Cuantificación Vectorial con base en Memorias Asociativas
|
|
- Carmelo Pereyra Barbero
- hace 8 años
- Vistas:
Transcripción
1 Cuantfcacón Vectoral con base en Memoras Asocatvas Enrque Guzmán Ramírez Insttuto de Electrónca y Computacón (953) Ext. 200 eguzman@mxteco.utm.mx Resumen El presente trabao descrbe un nuevo algortmo para la cuantfcacón vectoral (VQ, Vector Quantzaton) con base en las Memoras Asocatvas Extenddas (EAM, Extended Assocatve Memores) nombrado FSA-EAM. El algortmo está dvddo en dos etapas; en la prmera etapa, un lbro de códgos, denomnado EAM-codebook, es generado aplcando la fase de aprendzae de una EAM sobre un lbro de códgos producdo por el algortmo LBG. El resultado de esta etapa es una red asocatva que representa al EAM-codebook. La segunda etapa, que mplementa una VQ sobre los coefcentes generados por la etapa de transformacón, es desarrollada usando la fase de clasfcacón de las EAM. Esta etapa genera como resultado el conunto de índces de clase a las que pertenece cada vector de entrada. Palabras clave Cuantfcacón vectoral, memoras asocatvas, memoras asocatvas extenddas.. Introduccón Una nueva tecnología para compresón de mágenes con base en Redes Neuronales Artfcales (RNA s) ha surgdo como una alternatva a los métodos tradconales. Utlzando este novedoso enfoque, nuevos esquemas de compresón de mágenes han sdo creados o algortmos exstentes han sdo modfcados. Una memora asocatva puede ser consderada una subclase de las RNA s; en este trabao se analza cómo el uso de memoras asocatvas es una alternatva compettva y en varos aspectos superor a los métodos tradconales de compresón de mágenes. Trabaos relevantes que hacen uso de este enfoque son menconados a contnuacón. Los Mapas Auto-Organzados (SOM, Self-Organzng Map), creados por Teuvo Kohonen a ncos de la década de los 80 [KOH80], [KOH82] y consderados una RNA de aprendzae compettvo, han sdo utlzados con mucho éxto en la creacón de nuevos esquemas para la cuantfcacón vectoral (VQ, Vector Quantzaton) [KOH0], [MOK06], [BOG92], [AME03], [AME98]. La desventaa prncpal de utlzar el algortmo SOM es que se requere un tempo de entrenamento largo debdo a que la red debe comenzar con pesos ncales arbtraros. S. Panchanathan et al. usaron el algortmo de propagacón de error nversa o haca atrás (BEP, Backward Error Propagaton), creado por P. J. Werbos [WER94], con la fnaldad de obtener rápdamente los pesos ncales, los cuales son utlzados para aumentar la velocdad del proceso de entrenamento del algortmo SOM. Este nuevo enfoque propuesto, BEP-SOM, combna las ventaas de ambas técncas permtendo obtener un buen desempeño en la codfcacón y un tempo corto de entrenamento [PAN92].
2 Otro tpo de RNA que ha sdo usada amplamente en compresón de mágenes es la red neuronal con propagacón haca delante (FNN, Feedforward Neural Network). La FNN es clasfcada en la categora de RNA de transferenca de señal y se trata de la prmera y posblemente más smple RNA deada. En esta red, la nformacón fluye en una sola dreccón, de los nodos de entrada a los nodos de salda pasando a través de los nodos ocultos. Esquemas de compresón de mágenes que hacen uso de la FNN son descrtos en [SET94], [QIA97], [ROY05]. Recentemente, Pavel Danchenko et al. desarrollaron un programa para compresón de mágenes de color y escala de grs usando RNA. Este programa fue nombrado Red Neuronal para la Compresón de Imágenes (NNIC, Neural Network Image Compressor) [DAN07]; NNIC hace uso en su etapa de transformacón de la DCT, sobre la base de los coefcentes generados por la DCT es posble aplcar dos métodos de compresón, el prmero de ellos hace uso de una arqutectura tpo perceptron multcapa; el segundo método está basado en una red neuronal de Kohonen. El msmo año, E. Guzmán et al. propuseron un nuevo algortmo para el dseño de un lbro de códgos evolutvo con base en las Memoras Asocatvas Morfológcas para ser usado en el proceso de VQ de un compresor de mágenes [GUZ07]. 2. Algortmo de Búsqueda Rápda para Cuantfcacón Vectoral con base en Memoras Asocatvas El algortmo expuesto en esta seccón aplca las Memoras Asocatvas Extenddas (MAE) para generar un nuevo modelo de cuantfcacón vectoral (VQ, Vector Quantzaton) [GUZ08B]. Las MAE fueron creadas en el año 2004, cuando H. Sossa et al. propuseron un modelo de memora asocatva para la calfcacón de patrones formados por elementos de valores reales [SOS04], [BAR05]. Esta memora asocatva es una extensón del modelo creado por K. Stenbuch, la Lernmatrx [STE6]. Las MAE están basadas en el concepto general de aprendzae de una memora asocatva y presenta una elevada efcenca en la calfcacón de patrones con datos de valor real en sus componentes y con versones alteradas de patrones. El modelo propuesto está compuesto por 2 procesos: la generacón del lbro de códgos y la búsqueda del vector de reconstruccón. 2. Generacón del lbro de códgos usando Memoras Asocatvas Extenddas y el algortmo LBG El proceso de generacón del lbro de códgos con base en las MAE y el algortmo LBG es fundamental en la obtencón del algortmo de búsqueda rápda para una VQ. El algortmo para la generacón del lbro de códgos propuesto, es defndo en tres fases: Generacón del lbro de códgos usando el algortmo LBG. En esta fase se aplca el algortmo LBG sobre una magen dvdda en bloques (conunto de entrenamento) X = { x : =, 2,..., para generar un prmer lbro de códgos: C { y : =, 2,..., N} =. Determnacón del vector de reconstruccón asocado a cada bloque de la magen (conunto de entrenamento). Esta fase usa el lbro de códgos generado en la fase preva y nuevamente de los M bloques de magnes usados como conunto de
3 entrenamento. El conunto de bloques de la magen, formado por vectores n- dmensonal, es denotado por X { x : =, 2,..., =. Esta etapa dseña un mapeo Q y asgna un índce a cada vector de entrada x = ( x, x2,..., x n ), con base en Q ( x) = y = ( y, y2,..., yn ); Q es dseñada para mapear x a y cuando y satsfaga la sguente condcón: d x, y = mn d x, y for =,2,3,..., N (2) ( ) ( ), donde d( y ) x, es la dstorsón, medda utlzando la dstanca Eucldana, de representar al vector de entrada x con el vector de reconstruccón y. S consderamos a cada vector de reconstruccón y como una clase (exstendo N clases), entonces el resultado de esta fase es un conunto de M índces que ndcan a cual clase y pertenece cada vector de entrada x; denotaremos a este conunto de índces como H = { h : =, 2,...,. Esta fase tambén genera un conunto de N índces, los cuales ndcan el número de vectores de entrada que ntegran cada clase; este conunto es denotado como B = { b : =, 2,..., N}. Generacón del lbro de códgos usando las MAE. El obetvo de esta fase es generar el lbro de códgos, denomnado MAE-codebook, que será empleado por el algortmo VQ-MAE. Para tal propósto, en esta fase se utlza el conunto de vectores de entrada, ntegrado por M bloques de una magen y que forman al n =, x R, y de los resultados de la fase anteror, los conuntos H = { h : =, 2,..., y B = { b : =, 2,..., N}. Tomando en cuenta estos parámetros, la fase de entrenamento de las MAE puede ser aplcada b (usando el operador prom) conunto fundamental de pareas: X { x : =, 2,..., m, = x, l, =,..., n b m l= b = med x,,..., n (usando el operador med) =,, l l= El resultado de este proceso es una red asocatva cuyo obetvo es establecer una relacón entre los bloques de magen (conunto de entrenamento) y el lbro de códgos generado por el algortmo LBG. Esta red asocatva es ahora un nuevo lbro de códgos que será usado por el algortmo de búsqueda rápdo para VQ propuesto en este artículo [ m ] N n MAE - Codebook = M = (3) 2.2 Cuantfcacón vectoral usando el algortmo VQ-MAE En un proceso de VQ basado en un crtero de smltud entre el vector de entrada y los vectores de reconstruccón, cada vector de entrada es remplazado por el índce del vector de reconstruccón que presenta la correspondenca más cercana. En contraste con el proceso que genera al MAE-Codebook, la cuantfcacón vectoral usando el algortmo VQ-MAE es un proceso en demasía smple. La generacón del MAE- Codebook es hecha usando el proceso de aprendzae de las MAE, por tanto, la VQ-MAE es desarrollada usando el proceso de clasfcacón de las MAE.
4 La matrz = [ m ] N n n M es el MAE-Codebook. Cuando un patrón de entrada x R es presentado al MAE-Codebook, el índce de la clase a la cual pertenece dcho vector es generado. Cuando el operador prom fue usado en la generacón del MAE-Codebook, el índce de la clase a la que pertenece x es dada por: N n = arg ml x l l = = Cuando el operador med fue usado en la generacón del MAE-Codebook, el índce de la clase a la que pertenece x es dada por: N n = arg med m l l= = l n med x = Cuando un patrón no usado en la construccón del MAE-Codebook es presentado al algortmo VQ-MAE, éste tene la propedad de asgnar el índce de la fla de M que es más cercana al patrón presentado. Esta propedad permte al algortmo VQ-MAE cuantfcar efcentemente un patrón que no pertenezca al conunto de entrenamento. 3. Conclusones Por otra parte, En este trabao, hemos propuesto el uso de memoras asocatvas en a un algortmo de búsqueda rápda aplcada en VQ de mágenes. Los resultados expermentales demostraron que el algortmo propuesto presenta una elevada compettvdad con el algortmo LBG en la medda de dstorsón; la PSNR obtenda por ambos algortmos muestra que la caldad de la magen recuperada por el algortmo LBG es lgeramente meor, sn embargo, desde un crtero subetvo resulta mposble detectar esta meora. Esto es debdo a que la MAE es empleada como un clasfcador de patrones, en este modo de operacón, la MAE remplaza un patrón de entrada por el índce del vector de reconstruccón que presenta la mayor smltud sn mportar que el vector de entrada no haya sdo utlzado en la construccón del lbro de códgos (MAE-Codebbok). 3. Bblografía [AME03] Amerckx, C., Legat, J.-D. and Verleysen, M. Image Compresson usng Self- Organzng Maps. Taylor & Francs Ltd., Systems Analyss Modellng Smulaton, 43(): (2003). [AME98] Amerckx, C., Verleysen, M., Thssen, P. and Legat, J.-D. Image Compresson by Self-Organzed Kohonen Map. IEEE Transactons on Neural Networks, 9(3): (998). [BAR05] Barron R. Assocatve Memores and Morphologcal Neural Networks for Patterns Recall (In Spansh). PhD Thess, Center for Computng Research, (2005). [BOG92] Bogdan, A. and Meadows, H. E. Kohonen neural network for mage codng based on teraton transformaton theory. SPIE Proceedngs on Neural and Stochastc Methods n Image and Sgnal Processng, 766: (992).
5 [DAN07] Danchenko, P., Lfshts, F., Oron, I., Koren, S., Solomon A. D. and Mark S. NNIC neural network mage compressor for satellte postonng system. Elsever Ltd, Internatonal Academy of Astronautcs, 60(8-9): (2007). [GUZ07] Guzmán-Ramírez E., Pogrebnyak O. and Yañez C. Desgn of an Evolutonary Codebook Based on Morphologcal Assocatve Memores. LNCS 4827, Sprnger-Verlag Berln Hedelberg, (2007). [GUZ08B] Guzmán-Ramírez, E., Oleksy Pogrebnyak, Sánchez L. P. and Yánez C. A Fast Search Algorthm for Vector Quantzaton based on Assocatve Memores. LNCS 597, Sprnger Berln / Hedelberg, , (2008). [KOH80] Kohonen, T. Automatc formaton of topologcal maps of patterns n a selforganzng system. Paper presented at 2SCIA, Scand. Conference on Image Analyss. Helsnk, Fnland, 980, [KOH82] Kohonen, T. Self-organzng formaton of topologcally correct feature maps. Bologcal Cybernetcs, 43(): [KOH0] Kohonen, T. Self-Organzng Maps. Germany: Sprnger-Verlag Berln Hedelberg. Thrd edton [MOK06] Mokhtar, M. and Boukelf, A. Optmzaton of Fractal Image Compresson based on Kohonen Neural Networks. Paper presented at The second IEEE-EURASIP Internatonal Symposum on Control, Communcatons, and Sgnal Processng. Marrakech, Morocco, [PAN92] Panchanathan, S., Yeap Tet, H. and Plache, B. Neural Network for Image Compresson Proceedng SPIE Applcatons of Artfcal Neural Networks, 709: (992). [QIA97] Qang, J. Image compresson usng a self-organzed neural network. SPIE Proceedng on Applcatons of Artfcal Neural Networks n Image Processng, 3030: (997). [ROY05] Roy, S. B., Kayal, K. and Sl, J. Edge Preservng Image Compresson Technque usng Adaptve Feed Forward Neural Network. Paper presented at EuroIMSA, European Internet and Multmeda Systems and Applcatons, Grndelwald, Swtzerland, (2005). [SET94] Setoro, R. and Lu, G. Image compresson usng a feedforward neural network. Paper presented at IEEE Internatonal Conference on Neural Networks, IEEE World Congress on Computatonal Intellgence, (994). [SOS04] Sossa H., Barrón R. and Vázquez A. Real-valued Patterns Classfcaton based on Extended Assocatve Memory. In: Ffth Mexcan Internatonal Conference on Computer Scence, ENC (2004), IEEE Computer Socety, pp [STE6] Stenbuch K. De Lernmatrx, Kybernetk, Vol., No. (96), pp [WER94] Werbos, P. The Roots of Backpropagaton: From Ordered Dervatves to Neural Networks and Poltcal Forecastng, New York: John. Wley and Sons, 994.
DEFINICIÓN DE INDICADORES
DEFINICIÓN DE INDICADORES ÍNDICE 1. Notacón básca... 3 2. Indcadores de ntegracón: comerco total de benes... 4 2.1. Grado de apertura... 4 2.2. Grado de conexón... 4 2.3. Grado de conexón total... 5 2.4.
Más detallesCifrado de imágenes usando autómatas celulares con memoria
Cfrado de mágenes usando autómatas celulares con memora L. Hernández Encnas 1, A. Hernández Encnas 2, S. Hoya Whte 2, A. Martín del Rey 3, G. Rodríguez Sánchez 4 1 Insttuto de Físca Aplcada, CSIC, C/Serrano
Más detallesUN POCO DE HISTORIA Prof. Teuvo Kohonen UN POCO DE HISTORIA
Self-Organzng Maps 1. Defnón.. Un poo de hstora. CONTENIDO 3. Desrpón del algortmo. L. Pablo Sergo Garía 4. Ejemplos en ejeuón. 5. Problemas 6. Aplaones. DEFINICIÓN El SOM es un algortmo para vsualzar
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesÁrea Académica: ICBI, Sistemas Computacionales. Profesor: M.C.C Víctor Tomás Tomás Mariano
Área Académica: ICBI, Sistemas Computacionales Tema: Mapas auto organizados Profesor: M.C.C Víctor Tomás Tomás Mariano Alumnos: Leticia Hernandez Hernandez. Agustin Escamilla Hernández Periodo: Julio-Diciembre
Más detallesTeléfono: (52)-55-5329-7200 Ext. 2432
Sstema de Montoreo Autónomo Basado en el Robot Móvl Khepera Jorge S. Benítez Read 1, Erck Rojas Ramírez 2 y Tonatuh Rvero Gutérrez Insttuto Naconal de Investgacones Nucleares Carretera Méxco-Toluca s/n,
Más detallesCÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. 2.- VECTORES. pág. 1
CÁLCL ECTRIAL 1. Magntudes escalares y vectorales.. ectores. Componentes vectorales. ectores untaros. Componentes escalares. Módulo de un vector. Cosenos drectores. 3. peracones con vectores. 3.1. Suma.
Más detallesOPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS
P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la
Más detalles12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández
MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández
Más detallesAplicación para la docencia en ingeniería: Cálculo de costes de mecanizado. MECACOST 1.0
Aplicación para la docencia en ingeniería: Cálculo de costes de mecanizado. MECACOST 1.0 R. Balart, D. García-Sanoguera, O. Fenollar, T. Boronat, L. Sánchez-Nácher Departamento de Ingeniería Mecánica y
Más detallesPruebas Estadísticas de Números Pseudoaleatorios
Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =
Más detallesTema 3: Adaptadores de Señal
Tema 3: Adaptadores de Señal Sstema GENERAL de nstrumentacón (bloques( funconales): Señal sensor Fltrado, A/D Amplfcacón Rado, nternet bus de datos Medo Sensor prmaro Transductor de entrada Adaptacón de
Más detallesUnidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles
2 Undad I.. Defncón de reaccón de combustón La reaccón de combustón se basa en la reaccón químca exotérmca de una sustanca (o una mezcla de ellas) denomnada combustble, con el oxígeno. Como consecuenca
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesGráficos de flujo de señal
UNIVRSIDAD AUTÓNOMA D NUVO ÓN FACUTAD D INGNIRÍA MCANICA Y ÉCTRICA Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detallesUNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II
UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II PRACTICA 11: Crcutos no lneales elementales con el amplfcador operaconal OBJETIVO: El alumno se famlarzará con
Más detallesObtención de mapas de similitud sísmica 2D mediante redes neuronales Oscar Rondón*, PDVSA-Intevep, y Rafael Banchs, PDVSA -Intevep
Obtencón de mapas de smltud sísmca 2D medante redes neuronales Oscar Rondón, PDVSA-Intevep, y Rafael Banchs, PDVSA -Intevep Resumen El desarrollo de metodologías para obtener e ntegrar nformacón de múltples
Más detallesTEMA 10. OPERACIONES PASIVAS Y OPERACIONES ACTIVAS.
GESTIÓN FINANCIERA. TEMA 10. OPERACIONES PASIVAS Y OPERACIONES ACTIVAS. 1.- Funconamento de las cuentas bancaras. FUNCIONAMIENTO DE LAS CUENTAS BANCARIAS. Las cuentas bancaras se dvden en tres partes:
Más detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesExplicación de las tecnologías - PowerShot SX500 IS y PowerShot SX160 IS
Explcacón de las tecnologías - PowerShot SX500 IS y PowerShot SX160 IS EMBARGO: 21 de agosto de 2012, 15:00 (CEST) Objetvo angular de 24 mm, con zoom óptco 30x (PowerShot SX500 IS) Desarrollado usando
Más detallesAlgoritmo para la ubicación de un nodo por su representación binaria
Título: Ubcacón de un Nodo por su Representacón Bnara Autor: Lus R. Morera González En este artículo ntroducremos un algortmo de carácter netamente geométrco para ubcar en un árbol natural la representacón
Más detallesPalabras clave: Ruteo, descomposición cruzada separable, asignación-distribución
Memoras de la XVII Semana Regonal de Investgacón y Docenca en Matemátcas, Departamento de Matemátcas, Unversdad de Sonora, Méxco. Mosacos Matemátcos No. 20, agosto 2007, pp. 51-57. Nvel Superor SOLUCIÓN
Más detallesACTIVIDADES INICIALES
Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)
Más detallesINFORME DE LA PRODUCTIVIDAD ESPAÑOLA EN FÍSICA SOLAR Y HELIOSFÉRICA EN EL PERIODO 1999-2008
INFORME DE LA PRODUCTIVIDAD ESPAÑOLA EN FÍSICA SOLAR Y HELIOSFÉRICA EN EL PERIODO 1999-2008 M. Gómez y M. Collados Instituto de Astrofísica de Canarias 27 de Junio de 2012 RED DE INFRAESTRUCTURAS DE ASTRONOMÍA
Más detallesEl Software 2D y 3D del Diseño Digital de Sonrisas. Dientes Bonitos. Sonrisas Perfectas. by Dr. Christian Coachman
EL SOFTWARE DE DISEÑO DIGITAL DE SONRISAS El Software 2D y 3D del Diseño Digital de Sonrisas. Dientes Bonitos. Sonrisas Perfectas by Dr. Christian Coachman Descubre NemoDSD es el más avanzado Software
Más detallesRespuesta A.C. del FET 1/14
espuesta A.C. del FET 1/14 1. Introduccón Una ez que se ubca al transstor dentro de la zona saturada o de corrente de salda constante, se puede utlzar como amplfcador de señales. En base a un FET canal
Más detallesTÉCNICAS AVANZADAS DE FUSIÓN DE IMÁGENES. Consuelo Gonzalo Martín (UPM) María González-Audicana
Consuelo Gonzalo Martín (UPM) María González-Audcana Madrd, 23 Abrl 2007 1.- Introduccón 2.- en la ponderacón de la nformacón 3.- en bancos de fltros 3.- en la respuesta espectral del sensor 4.- Conclusones
Más detallesLección 4: Suma y resta de números racionales
GUÍA DE MATEMÁTICAS II Lección : Suma y resta de números racionales En esta lección recordaremos cómo sumar y restar números racionales. Como los racionales pueden estar representados como fracción o decimal,
Más detallesISO 19113. Conjunto de Pruebas Genéricas
ISO 19113 Conjunto de Pruebas Genéricas Identificador de la prueba Prueba de componentes Propósito de la prueba Determinar la conformidad Asegurar que los componentes de la calidad se utilizan en la descripción
Más detallesTrabajo y Energía Cinética
Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..
Más detallesSistemas Conexionistas
1 Objetivo Sistemas Conexionistas Curso 2011/2012 El objetivo de esta práctica es usar un conjunto de redes de neuronas artificiales para abordar un problema de reconocimiento de figuras sencillas en imágenes
Más detallesEstudio de un sistema de reconocimiento biométrico mediante firma manuscrita online basado en SVM usando Análisis Formal de Conceptos
Estudo de un sstema de reconocmento bométrco medante frma manuscrta onlne basado en SVM usando Análss Formal de Conceptos Ator Mendaza Ormaza 1, Oscar Mguel Hurtado 1, Raúl Sánchez Rello 1, Francsco Valverde
Más detallesReconocimiento automático de objetos basado en la relación dimensional
Reconocmento automátco de objetos basado en la relacón dmensonal Alejandro Israel Barranco Gutérrez 1 y José de Jesús Medel Juárez 2 1 Centro de Investgacón en Cenca Aplcada y Tecnología Avanzada, Calzada
Más detallesEl guión docente: un método para mejorar el aprendizaje
El guión docente: un método para mejorar el aprendizaje José Alberto Conejero Casares (1), J. Luis Poza Luján (2) (1) Dpto. de Matemática Aplicada. Facultad de Informática. aconejero@mat.upv.es (2) Dpto.
Más detallesUnidad Central del Valle del Cauca Facultad de Ciencias Administrativas, Económicas y Contables Programa de Contaduría Pública
Undad Central del Valle del Cauca Facultad de Cencas Admnstratvas, Económcas y Contables Programa de Contaduría Públca Curso de Matemátcas Fnanceras Profesor: Javer Hernando Ossa Ossa Ejerccos resueltos
Más detallesCERTIFICACIÓN AMBIENTAL INTERNACIONAL ISO 14.001
CERTIFICACIÓN AMBIENTAL INTERNACIONAL ISO 14.001 A fin de lograr el reconocimiento público de su gestión ambiental organizaciones de todo el mundo, independiente de su sector productivo y tamaño, están
Más detalles2.5 Especialidades en la facturación eléctrica
2.5 Especaldades en la facturacón eléctrca Es necesaro destacar a contnuacón algunos aspectos peculares de la facturacón eléctrca según Tarfas, que tendrán su mportanca a la hora de establecer los crteros
Más detallesModelo de estimación de speedup factor mediante umbralización en multicores asimétricos
Modelo de estimación de speedup factor mediante umbralización en multicores asimétricos Reporte Técnico Adrian Pousa 1 Juan Carlos Saez 1 Instituto de Investigación en Informática LIDI Argentina. Facultad
Más detallesLA METODOLOGÍA DEL BANCO PROVINCIA
20 LA METODOLOGÍA DEL BANCO PROVINCIA Cómo gestionar activos de información? En 2007, el Banco Central de la República Argentina (BCRA) planteó algunas exigencias financieras para el sistema financiero
Más detallesReconocimiento de Imágenes Empleando Redes de Regresión General y la Técnica TVS
Reconocmento de Imágenes Empleando Redes de Regresón General y la Técnca TVS Rcardo García-Herrera & Waltero Wolfgang Mayol-Cuevas Laboratoro de INvestgacón para el Desarrollo Académco Depto. Ingenería
Más detallesCentro Universitario UAEM Zumpango Ingeniería en Computación. Dr. Arturo Redondo Galván 1
Centro Unverstaro UAEM Zumpango Ingenería en Computacón 1 SEGURIDAD EN REDES UNIDAD III Crptografía y autentcacón Tema: Modos de operacón 2 OBJETIVO: Conocer e mplementar los dferentes modos de operacón
Más detallesVínculos y Participación Social
Subsecretaría de Evaluación Social EANNA 2012 Vínculos y Participación Social Noviembre 2013 RESUMEN DE RESULTADOS PRINCIPALES En relación a los vínculos sociales o red de apoyo de los NNA, los principales
Más detallesTítulo: Dos métodos de diagnóstico de circuitos digitales de alta y muy alta escala de integración.
Título: Dos métodos de dagnóstco de crcutos dgtales de alta y muy alta escala de ntegracón. Autor: Dr. Ing. René J. Díaz Martnez. Profesor Ttular. Dpto. de Automátca y Computacón. Fac. de Ingenería Eléctrca.
Más detalles7.5.VARIOS CONSEJERÍA DE EDUCACIÓN, CULTURA Y DEPORTE DIRECCIÓN GENERAL DE INNOVACIÓN Y CENTROS EDUCATIVOS
BOLETÍN OFICIAL DE 7.5.VARIOS CONSEJERÍA DE EDUCACIÓN, CULTURA Y DEPORTE DIRECCIÓN GENERAL DE INNOVACIÓN Y CENTROS EDUCATIVOS Instruccones para concretar el procedmento para la obtencón l título Graduado
Más detallesAgentes para la conservación de la energía mecánica
Agentes para la conservación de la energía mecánica Para levantar un cuerpo verticalmente a velocidad constante, es necesario que algún agente externo realice trabajo y hemos demostrado que este trabajo
Más detallesAcceso a Internet de niños menores de 14 años en EGM
Acceso a Internet de niños menores de 14 años en EGM 1 10/05/2012 Antecedentes El EGM se viene utilizando como referencia para los datos de Universo en los dos paneles de audímetros de Internet de Comscore
Más detallesDISTRIBUCION DE COSTOS EN EL PLANEAMIENTO DE LA TRANSMISION USANDO EL VALOR BILATERAL DE SHAPLEY.
Ing EDGAR M. CARREÑO * M.Sc ANTONIO ESCOBAR ** Ph.D. HERMAN J. SERRANO ** Ph.D. RAMON A. GALLEGO ** Unversdad Tecnológca de Perera Grupo de Investgacón en Planeamento de Sstemas Eléctrcos Perera Colomba.
Más detallesCAPACIDAD DE LAS HOJAS DE CÁLCULO EN EL ANÁLISIS Y OPTIMIZACIÓN DE PROCESOS Y SISTEMAS
CAPACIDAD DE LAS OJAS DE CÁLCULO EN EL ANÁLISIS Y OPIMIZACIÓN DE PROCESOS Y SISEMAS A. Rvas y. Gómez-Acebo Departamento de Ingenería Mecánca-Área de Ingenería érmca y de Fludos ECNUN - Escuela Superor
Más detallesCapítulo 4. Sistemas de recomendación
Capítulo 4. Sistemas de recomendación Como se mencionó en el primer capítulo los sistemas de recomendación ayudan al usuario a seleccionar elementos de una gran cantidad de opciones. Estos sistemas han
Más detallesGestión de Proyectos en Bibliotecas Universitarias bajo el Enfoque de Marco Lógico. Alejandra M. Nardi anardi@eco.unc.edu.ar
Gestión de Proyectos en Bibliotecas Universitarias bajo el Enfoque de Marco Lógico Alejandra M. Nardi anardi@eco.unc.edu.ar Qué es el Marco Lógico? Es una herramienta para facilitar el proceso de conceptualización,
Más detalles2011-2012 RESOLUCIÓN DE ERRORES EN MOODLE CAMPUS VIRTUAL-BIRTUALA UPV-EHU
2011-2012 RESOLUCIÓN DE ERRORES EN MOODLE CAMPUS VIRTUAL-BIRTUALA UPV-EHU Antecedentes:... 2 1. Introducción... 3 2. Imágenes que no se visualizan... 3 3. URLs de recursos o actividades que no son autocontenido...
Más detallesANÁLISIS ACERCA DEL COMPORTAMIENTO DE LA DOLARIZACIÓN EN GUATEMALA
ANÁLISIS ACERCA DEL COMPORTAMIENTO DE LA DOLARIZACIÓN EN GUATEMALA I. ANTECEDENTES 1. Sobre la LEY DE LIBRE NEGOCIACION DE DIVISAS decreto 94-2000 El 12 de enero del año dos mil uno el Congreso de la República
Más detallesOPTIMIZACIÓN DE CONSULTAS EN SQL. Análisis de Consultas y Transacciones Ajuste de Indices Ajuste de Consultas
OPTIMIZACIÓN DE CONSULTAS EN SQL Análisis de Consultas y Transacciones Ajuste de Indices Ajuste de Consultas Análisis de Consultas y Transacciones Para elaborar el diseño físico de la base de datos debemos
Más detallesTEMA 4 Amplificadores realimentados
TEM 4 mplfcadores realmentados 4.1.- Introduccón La realmentacón (feedback en nglés) negata es amplamente utlzada en el dseño de amplfcadores ya que presenta múltples e mportantes benefcos. Uno de estos
Más detallesModelo de optimización de parques eólicos
ngenería Mecánca. Vol. 14. No. 3, septembre-dcembre, 011, p. 189-198 SSN 1815-5944 Modelo de optmzacón de parques eólcos Omar Herrera Sánchez, Antono Sarmento Sera, Vladmr González Fernández, Wolfgang
Más detallesCapítulo 3. Estimación de elasticidades
1 Capítulo 3. Estimación de elasticidades Lo que se busca comprobar en esta investigación a través la estimación econométrica es que, conforme a lo que predice la teoría y lo que ha sido observado en gran
Más detallesTutorial Sistema de indicadores Observatorio de la Persona Joven
1 Tutorial Sistema de indicadores Observatorio de la Persona Joven ESTADÍSTICAS Por este medio, usted puede consultar, información estadística básica, necesaria para analizar las tendencias anuales de
Más detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
Más detallesManual básico de gestión económica de las Asociaciones
Manual básico de gestión económica de las Asociaciones El control económico de una Asociación se puede ver desde dos perspectivas: Necesidades internas de información económica para: * Toma de decisiones
Más detallesSegmentación robots móviles en espacios inteligentes utilizando técnicas GPCA y minimización de funciones de energía
Segmentacón robots móvles en espacos ntelgentes utlzando técncas GPCA mnmzacón de funcones de energía Crstna Losada, Manuel Mazo, Sra Palazuelos, Francsco edondo Departamento de Electrónca. Unversdad de
Más detallesInforme Nacional España
Network promoting e-learning for rural development e-ruralnet LLP Transversal Programme Key Activity 3 ICT - Networks WP3 Informe Nacional de las encuestas realizadas Informe Nacional España Resumen ejecutivo
Más detallesFísica I. TRABAJO y ENERGÍA MECÁNICA. Apuntes complementarios al libro de texto. Autor : Dr. Jorge O. Ratto
ísca I Apuntes complementaros al lbro de teto TRABAJO y ENERGÍA MECÁNICA Autor : Dr. Jorge O. Ratto Estudaremos el trabajo mecánco de la sguente manera : undmensonal constante Tpo de movmento varable bdmensonal
Más detallesFracción másica y fracción molar. Definiciones y conversión
Fracción másica y fracción ar. Definiciones y conversión Apellidos, nombre Atarés Huerta, Lorena (loathue@tal.upv.es) Departamento Centro Departamento de Tecnología de Alimentos ETSIAMN (Universidad Politécnica
Más detallesModelos y Bases de Datos
Modelos y Bases de Datos MODELOS Y BASES DE DATOS 1 Sesión No. 10 Nombre: Álgebra Relacional Contextualización En qué consiste el álgebra relacional? Se ha planteado hasta el momento cada uno de los procesos
Más detallesPolímeros como estabilizadores de suelos. Cómo funciona SoilFix
Polímeros como estabilizadores de suelos Es bien conocido desde hace muchos años que los aglomerados del suelo deben su estabilidad, en parte, a la presencia de materiales poliméricos naturales que se
Más detallesSistemas de Numeración
Sistemas de Numeración Escrito por: José Acevedo Jiménez Santiago, Rep. Dom. A todo conjunto de símbolos que siguiendo ciertas reglas establecidas es usado para asignar numerales a los números se le conoce
Más detallesRESISTENCIAS EN SERIE Y LEY DE LAS MALLAS V 1 V 2 V 3 A B C
RESISTENCIS EN SERIE Y LEY DE LS MLLS V V 2 V 3 C D Fgura R R 2 R 3 Nomenclatura: Suponemos que el potencal en es mayor que el potencal en, por lo tanto la ntensdad de la corrente se mueve haca la derecha.
Más detallesCAPÍTULO 4: ALGORITMOS DE APRENDIZAJE
Capítulo 4 Algoritmos de Aprendizaje 26 CAPÍTULO 4: ALGORITMOS DE APRENDIZAJE En este capítulo se proporcionan las descripciones matemáticas de los principales algoritmos de aprendizaje para redes neuronales:
Más detallesVisualización 3D de Deformación y Corte de Objetos Virtuales basada en Descomposición Ortogonal
Vsualzacón 3D de Deformacón y Corte de Objetos Vrtuales basada en Descomposcón Ortogonal Gabrel Sepúlveda, Vcente Parra y Omar A. Domínguez Resumen Se muestra la mplementacón gráfca de un nuevo modelo
Más detallesSolución de No conformidades
Solución de No conformidades Documento de Construcción Solución de No conformidades 1 Tabla de Contenido Diagrama Del Proceso... 2 Sub Proceso Acción Correctiva... 3 Ejecutar Plan De Acción... 4 Proceso
Más detallesCiclo Básico Unificado de las Tecnicaturas Superiores Módulo Herramientas Matemática
RENDIMIENTO DE OPERAIONES FINANIERAS El rendimiento periódico de una operación financiera, es la relación entre los intereses ganados en dicho período y el capital al que se tenía derecho al comenzar ese
Más detallesFondo de Garantía de Créditos Hipotecarios (FGCH)
Fondo de Garantía de Créditos Hipotecarios (FGCH) El FGCH fue creado a través del capítulo II de la Ley Nº 18.795 del 17 de agosto del año 2011 y comenzó a estar operativo para la población en abril de
Más detallesAyuda innovadora para tareas de inventario
Página 1 Casio consigue un importante pedido: Ayuda innovadora para tareas de inventario El Grupo Ivalis, proveedor de servicios de gestión de existencias y externalización de tareas de inventario líder
Más detallesANÁLISIS ACERCA DEL COMPORTAMIENTO DE LA DOLARIZACIÓN EN GUATEMALA
ANÁLISIS ACERCA DEL COMPORTAMIENTO DE LA DOLARIZACIÓN EN GUATEMALA I. ANTECEDENTES 1. Sobre la LEY DE LIBRE NEGOCIACION DE DIVISAS decreto 94-2000 El 12 de enero del año dos mil uno el Congreso de la República
Más detallesComparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó
Comparacón entre dstntos Crteros de decsón (, TIR y PRI) Por: Pablo Lledó Master of Scence en Evaluacón de Proyectos (Unversty of York) Project Management Professonal (PMP certfed by the PMI) Profesor
Más detallesTema 4. Números índice
Tema 4. Números índice Durante la explicación del tema anterior, el de las variaciones estacionales surgió la frase: calcular el índice estacional, este número indicó qué tan arriba o qué tan abajo estarían
Más detallesCentro de Capacitación en Informática
Fórmulas y Funciones Las fórmulas constituyen el núcleo de cualquier hoja de cálculo, y por tanto de Excel. Mediante fórmulas, se llevan a cabo todos los cálculos que se necesitan en una hoja de cálculo.
Más detallesBANCOS. Manejo de Bancos. Como crear una ficha de Banco? Como modificar los datos de una ficha de Banco? Como borrar una ficha de Banco?
BANCOS El Sistema de Gestión Administrativa permite el manejo de los movimientos bancarios. Seleccionada la opción de Bancos, el sistema presentara las siguientes opciones. Manejo de Bancos Manejo de movimientos
Más detallesREDES NEURALES. Modelo computacional para una neurona artificial: unidad de umbral binario.
REDES NEURALES REFERENCIAS 1943. McCULLOCH Y PITTS. ( A Logcal Calculus of Ideas Immanent n Neurous Actvty ). 1960. ROSENBLATT. El Perceptron. 1982. HOPFIELD. Enfoque energétco. Algortmo de aprendzae de
Más detallesAplicaciones Lineales
Aplicaciones Lineales Ejercicio Dada la matriz A = 0 2 0 a) Escribir explícitamente la aplicación lineal f : 2 cuya matriz asociada con respecto a las bases canónicas es A. En primer lugar definimos las
Más detallesUna investigación australiana reveló que posiblemente la disminución
CIENTÍFICOS TRABAJAN EN DETECCIÓN DE CÁNCER DE MAMA A TRAVÉS DE REDES NEURONALES ARTIFICIALES Constituye un apoyo para el médico y los radiólogos para evitar falsos diagnósticos Fernando Álvarez Una investigación
Más detallesEl envejecimiento de la población mundial
El envejecimiento de la población mundial Transición demográfica mundial 1 El envejecimiento de la población es un proceso intrínseco de la transición demográfica, que es el tránsito de regímenes de alta
Más detallesBiblioteca Universitaria ISSN: 0187-750X public@dgb.unam.mx Universidad Nacional Autónoma de México México
Biblioteca Universitaria ISSN: 0187-750X public@dgb.unam.mx Universidad Nacional Autónoma de México México La capacitación del personal administrativo de base que labora en las bibliotecas de la UNAM Biblioteca
Más detallesDeterminación de Puntos de Rocío y de Burbuja Parte 1
Determnacón de Puntos de Rocío y de Burbuja Parte 1 Ing. Federco G. Salazar ( 1 ) RESUMEN El cálculo de las condcones de equlbro de fases líqudo vapor en mezclas multcomponentes es un tema de nterés general
Más detallesUna experiencia piloto de aplicación del inglés en los estudios de Turismo y Empresariales de la Universidad de Córdoba
Revista d Innovació Docent Universitària Vol. 2 (2010), pp. 34-39 http://www.raco.cat/index.php/ridu Una experiencia piloto de aplicación del inglés en los estudios de Turismo y Empresariales de la Universidad
Más detallesMETODOLOGÍAS DE ANÁLISIS Y IMPUTACIÓN DE DATOS FALTANTES EN SERIES DE VELOCIDAD DEL VIENTO
VI Congreso Galego de Estatístca e Investgacón de Operacóns Vgo 5-7 de Novembro de 003 METODOLOGÍAS DE ANÁLISIS Y IMPUTACIÓN DE DATOS FALTANTES EN SERIES DE VELOCIDAD DEL VIENTO Armando Mateus Ferrera
Más detallesCUADRIENIO 2011 2014
INFORME TÉCNICO PEAJE POR USO DE INSTALACIONES DE TRANSMISIÓN ADICIONAL POR PARTE DE USUARIOS SOMETIDOS REGULACIÓN DE PRECIOS QUE SE CONECTAN DIRECTAMENTE DESDE INSTALACIONES ADICIONALES CUADRIENIO 2011
Más detalles5.4. Manual de usuario
5.4. Manual de usuario En esta sección se procederá a explicar cada una de las posibles acciones que puede realizar un usuario, de forma que pueda utilizar todas las funcionalidades del simulador, sin
Más detallesProgramación entera, el método del árbol de cubos, su algoritmo paralelo y sus aplicaciones
Programacón entera, el método del árbol de cubos, su algortmo paralelo y sus aplcacones Dr. José Crspín Zavala Díaz, Dr. Vladmr Khachaturov 2 Facultad de Contabldad, Admnstracón e Informátca, jc_zavala2002@yahoo.com
Más detalles3º Grado Educación Infantil Bilingüe Números. Método Singapur y F. Bravo E R
MATEMÁTICAS PARA EDUCACIÓN INFANTIL N Enseñamos y aprendemos llos números:: Método Siingapur y Fernández Bravo,, Porr Clarra Garrcí ía,, Marrtta Gonzzál lezz y Crri isstti ina Lattorrrre.. Ú M E R O S
Más detallesCONTROVERSIAS A LAS BASES TÉCNICO ECONOMICAS PRELIMINARES PROCESO TARIFARIO CONCESIONARIA COMPAÑÍA DE TELÉFONOS DE COYHAIQUE S.A.
CONTROVERSIAS A LAS BASES TÉCNICO ECONOMICAS PRELIMINARES PROCESO TARIFARIO CONCESIONARIA COMPAÑÍA DE TELÉFONOS DE COYHAIQUE S.A. PERÍODO 201-2020 Introduccón Las Bases Técnco Económcas Prelmnares, en
Más detallesAlgoritmo de Entrenamiento con Margen Suave para Diseñar una Memoria Asociativa de Diagnóstico de Fallas
Algortmo de Entrenamento con Margen Suave para Dseñar una Memora Asocatva de Dagnóstco de Fallas José A. Ruz Hernández, Edgar N. Sánchez Camperos, Donso A. Suárez Cerda 3 Unversdad Autónoma del Carmen,
Más detallesÍNDICE. Ficha técnica... 4. Encuesta y cuestionario... 6. Finalidad y resultados de la encuesta... 10 10. Primera parte: conocimiento...
ÍNDICE Ficha técnica... 4 Encuesta y cuestionario... 6 Finalidad y resultados de la encuesta... 10 10 Primera parte: conocimiento... 12 Segunda parte: modo de conocimiento y valoración... 18 Tercera parte:
Más detallesBARÓMETRO DE LA FRANQUICIA EN ESPAÑA
BARÓMETRO DE LA FRANQUICIA EN ESPAÑA 2 0 0 9 P R I M E R S E M E S T R E Í N D I C E M E T O D O L O G Í A D E L B A R Ó M E T R O D A T O S D E L S E M E S T R E V A L O R A C I Ó N D E E M P R E S A
Más detallesTRIBUNAL CONSTITUCIONAL Oficina de acceso a la Información- OAI. Informe de gestión Año 2012
TRIBUNAL CONSTITUCIONAL Oficina de acceso a la Información- OAI Informe de gestión Año 2012 CONTENIDO I. INTRODUCCION II. RECEPCION Y TRAMITACION DE LAS SOLICITUDES DE INFORMACION III. RESPUESTA A LA SOLICITUD
Más detallesBUENAS PRÁCTICAS PARA REDUCIR EL USO DEL PAPEL EN LA ALCALDIA SAN JUAN GIRON
BUENAS PRÁCTICAS PARA REDUCIR EL USO DEL PAPEL EN LA ALCALDIA SAN JUAN GIRON 1. OBJETIVO DE LA GUÍA El objetivo principal de esta guía en proporcionar a la Alcaldía San Juan Girón, un conjunto de herramientas,
Más detallesRevisión del Universo de empresas para la Estimación de los Datos Del Mercado Español de Investigación de Mercados y Opinión.
Revisión del Universo de empresas para la Estimación de los Datos Del Mercado Español de Investigación de Mercados y Opinión. (Enrique Matesanz y Vicente Castellanos, Año 2011) Según la experiencia acumulada
Más detallesPONTIFICIA UNIVERSIDAD CATOLICA DE CHILE FACULTAD DE FISICA FISICA I FIS101M. Sección 03. José Mejía López. jmejia@puc.cl
PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE FACULTAD DE FISICA FISICA I FIS11M Seccón 3 José Mejía López jmeja@puc.cl http://www.s.puc.cl/~jmeja/docenca/s11m.html JML s11m-1 Capítulo Dnámca Trabajo y energía
Más detallesTRIMBLE BUSINESS CENTER
TRIMBLE BUSINESS CENTER Notas de lanzamiento Versiones 3.11 (64 bits) y 2.96 (32 bits) Geospatial Division, 10368 Westmoor Drive, Westminster, CO 80021, USA 2014, Trimble Navigation Limited. Todos los
Más detalles