elijan ese paso. 4.2 Solapamiento entre reglas En la Sección 3.1, sólo se permite que una regla en amplificación solape con otra si, tras la amplificación, la última queda cubierta completamente por la primera (condición 2.(a)ii). Un modo de incrementar la capacidad de encontrar soluciones más interpretables consiste en permitir que reglas con el mismo consecuente puedan solapar parcialmente. Aunque esto puede provocar coberturas redundantes del espacio de entrada, el resultado será positivo si estas redundancias suponen una simplificación de las reglas implicadas. Dado que el algoritmo busca esa simplicidad, es de esperar que la metaheurística tenderá a evitar por sí misma las variantes indeseadas. Para implementar esta extensión, la definición de paso válido se redefine como sigue (las modificaciones aparecen resaltadas): Si es de amplificación de una regla compuesta R i : (a) si R i no es excepcional, cuando: i.... ii. cada R j que solapa con R i : es consistente con R i y, o bien está completamente cubierta por R i o bien la zona de solapamiento no cubre RIs negativamente, o XIV Congreso Español sobre Tecnologías y Lógica fuzzy 187
4 es conflictiva con R i, está completamente cubierta por ella, no es excepcional de otra regla y no cubre RIs negativamente. (b) Si R i es excepcional de R j, cuando la ZdA está contenida en R j, no cubre RIs negativamente ni solapa con ninguna regla en conflicto con R i excepto R j. Aunque esta extensión flexibiliza la definición original, se impide el solapamiento entre reglas consistentes en regiones donde cubran RIs conflictivas, con objeto de evitar reglas excepcionales de más de una regla. 4.3 Subsunción respecto a la base de reglas Si se incluye la extensión de la Sección 4.2, pueden surgir reglas que, aunque no subsuman en una regla individual, sí lo hagan en un conjunto de dos o más reglas del modelo final. Por ello, otra extensión consiste en lanzar un proceso para eliminar tales reglas. Durante este proceso, las reglas exceptuadas se analizan antes que sus reglas excepcionales, de modo que si se elimina alguna regla exceptuada, sus reglas excepcionales se conviertan en no excepcionales. Una regla exceptuada subsumirá en la base de reglas si las regiones cubiertas por su antecedente, exceptuando las cubiertas por sus reglas excepcionales, están también cubiertas por otras reglas del CRC. 4.4 Búsqueda local En (2), se favorece la amplitud de la cobertura de una regla incluso aunque la amplificación no proporcione un beneficio inmediato, con la esperanza de que futuras amplificaciones sobre la misma premisa sí lo consigan. Esto puede dar lugar a reglas finales con etiquetas innecesarias que, no sólo no proporcionen ningún beneficio, sino que incluso incrementen la complejidad injustificadamente. Por ello, se introduce aquí una búsqueda local para explorar cada regla final y analizar la idoneidad de cada etiqueta. Concretamente, la búsqueda local consiste en: Para cada regla R i del modelo final: Para cada paso s : i, j, k del recorrido: Sea R i igual a R i sin LX j,k Si conds entonces Reemplazar R i con R i Eliminar el paso s del recorrido donde conds son las condiciones para considerar LX j,k innecesario y comprenden: 1. I(R i ) I(R i ) 2. el CRI sigue cubierto tras sustituir R i por R i 3. si R i es una regla exceptuada, ninguna de sus excepciones cubre la ZdA delimitada por s 4. si se permite el solapamiento (Sección 4.2) y R i es una regla excepcional, la ZdA sólo está cubierta por reglas excepcionales de R i. Esta búsqueda local se lanza después de construir cada solución y antes actualizar las feromonas. Además, si se incluye la extensión de la Sección 4.3, se eliminará la regla resultante si subsume en la base de reglas. 5 Resultados experimentales Se realizaron experimentos para determinar la efectividad de las mejoras presentadas en la Sección 4. Para ello, se obtuvieron los resultados con el método original, con la extensión presentada en la Sección 4.1 (para determinar el beneficio derivado del uso del modelo ACS) y con todas las extensiones presentadas en la Sección 4 aplicadas conjuntamente. Cada configuración del algoritmo se ejecutó 5 veces y se analizaron los valores medios. Los parámetros empleados fueron γ = 0.25, δ = 0.5 y un número de hormigas M = 5. Para la regla proporcional aleatoria se empleó el parámetro β = 1. En el modelo AS, se empleó el parámetro de evaporación ρ = 0.1 y para el modelo ACS los parámetros α = ρ = 0.1 y q 0 = 0.9. El número máximo de ciclos se estableció en 80 y se consideró como condición de convergencia para finalizar la ejecución del algoritmo que todas las hormigas en un ciclo construyeran el mismo CRC. Se diseñó un generador automático para proporcionar bases de reglas compuestas con excepciones con diferentes dimensionalidades (número de variables de entrada, n) y cardinalidades para los dominios difusos (la misma cardinalidad p para todos los dominios). Este generador selecciona aleatoriamente un conjunto de etiquetas para cada premisa en el antecedente de las reglas con la restricción de que el modelo final no contenga reglas conflictivas ni subsumidas, tras lo cual se exceptúan algunas de las reglas generando aleatoriamente reglas excepcionales compuestas. Se emplearon las configuraciones [2, 9] y [3, 7] para [n, p] y para cada una se generaron tres bases de reglas (BR 1, BR 2 y BR 3 ). La Tabla 1 muestra resumidamente los resultados obtenidos. Para cada configuración [n, p] se muestra, en la primera fila, los datos relativos a cada modelo difuso preliminar sobre el que se aplica cada método 188 XIV Congreso Español sobre Tecnologías y Lógica fuzzy
5 Tabla 1: Resultados obtenidos con las distintas versiones del método propuesto BR 1 BR 2 BR 3 [2, 9] (4.40) 10.0 {49} (3.75) 9.0 {47} (3.85) 9.0 {40} AS (4.39) 10.8 (3.61) 9.4 (3.08) 8.2 ACS (3.92) 10.6 (3.38) 9.0 (2.85) 8.2 ACS + E (3.38) 11.0 (3.29) 9.0 (2.70) 8.2 [3, 7] (4.50) 10.0 {88} (5.88) 13.0 {145} (5.54) 12.0 {98} AS (5.25) 12.8 (6.32) 17.0 (4.47) 11.6 ACS (4.88) 12.0 (6.18) 13.6 (4.07) 11.0 ACS + E (4.27) 12.0 (5.76) 14.0 (3.75) 11.0 y, en el resto de filas, los resultados promediados relativos a las distintas configuraciones de dicho método: AS, el algoritmo de hormigas original presentado en la Sección 3 y que utiliza el modelo AS; ACS, que sustituye el modelo AS por el modelo ACS introducido en la Sección 4.1; y ACS + E que añade al método anterior el resto de extensiones propuestas en la Sección 4, permitiendo el solapamiento entre reglas compuestas, aplicando la búsqueda local y considerando la subsunción de reglas respecto a la base de reglas junto con la nueva definición de paso válido. Esta tabla muestra, para cada modelo difuso al que se aplica el algoritmo de hormigas, la siguiente información: entre paréntesis, la complejidad acumulada tanto del modelo difuso descrito mediante reglas compuestas. Esta medida equivale a la suma de la complejidad de sus reglas y, por tanto, es inversa a la medida de la interpretabilidad de una base de reglas definida en (7), entre paréntesis angulares, el número de reglas compuestas que describen al modelo difuso, y entre llaves, el número de RIs simples del modelo difuso proporcionado como entrada del algoritmo de hormigas. Cabe resaltar que el algoritmo de hormigas no parte del conjunto de reglas compuestas generadas automáticamente, sino del conjunto de reglas simples que contiene. A este respecto, aunque no puede asegurarse que el generador de bases de reglas compuestas proporcione el conjunto óptimo de reglas que cubre a las RIs subyacentes, al menos genera una descripción razonablemente buena si atendemos a la relación número de reglas simples vs. número de reglas compuestas (incluyendo las reglas excepcionales). Por ejemplo, para [n, p] igual a [3, 7] las relaciones son 88/10, 145/13 y 98/12 (veáse la tabla). Por ello, se marcó como objetivo conseguir con el algoritmo de hormigas soluciones tan interpretables como las generadas automáticamente. En la Tabla 1 pueden observarse las mejoras en interpretabilidad obtenidas con las diversas extensiones al algoritmo original, consiguiendo reducir sucesivamente la complejidad de los modelos difusos resultantes, aunque a veces esto signifique un aumento en el número de reglas compuestas que los describen (más reglas, pero más simples). La versión ACS + E consigue, no sólo igualar el nivel de interpretabilidad de los modelos difusos preliminares utilizados como entrada al algoritmo, sino reducirlo en todos los casos. Como se apuntó anteriormente, este resultado es más significativo si se tiene en cuenta que el algoritmo parte, no del modelo difuso descrito mediante reglas compuestas, sino del conjunto de reglas simples que lo constituyen. 6 Conclusiones En este trabajo se presentan diversas extensiones sobre el algoritmo de hormigas presentado por los autores en [1], centradas en incrementar la interpretabilidad de los resultados obtenidos. Con el objetivo de evaluar la idoneidad de las extensiones propuestas, se desarrolló un generador de modelos difusos aleatorios descritos mediante reglas compuestas con posibles reglas excepcionales. Dado que dichos modelos, si bien no son óptimos en general, proporcionan una buena descripción en términos de número de reglas simples frente a número de reglas compuestas, consideramos como objetivo conseguir descripciones tan interpretables como las de dichos modelos difusos generados automáticamente. Como conclusión, tanto el uso del modelo ACS como el resto de extensiones proporcionan beneficios respecto al algoritmo original, siendo éstos máximos cuando se aplican todas las extensiones conjuntamente. En este último caso, no sólo se consiguen soluciones tan interpretables como las de los modelos difusos generados automáticamente, sino que en todos casos se mejora XIV Congreso Español sobre Tecnologías y Lógica fuzzy 189
6 su interpretabilidad. Este resultado es tanto más significativo si se observa que la entrada al algoritmo de hormigas propuesto no es la base de reglas descrita mediante reglas compuestas sino las reglas simples que lo constituyen. Referencias [1] P. Carmona and J.L. Castro. Analysis and Design of Intelligent Systems Using Soft Computing Techniques, volume 41 of Advances in Soft Computing, chapter An Ant Colony Optimization plug-in to enhance the interpretability of fuzzy rule bases with exceptions, pages Springer-Verlag, Heidelberg, Germany, [2] P. Carmona, J.L. Castro, and J.M. Zurita. FRIwE: Fuzzy rule identification with exceptions. IEEE Trans. Fuzzy Syst., 12(1): , [3] P. Carmona, J.L. Castro, and J.M. Zurita. Learning maximal structure fuzzy rules with exceptions. Fuzzy Sets Syst., 146(1):63 77, [4] J.L. Castro, J.J. Castro-Schez, and J.M. Zurita. Learning maximal structure rules in fuzzy logic for knowledge acquisition in expert systems. Fuzzy Sets Syst., 101: , [5] M. Dorigo, A. Colorni, and V. Maniezzo. The ant system: Optimization by a colony of cooperating agents. IEEE Trans. Syst. Man Cybern. B, 26(1):29 41, [6] M. Dorigo and L.M. Gambardella. Ant colony system: A cooperative learning approach to the traveling salesman problem. IEEE Trans. Evol. Comput., 1(1):53 66, [7] M. Dorigo and T. Stützle. Ant Colony Optimization. MIT Press, XIV Congreso Español sobre Tecnologías y Lógica fuzzy
1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
Más detallesTema 3. Medidas de tendencia central. 3.1. Introducción. Contenido
Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6
Más detallesSEGURIDAD Y PROTECCION DE FICHEROS
SEGURIDAD Y PROTECCION DE FICHEROS INTEGRIDAD DEL SISTEMA DE ARCHIVOS ATAQUES AL SISTEMA PRINCIPIOS DE DISEÑO DE SISTEMAS SEGUROS IDENTIFICACIÓN DE USUARIOS MECANISMOS DE PROTECCIÓN Y CONTROL INTEGRIDAD
Más detallesIngeniería del Software I Clase de Testing Funcional 2do. Cuatrimestre de 2007
Enunciado Se desea efectuar el testing funcional de un programa que ejecuta transferencias entre cuentas bancarias. El programa recibe como parámetros la cuenta de origen, la de cuenta de destino y el
Más detallesPROCEDIMIENTO ESPECÍFICO. Código G114-01 Edición 0
Índice 1. TABLA RESUMEN... 2 2. OBJETO... 2 3. ALCANCE... 2 4. RESPONSABILIDADES... 3 5. ENTRADAS... 3 6. SALIDAS... 3 7. PROCESOS RELACIONADOS... 3 8. DIAGRAMA DE FLUJO... 4 9. DESARROLLO... 5 9.1. PROYECTO
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detallesFUNCIONES CUADRÁTICAS Y RACIONALES
www.matesronda.net José A. Jiménez Nieto FUNCIONES CUADRÁTICAS Y RACIONALES 1. FUNCIONES CUADRÁTICAS. Representemos, en función de la longitud de la base (), el área (y) de todos los rectángulos de perímetro
Más detallesMLM 1000 - Matemática Discreta
MLM 1000 - Matemática Discreta L. Dissett Clase 04 Resolución. Lógica de predicados c Luis Dissett V. P.U.C. Chile, 2003 Aspectos administrativos Sobre el tema vacantes: 26 personas solicitaron ingreso
Más detallesGANTT, PERT y CPM. Figura 5.3: Carta GANTT 3.
GANTT, PERT y CPM Características Conseguir una buena programación es un reto, no obstante es razonable y alcanzable. Ella debe tener el compromiso del equipo al completo, para lo cual se recomienda que
Más detallesCorrespondencias entre taxonomías XBRL y ontologías en OWL Unai Aguilera, Joseba Abaitua Universidad de Deusto, EmergiaTech
Correspondencias entre taxonomías XBRL y ontologías en OWL Unai Aguilera, Joseba Abaitua Universidad de Deusto, EmergiaTech Resumen Todo documento XBRL contiene cierta información semántica que se representa
Más detallesx 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos
Más detallesEstas visiones de la información, denominadas vistas, se pueden identificar de varias formas.
El primer paso en el diseño de una base de datos es la producción del esquema conceptual. Normalmente, se construyen varios esquemas conceptuales, cada uno para representar las distintas visiones que los
Más detallesEL ESTADO DE ORIGEN Y APLICACION DE FONDOS
El estado de origen y aplicación de fondos EL ESTADO DE ORIGEN Y APLICACION DE FONDOS 1.- Introducción.- Como se indicó al tratar la cuenta de resultados, la misma es la expresión contable del movimiento
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesCapitalización y descuento compuesto
Unidad 4 Capitalización y descuento compuesto 4.1. Capitalización compuesta 4.1.1. Magnitudes derivadas 4.2. Comparación entre la capitalización simple y compuesta 4.3. Equivalencia de tantos en capitalización
Más detallesLECCIÓN 8: CIRCUITOS Y ALGORITMOS DE MULTIPLICACIÓN DE ENTEROS
ESTRUCTURA DE COMPUTADORES Pag. 8.1 LECCIÓN 8: CIRCUITOS Y ALGORITMOS DE MULTIPLICACIÓN DE ENTEROS 1. Circuitos de multiplicación La operación de multiplicar es mas compleja que la suma y por tanto se
Más detallesESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Construcción de una Base de Datos
Descargado desde www.medwave.cl el 13 Junio 2011 por iriabeth villanueva Medwave. Año XI, No. 2, Febrero 2011. ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Construcción de una Base de Datos Autor:
Más detallesUNIDADES FUNCIONALES DEL ORDENADOR TEMA 3
UNIDADES FUNCIONALES DEL ORDENADOR TEMA 3 INTRODUCCIÓN El elemento hardware de un sistema básico de proceso de datos se puede estructurar en tres partes claramente diferenciadas en cuanto a sus funciones:
Más detallesETSIINGENIO 2009 DIBUJO DE GRAFOS MEDIANTE ALGORITMOS GENÉTICOS
ETSIINGENIO 2009 DIBUJO DE GRAFOS MEDIANTE ALGORITMOS GENÉTICOS EtsiIngenio Inteligencia Artificial 1 Raposo López Alejandro Sánchez Palacios Manuel Resumen dibujo de grafos mediante algoritmos genéticos
Más detallesMetodología. del ajuste estacional. Tablero de Indicadores Económicos
Metodología del ajuste estacional Tablero de Indicadores Económicos Metodología del ajuste estacional Componentes de una serie de tiempo Las series de tiempo están constituidas por varios componentes que,
Más detalles152. a SESIÓN DEL COMITÉ EJECUTIVO
ORGANIZACIÓN PANAMERICANA DE LA SALUD ORGANIZACIÓN MUNDIAL DE LA SALUD 152. a SESIÓN DEL COMITÉ EJECUTIVO Washington, D.C., EUA, del 17 al 21 de junio del 2013 Punto 7.3 del orden del día provisional CE152/INF/3
Más detallesUnidad Formativa UF0525: Gestión Administrativa para el Asesoramiento de Productos de Activo
Unidad Formativa UF0525: Gestión Administrativa para el Asesoramiento de Productos de Activo TEMA 1. Procedimientos de cálculo financiero básico aplicable a los productos financieros de activo TEMA 2.
Más detallesTEMA 2: Representación de la Información en las computadoras
TEMA 2: Representación de la Información en las computadoras Introducción Una computadora es una máquina que procesa información y ejecuta programas. Para que la computadora ejecute un programa, es necesario
Más detallesCAPÍTUL07 SISTEMAS DE FILOSOFÍA HÍBRIDA EN BIOMEDICINA. Alejandro Pazos, Nieves Pedreira, Ana B. Porto, María D. López-Seijo
CAPÍTUL07 SISTEMAS DE FILOSOFÍA HÍBRIDA EN BIOMEDICINA Alejandro Pazos, Nieves Pedreira, Ana B. Porto, María D. López-Seijo Laboratorio de Redes de Neuronas Artificiales y Sistemas Adaptativos Universidade
Más detallesIntroducción a la Firma Electrónica en MIDAS
Introducción a la Firma Electrónica en MIDAS Firma Digital Introducción. El Módulo para la Integración de Documentos y Acceso a los Sistemas(MIDAS) emplea la firma digital como método de aseguramiento
Más detallesInterpretación CINIIF 16 Coberturas de una Inversión Neta en un Negocio en el Extranjero
Interpretación CINIIF 16 Coberturas de una Inversión Neta en un Negocio en el Extranjero Referencias NIC 8 Políticas Contables, Cambios en las Estimaciones Contables y Errores NIC 21 Efectos de las Variaciones
Más detallesCOMUNICADO Nro. 49763 08/11/2010. Ref.: Tarjetas de crédito. Tasas y costos promedio de las tarjetas de crédito a agosto de 2010. Tarjetas de Crédito
"2010 - AÑO DEL BICENTENARIO DE LA REVOLUCION DE MAYO" COMUNICADO Nro. 49763 08/11/2010 Ref.: Tarjetas de crédito. Tasas y costos promedio de las tarjetas de crédito a agosto de 2010. Tarjetas de Crédito
Más detallesTema 3: Variables aleatorias y vectores aleatorios bidimensionales
Estadística 38 Tema 3: Variables aleatorias y vectores aleatorios bidimensionales El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos
Más detallesPRODUCTIVIDAD DE PROYECTOS DE DESARROLLO DE SOFTWARE: FACTORES DETERMINANTES E INDICADORES
PRODUCTIVIDAD DE PROYECTOS DE DESARROLLO DE SOFTWARE: FACTORES DETERMINANTES E INDICADORES Raúl Palma G. y Guillermo Bustos R. Escuela de Ingeniería Industrial Universidad Católica de Valparaíso Casilla
Más detallesOtras medidas descriptivas usuales
Tema 7 Otras medidas descriptivas usuales Contenido 7.1. Introducción............................. 1 7.2. Medidas robustas.......................... 2 7.2.1. Media recortada....................... 2 7.2.2.
Más detallesE-CONTABILIDAD FINANCIERA: NIVEL II
E-CONTABILIDAD FINANCIERA: NIVEL II MÓDULO 8: INTRODUCCION AL ANALISIS DE BALANCES OBJETIVOS DEL MÓDULO: Iniciar el estudio de análisis contable. Comprender el significado y necesidad del fondo de maniobra.
Más detallesforma de entrenar a la nuerona en su aprendizaje.
Sistemas expertos e Inteligencia Artificial,Guía5 1 Facultad : Ingeniería Escuela : Computación Asignatura: Sistemas expertos e Inteligencia Artificial Tema: SISTEMAS BASADOS EN CONOCIMIENTO. Objetivo
Más detallesCONTABILIDAD ANALISIS VERTICAL Y HORIZONTAL DE ESTADOS CONTABLES
CONTABILIDAD ANALISIS VERTICAL Y HORIZONTAL DE ESTADOS CONTABLES El análisis de Estados Contables dispone de dos herramientas que ayudan a interpretarlos y analizarlos. Estas herramientas, denominadas
Más detallesGeneración de funciones lógicas mediante decodificadores binarios con salidas activas a nivel alto
Generación de funciones lógicas mediante decodificadores binarios con salidas activas a nivel alto Apellidos, nombre Martí Campoy, Antonio (amarti@disca.upv.es) Departamento Centro Informática de Sistemas
Más detallesTécnicas de prueba 1. FUNDAMENTOS DE LA PRUEBA DEL SOFTWARE
Técnicas de prueba El desarrollo de Sistemas de software implica la realización de una serie de actividades predispuestas a incorporar errores (en la etapa de definición de requerimientos, de diseño, de
Más detallesNMÁS1 SYZ VALORES AGENCIA DE VALORES, S.A NMÁS1 SYZ GESTION, SGIIC, S.A. POLÍTICA DE EJECUCIÓN Y GESTIÓN DE ÓRDENES
NMÁS1 SYZ VALORES AGENCIA DE VALORES, S.A NMÁS1 SYZ GESTION, SGIIC, S.A. POLÍTICA DE EJECUCIÓN Y GESTIÓN DE ÓRDENES Nmás1 Syz Valores Agencia de Valores, S.A., inscrita en el Registro Mercantil de Madrid
Más detallesGestión de la Configuración
Gestión de la ÍNDICE DESCRIPCIÓN Y OBJETIVOS... 1 ESTUDIO DE VIABILIDAD DEL SISTEMA... 2 ACTIVIDAD EVS-GC 1: DEFINICIÓN DE LOS REQUISITOS DE GESTIÓN DE CONFIGURACIÓN... 2 Tarea EVS-GC 1.1: Definición de
Más detallesParámetros con la ventana de selección de usuario, reglas, texto y descomposición (IVE)
QUÉ SON CONCEPTOS PARAMÉTRICOS? Los conceptos paramétricos de Presto permiten definir de una sola vez una colección de conceptos similares a partir de los cuales se generan variantes o conceptos derivados
Más detallesMineria de datos y su aplicación en web mining data Redes de computadores I ELO 322
Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Nicole García Gómez 2830047-6 Diego Riquelme Adriasola 2621044-5 RESUMEN.- La minería de datos corresponde a la extracción
Más detallesTRANSMISIÓN DE TRANSMISIÓN DE TRANSMISIÓN DE RESULTADOS DILIGENCIAS TRABAS DE VALIDACIÓN DE TRABAS. Si hay rechazo
ANEXO I Especificaciones técnicas sobre los procesos de transmisión centralizada de diligencias de embargo de cuentas bancarias, recepción de las trabas y comunicación de resultados (EDITRAN) 1. Descripción
Más detallesPRUEBAS DE SOFTWARE TECNICAS DE PRUEBA DE SOFTWARE
PRUEBAS DE SOFTWARE La prueba del software es un elemento crítico para la garantía de la calidad del software. El objetivo de la etapa de pruebas es garantizar la calidad del producto desarrollado. Además,
Más detallesNIFBdM A-4 CARACTERÍSTICAS CUALITATIVAS DE LOS ESTADOS FINANCIEROS
NIFBdM A-4 CARACTERÍSTICAS CUALITATIVAS DE LOS ESTADOS FINANCIEROS OBJETIVO Establecer las características cualitativas que debe reunir la información financiera contenida en los estados financieros, para
Más detallesQUÉ ES LA RENTABILIDAD Y CÓMO MEDIRLA. La rentabilidad mide la eficiencia con la cual una empresa utiliza sus recursos financieros.
QUÉ ES LA RENTABILIDAD Y CÓMO MEDIRLA La rentabilidad mide la eficiencia con la cual una empresa utiliza sus recursos financieros. Qué significa esto? Decir que una empresa es eficiente es decir que no
Más detallesMétodos Heurísticos en Inteligencia Artificial
Métodos Heurísticos en Inteligencia Artificial Javier Ramírez rez-rodríguez Ana Lilia Laureano-Cruces Universidad Autónoma Metropolitana Métodos Heurísticos en Inteligencia Artificial Los problemas de
Más detallesInteligencia de Negocio
UNIVERSIDAD DE GRANADA E.T.S. de Ingenierías Informática y de Telecomunicación Departamento de Ciencias de la Computación e Inteligencia Artificial Inteligencia de Negocio Guión de Prácticas Práctica 1:
Más detallesADMIRAL MARKETS AS. Normas de Ejecución Óptima. medida en que ha actuado de acuerdo con las correspondientes instrucciones del cliente.
ADMIRAL MARKETS AS Normas de Ejecución Óptima 1. Disposiciones Generales 1.1. Estas Normas de Ejecución Óptima (de aquí en adelante Normas ) estipularán los términos, condiciones y principios sobre los
Más detallesUNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO CENTRO UNIVERSITARIO UAEM ATLACOMULCO REPORTE DE INVESTIGACION
UNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO CENTRO UNIVERSITARIO UAEM ATLACOMULCO REPORTE DE INVESTIGACION Qué es el momento en una red backpropagation? U.A. REDES NEURONALES INTEGRANTES: JESUS BARRIOS CRESCENCIO
Más detallesGENERALIDADES DE BASES DE DATOS
GENERALIDADES DE BASES DE DATOS A fin de evitar que idénticos datos se encuentren repetidos en múltiples archivos, parece necesario que los comunes se almacenen en un archivo único y que este archivo sea
Más detallesEJERCICIOS RESUELTOS SOBRE ERRORES DE REDONDEO
EJERCICIOS RESUELTOS SOBRE ERRORES DE REDONDEO 1º) Considérese un número estrictamente positivo del sistema de números máquina F(s+1, m, M, 10). Supongamos que tal número es: z = 0.d 1 d...d s 10 e Responde
Más detallesSISTEMAS DE NUMERACIÓN. Sistema decimal
SISTEMAS DE NUMERACIÓN Sistema decimal Desde antiguo el Hombre ha ideado sistemas para numerar objetos, algunos sistemas primitivos han llegado hasta nuestros días, tal es el caso de los "números romanos",
Más detallesFACULTAD DE CONTADURIA Y CIENCIAS ADMINISTRATIVAS FINANZAS I NORMAS DE INFORMACION FINANCIERA
Normas de Información Financiera Durante más de 30 años, la Comisión de Principios de Contabilidad (CPC) del Instituto Mexicano de Contadores Públicos A. C. (IMCP) fue la encargada de emitir la normatividad
Más detallesCapítulo 12: Indexación y asociación
Capítulo 12: Indexación y asociación Conceptos básicos Índices ordenados Archivos de índice de árbol B+ Archivos de índice de árbol B Asociación estática Asociación dinámica Comparación entre indexación
Más detalles12.- CONTROL DE LA EJECUCIÓN DEL PLAN (SEGUIMIENTO Y EVALUACIÓN)
12.- CONTROL DE LA EJECUCIÓN DEL PLAN (SEGUIMIENTO Y EVALUACIÓN) El programa de seguimiento que se pretende elaborar tiene por finalidad evaluar el grado de cumplimiento de los objetivos de calidad establecidos
Más detallesCapítulo 5: METODOLOGÍA APLICABLE A LAS NORMAS NE AI
Capítulo 5: METODOLOGÍA APLICABLE A LAS NORMAS NE AI La segunda fase del NIPE corresponde con la adecuación de las intervenciones de enfermería del sistema de clasificación N.I.C. (Nursing Intervention
Más detallesFuturos y opciones en mercados organizados. Novedades en la operativa de la Caixa
Futuros y opciones en mercados organizados Novedades en la operativa de la Caixa Le presentamos las mejoras y cambios que la Caixa tiene previsto introducir en el Servicio de Intermediación de la operativa
Más detallesTRANSFORMADOR DE ALTA FRECUENCIA CON CONMUTACIÓN AUTOMÁTICA
ÓPTIMO RENDIMIENTO Y FLEXIBILIDAD DE USO TRANSFORMADOR DE ALTA FRECUENCIA CON CONMUTACIÓN AUTOMÁTICA Una de las muchas exigencias de los inversores modernos son unos rangos de entrada y de tensión MPP
Más detallesAnálisis de medidas conjuntas (conjoint analysis)
Análisis de medidas conuntas (conoint analysis). Introducción Como ya hemos dicho anteriormente, esta técnica de análisis nos sirve para analizar la importancia que dan los consumidores a cada uno de los
Más detallesSubespacios vectoriales en R n
Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo
Más detallesCapítulo 9. Archivos de sintaxis
Capítulo 9 Archivos de sintaxis El SPSS permite generar y editar archivos de texto con sintaxis SPSS, es decir, archivos de texto con instrucciones de programación en un lenguaje propio del SPSS. Esta
Más detallesElementos requeridos para crearlos (ejemplo: el compilador)
Generalidades A lo largo del ciclo de vida del proceso de software, los productos de software evolucionan. Desde la concepción del producto y la captura de requisitos inicial hasta la puesta en producción
Más detallesLos servicios más comunes son como por ejemplo; el correo electrónico, la conexión remota, la transferencia de ficheros, noticias, etc.
Página 1 BUSCADORES EN INTERNET Internet es una red de redes informáticas distribuidas por todo el mundo que intercambian información entre sí mediante protocolos 1 TCP/IP. Puede imaginarse Internet como
Más detallesLINEAMIENTOS ESTÁNDARES APLICATIVOS DE VIRTUALIZACIÓN
LINEAMIENTOS ESTÁNDARES APLICATIVOS DE VIRTUALIZACIÓN Tabla de Contenidos LINEAMIENTOS ESTÁNDARES APLICATIVOS DE VIRTUALIZACIÓN... 1 Tabla de Contenidos... 1 General... 2 Uso de los Lineamientos Estándares...
Más detallesPlan de estudios Maestría en Sistemas de Información y Tecnologías de Gestión de Datos
Plan de estudios Maestría en Sistemas de Información y Tecnologías de Gestión de Datos Antecedentes y Fundamentación Un Sistema de Información es un conjunto de componentes que interactúan entre sí, orientado
Más detallesDiseño de bases de datos Diapositiva 1
Diseño o de bases de datos Objetivos del Diseño Principios del Diseño de BD Proceso de Diseño Normalización Diseño de Tablas: Claves Relaciones Integridad referencial Convenciones de nomenclatura Diseño
Más detallesMEDIDAS DE TENDENCIA CENTRAL
CAPÍTULO 14 MEDIDAS DE TENDENCIA CENTRAL A veces, de los datos recolectados ya organizados en alguna de las formas vistas en capítulos anteriores, se desea encontrar una especie de punto central en función
Más detallesResumen de la solución SAP SAP Technology SAP Afaria. Gestión de la movilidad empresarial para mayor ventaja competitiva
de la solución SAP SAP Technology SAP Afaria Gestión de la movilidad empresarial para mayor ventaja competitiva Simplificar la gestión de dispositivos y aplicaciones Simplificar la gestión de dispositivos
Más detallesUnidad III. Planificación del proyecto de software
Planificación del proyecto de software Unidad III 3.1. Aplicación de herramientas para estimación de tiempos y costos de desarrollo de software: GANTT, PERT/CPM, uso de software para la estimación de tiempos
Más detallesAritmética finita y análisis de error
Aritmética finita y análisis de error Escuela de Ingeniería Informática de Oviedo (Dpto. de Matemáticas-UniOvi) Computación Numérica Aritmética finita y análisis de error 1 / 47 Contenidos 1 Sistemas decimal
Más detallesAplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI
Aplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI Ricardo Köller Jemio Departamento de Ciencias Exactas e Ingeniería, Universidad
Más detallesQué es Gestión por Resultados?
Qué es Gestión por Resultados? La Gestión por Resultados (también denominada administración por objetivos o dirección por resultados) es un enfoque de gestión que busca incrementar la eficacia y el impacto
Más detallesArquitectura de Aplicaciones
1 Capítulo 13: Arquitectura de aplicaciones. - Sommerville Contenidos del capítulo 13.1 Sistemas de procesamiento de datos 13.2 Sistemas de procesamiento de transacciones 13.3 Sistemas de procesamiento
Más detallesGUÍA 7 Tema: TRAZADOS COMPUESTOS Y MÁSCARAS DE RECORTE.
Edición de Imágenes Vectoriales. Guía 7 72 GUÍA 7 Tema: TRAZADOS COMPUESTOS Y MÁSCARAS DE RECORTE. Contenidos Métodos de combinación de objetos Buscatrazos Objetivo Específico Conocer las utilidades de
Más detallesEL FONDO DE MANIOBRA Y LAS NECESIDADES OPERATIVAS DE FONDOS
2 EL FONDO DE MANIOBRA Y LAS NECESIDADES OPERATIVAS DE FONDOS Las inversiones de una empresa están reflejadas en su activo. Una forma de clasificación de las diferentes inversiones es en función del plazo
Más detallesTema 7 COSTO ESTÁNDAR
Tema 7 COSTO ESTÁNDAR Campus Santa Fé Miguel Ángel Gutiérrez Banegas 1 Introducción En el proceso de generación de información en los negocios, la predeterminación de costos soluciona la dificultad que
Más detallesSÍNTESIS Y PERSPECTIVAS
SÍNTESIS Y PERSPECTIVAS Los invitamos a observar, a identificar problemas, pero al mismo tiempo a buscar oportunidades de mejoras en sus empresas. REVISIÓN DE CONCEPTOS. Esta es la última clase del curso.
Más detallesANALIZANDO GRAFICADORES
ANALIZANDO GRAFICADORES María del Carmen Pérez E.N.S.P.A, Avellaneda. Prov. de Buenos Aires Instituto Superior del Profesorado "Dr. Joaquín V. González" Buenos Aires (Argentina) INTRODUCCIÓN En muchos
Más detallesAnálisis de los datos
Universidad Complutense de Madrid CURSOS DE FORMACIÓN EN INFORMÁTICA Análisis de los datos Hojas de cálculo Tema 6 Análisis de los datos Una de las capacidades más interesantes de Excel es la actualización
Más detallesContabilidad. 1. Precondiciones. 2. Proceso Estándar. Tener la estructura contable. Estructura de la Cuenta Contable
Contabilidad BIZone cuenta con un módulo completamente funcional para llevar la contabilidad de un negocio, tiene todos los reportes financieros y contables que se requieren, además la contabilidad está
Más detallesTABLA DE DECISION. Consideremos la siguiente tabla, expresada en forma genérica, como ejemplo y establezcamos la manera en que debe leerse.
TABLA DE DECISION La tabla de decisión es una herramienta que sintetiza procesos en los cuales se dan un conjunto de condiciones y un conjunto de acciones a tomar según el valor que toman las condiciones.
Más detallesUnidad 2. Bases de la Auditoria Administrativa de la Empresa
Unidad 2 Bases de la Auditoria Administrativa de la Empresa Bases de la Auditoria Administrativa de la Empresa En este capítulo vamos a dejar sentado las bases fundamentales de!a Auditoría Administrativa,
Más detallesCAPÍTULO 3 Servidor de Modelo de Usuario
CAPÍTULO 3 Servidor de Modelo de Usuario Para el desarrollo del modelado del estudiante se utilizó el servidor de modelo de usuario desarrollado en la Universidad de las Américas Puebla por Rosa G. Paredes
Más detallesMANUAL DE EJECUCION DE LA ESTRATEGIA Ibex35 Evolución por Josep Codina
MANUAL DE EJECUCION DE LA ESTRATEGIA Ibex35 Evolución por Josep Codina La Estrategia Ibex35 Evolución se basa en un modelo que se ha probado de forma intensiva y que cumple los objetivos que se han marcado
Más detallesLA IMPORTANCIA DE CONTROLAR LAS PÉRDIDAS DE ENERGÍA EN LAS EMPRESAS DISTRIBUIDORAS
LA IMPORTANCIA DE CONTROLAR LAS PÉRDIDAS DE ENERGÍA EN LAS EMPRESAS DISTRIBUIDORAS Objetivo El presente informe se ha escrito con la finalidad de establecer un marco objetivo como punto de partida para
Más detalles2) Se ha considerado únicamente la mano de obra, teniéndose en cuenta las horas utilizadas en cada actividad por unidad de página.
APLICACIÓN AL PROCESO PRODUCTIVO DE LA EMPRESA "F. G. / DISEÑO GRÁFICO". AÑO 2004 Rescala, Carmen Según lo explicado en el Informe del presente trabajo, la variación en la producción de páginas web de
Más detallesEconomía de la información y la incertidumbre 3er curso (1º Semestre) Grado en Economía
Economía de la información y la incertidumbre 3er curso (1º Semestre) Grado en Economía Parte I. Tema II: TEORÍA DE LA DECISIÓN CON INCERTIDUMBRE: UTILIDAD ESPERADA Bibliografía recomendada: Para el punto
Más detallesMantenimiento de Sistemas de Información
de Sistemas de Información ÍNDICE DESCRIPCIÓN Y OBJETIVOS... 1 ACTIVIDAD MSI 1: REGISTRO DE LA PETICIÓN...4 Tarea MSI 1.1: Registro de la Petición... 4 Tarea MSI 1.2: Asignación de la Petición... 5 ACTIVIDAD
Más detallesIntroducción. Ciclo de vida de los Sistemas de Información. Diseño Conceptual
Introducción Algunas de las personas que trabajan con SGBD relacionales parecen preguntarse porqué deberían preocuparse del diseño de las bases de datos que utilizan. Después de todo, la mayoría de los
Más detallesMódulo 9 Sistema matemático y operaciones binarias
Módulo 9 Sistema matemático y operaciones binarias OBJETIVO: Identificar los conjuntos de números naturales, enteros, racionales e irracionales; resolver una operación binaria, representar un número racional
Más detallesFramework basado en Colonias de Hormigas artificiales para la resolución de problemas de optimización
Universidad Central de Venezuela Facultad de Ciencias Escuela de Computación Laboratorio de Inteligencia Artificial Framework basado en Colonias de Hormigas artificiales para la resolución de problemas
Más detallesResolución de Problemas
Introducción Resolución de Problemas La resolución de problemas es una capacidad que consideramos inteligente Somos capaces de resolver problemas muy diferentes Encontrar el camino en un laberinto Resolver
Más detallesUNIVERSIDAD MINUTO DE DIOS PROGRAMA CONTADURÍA PÚBLICA
UNIVERSIDAD MINUTO DE DIOS PROGRAMA CONTADURÍA PÚBLICA COSTOS II Guía No. 1.- Conceptos Básicos OBJETIVO 1. Asimilar conceptos fundamentales de costos I. CONCEPTOS BASICOS DE COSTOS 1. CONTABILIDAD DE
Más detallesCapítulo 4. Vectores y matrices. 4.1 Declaración de tablas. 4.2 Declaración estática de tablas
Capítulo 4 Vectores y matrices En FORTRAN se puede utilizar un tipo especial de variable que sirve, en particular, para almacenar vectores y matrices. De esta forma, se utiliza un sólo nombre para referirse
Más detallesEvaluación de la capacidad óptima de medida y alcance de la acreditación de un laboratorio de calibración
Evaluación de la capacidad óptima de medida y alcance de la acreditación de un laboratorio de calibración Fernández Pareja, Mª Teresa te_fer@topografia.upm.es Departamento de Ingeniería Topográfica y Cartografía
Más detallesInterés Simple y Compuesto
Interés Simple y Compuesto Las finanzas matemáticas son la rama de la matemática que se aplica al análisis financiero. El tema tiene una relación cercana con la disciplina de la economía financiera, que
Más detallesGARANTÍA. Garantía. Mantenimiento. Asistencia técnica. Sistemas de identificación. Servicios adicionales
Garantía Mantenimiento Asistencia técnica Sistemas de identificación Servicios adicionales La garantía proporcionada por PYV cubre, libres de cargo, la mano de obra y los materiales utilizados. El producto
Más detallesDE VIDA PARA EL DESARROLLO DE SISTEMAS
MÉTODO DEL CICLO DE VIDA PARA EL DESARROLLO DE SISTEMAS 1. METODO DEL CICLO DE VIDA PARA EL DESARROLLO DE SISTEMAS CICLO DE VIDA CLÁSICO DEL DESARROLLO DE SISTEMAS. El desarrollo de Sistemas, un proceso
Más detallesUNIDAD 1 LAS LEYES FINANCIERAS DE CAPITALIZACIÓN DESCUENTO
- 1 - UNIDAD 1 LAS LEYES FINANCIERAS DE CAPITALIZACIÓN Y DESCUENTO Tema 1: Operaciones financieras: elementos Tema 2: Capitalización y descuento simple Tema 3: Capitalización y descuento compuesto Tema
Más detalles28.- Manejo de los Feriados
28.- Manejo de los Feriados El feriado anual o vacaciones pagadas es el derecho del trabajador con más de un año de servicios a hacer uso de un descanso anual de 15 días hábiles, con remuneración íntegra,
Más detalles1. Lección 4 - Leyes de Descuento
1. Lección 4 - Leyes de Descuento Apuntes: Matemáticas Financieras 1.1. El descuento comercial La expresión matemática del descuento comercial es: A 1 (t) = 1 d t para d > 0 Por lo que una u.m. en el instante
Más detallesDiciembre 2008. núm.96. El capital humano de los emprendedores en España
Diciembre 2008 núm.96 El capital humano de los emprendedores en España En este número 2 El capital humano de los emprendedores Este cuaderno inicia una serie de números que detallan distintos aspectos
Más detalles