CLASIFICACIÓN DE PARTÍCULAS MEDIANTE UNA RED NEURONAL ARTIFICIAL
|
|
- Nicolás Sosa Martín
- hace 8 años
- Vistas:
Transcripción
1 CLASIFICACIÓN DE PARTÍCULAS MEDIANTE UNA RED NEURONAL ARTIFICIAL USO DE UN PECEPTRÓN MULTICAPA PARA DETERMINAR SI UNA PARTÍCULA POSEE CARGA POSITIVA, NEGATIVA O NEUTRA EN FUNCIÓN DE VARIOS PUNTOS DE SU TRAYECTORIA AL SER SOMETIDA A UN POTENCIAL MOTIVACIÓN Supongamos que introducimos una partícula en un campo, y que dicho campo tiene asociado un potencial cuyo efecto será diferente sobre la partícula si ésta posee carga positiva, negativa o neutra. En ese caso, la función de posición de la partícula en función del tiempo será esencialmente diferente según se trate de una partícula cargada positivamente, negativamente o no cargada. No obstante, la trayectoria de todas las partículas de un tipo determinado no será idéntica, pues debemos tener en cuenta asimismo otras variables, como la velocidad con la que entren en el campo, por ejemplo. Imaginemos que en un laboratorio pudiésemos saber dónde está la partícula en un instante de tiempo determinado, pero no su trayectoria completa. Tríamos así una serie de puntos. Si todas las partículas con un tipo de carga (por ejemplo, todas las positivas) ocupasen los mismos puntos en los mismos intervalos de tiempo, y ocurriese lo mismo con cada tipo de carga, el problema sería trivial y fácilmente resoluble. No es el caso. Lo que necesitamos es un programa que reconozca patrones en los datos experimentales, un programa que aún cuando se le presenten datos nuevos que no haya procesado anteriormente sepa decirnos si los puntos de trayectoria se corresponden a los de una partícula positiva, negativa o neutra. Lo que necesitamos es una red neuronal artificial. En este caso concreto, se va a programar un perceptrón multicapa y su algoritmo de aprizaje va a ser el algoritmo de propagación hacia atrás.
2 SIMULACIÓN DE DATOS EXPERIMENTALES El primer paso es simular los datos experimentales con los que trabajar. El experimento simulado es el siguiente: Disponemos de una fuente emisora de partículas que lanza con una velocidad inicial variable una partícula de masa 1 y carga 1, 0 o -1 contra un muro de potencial de la forma: ( ) Cuando la partícula se encuentra a 3m del muro, el aparato comienza a medir la posición de esta cada 0.05 segundos hasta que transcurren 5 segundos. Sabemos asimismo que la partícula, cuando el aparato comienza a medir, trá una velocidad de entre 0 m/s y 2 m/s. Es necesario programar, por lo tanto, un script que nos de dichas posiciones medidas para distintas cargas con diferentes velocidades iniciales. La fuerza que sufre la partícula ante dicho potencial viene dada por la función Pontencial.m, con la siguiente interfaz: % Name: Potencial.m % Author: Pablo Cano Llorente function F = Potencial(m, q, x) % Returns the force acting on a particle inside a potential % V = 1/x^10 + q/x % Input: % m = Mass of the particle % q = Charge of the particle % x = Position of the particle % * We need the mass of the particle because we want to % integrate its trajectory using verlet.m % Output: % F = Force acting on the particle F = 10./x.^11 + q./x.^2;
3 Integrando mediante verlet.m la función Potencial.m con las condiciones deseadas y tratando por separado cada una de las tres posibles cargas, obtenemos tres matrices de datos definidas por el script Multipuntos.m: % Name: Multipuntos.m % Author: Pablo Cano Llorente % Given a input set (m, r0, dt, tmax), a set of initial % velocities and the force corresponding to a potential of the % form f=potential (m, q, x), returns the position of three % particles with charge q=+1, q=0 and q=-1 as three matrixes % (Mpos for q=1, Mneut for q=0 and Mneg for q=-1) in wich: % Columns : Position of a particle in each of the times desired % (0:dt:tmax) % Rows : Position of the same particle, thrown with different % initial velocities % Input: m=1; % Mass of the three particles r0=3; % Point from which the three particles are thrown dt=0.05; % Each of the times in wich we want to know the % position of the particle tmax=5; % Last time in wich we want to know the position of % the particle v0max=-2; % Highest (in module) initial velocity dv=0.05; % Each of the following velocities (v0 + i*dv) with % which we want to throw our particle t=0:dt:tmax; v=v0max:dv:0; Mpos =zeros(numel(v), numel(t)); Mneut=zeros(numel(v), numel(t)); Mneg =zeros(numel(v), numel(t)); for i=1:numel(v) v0(i) = v0max+i*dv; q=1; Mpos(i,:) = verlet (@(m,x)potencial(m,q,x), m, r0, v0(i), dt, tmax); q=0; Mneut(i,:) = verlet (@(m,x)potencial(m,q,x), m, r0, v0(i), dt, tmax); q=-1; Mneg(i,:) = verlet (@(m,x)potencial(m,q,x), m, r0, v0(i), dt, tmax);
4 DISEÑO DEL PERCEPTRÓN MULTICAPA Una red neuronal consiste en un número variable de capas de elementos denominados neuronas interconectados entre las capas por medio de vectores denominados pesos. Cada neurona dispara un valor determinado como función de los valores de las neuronas de la capa anterior multiplicados por los pesos que conectan ambas capas. A su vez, el valor disparado por una neurona es multiplicado por su peso correspondiente para entrar como input en las neuronas de la capa siguiente. Por norma general, dicho input será el sumatorio del valor disparado por cada neurona multiplicado por el peso correspondiente a dicha neurona. En el caso del perceptrón multicapa, cada una de las neuronas de una capa está conectada linealmente con cada una de las siguientes y el input de la función que dispara una neurona es el sumatorio de cada uno de los valores disparados por las neuronas de la capa anterior multiplicados por sus pesos correspondientes. Si la capa de neuronas es la capa de entrada, los valores disparados son directamente los valores de los datos.
5 Para este caso en particular he escogido un perceptrón de tres capas: Capa de entrada: 101 neuronas correspondientes con las 101 posiciones dadas por el experimento para cada lanzamiento de una partícula. De dichas neuronas, la primera funciona como un bias (tiene un valor constante 3) Capa oculta: 50 neuronas y 1 bias (valor constante 1) Capa de salida: 3 neuronas El valor de las 101 neuronas de entrada es multiplicado por los vectores correspondientes para entrar como sumatorio input a las neuronas de la capa oculta. Las neuronas de la capa oculta pasan dicho input a la función sigmoidal, de la forma: ( ) Los outputs de las neuronas de la capa oculta son multiplicados por otros vectores peso correspondientes, que pasan como input a las neuronas de la capa de salida. Dichas neuronas pasan dicho input a la función sigmoidal y devuelven cada una un valor determinado.
6 ENTRENAMIENTO DEL PERCEPTRÓN MULTICAPA Queremos que la red neuronal nos de la siguiente interfaz: Ante una partícula positiva, f(1) 1 f(2) 0 f(3) 0 Ante una partícula neutra, f(1) 0 f(2) 1 f(3) 0 Ante una partícula negativa, f(1) 0 f(2) 0 f(3) 1 Para ello, debemos ajustar los vectores peso de la red neuronal mediante lo que se denomina un algoritmo de aprizaje, que en nuestro caso conviene que sea automático. El algoritmo escogido es el denominado como algoritmo de propagación hacia atrás, que ha sido desarrollado en trainingnet.m Prefiero abrir aparte trainingnet.m y explicarlo directamente sobre el editor de Matlab debido al tamaño y complejidad subyacente de dicho script. Con la finalidad de que trainingnet.m funcione, es necesario cargar previamente el script datosin.m, que tiene la interfaz: % Name: datosin.m % Author: Pablo Cano Llorente. % Calls Multipuntos.m and generates all initial data % necessary to start training our net Multipuntos % Returns three matrixes (Mpos, Mneut and Mneg) w=rand(51,101,1)./10; % Returns a matrix of valid random weights w z=rand(3,51,1)./10; % Returns a matrix of valid random weights z p=1; a=0.0001; b=0.25; % p is the third dimension coefficient of % the weight vectors matrixes %( w(:,:,p), z(:,:,p) ) % Coefficient a used in backpropagation % algorithm % Coefficient b used in backpropagation % algorithm y fundamentalmente carga todos los datos necesarios para que trainingnet.m pueda ser iniciada.
7 El proceso queda automatizado con autonet.m % Name: autonet.m % Author: Pablo Cano Llorente. datosin trainingnet k(1)=p; r=2; trainingnet k(r)=p; % Sets initial data % Trains our net for that data % Auxiliar vector k(r)=p % Trains again our net for that data % Trains the net until w and z classify correctly each of the % data layers of Mpos, Mneut and Mneg while k(r)~=k(r-1) % If p of w and z vectors hasn't changed, % stop. % Otherwise, k(r)=k(r-1) and while loop s r=r+1; trainingnet k(r)=p; Lo que el script autonet.m hace es generar los datos necesarios para que trainingnet.m corra y correr trainingnet.m una y otra vez hasta que los pesos no varíen, que será cuando clasifiquen correctamente todas y cada una de las líneas de datos. En ese momento, la red habrá sido entrenada.
8 USO DEL PERCEPTRÓN MULTICAPA Una vez el perceptrón ha sido entrenado, ya está listo para ser utilizado en la clasificación de partículas dentro de los márgenes de nuestro experimento hipotético. Dado que no disponemos de los datos de un experimento real, debemos generarlos para una partícula de una carga y velocidad inicial determinadas. Para ello, definimos q y v0 en la ventana de comandos de Matlab y corremos xgen.m, script con la interfaz: % Name: xgen.m % Author: Pablo Cano Llorente. % Given charge of the particle (q) and initial velocity of the % particle (v0), integers Potencial using verlet and returns the % position of the particle as a vector x m=1; % Mass of the three particles r0=3; % Point from which the three particles are thrown dt=0.05; % Each of the times in wich we want to know the % position of the particle tmax=5; % Last time in wich we want to know the position of % the particle x=zeros(1,101); x(1,:) = verlet (@(m,x)potencial(m,q,x), m, r0, v0, dt, tmax) que nos genera mediante verlet.m x como un vector de datos.
9 Una vez tenemos las posiciones asociadas a la partícula que queremos clasificar, es hora de definir un nuevo script: testnet.m, que nos clasifique la partícula usando los pesos ya entrenados. % Name: testnet.m % Author: Pablo Cano Llorente. % Given positions vector x as input vector, returns whether if that % positions vector corresponds to a positive, a negative or a neutral % charge. % NET MUST BE TRAINED! for j=1:50 n(j)=1/(1+exp(-dot(x,w(j,:,p)))); % Hidden neurons layer output n(51)=1; % Bias for k=1:3 f(k)=1/(1+exp(-dot(n(:,:,:),z(k,:,p)))); % Output neurons layer % output % Classifies the particle if f(1)>f(2)+f(3) disp('partícula POSITIVA') elseif f(2)>f(1)+f(3) disp('partícula NEUTRA') elseif f(3)>f(1)+f(2) disp('partícula NEGATIVA') else disp('incierto') Para cualquier linea de datos introducida como input a testnet.m, la red la clasificará casi instantáneamente gracias al entrenamiento recibido. BIBLIOGRAFÍA Tanto Internet como la biblioteca de la Escuela Politécnica de la UAM contienen información muy útil a la hora de aprer a diseñar y programar una red neuronal. En especial, he de destacar dos fuentes: Fundamentals of Neural Networks, Laurenne Fausset MIT Opencourseware, http//ocw.mit.edu
CAPITULO 6 SISTEMA DE DETECCION DE INTRUSOS
Capitulo 6. Sistema de Detección de Intrusos con Redes Neuronales. 69 CAPITULO 6 SISTEMA DE DETECCION DE INTRUSOS USANDO REDES NEURONALES. En este capítulo se realiza la preparación adecuada de toda la
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 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 detallesMATLAB en 30 minutos
MATLAB en 30 minutos Rafael Collantes. Octubre 200. Introducción MATLAB nació como un programa para cálculo matricial, pero en la actualidad MATLAB es un sistema que permite no solamente realizar todo
Más detallesIdeas básicas sobre movimiento
Ideas básicas sobre movimiento Todos conocemos por experiencia qué es el movimiento. En nuestra vida cotidiana, observamos y realizamos infinidad de movimientos. El desplazamiento de los coches, el caminar
Más detallesPráctica 10. Redes Neuronales
Práctica 10 Redes Neuronales En esta práctica trabajaremos con un sistema de aprendizaje basado en ejemplos que ya hemos visto con anterioridad (k-vecinos) y una implementación de las redes neuronales.
Más detallesPráctica de introducción a las redes neuronales. Perceptrón multicapa. Estimación de precios de casas
Práctica de introducción a las redes neuronales. Perceptrón multicapa. Estimación de precios de casas Vamos a preparar una red para estimar el precio de casas en una zona a partir de los siguientes datos:
Más detallesPARTE 3 ECUACIONES DE EQUIVALENCIA FINANCIERA T E M A S
PARTE 3 ECUACIONES DE EQUIVALENCIA FINANCIERA Valor del dinero en el tiempo Conceptos de capitalización y descuento Ecuaciones de equivalencia financiera Ejercicio de reestructuración de deuda T E M A
Más detallesPráctica 11 SVM. Máquinas de Vectores Soporte
Práctica 11 SVM Máquinas de Vectores Soporte Dedicaremos esta práctica a estudiar el funcionamiento de las, tan de moda, máquinas de vectores soporte (SVM). 1 Las máquinas de vectores soporte Las SVM han
Más detallesIntroducción a la Programación en MATLAB
Introducción a la Programación en MATLAB La programación en MATLAB se realiza básicamente sobre archivos M, o M-Files. Se los denomina de esta forma debido a su extensión.m. Estos archivos son simple archivos
Más detallesCAPITULO 3 REDES HIBRIDAS-COMPLEJAS. 3.1 Descripción de la Red Híbrida Compleja (HCNN)
CAPITULO 3 REDES HIBRIDAS-COMPLEJAS 3.1 Descripción de la Red Híbrida Compleja (HCNN) La predicción de eventos caóticos que se presentan en un mundo que nos rodea es de gran interés. Especialmente en aquellos
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 detallesAprendizaje Automatizado. Redes Neuronales Artificiales
Aprendizaje Automatizado Redes Neuronales Artificiales Introducción Una forma de emular características propias de los humanos: memorizar y asociar hechos. Se aprende de la experiencia. El cerebro humano
Más detallesClasificación de Música por Genero Utilizando Redes Neuronales Artificiales. Elkin García, Germán Mancera, Jorge Pacheco
Clasificación de Música por Genero Utilizando Redes Neuronales Artificiales Elkin García, Germán Mancera, Jorge Pacheco Presentación Los autores han desarrollado un método de clasificación de música a
Más detallesExperimento 7 MOMENTO LINEAL. Objetivos. Teoría. Figura 1 Dos carritos sufren una colisión parcialmente inelástica
Experimento 7 MOMENTO LINEAL Objetivos 1. Verificar el principio de conservación del momento lineal en colisiones inelásticas, y 2. Comprobar que la energía cinética no se conserva en colisiones inelásticas
Más detallesPotencial eléctrico. du = - F dl
Introducción Como la fuerza gravitatoria, la fuerza eléctrica es conservativa. Existe una función energía potencial asociada con la fuerza eléctrica. Como veremos, la energía potencial asociada a una partícula
Más detallesCAPÍTULO 3 RED NEURONAL PARA EL RECONOCIMIENTO DE ROSTROS
CAPÍTULO 3 RED NEURONAL PARA EL RECONOCIMIENTO DE ROSTROS Descripción de la base de datos Como datos de entrenamiento, en este proyecto, se utilizó la base de datos ORL [1], la cual contiene un conjunto
Más detallesInteligencia Artificial
Inteligencia Artificial Practica 2. (5 semanas) Rubén Cárdenes Almeida Redes neuronales. Introducción Las Redes Neuronales Artificiales (RNA) están inspiradas en la biología, esto significa que están formadas
Más detallesTema 7: Programación con Matlab
Tema 7: Programación con Matlab 1. Introducción Matlab puede utilizarse como un lenguaje de programación que incluye todos los elementos necesarios. Añade la gran ventaja de poder incorporar a los programas
Más detalles3. Una pelota se lanza desde el suelo hacia arriba. En un segundo llega hasta una altura de 25 m. Cuál será la máxima altura alcanzada?
Problemas de Cinemática 1 o Bachillerato Caída libre y tiro horizontal 1. Desde un puente se tira hacia arriba una piedra con una velocidad inicial de 6 m/s. Calcula: a) Hasta qué altura se eleva la piedra;
Más detallesPRÁCTICA 2 CINEMÁTICA DEL MOVIMIENTO RECTILÍNEO
INGENIERÍA QUÍMICA 1 er curso FUNDAMENTOS FÍSICOS DE LA INGENIERÍA PRÁCTICA 2 CINEMÁTICA DEL MOVIMIENTO RECTILÍNEO Departamento de Física Aplicada Escuela Politécnica Superior de la Rábida. II. Movimiento
Más detallesEL PROGRAMA PROTEUS Análisis de Circuitos
EL PROGRAMA PROTEUS Análisis de Circuitos Introducción Como ya se ha indicado, el Programa PROTEUS, posee entre sus utilidades el análisis de circuitos. Para efectuar dicho análisis, lo primero que deberemos
Más detallesProblemas de Cinemática 1 o Bachillerato
Problemas de Cinemática 1 o Bachillerato 1. Sean los vectores a = i y b = i 5 j. Demostrar que a + b = a + b a b cos ϕ donde ϕ es el ángulo que forma el vector b con el eje X.. Una barca, que lleva una
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 detallesTRABAJO Y ENERGÍA; FUERZAS CONSERVATIVAS Y NO CONSERVATIVAS
TRABAJO Y ENERGÍA; FUERZAS CONSERVATIVAS Y NO CONSERVATIVAS 1. CONCEPTO DE TRABAJO: A) Trabajo de una fuerza constante Todos sabemos que cuesta trabajo tirar de un sofá pesado, levantar una pila de libros
Más detallesMovimiento Rectilíneo Uniforme
Movimiento Rectilíneo Uniforme 1. Teoría La mecánica es la parte de la física encargada de estudiar el movimiento y el reposo de los cuerpos, haciendo un análisis de sus propiedades y causas. La mecánica
Más detallesEstructuras Repetitivas: SENTENCIA WHILE EN MATLAB INFORMÁTICA T2 INGENIERÍA INDUSTRIAL JORNADA ESPECIAL
Estructuras Repetitivas: SENTENCIA WHILE EN MATLAB INFORMÁTICA T2 INGENIERÍA INDUSTRIAL JORNADA ESPECIAL Significado La sentencia while (mientras que) se usa para que MATLAB repita un bloque de instrucciones
Más detallesTEMA 5. INTRODUCCIÓN AL MANEJO DE ORIGIN 6.1
TEMA 5. INTRODUCCIÓN AL MANEJO DE ORIGIN 6.1!"# 1. Introducción En muchos aspectos, el Origin es muy similar a Excel. Y lo es, más que en su apariencia, en la versatilidad y en las funciones que permite
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 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 detallesAplicaciones lineales
aplicaciones_lineales.nb Aplicaciones lineales Práctica de Álgebra Lineal, E.U.A.T, Grupos ºA y ºB, 005 Aplicaciones lineales y matrices Hay una relación muy estrecha entre aplicaciones lineales y matrices:
Más detallesComenzando con MATLAB
ÁLGEBRA LINEAL INGENIERÍA INFORMÁTICA Curso 08/09 PRÁCTICA 1 Comenzando con MATLAB 1 Funcionamiento de Matlab MATLAB es un sistema interactivo basado en matrices para cálculos científicos y de ingeniería.
Más detallesCómo mover y cambiar de tamaño zonas (versión turborresumida, ya llegará la versión completa en el
Cómo mover y cambiar de tamaño zonas (versión turborresumida, ya llegará la versión completa en el turbotutorial de LUA) Intro Lo primero que hay que saber es que LUA trabaja con identificadores, no con
Más detallesd s = 2 Experimento 3
Experimento 3 ANÁLISIS DEL MOVIMIENTO EN UNA DIMENSIÓN Objetivos 1. Establecer la relación entre la posición y la velocidad de un cuerpo en movimiento 2. Calcular la velocidad como el cambio de posición
Más detallesEjemplos de conversión de reales a enteros
Ejemplos de conversión de reales a enteros Con el siguiente programa se pueden apreciar las diferencias entre las cuatro funciones para convertir de reales a enteros: program convertir_real_a_entero print
Más detallesCASO PRÁCTICO DISTRIBUCIÓN DE COSTES
CASO PRÁCTICO DISTRIBUCIÓN DE COSTES Nuestra empresa tiene centros de distribución en tres ciudades europeas: Zaragoza, Milán y Burdeos. Hemos solicitado a los responsables de cada uno de los centros que
Más detalles4. LA ENERGÍA POTENCIAL
4. LA ENERGÍA POTENCIAL La energía potencial en un punto es una magnitud escalar que indica el trabajo realizado por las fuerzas de campo para traer la carga desde el infinito hasta ese punto. Es función
Más detallesAplicación Java para distribución de código en R
rolgalan@gmail.com Huesca - 24 de noviembre de 2009 Implementación Descripción problema Existen muchos problemas, cuya resolución informática requiere de un enorme tiempo de cómputo. En la actualidad,
Más detallesRedes de Kohonen y la Determinación Genética de las Clases
Redes de Kohonen y la Determinación Genética de las Clases Angel Kuri Instituto Tecnológico Autónomo de México Octubre de 2001 Redes Neuronales de Kohonen Las Redes de Kohonen, también llamadas Mapas Auto-Organizados
Más detallesSISTEMAS DE NUMERACIÓN. www.portalelectrozona.com
SISTEMA DECIMAL El sistema decimal, como su nombre indica, tiene diez cifras o dígitos distintos, que son 4 5 Por lo tanto, diremos que la BASE del sistema de numeración DECIMAL es (base ). 6 7 8 9 Pongamos
Más detallesCONSULTAS CON SQL. 3. Hacer clic sobre el botón Nuevo de la ventana de la base de datos. Aparecerá el siguiente cuadro de diálogo.
CONSULTAS CON SQL 1. Qué es SQL? Debido a la diversidad de lenguajes y de bases de datos existentes, la manera de comunicar entre unos y otras sería realmente complicada a gestionar de no ser por la existencia
Más detallesSistemas operativos avanzados. 1.3 Algoritmos de planificación del procesador
Sistemas operativos avanzados 1.3 Algoritmos de planificación del procesador Parámetros Cuando tenemos más de un proceso en condiciones de ejecutar, debemos escoger uno de entre ellos. Para escogerlo empleamos
Más detallesDefinición de vectores
Definición de vectores Un vector es todo segmento de recta dirigido en el espacio. Cada vector posee unas características que son: Origen: O también denominado Punto de aplicación. Es el punto exacto sobre
Más detallesMICROECONOMÍA II. PRÁCTICA TEMA II: Equilibrio parcial
MICROECONOMÍA II PRÁCTICA TEMA II: Equilibrio parcial EJERCICIO 1 A) En equilibrio, la cantidad demandada coincide con la cantidad ofrecida, así como el precio de oferta y demanda. Por lo tanto, para hallar
Más detalleshttp://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO
ESTADISTICA APLICADA I Dr. Edgar Acuna http://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ 2. UNA INTRODUCCIÓN A MINITAB 21Entrando 2.1 a MINITAB Hay dos maneras de
Más detallesIES Menéndez Tolosa. La Línea de la Concepción. 1 Es posible que un cuerpo se mueva sin que exista fuerza alguna sobre él?
IES Menéndez Tolosa. La Línea de la Concepción 1 Es posible que un cuerpo se mueva sin que exista fuerza alguna sobre él? Si. Una consecuencia del principio de la inercia es que puede haber movimiento
Más detallesMÁQUINA DE VECTORES DE SOPORTE
MÁQUINA DE VECTORES DE SOPORTE La teoría de las (SVM por su nombre en inglés Support Vector Machine) fue desarrollada por Vapnik basado en la idea de minimización del riesgo estructural (SRM). Algunas
Más detallesTransformación de binario a decimal. Transformación de decimal a binario. ELECTRÓNICA DIGITAL
ELECTRÓNICA DIGITAL La electrónica es la rama de la ciencia que se ocupa del estudio de los circuitos y de sus componentes, que permiten modificar la corriente eléctrica amplificándola, atenuándola, rectificándola
Más detallesVENTAJAS Y DESVENTAJAS DE LAS TECNOLOGIAS
VENTAJAS Y DESVENTAJAS DE LAS TECNOLOGIAS EN NUESTRAS VIDAS JOCABED VALENZUELA GARCIA ESLI GUADALUPE LAZCANO RODRIGUEZ INTRODUCCION: Le tecnología es un sinónimo de innovación y de cosas nuevas para facilitar
Más detallesEJERCICIOS RESUELTOS 1º DE BACHILLERATO (Hnos. Machado): EJERCICIOS DE REFUERZO 1º EVALUACIÓN (Cinemática) Por Álvaro Téllez Róbalo
EJERCICIOS RESUELTOS 1º DE BACHILLERATO (Hnos. Machado): EJERCICIOS DE REFUERZO 1º EVALUACIÓN (Cinemática) Por Álvaro Téllez Róbalo 1. El vector posición de un punto, en función del tiempo, viene dado
Más detallesClases de apoyo de matemáticas Fracciones y decimales Escuela 765 Lago Puelo Provincia de Chubut
Clases de apoyo de matemáticas Fracciones y decimales Escuela 765 Lago Puelo Provincia de Chubut Este texto intenta ser un complemento de las clases de apoyo de matemáticas que se están realizando en la
Más detallesAUTOR CARLOS EDUARDO BUENO VERGARA JORGE ARMANDO BUENO VERGARA USO DE LOS OBJETOS DEL PROGRAMA. Dfd INFORMÁTICA II PROFESOR. JOSÉ FRANCISCO AMADOR
AUTOR CARLOS EDUARDO BUENO VERGARA JORGE ARMANDO BUENO VERGARA USO DE LOS OBJETOS DEL PROGRAMA Dfd INFORMÁTICA II PROFESOR. JOSÉ FRANCISCO AMADOR UNIVERSIDAD TECNOLÓGICA DE PEREIRA. LICENCIATURA EN COMUNICACIÓN
Más detalleswww.clublineexpress.com/admin
MANUAL CLUBLINE EXPRESS: ZONA DE GESTIÓN PARA DELEGADOS 1. ACCESO AL GESTOR E INTERFACE Para acceder al Gestor de Socios para delegaciones será necesario acceder a esta dirección web: www.clublineexpress.com/admin
Más detallesMODELIZACIÓN DEL CONSUMO Y EMISIONES DE UNA RED URBANA DE AUTOBUSES: EL CASO DE BARCELONA RESUMEN
MODELIZACIÓN DEL CONSUMO Y EMISIONES DE UNA RED URBANA DE AUTOBUSES: EL CASO DE BARCELONA JULIÁN MASSÓ GARCÉS, MOISÈS MORATÓ GÜELL Agencia Ecología Urbana de Barcelona SALVADOR RUEDA PALENZUELA Director
Más detallesUN MODELO PARA LA PREDICCIÓN DE RECIDIVA DE PACIENTES OPERADOS DE CÁNCER DE MAMA (CMO) BASADO EN REDES NEURONALES
UN MODELO PARA LA PREDICCIÓN DE RECIDIVA DE PACIENTES OPERADOS DE CÁNCER DE MAMA (CMO) BASADO EN REDES NEURONALES José Alejandro Chiri Aguirre RESUMEN La predicción de recidiva en pacientes que han sido
Más detallesCAPÍTULO 5: MODELADO DEL IDS CON REDES NEURONALES
Capítulo 5 Modelado y Simulación del IDS 35 CAPÍTULO 5: MODELADO DEL IDS CON REDES NEURONALES En este capítulo se describe la preparación de los datos para servir como entradas al IDS y la simulación de
Más detallesFórmulas. Objetivos y Definición. Definir fórmulas nos brinda una forma clave de compartir conocimiento y obtener código generado optimizado
97 Objetivos y Definición Definir fórmulas nos brinda una forma clave de compartir conocimiento y obtener código generado optimizado Cuando el valor de un atributo o variable puede calcularse a partir
Más detallesListas de vectores y conjuntos de vectores
Listas de vectores y conjuntos de vectores La explicación de los temas Dependencia lineal y Bases en el curso de Álgebra Lineal se puede basar en uno de los siguientes dos conceptos (o en ambos): ) listas
Más detallesCaracterísticas de funciones que son inversas de otras
Características de funciones que son inversas de otras Si f es una función inyectiva, llamamos función inversa de f y se representa por f 1 al conjunto. f 1 = a, b b, a f} Es decir, f 1 (x, y) = { x =
Más detalles1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0 1 0 0 0 0 1 1 0 1 1 0 0 0 1 1 1 1
5.1.3 Multiplicación de números enteros. El algoritmo de la multiplicación tal y como se realizaría manualmente con operandos positivos de cuatro bits es el siguiente: 1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0
Más detallesPráctica 5. Curso 2014-2015
Prácticas de Seguridad Informática Práctica 5 Grado Ingeniería Informática Curso 2014-2015 Universidad de Zaragoza Escuela de Ingeniería y Arquitectura Departamento de Informática e Ingeniería de Sistemas
Más detallesProgramación 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 detallesCap. 24 La Ley de Gauss
Cap. 24 La Ley de Gauss Una misma ley física enunciada desde diferentes puntos de vista Coulomb Gauss Son equivalentes Pero ambas tienen situaciones para las cuales son superiores que la otra Aquí hay
Más detallesMuchas veces hemos visto un juego de billar y no nos percatamos de los movimientos de las bolas (ver gráfico 8). Gráfico 8
Esta semana estudiaremos la definición de vectores y su aplicabilidad a muchas situaciones, particularmente a las relacionadas con el movimiento. Por otro lado, se podrán establecer las características
Más detallesCONTROL INTELIGENTE NRC: 2033
CARRERA DE INGENIERÍA EN ELECTRÓNICA EN AUTOMATIZACIÓN Y CONTROL CONTROL INTELIGENTE NRC: 2033 DISEÑO DE CONTROLADOR NEURONAL PARA LA UNIDAD AIR FLOW TEMPERATURE CONTROL SYSTEM Profesor: Ing. Víctor Proaño
Más detallesActividad: Qué es la energía mecánica?
Qué es la energía mecánica? Nivel: º medio Subsector: Ciencias físicas Unidad temática: Ver video Conservación de la energía Actividad: Qué es la energía mecánica? Por qué se mueve un cuerpo? Qué tiene
Más detallesIntroducción a la plataforma Moodle Aníbal de la Torre 2006. Plataforma Moodle. Accediendo a los contenidos
Plataforma Moodle Accediendo a los contenidos Formatos ----------------------------------------------------------------------- 2 Glosarios -----------------------------------------------------------------------
Más detallesMovimiento 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 detallesPlataforma e-ducativa Aragonesa. Manual de Administración. Bitácora
Plataforma e-ducativa Aragonesa Manual de Administración Bitácora ÍNDICE Acceso a la administración de la Bitácora...3 Interfaz Gráfica...3 Publicaciones...4 Cómo Agregar una Publicación...4 Cómo Modificar
Más detallesTÉRMINOS Y CONDICIONES MÁS X MÁS
TÉRMINOS Y CONDICIONES MÁS X MÁS DENOMINACIÓN: MÁS POR MÁS de la CUENTA CORRIENTE REMUNERADA B.O.D. MERCADO OBJETIVO: Esta Campaña está dirigida a toda persona natural y jurídica que mantenga y/o abra
Más detallesProgramando con Enchanting
Programación para robótica Autor Andrés Baranzano Versión Fecha 15/11/12 Ubicación Laboratorios Digitales Índice Introducción...3 Instalación en Windows...3 Instalación en Ubuntu...3 Enchanting para NXT...4
Más detallesFUNCIONES DE PROPORCIONALIDAD
UNIDAD 2 PROPORCIONALIDAD. FUNCIONES DE PROPORCIONALIDAD 1.- INTRODUCCIÓN Continuamente hacemos uso de las magnitudes físicas cuando nos referimos a diversas situaciones como medida de distancias (longitud),
Más detallesANÁLISIS ECONÓMICO DE INVERSIONES.
ANÁLISIS ECONÓMICO DE INVERSIONES. José Ignacio González Soriano Agosto 2013 INDICE 1. FORMULAS FINANCIERAS.... 2 1.1.- VALOR ACTUAL NETO.... 3 1.1.1.- DEFINICIÓN... 3 1.1.2.- CASO GENERAL... 3 1.1.3.-
Más detallesCapítulo 3 Usando GUIDE. 3.1 Acerca de GUIDE
Capítulo 3 Usando GUIDE 3.1 Acerca de GUIDE Las interfaces gráficas de usuario (GUI - Graphical User Interface en inglés), es la forma en que el usuario interactúa con el programa o el sistema operativo
Más detalles35 Facultad de Ciencias Universidad de Los Andes Mérida-Venezuela. Potencial Eléctrico
q 1 q 2 Prof. Félix Aguirre 35 Energía Electrostática Potencial Eléctrico La interacción electrostática es representada muy bien a través de la ley de Coulomb, esto es: mediante fuerzas. Existen, sin embargo,
Más detallesFundamentos de Investigación de Operaciones Investigación de Operaciones 1
Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 1 de agosto de 2003 1. Introducción Cualquier modelo de una situación es una simplificación de la situación real. Por lo tanto,
Más detallesLaboratorio de Física Universitaria II. FISI 3014 Primer semestre del año académico 2003-2004 Departamento de Física y Electrónica de la UPR-H
Laboratorio de Física Universitaria II. FISI 3014 Primer semestre del año académico 2003-2004 Departamento de Física y Electrónica de la UPR-H Introducción El programa de Data Studio 1.7, es una aplicación
Más detallesPROTEUS Depuración de programas para microprocesadores
PROTEUS Depuración de programas para microprocesadores Introducción Como ya se ha indicado en temas anteriores, la aplicación PROTEUS, tiene entre sus utilidades la simulación de los esquemas realizados
Más detallesANÁLISIS DE UN JUEGO DE CARTAS: LAS SIETE Y MEDIA
ANÁLISIS DE UN JUEGO DE CARTAS: LAS SIETE Y MEDIA MaMaEuSch (Management Mathematics for European School) http://www.mathematik.uni-kl.de/~mamaeusch/ Modelos matemáticos orientados a la educación Clases
Más detallesÍndice Introducción Números Polinomios Funciones y su Representación. Curso 0: Matemáticas y sus Aplicaciones Tema 1. Números, Polinomios y Funciones
Curso 0: Matemáticas y sus Aplicaciones Tema 1. Números, Polinomios y Funciones Leandro Marín Dpto. de Matemática Aplicada Universidad de Murcia 2012 1 Números 2 Polinomios 3 Funciones y su Representación
Más detallesInteligencia artificial: todo comienza con una neurona.
MEMORIAS DEL SEGUNDO CONCURSO DE INVESTIGACIÓN, DESARROLLO E INNOVACIÓN TECNOLÓGICA IDIT 2013 Inteligencia artificial: todo comienza con una neurona. Sandra Belén Bejarano Jiménez, Sofía Monserrat Pérez
Más detallesFunciones SUMAR.SI y CONTAR.SI
Funciones SUMAR.SI y CONTAR.SI PLANILLA ELECTRÓNICA Excel Función SUMAR.SI En muchas ocasiones necesitaremos sumar un conjunto de valores, que podrán representar conceptos muy diversos, como por ejemplo:
Más detallesPRÁCTICA Nº 4: SIMULACIÓN DE CIRCUITOS EN RÉGIMEN TRANSITORIO Y CORRIENTE ALTERNA
PRÁCTICA Nº 4: SIMULACIÓN DE CIRCUITOS EN RÉGIMEN TRANSITORIO Y CORRIENTE ALTERNA 4.1. Medidas con el osciloscopio El osciloscopio es un instrumento que sirve para visualizar señales periódicas. Nos permite,
Más detallesMANUAL DE USUARIO INTRANET
MANUAL DE USUARIO INTRANET Partes de la Intranet. La intranet se divide en varias partes claramente diferenciadas, que facilitan la navegación a través de la misma. A) Cabecera Es la parte estática de
Más detallesTARIFAS DE VENTA Y DESCUENTOS
Manual del módulo TRAZABILIDAD EUROWIN 8.0 SQL TARIFAS DE VENTA Y DESCUENTOS 1 Documento: docew_tarifasventa Edición: 03 Nombre: Tarifas de venta y descuentos Fecha: 06-05-2009 Índice 1. Introducción...
Más detallesUniversidad de Zaragoza Manual de Usuario EXPEDIENTES-Sigm@
Universidad de Zaragoza Manual de Usuario EXPEDIENTES-Sigm@ Unidad Sigma/Vicegerencia Académica MANUAL DE USUARIO EXPEDIENTES SIGM@... 1 1. ÍNDICE... 2 2. ENTRADA EN LA APLICACIÓN... 3 3. CONSULTA DE EXPEDIENTES...4
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 detallesTutorial PowerPoint. Crear una nueva presentación
Tutorial PowerPoint La herramienta PowerPoint esta diseñada para realizar presentaciones multimedia, esta disponible en sistema Windows y MacOS. PowerPoint no solo esta pensado para realizar presentaciones
Más detallesTIEMPO -DÍAS -HORAS CONCEPTO GENERAL DEL TIEMPO
TIEMPO -DÍAS -HORAS CONCEPTO GENERAL DEL TIEMPO Para medir el tiempo se necesita un fenómeno periódico, que se repita continuamente y con la misma fase, lo que sucede con fenómenos astronómicos basado
Más detallesEsta es la forma vectorial de la recta. Si desarrollamos las dos posibles ecuaciones, tendremos las ecuaciones paramétricas de la recta:
Todo el mundo sabe que dos puntos definen una recta, pero los matemáticos son un poco diferentes y, aún aceptando la máxima universal, ellos prefieren decir que un punto y un vector nos definen una recta.
Más detallesExperiencia P06: Aceleración de la gravedad Sensor de movimiento
Experiencia P06: Aceleración de la gravedad Sensor de movimiento Tema DataStudio ScienceWorkshop (Mac) ScienceWorkshop (Win) Movimiento rectilineo P06 Gravity.ds G14 Gravity G14_GRAV.SWS Equipo necesario
Más detallesIV. DISCUSIÓN. El estrés ha sido objeto de estudio a través de un largo periodo de tiempo y aún
IV. DISCUSIÓN El estrés ha sido objeto de estudio a través de un largo periodo de tiempo y aún así existen dudas acerca de éste y sus consecuencias. Se ha podido observar que por una parte es un gran incentivo
Más detallesCAPÍTULO 10 Aplicaciones de la Derivada a Funciones Económicas
CAPÍTULO 10 Aplicaciones de la Derivada a Funciones Económicas Introducción En la economía, la variación de alguna cantidad con respecto a otra puede ser descrita por un concepto promedio o por un concepto
Más detallesMatrices: Conceptos y Operaciones Básicas
Matrices: Conceptos y Operaciones Básicas Departamento de Matemáticas, CCIR/ITESM 8 de septiembre de 010 Índice 111 Introducción 1 11 Matriz 1 113 Igualdad entre matrices 11 Matrices especiales 3 115 Suma
Más detallesRIESGO Y RENTABILIDAD DE LA EMPRESA (Riesgo y Rendimiento) Qué es lo que determina el rendimiento requerido de una inversión?
1 RIESGO Y RENTABILIDAD DE LA EMPRESA (Riesgo y Rendimiento) Qué es lo que determina el rendimiento requerido de una inversión? La respuesta es sencilla. El rendimiento requerido siempre depende del riesgo
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA DE TRABAJO 2 Profesor: Hugo S. Salinas. Primer Semestre 2010 1. La dureza Rockwell de un metal
Más detallesUniversidad de Buenos Aires Facultad De Ingeniería. Operaciones Lógicas. [75.40] Algoritmos y Programación I. 2do Cuatrimestre 2010
Universidad de Buenos Aires Facultad De Ingeniería Operaciones Lógicas [75.40] Algoritmos y Programación I 2do Cuatrimestre 2010 Cátedra: Ing. Pablo Guarna Autor: Bernardo Ortega Moncada Índice 1. Introducción
Más detalles1. MEDIDAS DE TENDENCIA CENTRAL
1. MEDIDAS DE TENDENCIA CENTRAL Lo importante en una tendencia central es calcular un valor central que actúe como resumen numérico para representar al conjunto de datos. Estos valores son las medidas
Más detallesCriterios de Selección de Inversiones: El Valor Actual Neto y sus derivados *.
Criterios de Selección de Inversiones: El Valor Actual Neto y sus derivados *. Uno de los criterios más válidos para la selección de inversiones alternativas es la determinación del Valor Actual Neto (VAN)
Más detalles