Transferencia de conocimiento para el aprendizaje de Redes Bayesianas de Nodos Temporales

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Transferencia de conocimiento para el aprendizaje de Redes Bayesianas de Nodos Temporales"

Transcripción

1 Transferencia de conocimiento para el aprendizaje de Redes Bayesianas de Nodos Temporales Lindsey Fiedler Cameras, Dr. L. Enrique Sucar Dr. Eduardo F. Morales INAOE Junio, 2013

2 Contenido Motivación Aprendizaje por Transferencia Redes Bayesianas de Nodos Temporales Aprendizaje por Transferencia para RBNTs Experimentos y Resultados Conclusiones 2/19

3 Motivación Modelar dominios en los cuales se combinan dos aspectos: Incertidumbre Información de tiempo Por ejemplo: Seguimiento a un tratamiento médico. Aprendizaje de modelos para problemas en los cuales se tienen pocos datos 3/19

4 Aprendizaje por Transferencia Data Set Data Set Data Set VS. Tarea Tarea Tarea Conocimiento Reusable Tarea Aprendizaje de máquina tradicional Aprendizaje por transferencia de conocimiento 4/19

5 Cómo puede ayudar con datos escasos? Compensa por la falta de información reutilizando lo que ya se ha aprendido en situaciones similares. Dominio auxiliar Dominio auxiliar Dominio auxiliar Dominio objetivo 5/19

6 Redes Bayesianas de Nodos Temporales Colisión Severo Moderado Leve Son modelos dinámicos Verdadero Falso Herida Cabeza Heridas Internas Graves Ligeras Falso que permiten: [0 15] [15 30] [30 60] Default Pupilas Dilatadas Signos Vitales [0 10] [10 45] Default Incorporar información de tiempo Definir múltiples intervalos de longitud variable Razonar bajo incertidumbre 6/19

7 Colisión Severo Moderado Leve Verdadero Falso Herida Cabeza Heridas Internas Graves Ligeras Falso [0 15] [15 30] [30 60] Default Pupilas Dilatadas Signos Vitales [0 10] [10 45] Default Nodos Instantáneos Nodos Temporales 7/19

8 Aprendizaje por Transferencia para RBNTs 1. Aprendizaje de Intervalos 2. Aprendizaje Estructural [t i t f ][t i t f ] [t i t f ] 3. Refinamiento de Intervalos 4. Aprendizaje Paramétrico P(RBNT) + [t i t f ][t i t f ] [t i t f ] 8/19

9 Aprendizaje de Intervalos [t i t f ] µ σ.. Obj. Aux Datos combinados 1. Gaussiana característica de un intervalo 2. Generación de datos continuos Datos combinados k-means [t i t f ] [t i t f ] [t i t f ] 3. Aprendizaje de intervalos a partir del nuevo conjunto de datos 9/19

10 Aprendizaje Estructural Se aprende la estructura utilizando el algoritmo PC-TL (Luis et al. 2010) El grafo se aprende mediante pruebas de independencia condicional El espacio de búsqueda se reduce si incluimos un ordenamiento de los nodos 10/19

11 Algoritmo PC Colisión Herida Cabeza Heridas Internas Pupilas Dilatadas Signos Vitales Para todas Pares(X,Y) SI Independientes(X, Y S) Entonces Quita el arco Fin Para Orienta los arcos 11/19

12 Algoritmo PC Colisión Herida Cabeza Heridas Internas Pupilas Dilatadas Signos Vitales Para todas Pares(X,Y) SI Independientes(X, Y S) Entonces Quita el arco Fin Para Orienta los arcos 11/19

13 Algoritmo PC Colisión Herida Cabeza Heridas Internas Pupilas Dilatadas Signos Vitales Para todas Pares(X,Y) SI Independientes(X, Y S) Entonces Quita el arco Fin Para Orienta los arcos 11/19

14 Algoritmo PC Colisión Herida Cabeza Heridas Internas Pupilas Dilatadas Signos Vitales Para todas Pares(X,Y) SI Independientes(X, Y S) Entonces Quita el arco Fin Para Orienta los arcos 11/19

15 Algoritmo PC Colisión Herida Cabeza Heridas Internas Pupilas Dilatadas Signos Vitales Para todas Pares(X,Y) SI Independientes(X, Y S) Entonces Quita el arco Fin Para Orienta los arcos 11/19

16 Algoritmo PC-TL Colisión Combina las pruebas de independencia hechos para el dominio auxiliar más similar y el dominio objetivo. Pupilas Dilatadas Herida Cabeza Signos Vitales Heridas Internas Dominio auxiliar + Dominio objetivo 12/19

17 Refinamiento de Intervalos Se incorpora información de estructura para aprender nuevos intervalos Distintos posibles intervalos se obtienen con el modelo de mezcla de Gaussianas El mejor conjunto se elige mediante el índice de Dunn 13/19

18 Aprendizaje Paramétrico Nodos Instantáneos Se combinan las tablas con una función pesada HC C=S C=M C=F V F HC C=S C=M C=F V F Nodos Temporales Se estiman a partir de los datos generados al refinar los intervalos. 14/19

19 Experimentos y Resultados 3 dominios auxiliares Colisión Severo Moderado Leve Escasos datos objetivo [0 15] [15 30] [30 60] Default Verdadero Falso Pupilas Dilatadas Herida Cabeza Signos Vitales Heridas Internas [0 10] [10 45] Default Graves Ligeras Falso Métricas Puntaje Relativo de Brier Diferencia Temporal Distancia de Edición PRB = 1 1 n r n j=1 i=1 E ij P ij 2 t e e Dif. Temp. = TN range Interval range 15/19

20 Transferencia vs. Sin Transferencia Promedio Sin Transferencia Con Transferencia PRB (%) Dif. Temporal Dist. Edición PRB (%) Dif. Temporal Dist. Edición PRB (%) Dif. Temporal Dist. Edición Comparativa de aprender modelos sin transferencia vs. con transferencia. Se usaron 3 dominios auxiliares con 480, 540 y 560 registros. 16/19

21 Modelo aprendido con transferencia Colisión Severo Moderado Leve Verdadero Falso Herida Cabeza Heridas Internas Graves Ligeras Falso [0 22] [22 48] [48 65] Default Pupilas Dilatadas Signos Vitales [0 26] [26 47] Default Modelo aprendido sin transferencia Colisión Severo Moderado Leve Verdadero Falso Herida Cabeza Heridas Internas Graves Ligeras Falso [2 9] [9 23] Default Pupilas Dilatadas Signos Vitales [2 5] [5 6] Default 17/19

22 Conclusiones Resultados experimentales muestran que es viable aprender una RBNT con transferencia de conocimiento cuando hay escasos datos. Trabajo Futuro Aprendizaje de vías mutacionales del VIH 18/19

23 Gracias por su atención! Preguntas? 19/19

Deep Learning y Big Data

Deep Learning y Big Data y Eduardo Morales, Enrique Sucar INAOE (INAOE) 1 / 40 Contenido 1 2 (INAOE) 2 / 40 El poder tener una computadora que modele el mundo lo suficientemente bien como para exhibir inteligencia ha sido el foco

Más detalles

Modelado del Entorno en Robótica Móvil

Modelado del Entorno en Robótica Móvil Modelado del Entorno en Robótica Móvil Dr. Cipriano Galindo Andrades Ingeniería de Sistemas y Automática Universidad de Málaga Modelado del Entorno en Robótica Móvil Introducción Tipos de Modelos Métrico

Más detalles

PARTE III OBTENCIÓN DE MODELOS OBTENCIÓN DE MODELOS MODELADO E IDENTIFICACIÓN ASPECTOS A TENER EN CUENTA MODELADO IDENTIFICACIÓN OBTENCIÓN DE MODELOS

PARTE III OBTENCIÓN DE MODELOS OBTENCIÓN DE MODELOS MODELADO E IDENTIFICACIÓN ASPECTOS A TENER EN CUENTA MODELADO IDENTIFICACIÓN OBTENCIÓN DE MODELOS OBTENCIÓN DE MODELOS PARTE III OBTENCIÓN DE MODELOS 1. INFORMACIÓN SOBRE EL SISTEMA 1. EL PROPIO SISTEMA (OBSERVACIÓN, TEST) 2. CONOCIMIENTO TEÓRICO (LEYES DE LA NATURALEZA, EXPERTOS, LITERATURA, ETC.)

Más detalles

CAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de

CAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.

Más detalles

PRÁCTICA No. 13 ÁRBOL BINARIO DE BÚSQUEDA

PRÁCTICA No. 13 ÁRBOL BINARIO DE BÚSQUEDA INSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADÉMICA DIRECCIÓN DE EDUCACIÓN SUPERIOR ESIME CULHUACAN NOMBRE ALUMNO: FECHA DIA MES AÑO INGENIERÍA EN COMPUTACIÓN ASIGNATURA 1. Objetivo Apellido paterno ESTRUCTURAS

Más detalles

&$3Ì78/2 $/*25,7026 (92/87,926 $9$1=$'26 3$5$ 763 6.1. INTRODUCCIÓN

&$3Ì78/2 $/*25,7026 (92/87,926 $9$1=$'26 3$5$ 763 6.1. INTRODUCCIÓN &$3Ì78/2 6.1. INTRODUCCIÓN Los primeros avances para solucionar el TSP, por medio de Algoritmos Evolutivos han sido introducidos por Goldberg y Lingle en [68] y Grefenstette en [72]. En éste área muchos

Más detalles

Modelos Gráficos Probabilistas L. Enrique Sucar INAOE. Sesión 13: Redes Bayesianas: extensiones y aplicaciones

Modelos Gráficos Probabilistas L. Enrique Sucar INAOE. Sesión 13: Redes Bayesianas: extensiones y aplicaciones Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 13: Redes Bayesianas: extensiones y aplicaciones RB Extensiones y Aplicaciones Extensiones - Redes dinámicas - Redes temporales - Variables

Más detalles

GUIA DEL SOPORTE TECNICO PARA EQUIPOS P-ALERT

GUIA DEL SOPORTE TECNICO PARA EQUIPOS P-ALERT GUIA DEL SOPORTE TECNICO PARA EQUIPOS P-ALERT 1 Ondas sísmicas Un sismo consiste en la liberación repentina de los esfuerzos impuestos al terreno. De esta manera, la tierra es puesta en vibración. Esta

Más detalles

Determinación de la Distancia Focal Efectiva de un Sistema Compuesto por Dos Lentes Convergentes

Determinación de la Distancia Focal Efectiva de un Sistema Compuesto por Dos Lentes Convergentes LABORATORIO DE OPTICA- UNIVERSIDAD DE PAMPLONA DEPARTAMENTO DE FISICA Y GEOLOGIA. Determinación de la Distancia Focal Efectiva de un Sistema Compuesto por Dos Lentes Convergentes Prof. Dr. Jorge Enrique

Más detalles

DEFINICION. Ing. M.Sc. Fulbia Torres Asignatura: Estructuras de Datos Barquisimeto 2006

DEFINICION. Ing. M.Sc. Fulbia Torres Asignatura: Estructuras de Datos Barquisimeto 2006 ARBOLES ESTRUCTURAS DE DATOS 2006 DEFINICION Un árbol (tree) es un conjunto finito de nodos. Es una estructura jerárquica aplicable sobre una colección de elementos u objetos llamados nodos; uno de los

Más detalles

Una heurística para la asignación de máquinas a trabajos fijos

Una heurística para la asignación de máquinas a trabajos fijos VIII Congreso de Ingeniería de Organización Leganés, 9 y 10 de septiembre de 2004 Una heurística para la asignación de máquinas a trabajos fijos José Manuel García Sánchez, Marcos Calle Suárez, Gabriel

Más detalles

Teoría de Probabilidad

Teoría de Probabilidad Matemáticas Discretas L. Enrique Sucar INAOE Teoría de Probabilidad Considero que la probabilidad representa el estado de la mente con respecto a una afirmación, evento u otra cosa para las que no existe

Más detalles

TÉCNICAS DE PLANIFICACIÓN Y CONTROL DE PROYECTOS 1

TÉCNICAS DE PLANIFICACIÓN Y CONTROL DE PROYECTOS 1 Técnicas de planificación y control de proyectos Andrés Ramos Universidad Pontificia Comillas http://www.iit.comillas.edu/aramos/ Andres.Ramos@comillas.edu TÉCNICAS DE PLANIFICACIÓN Y CONTROL DE PROYECTOS

Más detalles

Diseño de controladores en el dominio de la frecuencia

Diseño de controladores en el dominio de la frecuencia Práctica 5 Diseño de controladores en el dominio de la frecuencia Sistemas Automáticos, EPSIG Abril 2007 1. Requisitos previos Los requisitos enumerados a continuación son imprescindibles para el adecuado

Más detalles

TAD Lineales: Pila, Cola y Lista

TAD Lineales: Pila, Cola y Lista TAD Lineales: Pila, Cola y Lista Objetivos! Dar a conocer los TAD lineales pila, cola y lista! Presentar la especificación de cada uno de los TAD! Discutir implementaciones alternativas para cada uno de

Más detalles

Apuntes de Matemática Discreta 6. Relaciones

Apuntes de Matemática Discreta 6. Relaciones Apuntes de Matemática Discreta 6. Relaciones Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 6 Relaciones Contenido 6.1 Generalidades.....................................

Más detalles

Protocolos de enrutamiento dinamico RIP, OSPF, BGP

Protocolos de enrutamiento dinamico RIP, OSPF, BGP BGP dinamico,, BGP Facultad de Ciencias Matemáticas - UNMSM EAP. Computación Científica 23 de octubre de 2012 BGP Introduccion Un protocolo de es un software complejo que se ejecuta de manera simultánea

Más detalles

DETECCIÓN DE PÉRDIDAS EN LA INDUSTRIA PETROLERA

DETECCIÓN DE PÉRDIDAS EN LA INDUSTRIA PETROLERA DETECCIÓN DE PÉRDIDAS EN LA INDUSTRIA PETROLERA Luis Alejandro Benavides Vázquez Yasmín Agueda Ríos Solís Resumen Las redes de proceso de las refinerías son complejas ya que involucran una serie procesos

Más detalles

ORIENTACIONES PARA LA PRUEBA DE APTITUD PARA EL ACCESO A LA UNIVERSIDAD

ORIENTACIONES PARA LA PRUEBA DE APTITUD PARA EL ACCESO A LA UNIVERSIDAD ORIENTACIONES PARA LA PRUEBA DE APTITUD PARA EL ACCESO A LA UNIVERSIDAD MODALIDAD CIENTÍFICO-TÉCNICO 1. NOMBRE DE LA MATERIA: Matemáticas II 2. NOMBRE DEL COORDINADOR: Miguel Delgado Pineda (mdelgado@mat.uned.es,

Más detalles

Programación generativa

Programación generativa ujuarez@itorizaba.edu.mx Instituto Tecnológico de Orizaba 15 de octubre de 2010 Agenda 1 Introducción Panorama general Problemática 2 Implementación generativa Bibliotecas activas Bibliotecas activas:

Más detalles

ETSIINGENIO 2009 DIBUJO DE GRAFOS MEDIANTE ALGORITMOS GENÉTICOS

ETSIINGENIO 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 detalles

Algoritmos para CSP 1

Algoritmos para CSP 1 Algoritmos para CSP 1 1. Técnicas de Consistencia, o Inferenciales I. Inferencia, o consistencia completa Proceso que permite la síntesis de todas las restricciones de un problema en una única restricción

Más detalles

Experimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD.

Experimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD. Experimentos con un solo factor: El análisis de varianza Jhon Jairo Padilla Aguilar, PhD. Experimentación en sistemas aleatorios: Factores Controlables Entradas proceso Salidas Factores No controlables

Más detalles

ESTUDIO DE INTEGRACION PAISAJISTICA PARA DECLARACION DE INTERES COMUNITARIO EN MASSALAVES

ESTUDIO DE INTEGRACION PAISAJISTICA PARA DECLARACION DE INTERES COMUNITARIO EN MASSALAVES * Grado de incidencia: - Impacto directo D si tiene repercusión inmediata sobre algún elemento del paisaje. - Impacto indirecto I si el efecto es debido a la repercusión de las interrelaciones entre los

Más detalles

Reconocímíentes y Agradecimientos 5 Indice 6 Prólogo 11

Reconocímíentes y Agradecimientos 5 Indice 6 Prólogo 11 índice Reconocímíentes y Agradecimientos 5 Indice 6 Prólogo 11 Capítulo 1: Introducción a c/e++ Introducción a C/C++ 13 Introducción 14 Primeros Pasos en C/C++ 15 Mi Primer Programa 15 Bibliotecas 17 Archivos

Más detalles

1.2 Algoritmo. Proceso de solución de un problema. Resolviendo problemas con la computadora. Programación

1.2 Algoritmo. Proceso de solución de un problema. Resolviendo problemas con la computadora. Programación Universidad Autónoma de Baja California Facultad de Ingeniería Mexicali Programación Unidad I - Metodología para la solución de s 1.2 Algoritmo 1. Definición de 2. Características de un 3. Pruebas de escritorio

Más detalles

Una Versión de ACO para Problemas con Grafos de. muy Gran Extensión. Enrique Alba y Francisco Chicano. Introducción. ACOhg.

Una Versión de ACO para Problemas con Grafos de. muy Gran Extensión. Enrique Alba y Francisco Chicano. Introducción. ACOhg. 1/22 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de 2007 Una Versión de ACO para s con Grafos de muy Gran Extensión Enrique Alba y Francisco Chicano Puerto de La Cruz, Tenerife, España, 14

Más detalles

Circuito RC, Respuesta a la frecuencia.

Circuito RC, Respuesta a la frecuencia. Circuito RC, Respuesta a la frecuencia. A.M. Velasco (133384) J.P. Soler (133380) O.A. Botina (13368) Departamento de física, facultad de ciencias, Universidad Nacional de Colombia Resumen. Se armó un

Más detalles

Movimiento a través de una. José San Martín

Movimiento a través de una. José San Martín Movimiento a través de una curva José San Martín 1. Introducción Una vez definida la curva sobre la cual queremos movernos, el siguiente paso es definir ese movimiento. Este movimiento se realiza mediante

Más detalles

CAPÍTULO III RESULTADOS Y DISCUSIÓN CUADRO N 1

CAPÍTULO III RESULTADOS Y DISCUSIÓN CUADRO N 1 CAPÍTULO III RESULTADOS Y DISCUSIÓN CUADRO N 1 Distribución Comparativa de pacientes Post operadas inmediatos según presentación de dolor con el uso de Ketorolaco y Petidina en el Servicio de PACU INEN

Más detalles

Conceptos Fundamentales. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas

Conceptos Fundamentales. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas Conceptos Fundamentales Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas Análisis de datos en física de partículas Experimento en física de partículas: Observación de n sucesos de un cierto tipo (colisiones

Más detalles

Introducción a los Algoritmos Genéticos. Tomás Arredondo Vidal 17/4/09

Introducción a los Algoritmos Genéticos. Tomás Arredondo Vidal 17/4/09 Introducción a los Algoritmos Genéticos Tomás Arredondo Vidal 17/4/09 Esta charla trata de lo siguiente: Introducción a algunos aspectos de los algoritmos genéticos. Introducción a algunas aplicaciones

Más detalles

Tesis Doctoral ANÁLISIS DE ESTRATEGIAS EFICIENTES EN LA LOGÍSTICA DE DISTRIBUCIÓN DE PAQUETERÍA

Tesis Doctoral ANÁLISIS DE ESTRATEGIAS EFICIENTES EN LA LOGÍSTICA DE DISTRIBUCIÓN DE PAQUETERÍA Tesis Doctoral ANÁLISIS DE ESTRATEGIAS EFICIENTES EN LA LOGÍSTICA DE DISTRIBUCIÓN DE PAQUETERÍA Autor: Miquel Àngel Estrada Romeu Ingeniero de Caminos, Canales y Puertos Director de la tesis: Prof. Francesc

Más detalles

Universisdad de Los Andes Facultad de Ingeniería Escuela de Sistemas. Capa de Red. Mérida - Venezuela Prof. Gilberto Díaz

Universisdad de Los Andes Facultad de Ingeniería Escuela de Sistemas. Capa de Red. Mérida - Venezuela Prof. Gilberto Díaz Universisdad de Los Andes Facultad de Ingeniería Escuela de Sistemas Capa de Red Mérida - Venezuela Prof. Gilberto Díaz Capa de Red Gestión de tráfico entre redes Direcciones IP Las direcciones de red

Más detalles

Naive Bayes Multinomial para Clasificación de Texto Usando un Esquema de Pesado por Clases

Naive Bayes Multinomial para Clasificación de Texto Usando un Esquema de Pesado por Clases Naive Bayes Multinomial para Clasificación de Texto Usando un Esquema de Pesado por Clases Emmanuel Anguiano-Hernández Abril 29, 2009 Abstract Tratando de mejorar el desempeño de un clasificador Naive

Más detalles

Tema 3: Problemas de Satisfacción de Restricciones

Tema 3: Problemas de Satisfacción de Restricciones Tema 3: Problemas de Satisfacción de Restricciones Universidad de Granada Tema 3: Satisfacción de Restricciones Contenido Problemas de satisfacción de restricciones Métodos de búsqueda Búsqueda local para

Más detalles

DISEÑO Y CONSTRUCCION DE UN MODULO PARA LA EXCITACIÓN DINAMICA Y ANALISIS VIBRACIONAL DE ESTRUCTURAS Ing. Avid Román González CONTENIDO CAP I: INTRODUCCIÓN Y GENERALIDADES Planteamiento Del Problema Objetivos

Más detalles

Ejemplos de TAD (tipos simples)

Ejemplos de TAD (tipos simples) ESPECIFICACIÓN BOOLEANOS TAD booleano Ejemplos de TAD (tipos simples) T : booleano { valor cierto } F : booleano { valor falso } : booleano booleano : booleano, booleano booleano : booleano, booleano booleano

Más detalles

VECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes.

VECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes. VECTORES EN EL ESPACIO. Determina el valor de t para que los vectores de coordenadas (,, t), 0, t, t) y(, 2, t) sean linealmente dependientes. Si son linealmente dependientes, uno de ellos, se podrá expresar

Más detalles

LABORATORIO DE MECÁNICA LEY DE HOOKE

LABORATORIO DE MECÁNICA LEY DE HOOKE No 6 LABORATORIO DE MECÁNICA LEY DE HOOKE DEPARTAMENTO DE FÍSICA Y GEOLOGÍA UNIVERSIDAD DE PAMPLONA FACULTAD DE CIENCIAS BÁSICAS Objetivos Objetivo General: Estudiar experimentalmente el comportamiento

Más detalles

? 50 30 20 20 emplear NA 0,788 0,367879 se queda s a 150 275 70-125 se pone s en s a 15 58 200-43 se pone s en s a

? 50 30 20 20 emplear NA 0,788 0,367879 se queda s a 150 275 70-125 se pone s en s a 15 58 200-43 se pone s en s a 350 MR Versión 1 1 Prueba Parcial 1/5 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA: INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Computación Evolutiva CÓDIGO: 350 MOMENTO: Primera Parcial VERSIÓN:

Más detalles

METODOLOGÍA DE EVALUACIÓN DE DESEMPEÑO ENERGÉTICO PARA UN EDIFICIO DE LA APF HABILITADO COMO OFICINA 5 Foro Permanente de Eficiencia Energética en

METODOLOGÍA DE EVALUACIÓN DE DESEMPEÑO ENERGÉTICO PARA UN EDIFICIO DE LA APF HABILITADO COMO OFICINA 5 Foro Permanente de Eficiencia Energética en METODOLOGÍA DE EVALUACIÓN DE DESEMPEÑO ENERGÉTICO PARA UN EDIFICIO DE LA APF HABILITADO COMO OFICINA 5 Foro Permanente de Eficiencia Energética en Edificaciones Agosto 25, 2014 MMtCO2e Línea base de emisiones

Más detalles

Plataformas paralelas

Plataformas paralelas Plataformas paralelas Curso 2011-2012 Elementos de un computador paralelo Hardware: Múltiples procesadores Múltiples memorias Redes de interconexión Software: Sistemas Operativos paralelos Programas orientados

Más detalles

Incertidumbre y errores en mediciones experimentales

Incertidumbre y errores en mediciones experimentales UNIVERSIDAD SAN CARLOS DE GUATEMALA FACULTAD DE ODONTOLOGÍA ÁREA BÁSICA CURSO FÍSICAMATEMÁTICA Incertidumbre y errores en mediciones experimentales Documento de apoyo a la docencia Elaborado por: Ing.

Más detalles

Mod. I, Unid. 1, Obj. 1 Criterio de Dominio 1/1

Mod. I, Unid. 1, Obj. 1 Criterio de Dominio 1/1 M.R. 333 VERSION 1 Prueba Integral 1/5 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERIA MODELO DE RESPUESTA ASIGNATURA: ARQUITECTURA DEL COMPUTADOR CÓDIGO: 333 MOMENTO: PRUEBA INTEGRAL

Más detalles

XIII Foro Nacional de Gestión Ambiental, Calidad y Sostenibilidad

XIII Foro Nacional de Gestión Ambiental, Calidad y Sostenibilidad XIII Foro Nacional de Gestión Ambiental, Calidad y Sostenibilidad Huella de Carbono Huella de carbono 2014 Gas Natural Fenosa. Eduardo Fernández Rodríguez Miércoles, 25 de marzo de 2015 ÍNDICE Y CONTENIDOS

Más detalles

Procesadores de lenguaje Tema 5 Comprobación de tipos

Procesadores de lenguaje Tema 5 Comprobación de tipos Procesadores de lenguaje Tema 5 Comprobación de tipos Departamento de Ciencias de la Computación Universidad de Alcalá Resumen Sistemas de tipos. Expresiones de tipo. Equivalencia de tipos. Sobrecarga,

Más detalles

Una serie temporal o cronológica es en una sucesión de valores que adopta una variable (Y):

Una serie temporal o cronológica es en una sucesión de valores que adopta una variable (Y): INTRODUCCIÓN Nos vamos a ocupar ahora de estudiar un fenómeno desde la perspectiva temporal, observando su evolución a través del tiempo, lo que se denomina investigación diacrónica o longitudinal, en

Más detalles

GRAFOS. Prof. Ing. M.Sc. Fulbia Torres

GRAFOS. Prof. Ing. M.Sc. Fulbia Torres ESTRUCTURAS DE DATOS 2006 Prof. DEFINICIÓN Un grafo consta de un conjunto de nodos(o vértices) y un conjunto de arcos (o aristas). Cada arco de un grafo se especifica mediante un par de nodos. Denotemos

Más detalles

de la SI en la empresa española

de la SI en la empresa española monográfico >>>> estrategias de la SI ÇLas tecnologías de la SI en la empresa española Por Antonio de Lucas ` Gerente de DMR Consulting Las Tecnologías de la Información y Comunicaciones (TIC) son piezas

Más detalles

Morfología de los robots industriales

Morfología de los robots industriales 2.- Estudio del manipulador 2.1 Morfología de los robots industriales (Apartados 2.1, 2.2, 2.5 y 9.2 de BARRIENTOS) (Apartados 2.1, 2.2 y 2.3 de TORRES) 2.2 Análisis geométrico y cinemático (Capítulos

Más detalles

Primer Parcial de Programación 3 (1/10/2009)

Primer Parcial de Programación 3 (1/10/2009) Primer Parcial de Programación (/0/009) Instituto de Computación, Facultad de Ingeniería Este parcial dura horas y contiene carillas. El total de puntos es 0. En los enunciados llamamos C* a la extensión

Más detalles

Algoritmos Genéticos Y

Algoritmos Genéticos Y Algoritmos Genéticos Y Optimización n Heurística Dr. Adrian Will Grupo de Aplicaciones de Inteligencia Artificial Universidad Nacional de Tucumán awill@herrera.unt.edu.ar Operadores de Mutación El operador

Más detalles

18 OTROS SISTEMAS DE CONTROL

18 OTROS SISTEMAS DE CONTROL 8 OTROS SISTEMAS DE ONTRO El control feedback presenta ciertas ventajas, a saber: Ocurre una acción correctiva tan pronto como las variables controladas se desvían del set point, independientemente de

Más detalles

Aplicación 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 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 detalles

Redes Sociales en la Web: Desafíos Computacionales

Redes Sociales en la Web: Desafíos Computacionales Redes Sociales en la Web: Desafíos Computacionales claudio gutierrez Centro de Investigación de la Web Departamento de Ciencias de la Computación Universidad de Chile Agenda (en la medida de lo posible...)

Más detalles

MODELOS DE RECUPERACION

MODELOS DE RECUPERACION RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN INGENIERÍA INFORMÁTICA RECUPERACIÓN Y ACCESO A LA INFORMACIÓN MODELOS DE RECUPERACION AUTOR: Rubén García Broncano NIA 100065530 grupo 81 1 INDICE 1- INTRODUCCIÓN

Más detalles

Capítulo 12: Indexación y asociación

Capítulo 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 detalles

Programación Genética

Programación Genética Programación Genética Programación Genética consiste en la evolución automática de programas usando ideas basadas en la selección natural (Darwin). No sólo se ha utilizado para generar programas, sino

Más detalles

SIMULACIÓN MCMC. Dr. Holger Capa Santos

SIMULACIÓN MCMC. Dr. Holger Capa Santos SIMULACIÓN MCMC Dr. Holger Capa Santos Septiembre, 2009 CONTENIDO Integración Montecarlo Problema con la Integración Montecarlo Muestreo de Importancia Algoritmos de Metropolis y Metropolis-Hastings Muestreador

Más detalles

Universidad Simón Bolívar CO3121. Probabilidades para Ingenieros. Enero-Marzo 2010 Problemario I

Universidad Simón Bolívar CO3121. Probabilidades para Ingenieros. Enero-Marzo 2010 Problemario I Universidad Simón Bolívar CO3121. Probabilidades para Ingenieros. Enero-Marzo 2010 Problemario I 1. Supongamos que Ω = A B y P (A B) = 0.2. Hallar: (a) El máximo valor posible para P (B), de tal manera

Más detalles

Crear un servidor DHCP

Crear un servidor DHCP Rocío Alt. Abreu Ortiz 2009-3393 Crear un servidor DHCP DHCP (Dynamic Host Configuration Protocol) es un protocolo de red que permite a los nodos de una red IP obtener sus parámetros de configuración automáticamente.

Más detalles

6. SISTEMAS CAD-CAM (CAM) 6.1. CONCEPTO DE CAM

6. SISTEMAS CAD-CAM (CAM) 6.1. CONCEPTO DE CAM 6.1. CONCEPTO DE CAM Las siglas CAM corresponden al acrónimo de Computer Aided Manufacturing, Fabricación asistida por ordenador. Por CAM se entiende la utilización de ordenadores para tareas técnicas

Más detalles

PUENTES TEMPORALES DE MADERA. Johannio Marulanda Casas. EQUIPOS. MODEL 731A SN: 968 Sistema de Adquisición NI DAQ PAD 60-15 1 PUENTE

PUENTES TEMPORALES DE MADERA. Johannio Marulanda Casas. EQUIPOS. MODEL 731A SN: 968 Sistema de Adquisición NI DAQ PAD 60-15 1 PUENTE Figura : Acelerómetro Sísmico Figura :Sistema de adquisición NI DAQ PAD 605 INSTRUMENTO ESPECIFICACIÓN CANTIDAD Acelerómetro sísmico MODEL 73A SN: 968 Sistema de Adquisición NI DAQ PAD 605 PUENTE Descripción:

Más detalles

TEMA 7: Análisis de la Capacidad del Proceso

TEMA 7: Análisis de la Capacidad del Proceso TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad

Más detalles

Capítulo 1. Introducción. 1.1. Antecedentes

Capítulo 1. Introducción. 1.1. Antecedentes Capítulo 1. Introducción En este capítulo se presenta una descripción general del problema a investigar y el enfoque con el que se aborda. Se establece la necesidad de incorporar técnicas de análisis novedosas

Más detalles

Aplicación de Redes bayesianas usando Weka.

Aplicación de Redes bayesianas usando Weka. Aplicación de Redes bayesianas usando Weka. Cynthia Lorena Corso 1, Fabian Gibellini 1 1 Universidad Tecnológica Nacional, Facultad Regional Córdoba Laboratorio de Sistemas de Información Maestro M. López

Más detalles

Tecnologías en la Educación Matemática. Expresiones. Datos. Expresiones Aritméticas. Expresiones Aritméticas 19/08/2014

Tecnologías en la Educación Matemática. Expresiones. Datos. Expresiones Aritméticas. Expresiones Aritméticas 19/08/2014 Tecnologías en la Educación Matemática jac@cs.uns.edu.ar Dpto. de Ciencias e Ingeniería de la Computación UNIVERSIDAD NACIONAL DEL SUR 1 Datos Los algoritmos combinan datos con acciones. Los datos de entrada

Más detalles

Análisis de la aplicabilidad de medidas software para el diseño semi-automático de arquitecturas

Análisis de la aplicabilidad de medidas software para el diseño semi-automático de arquitecturas Análisis de la aplicabilidad de medidas software para el diseño semi-automático de arquitecturas A. Ramírez, J.R. Romero, S. Ventura Dpto. de Informática y Análisis Numérico. Universidad de Córdoba. XIX

Más detalles

árbol como un conjunto de nodos y líneas

árbol como un conjunto de nodos y líneas ÁRBOLES CAPÍTULO 6 ÁRBOLES Desde el punto de vista conceptual, un árbol es un objeto que comienza con una raíz (root) y se extiende en varias ramificaciones o líneas (edges), cada una de las cuales puede

Más detalles

INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL: LOS SISTEMAS EXPERTOS

INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL: LOS SISTEMAS EXPERTOS Introducción a los Sistemas Expertos 1 INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL: LOS SISTEMAS EXPERTOS ÍNDICE 1. INTRODUCCIÓN. EVOLUCIÓN HISTÓRICA 2. DEFINICIÓN Y CARACTERÍSTICAS DE LOS SE. 3. TIPOS Y

Más detalles

Cómo se usa Data Mining hoy?

Cómo se usa Data Mining hoy? Cómo se usa Data Mining hoy? 1 Conocer a los clientes Detectar segmentos Calcular perfiles Cross-selling Detectar buenos clientes Evitar el churning, attrition Detección de morosidad Mejora de respuesta

Más detalles

Descripción inicial del sistema. Descripción final del sistema. Estado 1 Estado 2 Estado n

Descripción inicial del sistema. Descripción final del sistema. Estado 1 Estado 2 Estado n Búsqueda en Inteligencia Artificial Fernando Berzal, berzal@acm.org Búsqueda en I.A. Introducción Espacios de búsqueda Agentes de búsqueda Uso de información en el proceso de búsqueda Búsqueda sin información

Más detalles

Tipos Abstractos de Datos

Tipos Abstractos de Datos Objetivos Repasar los conceptos de abstracción de datos y (TAD) Diferenciar adecuadamente los conceptos de especificación e implementación de TAD Presentar la especificación algebraica como método formal

Más detalles

Modelos de Puntuación Puntaje de Originación

Modelos de Puntuación Puntaje de Originación Modelos de Puntuación Puntaje de Originación 1 INTRODUCCIÓN Concepto y Objetivo Mecanismo de Puntaje de Originación 2 Concepto y Objetivo Puntaje de Originación o de Solicitud Es la conversión de información

Más detalles

Satisfacción de Restricciones

Satisfacción de Restricciones Satisfacción de Restricciones Introducción Componentes del estado: Variables Dominios (valores posibles para las variables) Restricciones binarias entre las variables Objetivo: Encontrar un estado que

Más detalles

SOLUCIÓN: a) Signo y magnitud:

SOLUCIÓN: a) Signo y magnitud: 1. Resolver las siguientes conversiones razonando los pasos seguidos (total 3 a. Dado el número 18525 expresado en decimal, calcular su representación numérica en signo y magnitud, en complemento a 2 y

Más detalles

Sistemas de producción y búsqueda de soluciones. Area de Computación e Inteligencia Artificial 1

Sistemas de producción y búsqueda de soluciones. Area de Computación e Inteligencia Artificial 1 Sistemas de producción y búsqueda de soluciones Area de Computación e Inteligencia Artificial 1 Técnicas de búsqueda Resolución de problemas en Inteligencia Artificial. En general, podemos afirmar que

Más detalles

Metros y centímetros. Vamos a medir cosas!

Metros y centímetros. Vamos a medir cosas! Metros y centímetros Vamos a medir cosas! Objetos y cosas que sirven para medir: Autor: Eduard CONNOLLY http://pedagogoterapeuta.blogspot.com/ 2 Fíjate en estos dos objetos: Los dos sirven para medir Autor:

Más detalles

DISEÑO DE BLOQUES COMPLETOS AL AZAR : DBCA

DISEÑO DE BLOQUES COMPLETOS AL AZAR : DBCA DISEÑO DE BLOQUES COMPLETOS AL AZAR : DBCA Conocido como diseño de doble vía, se aplica cuando el material es heterogéneo. las unidades experimentales homogéneas se agrupan formando grupos homogéneos llamados

Más detalles

RECOMENDACIÓN UIT-R TF.538-3 MEDICIONES DE LA INESTABILIDAD DE FRECUENCIA Y EN EL TIEMPO (FASE) (Cuestión UIT-R 104/7)

RECOMENDACIÓN UIT-R TF.538-3 MEDICIONES DE LA INESTABILIDAD DE FRECUENCIA Y EN EL TIEMPO (FASE) (Cuestión UIT-R 104/7) Caracterización de las fuentes y formación de escalas de tiempo Rec. UIT-R TF.538-3 1 RECOMENDACIÓN UIT-R TF.538-3 MEDICIONES DE LA INESTABILIDAD DE FRECUENCIA Y EN EL TIEMPO (FASE) (Cuestión UIT-R 104/7)

Más detalles

Clasificación Bayesiana de textos y páginas web

Clasificación Bayesiana de textos y páginas web Clasificación Bayesiana de textos y páginas web Curso de doctorado: Ingeniería Lingüística aplicada al Procesamiento de Documentos Víctor Fresno Fernández Introducción Enorme cantidad de información en

Más detalles

MODELO MATEMÁTICO PARA LA EVALUACIÓN CUANTITATIVA DE LA CONFIABILIDAD EN LA ARQUITECTURA DE XEDRO ERP

MODELO MATEMÁTICO PARA LA EVALUACIÓN CUANTITATIVA DE LA CONFIABILIDAD EN LA ARQUITECTURA DE XEDRO ERP MODELO MATEMÁTICO PARA LA EVALUACIÓN CUANTITATIVA DE LA CONFIABILIDAD EN LA ARQUITECTURA DE XEDRO ERP Msc. Larisa González Alvarez, Ing. Katia Tereza Liens Pérez, DrC. Liesner Acevedo Martínez RESUMEN

Más detalles

Componentes de los SBC

Componentes de los SBC Componentes de los SBC Componentes de los SBC Queremos construir sistemas con ciertas características: Resolución de problemas a partir de información simbólica Resolución mediante razonamiento y métodos

Más detalles

A Graph Based Toward. Pilar Holgado Ortiz

A Graph Based Toward. Pilar Holgado Ortiz A Graph Based Toward Network Forensics Analysis Pilar Holgado Ortiz Objetivo Mecanismo de análisis Lograr buena cobertura y precisión en grupos de ataque Extracción de escenarios con menos dependencia

Más detalles

Simulación Metropolis-Montecarlo del Modelo Ising en Dos Dimensiones

Simulación Metropolis-Montecarlo del Modelo Ising en Dos Dimensiones Postulación a Sesión Oral: Simulación Metropolis-Montecarlo del Modelo Ising en Dos Dimensiones Lic. Paul Blackburn 1 Facultad de Física, Pontificia Universidad Católica de Chile Introducción Pese a que

Más detalles

6.3.4. 4 Etapa : Caracterización de la partición P 4 de los n individuos de la tabla T(22, 3)

6.3.4. 4 Etapa : Caracterización de la partición P 4 de los n individuos de la tabla T(22, 3) 6.3.4. 4 Etapa : Caracterización de la partición P 4 de los n individuos de la tabla T(22, 3) - Resultados y conclusiones Las tres variables contribuyen significativamente a caracterizar las clases de

Más detalles

CA Nimsoft Monitor Snap

CA Nimsoft Monitor Snap CA Nimsoft Monitor Snap Guía de configuración de Monitor de respuestas de SQL Serie de sql_response 1.6 Aviso de copyright de CA Nimsoft Monitor Snap Este sistema de ayuda en línea (el "Sistema") se proporciona

Más detalles

REDES AUTOORGANIZATIVAS II

REDES AUTOORGANIZATIVAS II Tema 5: Redes Autoorganizativas Sistemas Conexionistas 1 REDES AUTOORGANIZATIVAS II 1. Leyes de Grossberg. 1.1. Red de Contrapropagación. - Estructura. - Funcionamiento. - Limitaciones y Ventajas. 2. Teoría

Más detalles

UNIVERSIDAD DEL SALVADOR PROGRAMA. UNIDAD ACADÉMICA: Campus San Roque González de Santa Cruz. CARRERA: Veterinaria. DIVISIÓN / COMISIÓN: Primer Año

UNIVERSIDAD DEL SALVADOR PROGRAMA. UNIDAD ACADÉMICA: Campus San Roque González de Santa Cruz. CARRERA: Veterinaria. DIVISIÓN / COMISIÓN: Primer Año UNIVERSIDAD DEL SALVADOR PROGRAMA UNIDAD ACADÉMICA: Campus San Roque González de Santa Cruz. CARRERA: Veterinaria DIVISIÓN / COMISIÓN: Primer Año TURNO: Único OBLIGACIÓN ACADÉMICA: ESTADÍSTICA Y DISEÑO

Más detalles

MEDIDA DE LA VELOCIDAD DEL SONIDO. TUBO DE RESONANCIA

MEDIDA DE LA VELOCIDAD DEL SONIDO. TUBO DE RESONANCIA eman ta zabal zazu Departamento de Física de la Materia Condensada universidad del país vasco euskal herriko unibertsitatea FACULTAD DE CIENCIA Y TECNOLOGÍA UNIVERSIDAD DEL PAÍS VASCO DEPARTAMENTO de FÍSICA

Más detalles

Complejidad - Problemas NP-Completos. Algoritmos y Estructuras de Datos III

Complejidad - Problemas NP-Completos. Algoritmos y Estructuras de Datos III Complejidad - Problemas NP-Completos Algoritmos y Estructuras de Datos III Teoría de Complejidad Un algoritmo eficiente es un algoritmo de complejidad polinomial. Un problema está bien resuelto si se conocen

Más detalles

ANALISIS DE LOS CUESTIONARIOS DE CALIDAD DE VIDA PROGRAMAS AVNI-AVI APGAR FAMILIAR

ANALISIS DE LOS CUESTIONARIOS DE CALIDAD DE VIDA PROGRAMAS AVNI-AVI APGAR FAMILIAR ANALISIS DE LOS CUESTIONARIOS DE CALIDAD DE VIDA PROGRAMAS AVNI-AVI APGAR FAMILIAR La siguiente encuesta posee 5 preguntas las que tiene por objetivo evaluar la dinámica familiar en las dimensiones: -

Más detalles

Mod. I, Unid. 1, Obj. 1 CRITERIO DE DOMINIO 1/1

Mod. I, Unid. 1, Obj. 1 CRITERIO DE DOMINIO 1/1 MR. 316 Versión 1 Prueba Integral 1/5 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERIA MODELO DE RESPUESTA ASIGNATURA: MICROPROCESADORES CÓDIGO: 316 MOMENTO: INTEGRAL VERSIÓN: 01 FECHA

Más detalles

Compensación de la Dispersión Cromática utilizando pre-chirping

Compensación de la Dispersión Cromática utilizando pre-chirping Compensación de la Dispersión Cromática utilizando pre-chirping Jorge Antonio Araya Araya Introducción a la Dispersión Cromática La dispersión cromática describe la tendencia para diferentes longitudes

Más detalles

Mineria 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 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 detalles

FICHA TECNICA TALA CABA CAPA PSU 975 / 975A2 MAE MAR PCU. Taco de latón. Cabeza basculante. Cabeza palomilla. Pletina de suspensión

FICHA TECNICA TALA CABA CAPA PSU 975 / 975A2 MAE MAR PCU. Taco de latón. Cabeza basculante. Cabeza palomilla. Pletina de suspensión Página 1 de 10 TALA Taco de latón CABA Cabeza basculante CAPA Cabeza palomilla PSU Pletina de suspensión 975 / 975A2 Varilla roscada DIN 975 cincada / inox. MAE Manguito hexagonal MAR Manguito redondo

Más detalles

Control de temperatura para termocupla de 6 zonas modbus:

Control de temperatura para termocupla de 6 zonas modbus: Control de temperatura para termocupla de 6 zonas modbus: Características principales: Generated by Foxit PDF Creator Foxit Software Rev Hard : 00 Versión Soft : 1,02 6 entradas de termocupla configurables

Más detalles