Regresión simbólica con slp s.
|
|
- María Nieves Aguilar Parra
- hace 8 años
- Vistas:
Transcripción
1 Regresión simbólica con slp s. Cruz Enrique Borges Hernández y José Luis Montaña 1 2 Departamento de Matemáticas, Estadística y Computación Universidad de Cantabria 7 de abril de 2011 This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 3.0 License. 1 Departamento de Matemáticas Estadística y Computación, Universidad de Cantabria, Santander, España. {borgesce,montanjl}@unican.es 2 Investigación financiada por los proyectos MTM , MTM , TIN C02-02 y becas FPU del Gobierno de España
2 Índice General. 1 Ajuste de Curvas: Problemas de Regresión. 2
3 Ajuste de una Curva a una Muestra. y f (x) x
4 Ajuste de una Curva a una Muestra. y f (x) x 0 x 1 x 10 x 9 x 4 x 5 x 8 x 2 x x 7 3 x6 x
5 Ajuste de una Curva a una Muestra. y g(x) x
6 3 de dimensión finita Si conoces el espacio de búsqueda y es un espacio vectorial 3 Muestra sin errores = Interpolación. Muestra con errores = Mínimos Cuadrados.... y NO es un espacio vectorial Muestra sin errores = Interpolación no lineal. Muestra con errores = Descenso de Gradiente.
7 3 de dimensión finita Si conoces el espacio de búsqueda y es un espacio vectorial 3 Muestra sin errores = Interpolación. Muestra con errores = Mínimos Cuadrados.... y NO es un espacio vectorial Muestra sin errores = Interpolación no lineal. Muestra con errores = Descenso de Gradiente.
8 3 de dimensión finita Si conoces el espacio de búsqueda y es un espacio vectorial 3 Muestra sin errores = Interpolación. Muestra con errores = Mínimos Cuadrados.... y NO es un espacio vectorial Muestra sin errores = Interpolación no lineal. Muestra con errores = Descenso de Gradiente.
9 3 de dimensión finita Si conoces el espacio de búsqueda y es un espacio vectorial 3 Muestra sin errores = Interpolación. Muestra con errores = Mínimos Cuadrados.... y NO es un espacio vectorial Muestra sin errores = Interpolación no lineal. Muestra con errores = Descenso de Gradiente.
10 Si NO conoces el espacio de búsqueda...? La fuerza bruta no es una opción en un espacio de funciones. Explorar el espacio de funciones: Regresión Simbólica. Programación Genética.
11 Si NO conoces el espacio de búsqueda...? La fuerza bruta no es una opción en un espacio de funciones. Explorar el espacio de funciones: Regresión Simbólica. Programación Genética.
12 Si NO conoces el espacio de búsqueda...? La fuerza bruta no es una opción en un espacio de funciones. Explorar el espacio de funciones: Regresión Simbólica. Programación Genética.
13 Si NO conoces el espacio de búsqueda...? La fuerza bruta no es una opción en un espacio de funciones. Explorar el espacio de funciones: Regresión Simbólica. Programación Genética.
14 Regresión Simbólica mediante Programación Genética I. Idea General Emular los procesos de selección natural para explorar el espacio de funciones en busca de un óptimo. Población de Individuos. Mecanismos de Evolución. Mecanismo de Calificación Sólo sobreviven los mejor calificados. El Teorema de los Esquemas garantiza la convergencia hacia un óptimo local.
15 Regresión Simbólica mediante Programación Genética I. Idea General Emular los procesos de selección natural para explorar el espacio de funciones en busca de un óptimo. Población de Individuos. Mecanismos de Evolución. Mecanismo de Calificación Sólo sobreviven los mejor calificados. El Teorema de los Esquemas garantiza la convergencia hacia un óptimo local.
16 Regresión Simbólica mediante Programación Genética I. Idea General Emular los procesos de selección natural para explorar el espacio de funciones en busca de un óptimo. Población de Individuos. Mecanismos de Evolución. Mecanismo de Calificación Sólo sobreviven los mejor calificados. El Teorema de los Esquemas garantiza la convergencia hacia un óptimo local.
17 Regresión Simbólica mediante Programación Genética I. Idea General Emular los procesos de selección natural para explorar el espacio de funciones en busca de un óptimo. Población de Individuos. Mecanismos de Evolución. Mecanismo de Calificación Sólo sobreviven los mejor calificados. El Teorema de los Esquemas garantiza la convergencia hacia un óptimo local.
18 Regresión Simbólica mediante Programación Genética I. Idea General Emular los procesos de selección natural para explorar el espacio de funciones en busca de un óptimo. Población de Individuos. Mecanismos de Evolución. Mecanismo de Calificación Sólo sobreviven los mejor calificados. El Teorema de los Esquemas garantiza la convergencia hacia un óptimo local.
19 Regresión Simbólica mediante Programación Genética I. Idea General Emular los procesos de selección natural para explorar el espacio de funciones en busca de un óptimo. Población de Individuos. Mecanismos de Evolución. Mecanismo de Calificación Sólo sobreviven los mejor calificados. El Teorema de los Esquemas garantiza la convergencia hacia un óptimo local.
20 Regresión Simbólica mediante Programación Genética II. No Paralelizable Poco interés en Paralelizar Paralelizable Crear Poblacion Inicial Calificar Poblacion Inicial generaciones Mientras no Fin Calificar Nueva Población Operadores Genéticos Validar Resultado
21 SLP: un Software para Regresión Simbólica. Población de slp. Mecanismos evolutivos: Cruce y Mutación adaptados. Múltiples mecanismos de calificación: Error Cuadrático Medio y VC dimension.
22 SLP: un Software para Regresión Simbólica. Población de slp. Mecanismos evolutivos: Cruce y Mutación adaptados. Múltiples mecanismos de calificación: Error Cuadrático Medio y VC dimension.
23 SLP: un Software para Regresión Simbólica. Población de slp. Mecanismos evolutivos: Cruce y Mutación adaptados. Múltiples mecanismos de calificación: Error Cuadrático Medio y VC dimension.
24 La estructura de datos slp I. Propiedades Grafo Acíclico Dirigido que codifica una aplicación. Reutiliza cálculos ya hechos. Equivalentes a Máquina de Turing. Fáciles de Evaluar.
25 La estructura de datos slp I. Propiedades Grafo Acíclico Dirigido que codifica una aplicación. Reutiliza cálculos ya hechos. Equivalentes a Máquina de Turing. Fáciles de Evaluar.
26 La estructura de datos slp I. Propiedades Grafo Acíclico Dirigido que codifica una aplicación. Reutiliza cálculos ya hechos. Equivalentes a Máquina de Turing. Fáciles de Evaluar.
27 La estructura de datos slp I. Propiedades Grafo Acíclico Dirigido que codifica una aplicación. Reutiliza cálculos ya hechos. Equivalentes a Máquina de Turing. Fáciles de Evaluar.
28 La estructura de datos slp II: representación gráfica. Figura: f 1 como árbol. Figura: f 1 como slp. f 1 + f x + x + +
29 La estructura de datos slp III: codificación. Figura: f 1 como árbol. u 1 := x x u 2 := x x u 3 := u 1 u 2 u 4 := x x f 1 u 5 := u 4 x u 6 := x x u 7 := u 6 + x u 8 := u 5 + u 3 u 9 := u 8 u 7 Figura: f 1 como slp. u 1 := x x u 2 := u 1 u 1 u f 1 3 := u 1 x u 4 := u 3 + x u 5 := u 4 + u 1 u 6 := u 5 + u 4
30 Mecanismos evolutivos adaptados a slp s I: cruce. Codificación Figura: Padre 1 u 1 := x + y u 2 := u 1 u 1 Γ 1 u 3 := u 1 x u 4 := u 3 + u 2 u 5 := u 3 u 2 Figura: Padre 2 u 1 := x x u 2 := u 1 + y Γ 2 u 3 := u 1 + x u 4 := u 2 x u 5 := u 1 + u 4 Figura: Hijo 1 u 1 := x + y u 2 := u 1 u 1 Γ s 1 u 3 := x x u 4 := u 3 + y u 5 := u 4 x Figura: Hijo 2 u 1 := x x u 2 := x + y Γ s 2 u 3 := u 2 x u 4 := u 2 x u 5 := u 1 + u 4
31 Mecanismos evolutivos adaptados a slp s II: cruce. Representación gráfica. Figura: Padre 1 Figura: Padre 2 Γ 1 Γ x y x y Figura: Hijo 1 Figura: Hijo 2 Γ s 1 Γ s x + y x y
32 Mecanismos de calificación adaptados a slp s. Muestra sin ruido = Error Cuadrático Medio (mse). Muestra con ruido = Dimensión Vapnik-Chervonenkis (VC). mse = m (Γ(x i ) y i ) 2. i=1
33 Mecanismos de calificación adaptados a slp s. Muestra sin ruido = Error Cuadrático Medio (mse). Muestra con ruido = Dimensión Vapnik-Chervonenkis (VC). [ VC = mse 1 h 1 ln m ( )] h m + ln m 2m 1
34 Ajuste de Curvas: Problemas de Regresión. Comparativa calificación mse contra VC I en muestras con ruido. Calificación media obtenida en 100 ejecuciones. Función AIC BIC SRM f E E E-07 f E E E+00 f E E E+00 f E E E-01 f E E E-01 g E E E-02 g E E E-01 g E E E-01
35 Ajuste de Curvas: Problemas de Regresión. Comparativa calificación mse contra VC II en muestras con ruido. Mejor calificación obtenida en 100 ejecuciones. Función AIC BIC SRM f E E E-07 f E E E-02 f E E E-01 f E E E-01 f E E E-02 g E E E-02 g E E E-01 g E E E-02
36 slp s paramétricos: ajuste de constantes. slp s con constantes paramétricas. Ajustar los valores de dichos parámetros para minimizar el error: Algoritmo Evolutivo y Co-evolución cooperativa heterogénea. Descenso de Gradiente.
37 slp s paramétricos: ajuste de constantes. slp s con constantes paramétricas. Ajustar los valores de dichos parámetros para minimizar el error: Algoritmo Evolutivo y Co-evolución cooperativa heterogénea. Descenso de Gradiente.
38 slp s paramétricos: ajuste de constantes. slp s con constantes paramétricas. Ajustar los valores de dichos parámetros para minimizar el error: Algoritmo Evolutivo y Co-evolución cooperativa heterogénea. Descenso de Gradiente.
39 slp s paramétricos: ajuste de constantes. slp s con constantes paramétricas. Ajustar los valores de dichos parámetros para minimizar el error: Algoritmo Evolutivo y Co-evolución cooperativa heterogénea. Descenso de Gradiente.
40 Comparativa evolución contra co-evolución.
An Hybrid Evolutive-Genetic Algorithm for the Fractal IFS Inverse Problem
An Hybrid Evolutive-Genetic Algorithm for the Fractal IFS Inverse Problem Maria L. Ivanissevich UNPA Antonio S. Cofiño José Manuel Gutiérrez Universidad de Cantabria http://personales.unican.es/~gutierjm
Más detallesTecnológico de Estudios Superiores de Ecatepec
Tecnológico de Estudios Superiores de Ecatepec Aplicaciones de algoritmos evolutivos en visión artificial División de Ingeniería Industrial y Mecatrónica Posgrado de Ingeniería Mecatrónica M. en C. Eddie
Más detallesInteligencia Artificial para desarrolladores Conceptos e implementación en C#
Introducción 1. Estructura del capítulo 19 2. Definir la inteligencia 19 3. La inteligencia de los seres vivos 22 4. La inteligencia artificial 24 5. Dominios de aplicación 26 6. Resumen 28 Sistemas expertos
Más detallesDesarrollar y aplicar estrategias para resolver problemas Determinar si un gráfico es lineal dibujando puntos en una situación dada
MANEJO DE DATOS Analizar gráficos o diagramas de situaciones dadas para identificar información específica Recoger datos, dibujar los datos usando escalas apropiadas y demostrar una comprensión de las
Más detallesUNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIOS DE LICENCIATURA
UNIVERSIDAD L VALLE MÉXICO PROGRAMA ESTUDIOS LICENCIATURA ASIGNATURA PROGRAMACIÓN ESTRUCTURADA CLAVE 532712 CICLO ÁREA CURRICULAR AP SEGUNDO HORAS CON DOCENTE 60 TOTAL CRÉDITOS HORAS FORMACIÓN PRÁCTICA
Más detallesProgramación Orientada a Objetos Inteligencia Artificial Programación Lógica Lógica Matemática Tecnicas para el derrallo de sistemas artificiales
ANEXO D. INSTITUCION: PLANES DE ESTUDIOS DE OTRAS IES INSTITUTO POLITECNICO NACIONAL CIENCIAS DE LA COMPUTACIÓN Inteligencia artificial Programación Orientada a Objetos Inteligencia Artificial Programación
Más detallesFundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 9 -
Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 9 - Juan Alfonso Lara Torralbo 1 Índice de contenidos Actividad. Qué es un modelo de Data Mining Qué es
Más detallesAlgoritmos Bioinspirados.
Algoritmos Bioinspirados. Departamento de Matemáticas, Estadística y Computación Universidad de Cantabria 13 de abril de 2011 This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike
Más detallesLugar y fecha de nacimiento: Barrancabermeja, Santander, Marzo 15, 1982
Curriculum Vitæ DATOS PERSONALES Nombre: Jair Montoya Martínez. Lugar y fecha de nacimiento: Barrancabermeja, Santander, Marzo 15, 1982 Teléfono (Medellín): 235 23 61 Teléfono (Barrancabermeja): 057-622
Más detallesAlgoritmos genéticos como métodos de aproximación analítica y búsqueda de óptimos locales
Algoritmos genéticos como métodos de aproximación analítica y búsqueda de óptimos locales Jorge Salas Chacón A03804 Rubén Jiménez Goñi A93212 Juan Camilo Carrillo Casas A91369 Marco Vinicio Artavia Quesada
Más detallesTema 1: Computadores y Programas
Tema 1: Computadores y Programas Ingeniería Informática Ingeniería Técnica en Informática de Sistemas Ingeniería Técnica en Informática de Gestión Departamento de Ciencia de la Computación e I.A. Universidad
Más detallesUNIVERSIDAD DE SALAMANCA
UNIVERSIDAD DE SALAMANCA Grado en ESTADÍSTICA Facultad de Ciencias Universidad de Salamanca (Comenzó en Septiembre 2009) Asignaturas: En los dos primeros cursos son troncales y obligatorias PRIMER CURSO
Más detallesUNIVERSIDAD AUTÓNOMA DE YUCATÁN FACULTAD DE MATEMÁTICAS MISIÓN
UNIVERSIDAD AUTÓNOMA DE YUCATÁN FACULTAD DE MATEMÁTICAS MISIÓN Formar profesionales altamente capacitados, desarrollar investigación y realizar actividades de extensión, en Matemáticas y Computación, así
Más detallesCAPÍTUL07 SISTEMAS DE FILOSOFÍA HÍBRIDA EN BIOMEDICINA. Alejandro Pazos, Nieves Pedreira, Ana B. Porto, María D. López-Seijo
CAPÍTUL07 SISTEMAS DE FILOSOFÍA HÍBRIDA EN BIOMEDICINA Alejandro Pazos, Nieves Pedreira, Ana B. Porto, María D. López-Seijo Laboratorio de Redes de Neuronas Artificiales y Sistemas Adaptativos Universidade
Más detallesECJ GENETIC. A Java-based Evolutionary Computation and Genetic Programming Research System. Néstor Arias (naariasm@unal.edu.co)
ECJ GENETIC A Java-based Evolutionary Computation and Genetic Programming Research System Néstor Arias (naariasm@unal.edu.co) CONTENIDO Qué es ECJ? Características Generales. Características de GP. Proceso
Más detallesIntroducción a los Algoritmos Genéticos
Introducción a los Algoritmos Genéticos Francisco José Ribadas Pena INTELIGENCIA ARTIFICIAL 5 Informática ribadas@uvigo.es 17 de octubre de 2005 c FJRP 2005 ccia IA Métodos de 8 < : 1 Introducción 9 =
Más detallesAlgoritmos Genéticos. Introduccion a la Robótica Inteligente
Algoritmos Genéticos Introduccion a la Robótica Inteligente 7 Marzo 2014 (IRIN) AGs 7/03/2014 1 / 43 Índice 1 Introducción 2 Algoritmos Genéticos 3 Algunos Fundamentos Matemáticos 4 Conclusiones (IRIN)
Más detallesAlgoritmos Genéticos.
Algoritmos Genéticos. Miguel Cárdenas Montes, Antonio Gómez Iglesias Centro de Investigaciones Energéticas Medioambientales y Tecnológicas, Madrid, Spain miguel.cardenas@ciemat.es 15-19 de Octubre de 2011
Más detallesOptimización inspirada en la naturaleza
Optimización inspirada en la naturaleza Efrén Mezura-Montes Laboratorio Nacional de Informática Avanzada (LANIA AC) Xalapa, Veracruz, MEXICO emezura@lania.mx http://www.lania.mx/~emezura 10ª feria de Posgrados
Más detallesRelación de competencias. Resultado de aprendizaje REQUISITOS PREVIOS: MATERIA 2: Estadística 12 créditos (300 horas) 6 Básicos y 6 Obligatorios
Planificación del Módulo 4 Denominación: MÉTODOS CUANTITATIVOS PARA LA ECONOMÍA 39 créditos ECTS -21básicos y 18 obligatorios- Este módulo está integrado por tres materias que se imparten en tres cursos
Más detallesGRADO EN INGENIERÍA INFORMÁTICA
GRADO EN INGENIERÍA INFORMÁTICA CURSO ACADÉMICO 2010/2011 Estudios Grado en Ingeniería (En el presente año académico solamente se ofertará el primer curso) Rama de conocimiento Ingeniería y Arquitectura
Más detalles1. INTRODUCCIÓN AL CONCEPTO DE LA INVESTIGACIÓN DE MERCADOS 1.1. DEFINICIÓN DE INVESTIGACIÓN DE MERCADOS 1.2. EL MÉTODO CIENTÍFICO 2.
1. INTRODUCCIÓN AL CONCEPTO DE LA INVESTIGACIÓN DE MERCADOS 1.1. DEFINICIÓN DE INVESTIGACIÓN DE MERCADOS 1.2. EL MÉTODO CIENTÍFICO 2. GENERALIDADES SOBRE LAS TÉCNICAS DE INVESTIGACIÓN SOCIAL Y DE MERCADOS
Más detallesModelización y Balanceo de la Carga Computacional en la Simulación Paralela de la Dispersión Atmosférica de Contaminantes
Modelización y Balanceo de la Carga Computacional en la Simulación Paralela de la Dispersión Atmosférica de Contaminantes Diego R. Martínez diegorm@dec.usc.es Dpto. Electrónica y Computación Universidad
Más detallesExperto TIC en Inteligencia Artificial para Programadores
Experto TIC en Inteligencia Artificial para Programadores Titulación certificada por EUROINNOVA BUSINESS SCHOOL Experto TIC en Inteligencia Artificial para Programadores Experto TIC en Inteligencia Artificial
Más detallesTaxonomía de los principales temas de I A Por: Luis Guillermo Restrepo Rivas
Taxonomía de los principales temas de I A Por: Luis Guillermo Restrepo Rivas 1. DEFINICIONES, UBICACIÓN CONCEPTUAL E HISTORIA DE LA I.A. 2. COMPLEJIDAD COMPUTACIONAL, EXPLOSIÓN COMBINATORIA, DOMINIOS NO
Más detallesIntroducción a la Computación Evolutiva
Introducción a la Computación Evolutiva Sección de Computación CINVESTAV-IPN Av. IPN No. 2508 Col. San Pedro Zacatenco México, D.F. 07300 email: ccoello@cs.cinvestav.mx http: //delta.cs.cinvestav.mx/~ccoello
Más detallesMétodos evolutivos de Optimización. Prof. Cesar de Prada Dpto. Ingeneiria de Sitemas y Automática Universidad de Valladolid
Métodos evolutivos de Optimización Prof. Cesar de Prada Dpto. Ingeneiria de Sitemas y Automática Universidad de Valladolid Indice Introducción Método de Montecarlo Algoritmos genéticos Tabú Search Simulated
Más detallesDocente: Msc. Ing. Alejandro Vera Lázaro. Colegio de Ingenieros del Perú Concejo Departamental La Libertad Centro de Informática - INFOCIP
Colegio de Ingenieros del Perú DISEÑO Y ANÁLISIS MEDIANTE EL MÉTODO DE ELEMENTOS FINITOS EN INGENIERIA USANDO SOLIDWORKS SIMULATION I. DATOS GENERALES 1.1. Capítulos Profesionales : Ingeniería Mecánica,
Más detallesSISTEMAS INTELIGENTES
SISTEMAS INTELIGENTES T11: Métodos Kernel: Máquinas de vectores soporte {jdiez, juanjo} @ aic.uniovi.es Índice Funciones y métodos kernel Concepto: representación de datos Características y ventajas Funciones
Más detallesGenerador de casos de prueba genético
Generador de casos de prueba genético Álvaro Galán Piñero Ingeniería Técnica en Informática de Sistemas, Universidad de Cádiz 24 de Septiembre 2012 1 / 42 Índice 1 Motivación y contexto 2 Planificación
Más detallesIntroducción. Francisco J. Martín Mateos. Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla
Francisco J. Martín Mateos Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Qué es la (KE)? Definición de Wikipedia: La es una disciplina cuyo objetivo es integrar conocimiento
Más detallesAlgoritmos Evolutivos
Algoritmos Evolutivos 2003-11-20 Cristóbal Romero, Pedro González y Sebastián Ventura 1.1 Introducción En general, cualquier tarea abstracta a realizar puede considerarse como la resolución de un problema
Más detallesCarrera: IFM - 0423 3-2-8. Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Matemáticas para computación Licenciatura en Informática IFM - 0423 3-2-8 2.- HISTORIA
Más detallesCómo ahorrar en la factura energética?
Cómo ahorrar en la factura energética? Cruz Enrique Borges Hernández cruz.borges@deusto.es Tercer Encuentro de Jóvenes Investigadores en Matemáticas La Laguna, 18 de octubre de 2013 This work is licensed
Más detallesCarrera: 2-2-6. Participantes
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Investigación de Operaciones Ingeniería Civil Clave de la asignatura: Horas teoría-horas práctica-créditos 2-2-6 2.- HISTORIA DEL PROGRAMA Lugar
Más detallesOptimización de las constantes en una estrategia evolutiva mediante el método de Gauss-Newton
MÁSTER EN MODELIZACIÓN MATEMÁTICA, ESTADÍSTICA Y COMPUTACIÓN TRABAJO FIN DE MASTER Optimización de las constantes en una estrategia evolutiva mediante el método de Gauss-Newton Autor: Borja ARTAMENDI Director:
Más detallesGestión de operaciones
Gestión de operaciones Modelo y modelado Pedro Sánchez Pedro Sánchez pedro.sanchez@upcomillas.es Contenidos Ejemplo de gestión Gestión de operaciones y optimización Modelo y modelado dld 2 1 Ejemplo de
Más detallesComplejidad - 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 detallesAnálisis aplicado. Ax = b. Gradiente conjugado.
José Luis Morales http://allman.rhon.itam.mx/ jmorales Departamento de Matemáticas. ITAM. 2009. Cuadráticas estrictamente convexas. φ(x) = 1 2 xt Ax b T x, A R n n minimizar φ(x) Ax = b. Cuadráticas estrictamente
Más detallesCarrera: Ingeniería Civil CIE 0524
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Investigación de Operaciones Ingeniería Civil CIE 0524 2 2 6 2.- HISTORIA DEL
Más detallesFinanzas e Investigación de Mercados"
DIPLOMATURA: "Análisis de Datos para Negocios, Finanzas e Investigación de Mercados" Seminario: Introducción a Data Mining y Estadística Dictado: Sábado 13, 20,27 de Abril, 04 de Mayo en el horario de
Más detallesMATEMÁTICA PARA COMPUTACIÓN I Código 3102.30.04
UNIVERSIDAD DE SAN CARLOS DE GUATEMALA USAC- ESCUELA DE FORMACION DE PROFESORES DE ENSEÑANZA MEDIA EFPEM- PROFESORADO DE INFORMÁTICA Y COMPUTACIÓN ESCUELA DE VACACIONES DICIEMBRE 2013 SALON:C6 HORA: 17:00
Más detallesCAPITULO III MARCO METODOLÓGICO. La presente investigación plantea como objetivo el diseño de un prototipo
CAPITULO III MARCO METODOLÓGICO 1. Tipo de Investigación La presente investigación plantea como objetivo el diseño de un prototipo de robot industrial para la automatización del proceso de conformado de
Más detallesLa nueva arquitectura del paquete AMORE (A MORE Flexible Neural Network)
La nueva arquitectura del paquete AMORE (A MORE Flexible Neural Network) III Jornadas de Usuarios de R Javier Alfonso Cendón, Manuel Castejón Limas, Joaquín Ordieres Mere, Camino Fernández Llamas Índice
Más detallesEL IMPACTO DE BASILEA III EN EL NEGOCIO FINANCIERO
EL IMPACTO DE BASILEA III EN EL NEGOCIO FINANCIERO Herramientas idóneas para el control de riesgos y la evolución de la calidad de las carteras Gustavo Chuliver Gerente AIS Argentina gustavo.chuliver@ais-int.net
Más detallesGrado en Ingeniería Informática
Primer Curso Primer semestre ESCUELA SUPERIOR DE INGENIERÍA Chile, 1 11002-CÁDIZ Teléfono: 95 015100 Fax: 95 015101 Más información: www.uca.es/ingenieria Itinerario curricular recomendado ENSEÑANZAS Cálculo
Más detallesLa definición del software a utilizar para la ejecución de Data Mining, permitirá desarrollar la herramienta informática de forma automatizada.
3.1 Sistema de Hipótesis 3.1.1 Hipótesis General El diseño del manual empleando Data Mining (Minería de Datos) predecirá el potencial de desarrollo de las empresas en la zona oriental asociadas a la Comisión
Más detalles1 Espacios y subespacios vectoriales.
UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto
Más detallesGUÍA DOCENTE 2015-2016 MATEMÁTICAS II
GUÍA DOCENTE 2015-2016 MATEMÁTICAS II 1. Denominación de la asignatura: MATEMÁTICAS II Titulación DOBLE GRADO EN DERECHO Y ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Código 6681 2. Materia o módulo a la que
Más detallesESTRATEGIA DE SEGURIDAD Y SALUD LABORAL POLONIA. ESTRATEGIA DE SEGURIDAD Y SALUD LABORAL Página 1
ESTRATEGIA DE SEGURIDAD Y SALUD LABORAL POLONIA ESTRATEGIA DE SEGURIDAD Y SALUD LABORAL Página 1 ÍNDICE 1. INTRODUCCIÓN: PROGRAMAS NACIONALES DE SEGURIDAD Y SALUD LABORAL EN LA ESTRATEGIA DE POLONIA 2.
Más detallesUNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA) SYLLABO
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA) FACULTAD DE INGENIERIA DE SISTEMAS E INFORMATICA Escuela Académico Profesional de Ingeniería de Sistemas 1. ESPECIFICACIONES
Más detallesCarrera Plan de Estudios Contacto
Carrera Plan de Estudios Contacto La Ingeniería en es una licenciatura de reciente creación que responde a las necesidades tecnológicas de la sociedad y la comunicación. Cada teléfono móvil, tableta electrónica
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 detallesPROGRAMA EFICIENCIA Y RENDICIÓN DE CUENTAS PROYECTO CAPACITACIÓN MECI ENTIDADES NIVEL NACIONAL
PROGRAMA EFICIENCIA Y RENDICIÓN DE CUENTAS PROYECTO CAPACITACIÓN MECI ENTIDADES NIVEL NACIONAL 1 CONTENIDO 1. OBJETIVOS DE LA SESIÓN 2. COMO VAMOS? 3. DISEÑO E IMPLEMENTACIÓN ELEMENTOS INDICADORES Y MANUAL
Más detallesDiseño de un conjunto de herramientas software para ataques por canal lateral
Diseño de un conjunto de herramientas software para ataques por canal lateral Alberto Fuentes Rodríguez 1, Luis Hernández Encinas 1, Agustín Martín Muñoz 1 y Bernardo Alarcos Alcázar 2 1 Departamento de
Más detallesRevista Facultad de Ingeniería Universidad de Antioquia ISSN: 0120-6230 revista.ingenieria@udea.edu.co Universidad de Antioquia Colombia
Revista Facultad de Ingeniería Universidad de Antioquia ISSN: 0120-6230 revista.ingenieria@udea.edu.co Universidad de Antioquia Colombia Tabares, Héctor; Hernández, Jesús Pronóstico puntos críticos de
Más detallesI. DATOS DE IDENTIFICACIÓN. 10. Requisitos para cursar la asignatura: Recomendada_Introducción a las Matemáticas
UNIVERSIDAD AUTONOMA DE BAJA CALIFORNIA COORDINACIÓN DE FORMACIÓN BÁSICA COORDINACIÓN DE FORMACIÓN PROFESIONAL Y VINCULACIÓN PROGRAMA DE UNIDAD DE APRENDIZAJE POR COMPETENCIAS I. DATOS DE IDENTIFICACIÓN
Más detallesEntrenamiento en Gestión de Minería de Datos Aplicada a la Inteligencia en los Negocios
Entrenamiento en Gestión de Minería de Datos Aplicada a la Inteligencia en los Negocios Elaborado por: Luis Francisco Zaldívar, MSE Director www.modelacionderiesgos.com l.zaldivar@modelacionderiesgos.com
Más detallesIntroducción a los Autómatas Finitos
Teoría de Introducción a los Un modelo de Computación. Universidad de Cantabria Esquema Introducción Teoría de 1 Introducción 2 Teoría de 3 4 5 El Problema Introducción Teoría de Nuestro objetivo en este
Más detallesThis work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported License.
This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported License. To view a copy of this license, visit http://creativecommons.org/licenses/by-nc-sa/3.0/ Hugo
Más detallesSOciedad Dominicana de Inteligencia Artificial. Santo Domingo Mayo 2015
SOciedad Dominicana de Inteligencia Artificial Santo Domingo Mayo 2015 1 Conferencia: La Inteligencia Artificial y sus Aplicaciones para Países en Desarrollo Dra. Ing. Rina Familia 24/05/2015 3 Hollywood
Más detallesModelos estadísticos aplicados en administración de negocios que generan ventajas competitivas
Modelos estadísticos aplicados en administración de negocios que generan ventajas competitivas Videoconferencias semana de estadística Universidad Latina, Campus Heredia Costa Rica Universidad del Valle
Más detallesUNIVERSIDAD NACIONAL FEDERICO VILLARREAL ESCUELA UNIVERSITARIA DE POST GRADO UNIDAD DE POST-GRADO SILABO
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL ESCUELA UNIVERSITARIA DE POST GRADO UNIDAD DE POST-GRADO SILABO I.- DATOS INFORMATIVOS Asignatura : Informática Aplicada a las Finanzas Créditos : 04 Pre requisitos
Más detallesResumen General del Manual de Organización y Funciones
Gerencia de Tecnologías de Información Resumen General del Manual de Organización y Funciones (El original del Manual de Organización y Funciones fue aprobado por Resolución Administrativa SBS Nº 574-2009,
Más detalles3. OBJETIVOS. 3.1. Objetivos. Objetivos generales del título. Objetivos específicos del título
3. OBJETIVOS 3.1. Objetivos Objetivos generales del título De acuerdo con lo establecido en el Libro Blanco y el acuerdo del plenario de la Conferencia de Directores y Decanos de Informática (Zaragoza,
Más detallesUTgeNes - Framework para Implementación y Estudio de Algoritmos
UTgeNes - Framework para Implementación y Estudio de Algoritmos Genéticos Abstract UTgeNes es un framework para la implementación y estudio de algoritmos genéticos propuesto para la realización de trabajos
Más detallesDESARROLLO WEB CON YII FRAMEWORK LICENCIATURA EN CIENCIAS DE LA COMPUTACIÓN
MISIÓN Formar profesionales altamente capacitados, desarrollar investigación y realizar actividades de extensión, en Matemáticas y Computación, así como en sus diversas aplicaciones PROGRAMA DE ESTANCIA
Más detallesEstadística para las Ciencias Administrativas
Estadística para las Ciencias Administrativas Tercera edición LINCOLN L. CHAO California State University Long Beach, California Traducción JOSÉ MARÍA CASTAÑO Exjefe del Departamento de Matemáticas Universidad
Más detallesUniversidad Central del Este U C E Facultad de Ciencias de las Ingenierías y Recursos Naturales Escuela de Ingeniería Industrial
Universidad Central del Este U C E Facultad de Ciencias de las Ingenierías y Recursos Naturales Escuela de Ingeniería Industrial Programa de la asignatura: (IND-211) Diseño de Sistema de Producción I Total
Más detallesUniversidad Central Del Este U.C.E. Facultad de Ciencias Administrativas y de Sistemas Escuela de Ingeniería en Sistemas
Universidad Central Del Este U.C.E. Facultad de Ciencias Administrativas y de Sistemas Escuela de Ingeniería en Sistemas Programa de la asignatura: IND-231 Diseño Sistemas Produccion I. Total de Créditos:
Más detallesObjetivos Generales. Objetivos específicos. Que el estudiante:
ASIGNATURA: MÉTODOS NUMPERICOS I (ANÁLISIS Y PROCESAMIENTO DE LOS DATOS EXPERIMENTALES CON INTRODUCCIÓN A LA COMPUTACIÓN) Objetivos Generales Comprender y manejar los conceptos relacionados con el manejo,
Más detallesIntroducción. Definición de los presupuestos
P o r q u é e l p r e s u p u e s t o d e b e s e r e l c a m i n o a s e g u i r p a r a g a r a n t i z a r e l é x i t o d e s u e m p r e s a? Luis Muñiz Economista Introducción El aumento de la incertidumbre
Más detallesMatemática de Negocios
Matemática de Negocios Santiago Martín Fiore Fiore, Santiago Matemática de negocios. - 1a ed. - Ciudad Autónoma de Buenos Aires : Universidad Maimónides, 2014. 422 p. ; 24x17 cm. ISBN 978-987-1699-16-2
Más detallesNombre de la asignatura: METODOS NUMERICOS. Carrera : Ingeniería Mecánica. Clave de la asignatura: ACB- 9311 Clave local:
Nombre de la asignatura: METODOS NUMERICOS Carrera : Ingeniería Mecánica Clave de la asignatura: ACB- 9 Clave local: Horas teoría horas practicas créditos: -0-8.- UBICACIÓN DE LA ASIGNATURA A) RELACIÓN
Más detallesOptimización Continua Basada en Algoritmos de Estimación de Regresión. Miguel Ratón Almansa
Optimización Continua Basada en Algoritmos de Estimación de Regresión Miguel Ratón Almansa A mis padres y mi hermana Índice general 1. Introducción 5 1.1. Motivación................................. 5
Más detallesCentro de Investigación y Desarrollo en Ingeniería en Sistemas de Información (CIDISI)
Centro de Investigación y Desarrollo en Ingeniería en Sistemas de Información (CIDISI) OFERTAS TECNOLÓGICAS 1) GESTIÓN ORGANIZACIONAL Y LOGÍSTICA INTEGRADA: TÉCNICAS Y SISTEMAS DE INFORMACIÓN 2) GESTIÓN
Más detallesPROGRAMA DE ESTUDIO. Horas de Práctica
PROGRAMA DE ESTUDIO Nombre de la asignatura: MODELADO Y SIMULACIÓN DE PROCESOS Clave: IQM12 Ciclo Formativo: Básico ( ) Profesional (X) Especializado ( ) Fecha de elaboración: 7 DE MARZO DE 2015 Horas
Más detallesConsejo Superior Universitario. Resolución Nº 024/2011 Acta Nº 474 Fecha: 16/02/2011
Resolución Nº 024/2011 Acta Nº 474 Fecha: 16/02/2011 Por la cual se aprueba el Curso de Posgrado de Especialización en Estadística de la Facultad de Filosofía de la Universidad Nacional del Este. Vista:
Más detallesGrado en Ingeniería Informática
Grado en Ingeniería Informática Competencias Generales y trasversales De acuerdo con la resolución del Consejo de Universidades de fecha 3 de marzo de 2009, para obtener este título de grado en ingeniería
Más detallesThis work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported License.
This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported License. To view a copy of this license, visit http://creativecommons.org/licenses/by-nc-sa/3.0/ Hugo
Más detallesThis work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported License.
This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported License. To view a copy of this license, visit http://creativecommons.org/licenses/by-nc-sa/3.0/ Hugo
Más detallesEl Éxito del ICFES frente al reto de la Flexibilidad. Ingrid Picón Directora de Tecnología e Información ICFES
El Éxito del ICFES frente al reto de la Flexibilidad Ingrid Picón Directora de Tecnología e Información ICFES Acerca del ICFES Entidad especializada en ofrecer servicios de evaluación de la educación en
Más detallesFigura 1. Símbolo que representa una ALU. El sentido y la funcionalidad de las señales de la ALU de la Figura 1 es el siguiente:
Departamento de Ingeniería de Sistemas Facultad de Ingeniería Universidad de Antioquia Arquitectura de Computadores y Laboratorio ISI355 (2011 2) Práctica No. 1 Diseño e implementación de una unidad aritmético
Más detallesIntroducción 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 detallesObservatorio PyME PROVINCIA DE CORRIENTES
Observatorio PyME PROVINCIA DE CORRIENTES Directorio PyME Regional: Características Generales El Directorio es un padrón actualizado de unidades económicas, el cual contiene datos que permiten la identificación
Más detallesMétodos Numéricos. Carrera: AEC-1046 SATCA 1 2-2 - 4
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Métodos Numéricos Carrera: Clave de la asignatura: SATCA 1 Ingeniería Mecánica, Ingeniería Mecatrónica AEC-1046 2-2 - 4 2.- PRESENTACIÓN Caracterización
Más detallesAlgoritmos 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 detallesFACULTAD DE INGENIERÍA FORESTAL EXCELENCIA ACADÉMICA QUE CONTRIBUYE AL DESARROLLO DE LAS CIENCIAS FORESTALES
IDENTIFICACIÓN DE LA ASIGNATURA Nombre: Matemáticas Fundamentales Código: 0701479 Área Específica: Ciencias Básicas Semestre de Carrera: Primero JUSTIFICACIÓN El estudio de las matemáticas es parte insustituible
Más detallesGrupo de investigación Inteligencia Artificial (visión n artificial) cenidet
Grupo de investigación Inteligencia Artificial (visión n artificial) cenidet Cuernavaca, Morelos Abril 2007 Temáticas de investigación Visión artificial y reconocimiento de patrones Sistemas híbridos neurosimbólicos
Más detallesInteligencia de Negocio
UNIVERSIDAD DE GRANADA E.T.S. de Ingenierías Informática y de Telecomunicación Departamento de Ciencias de la Computación e Inteligencia Artificial Inteligencia de Negocio Guión de Prácticas Práctica 1:
Más detallesUNIVERSIDAD NACIONAL SAN LUIS GONZAGA DE ICA FACULTAD DE INGENIERIA MECANICA Y ELECTRICA ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA DE MECANICA
UNIVERSIDAD NACIONAL SAN LUIS GONZAGA DE ICA FACULTAD DE INGENIERIA MECANICA Y ELECTRICA ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA DE MECANICA DEPARTAMENTO DE CIENCIAS DE INVESTIGACION DE LA INGENIERIA
Más detallesModelización Tareas Clases Evaluación Reflexión. Modelización
Tareas Evaluación Reflexión Tareas Evaluación Reflexión Qué es la modelización? 2 Sesión 1 3 Objetivos Trabajar en distintas tareas basadas en la realidad. Reflexionar sobre las características de estas
Más detallesDocumento Informativo
UNIVERSIDAD DE IBAGUE FACULTAD DE CIENCIAS NATURALES Y MATEMATICAS ASIGNATURA: ANÁLISIS NUMÉRICO CODIGO: 4109 AREA: MATEMATICAS CICLO: BASICO SEMESTRE: III PRE-REQUISITO: NINGUNO CORREQUISITO: CÁLCULO
Más detallesMetodología y Framework para el Desarrollo de Aplicaciones Científicas con Computación de Alto Rendimiento a través de Servicios Web
Metodología y Framework para el Desarrollo de Aplicaciones Científicas con Computación de Alto Rendimiento a través de Servicios Web J.Corral-García, D.Cortés-Polo, C.Gómez-Martín, J.L.González-Sánchez
Más detallesHigh Performance Computing and Architectures Group
HPCA Group 1 High Performance Computing and Architectures Group http://www.hpca.uji.es Universidad Jaime I de Castellón ANACAP, noviembre de 2008 HPCA Group 2 Generalidades Creado en 1991, al mismo tiempo
Más detallesGrupo de Sistemas Inteligentes. Servicios Web y Arquitecturas Orientadas a Servicios
Servicios Web y Arquitecturas Orientadas a Servicios Presentación de GSI Grupo de investigación formado por 30 miembros (18 doctores) liderado por el profesor Senén Barro. Grupo Competitivo de Excelencia
Más detallesDIRECTRICES Y ORIENTACIONES GENERALES PARA LAS PRUEBAS DE ACCESO A LA UNIVERSIDAD
Curso Asignatura 2014/2015 MATEMÁTICAS II 1º Comentarios acerca del programa del segundo curso del Bachillerato, en relación con la Prueba de Acceso a la Universidad La siguiente relación de objetivos,
Más detallesDesarrollo de algoritmos genéticos, de recocido simulado e híbridos para la planificación de un taller flexible
X Congreso de Ingeniería de Organización Valencia, 7 y 8 de septiembre de 2006 Desarrollo de algoritmos genéticos, de recocido simulado e híbridos para la planificación de un taller flexible Sara Lumbreras
Más detallesGrado en Ingeniería Informática
Grado en Ingeniería Informática ESCUELA SUPERIOR DE INGENIERÍA Chile, 1 11002-CÁDIZ Teléfono: 95 015100 Fax: 95 015101 Más información: www.uca.es/ingenieria Itinerario curricular recomendado ENSEÑANZAS
Más detallesUniversidad Central Del Este U.C.E. Facultad de Ciencias Administrativas y de Sistemas Escuela de Mercadeo
Universidad Central Del Este U.C.E. Facultad de Ciencias Administrativas y de Sistemas Escuela de Mercadeo Programa de la asignatura: ADM-301 Matemáticas Financieras I Total de Créditos: 4 Teórico: 4 Práctico:
Más detalles