Tema 3: Ðreas de la IA: Ejemplos de Investigaci n Actual (III) Redes Neuronales
|
|
- Valentín Villalba Cáceres
- hace 7 años
- Vistas:
Transcripción
1 Tema 3: Ðreas de la IA: Ejemplos de Investigaci n Actual (III) Redes Neuronales SRP Carlos Carrascosa Casamayor Vicente J. Julián Inglada Tema 3: Ðreas de La IA: Ejemplos de Investigaci n Actual (II) Redes Neuronales Historia Aplicaciones Modelo Natural Computación Neuronal Elementos de una Red Neuronal Artificial Ventajas de las Redes Neuronales Realización de Redes Neuronales. Bibliografía: Hilera, J.R., Martínez, V.J., Redes Neuronales Artificiales: Fundamentos, modelos y aplicaciones, ra-ma, (1995). S. Russel,, Inteligencia Artificial: Un enfoque moderno, Prentice Hall(1996). 1
2 Historia (I) 1943: Walter Pitts y Warren McCulloch: Funcionamiento del cerebro humano: Red de células conectadas entre sí que ejecutan operaciones lógicas. Menor suceso psíquico (según ellos): el impulso todo/nada, generado por una célula nerviosa. 1951: Primera Red Neuronal << Sharc >>: Marvin Minsky y Dean Edmonds. Compuesta de 300 tubos de vacío y un piloto automático de un bombardero B-24 B (en desuso por supuesto). Red de 40 neuronas artificiales que imitaban el cerebro de una rata. No tenía mucho futuro, pues no llegaba a trazar planes. No era inteligente Historia (II) 1957: El Perceptrón (Frank Rosenblatt): Red neuronal capaz de generalizar (reconocer patrones similares a los que ya conocía). Limitación: No es capaz de clasificar clases no separables linealmente. 1959: Bernard Widrow y Marcial Hoff: Modelo ADALINE (ADAptative( LINear Elements): RNA: filtros adaptativos que eliminan ecos en las líneas telefónicas. 1969: Perceptrons (Marvin Minsky y Seymour Papert) Definen a los Perceptrones como caminos sin salida. La mayor parte de las investigaciones sobre Perceptrones se paralizaron y anularon 2
3 Historia (III) 1977: Asociador Lineal (James Anderson): Las conexiones entre neuronas se refuerzan cada vez que están activas. Extensión: Brain-State State-in-a-Box (BSB). 1977: 1977: Mapas Autoorganizativos (Teuvo Kohonen): Modelo para reconocimiento de patrones visuales. 1980: Neocognitrón (Kunihiko Fukushima): 1982: John Hopfield: Variación del Asociador Lineal 1982: US US-Japan Joint Conference on Cooperative / Competitive Neural Networks Mostró como tales redes pueden trabajar y qué pueden hacer Aplicaciones Área de defensa. Clasificación de Patrones. Robótica (esp. control de trayectorias). Visión Artificial. Procesamiento de Señales. Aplicaciones al habla. 3
4 Modelo Natural Neurona Natural: Entradas: Dendritas (tantas como necesite). Salida: Axón. Estado condicionado por el de las Dendritas Computaci n Neuronal (I) Redes Neuronales Artificiales son redes interconectadas masivamente en paralelo de elementos simples (usualmente adaptativos) y con organización jerárquica, las cuales intentan interactuar con los objetos del mundo real del mismo modo que lo hace el sistema nervioso biológico. (Kohonen). Operación de proceso básico de los procesadores elementales: Transformación de sus señales de entrada. 4
5 Computaci n Neuronal (II) Cálculo realizado por arquitects.. modulares. Organización: Redes multicapa: Gran nº de procesadores elementales. Alto grado de interconectividad. Realizan localmente una función analógica no lineal. Eliminación parcial de la necesidad de programación Sustituir por Algoritmos de Aprendizaje Procedimientos Supervisados Procedimientos No Supervisados modifican el valor de los parámetros que definen la computación Elementos de una Red Neuronal a Artificial (I) (t) i Elementos de una Neurona: Valor o Estado de Activación a i (t). Señal de salida (y( i (t)). Peso de una sinapsis (w( ij ): factor asignado a cada sinapsis. Entrada Total (Net( i ) Neti = y jwij j Función de salida (f( i ): y i (t) = f i (a i (t)) Función Escalón Función Lineal y Mixta Función Sigmoidal Función Gaussiana Función de Activación (F): a i (t+1) = F(a i (t), Net i ) Regla de Aprendizaje: modificar los pesos de la red (w( ij f i ij ) 5
6 Capa o Nivel: Elementos de una Red Neuronal Artificial (II) Cjto.. de neuronas cuyas entradas provienen de la misma fuente y cuyas salidas se dirigen al mismo destino. Tipos de Capas: Entrada: Reciben estímulos externos. Ocultas: Se genera la representación interna de la información. Salida. Elementos de una Red Neuronal Artificial (III) Formas de Conexión entre Neuronas: Propagación hacia delante: ninguna salida de las neuronas es entrada del mismo nivel o niveles anteriores. Propagación hacia atrás: las salidas de las neuronas pueden ser entradas del mismo nivel o niveles anteriores (incluyéndose ellas mismas). 6
7 Dinámica: Elementos de una Red Neuronal Artificial (IV) Asíncrona: las neuronas evalúan su estado contínuamente según les va llegando la información. Síncrona: : los cambios se realizan a la vez en todas las neuronas. Ventajas de las Redes Neuronales (I) Similares al cerebro: Capaces de aprender de la experiencia. Generalizar de casos anteriores a nuevos casos. Abstraer características esenciales a partir de entradas que representan información relevante. Aprendizaje Adaptativo: Basado en un entrenamiento o experiencia inicial. Aprende a llevar a cabo ciertas tareas mediante un entrenamiento con ejemplos ilustrativos. Capacidad de autoajustarse de las neuronas. Adaptarse a las nuevas condiciones. Algoritmo de aprendizaje Proporciona la capacidad de discriminar mediante un entrenamiento con patrones 7
8 Autoorganización: Ventajas de las Redes Neuronales (II) Modificación de la red neuronal completa para llevar a cabo un objetivo específico. Generalización Permite incluso responder ante información incompleta Tolerancia a fallos: Respecto a los datos Reconocer patrones con ruido, distorsionados o incompletos Seguir realizando su función (+ ó -)) aunque se destruya parte de la red. Información distribuida en las conexiones entre neuronas redundancia Ventajas de las Redes Neuronales (III) Operación en Tiempo Real: Posibilitada por su implementación paralela. Entorno de Tiempo Real Mínima necesidad de cambio en los pesos de las conexiones o entrenamiento Fácil inserción dentro de la tecnología existente: Una red puede ser rápidamente entrenada, comprobada, verificada y trasladada a una implementación hw de bajo coste Es fácil f insertar redes neuronales para aplicaciones específicas dentro de sistemas existentes 8
9 Realizaci n de Redes Neuronales Simulación en un ordenador normal mediante sw específico Principal Uso: Para entrenamiento y evaluación. Desventaja: Simulación de redes con un gran paralelismo mediante máquinas secuenciales. Mediante arquitects.. orientadas a la ejecución de procesos con un alto grado de paralelismo (redes de transputers,,...) Más rápido, pero sigue siendo una simulación. Neurocomputador: Cjto.. de procesadores conectados que operan concurrentemente (Mark( III y IV, el ANZA y ANZA Plus o el Delta-Sigma). Implementación por circuitos integrados específicos (Chips Neuronales): N64 de Intel (chip con 64 neuronas y 1000 sinapsis, capaz de procesar 2500 conexiones por segundo) Mucho más rápidos. Problema: Pérdida de flexibilidad (no se pueden conseguir sinapsis con pesos variables -necesario para el aprendizaje-). 9
CONCEPTOS BÁSICOS (Freeman capt.1; Neural Nets capt. 4,5 y 7)
Tema 1: Conceptos Básicos Sistemas Conexionistas 1 CONCEPTOS BÁSICOS (Freeman capt.1; Neural Nets capt. 4,5 y 7) 1.- Introducción. 1.1.- Redes Neuronales de Tipo Biológico. 1.2.- Redes Neuronales dirigidas
Más detallesInteligencia Artificial. Aprendizaje neuronal. Ing. Sup. en Informática, 4º. Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani
Inteligencia Artificial Aprendizaje neuronal Ing. Sup. en Informática, 4º Curso académico: 20/202 Profesores: Ramón Hermoso y Matteo Vasirani Aprendizaje Resumen: 3. Aprendizaje automático 3. Introducción
Más detallesRedes Neuronales Artificiales
Redes Neuronales Artificiales Claudio Javier Tablada Germán Ariel Torres Resumen. Una Red Neuronal Artificial es un modelo matemático inspirado en el comportamiento biológico de las neuronas y en la estructura
Más detallesLección 6 Redes Neuronales Artificiales Curso Básico
Lección 6 Redes Neuronales Artificiales Curso Básico Curso Aproximación al estudio de célula mínima desde la Biología de Sistemas Montevideo 6-10 diciembre 2010 Federico Morán Departamento de Bioqímica
Más detallesING. EN SISTEMAS COMPUTACIONES TEMA A EXPONER: REDES NEURONALES
ING. EN SISTEMAS COMPUTACIONES TEMA A EXPONER: REDES NEURONALES Ing. Bruno López Takeyas ALUMNOS: Jesús Martín Buentello Vargas Oscar de Luna Quezada Jesús Antonio Galindo Palacios Daniel Villanueva Cisneros
Más detallesMÉTODOS DE APRENDIZAJE INDUCTIVO (continuación)
Aprendiae Automático y Data Mining Bloque III MÉTODOS DE APRENDIZAJE INDUCTIVO (continuación) REDES NEURONALES 2 Redes neuronales (I) Red neuronal: método de aprendiae inductivo inspirado en la estructura
Más detallesSecretaría de Docencia Dirección de Estudios Profesionales
PROGRAMA DE ESTUDIO POR COMPETENCIAS REDES NEURONALES I. IDENTIFICACIÓN DEL CURSO Espacio Educativo: Facultad de Ingeniería Licenciatura: Ingeniería en Computación Área de docencia: Interacción Hombre-Máquina
Más detallesInteligencia Artificial. Redes Neurales Artificiales
Inteligencia Artificial Redes Neurales Artificiales Redes Neural Natural Estructura celular del del cerebro donde residen las las capacidades intelectuales del del hombre Neurona: Soma: Dendritas: Sinapsis:
Más detallesLas Redes Neuronales Artificiales y su importancia como herramienta en la toma de decisiones. Villanueva Espinoza, María del Rosario CAPÍTULO III
herramienta en la toma de decisiones Villanueva Espinoza, María CAPÍTULO III III ELEMENTOS DE UNA RED NEURONAL ARTIFICIAL Las redes neuronales son modelos que intentan reproducir el comportamiento del
Más detallesCapítulo 2. Las Redes Neuronales Artificiales
Capítulo 2. Las Redes Neuronales Artificiales 13 Capitulo 2. Las Redes Neuronales Artificiales 2.1 Definición Redes Neuronales Artificiales El construir una computadora que sea capaz de aprender, y de
Más detallesUNIVERSIDAD FRANCISCO DE PAULA SANTANDER BIBLIOTECA EDUARDO COTE LAMUS RESUMEN - TESIS DE GRADO
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER BIBLIOTECA EDUARDO COTE LAMUS RESUMEN - TESIS DE GRADO AUTORES : A LIRIO MAYORGA DELGADO Y HECTOR JULIO PEDROZA GARZON FACULTAD: INGENIERIAS PLAN DE ESTUDIOS:.
Más detallesI SEMANA ELECTRONICA REDES NEURONALES
UNIVERSIDAD NACIONAL SAN ANTONIO ABAD A DEL CUSCO CARRERA PROFESIONAL DE INGENIERIA ELECTRONICA I SEMANA ELECTRONICA REDES NEURONALES Ing. Avid idromán González Se trata de una nueva forma de computación
Más detallesCátedra: Informática Aplicada a la Ingeniería de Procesos Orientación I. Tema: Redes Neuronales: Conceptos Básicos y Aplicaciones.
Universidad Tecnológica Nacional Facultad Regional Rosario Departamento de Ingeniería Química Grupo de Investigación Aplicada a la Ingeniería Química (GIAIQ) Cátedra: Informática Aplicada a la Ingeniería
Más detallesMODELOS DE COMPUTACION II
INGENIERIA INFORMATICA ÁREA: CIENCIAS DE LA COMPUTACIÓN E INTELIGENCIA ARTIFICIAL MODELOS DE COMPUTACION II Presentación del profesor y de la asignatura JUAN LUIS CASTRO PEÑA 2010-11 Información: http://decsai.ugr.es/~castro/mcii
Más detallesTEMA 6 Redes de Neuronas Artificiales
TEMA 6 Redes de Neuronas Artificiales Francisco José Ribadas Pena INTELIGENCIA ARTIFICIAL 5 o Informática ribadas@uvigo.es 29 de noviembre de 2005 c 2005 ccia ia 6.1 Introducción Objetivo: Usar los principios
Más detalles2. PRINCIPALES TIPOS DE REDES NEURONALES
33 2. PRINCIPALES TIPOS DE REDES NEURONALES 2.1 PERCEPTRÓN 2.1.1 Antecedentes. La primera red neuronal conocida, fue desarrollada en 1943 por Warren McCulloch y Walter Pitts; ésta consistía en una suma
Más detallesModelo de redes neuronales optimizadas con algoritmos genéticos.
Universidad Estatal a Distancia Maestría en Administración de Negocios Mención en Gerencia de Proyectos Trabajo Final de Graduación Modelo de redes neuronales optimizadas con algoritmos genéticos. Una
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 detallesLOS SISTEMAS ADAPTATIVOS
0010100100100101010110010001 0101010001010100101000101 0010100011110010110010001 11111111111010100010101001010010100010101010101 0010100011110101010101011100101001001010101100100010010100011110101010001
Más detallesDepartamento Ingeniería en Sistemas de Información
ASIGNATURA: TEORIA DE CONTROL MODALIDAD: Cuatrimestral DEPARTAMENTO: ING. EN SIST. DE INFORMACION HORAS SEM.: 8 horas AREA: MODELOS HORAS/AÑO: 128 horas BLOQUE TECNOLOGÍAS BÁSICAS HORAS RELOJ 96 NIVEL:
Más detallesREDES NEURONALES ARTIFICIALES Y SUS APLICACIONES
REDES NEURONALES ARTIFICIALES Y SUS APLICACIONES Xabier Basogain Olabe Centro: Escuela Superior de Ingeniería de Bilbao, EHU Despacho: P3BN11 Teléfono: 34 946014201 E mail: xabier.basogain@ehu.es Tabla
Más detallesCAPITULO 1 INTRODUCCION AL PROYECTO
CAPITULO 1 INTRODUCCION AL PROYECTO 1 INTRODUCCION AL PROYECTO 1.1 Marco Teórico Los procesadores digitales de señales ganaron popularidad en los años sesentas con la introducción de la tecnología de estado
Más detallesSistemas. POSTREQUISITO: CATEGORÍA: Obligatorio SECCION: A HORAS POR SEMANA
UNIVERSIDAD DE SAN CARLOS DE GUATEMALA FACULTAD DE INGENIERIA ESCUELA DE CIENCIAS Y SISTEMAS PROGRAMA DEL CURSO DE ARQUITECTURA DE COMPUTADORES Y ENSAMBLADORES 1 CODIGO: 778 CREDITOS: 5 ESCUELA: Ciencias
Más detallesAsignaturas antecedentes y subsecuentes
PROGRAMA DE ESTUDIOS Sistemas Operativos I Área a la que pertenece: Área Sustantiva Profesional Horas teóricas: 3 Horas prácticas: 2 Créditos: 8 Clave: F0168 Asignaturas antecedentes y subsecuentes PRESENTACIÓN
Más detallesSistema electrónico digital (binario) que procesa datos siguiendo unas instrucciones almacenadas en su memoria
1.2. Jerarquía de niveles de un computador Qué es un computador? Sistema electrónico digital (binario) que procesa datos siguiendo unas instrucciones almacenadas en su memoria Es un sistema tan complejo
Más detallesTopologías para Redes
www.cablesa.com Topologías para Redes 1. Topologías más comunes 2. Mecanismos para la resolución de conflictos en la transmisión de datos 3. Diferentes formas de topología y la longitud máxima de los segmentos
Más detallesTECNOLOGÍAS INTELIGENTES PARA EXPLOTACIÓN DE INFORMACIÓN
TECNOLOGÍAS INTELIGENTES PARA EXPLOTACIÓN DE INFORMACIÓN FUNDAMENTOS CURSO DE DOCTORADO Dr. Ramón García-Martínez * * * CONTEXTO La inteligencia de negocio propone un abordaje interdisciplinario que tomando:
Más detallesPR1: Programación I 6 Fb Sistemas Lógicos 6 Obligatoria IC: Introducción a los computadores 6 Fb Administración de
CUADRO DE ADAPTACIÓN INGENIERÍA INFORMÁTICA - Campus Río Ebro Código Asignaturas aprobadas Créditos Carácter Asignaturas/Materias reconocida Créditos Carácter 12007 Cálculo 7,5 MAT1; Matemáticas I 12009
Más detallesUniversidad Centroccidental Lisandro Alvarado. Decanato de Ciencias y Tecnología Departamento de Sistemas
Universidad Centroccidental Lisandro Alvarado Decanato de Ciencias y Tecnología Departamento de Sistemas PROGRAMA INSTRUCCIONAL PROGRAMA: ANALISIS DE SISTEMAS DEPARTAMENTO: SISTEMAS ASIGNATURA: INTRODUCCIÓN
Más detallesTSTC. Dpt. Teoría de la Señal, Telemática y Comunicaciones Tema 1 INTRODUCCIÓN A LA ROBÓTICA
Dpt. Teoría de la Señal, Telemática y Comunicaciones Tema 1 INTRODUCCIÓN A LA ROBÓTICA Secciones 1. Introducción y definiciones. 2. Visión General de la manipulación mecánica. 1. Posicionamiento y Cinemática
Más detallesen el funcionamiento del cerebro FRANCISCO CERVANTES PÉREZ, JOSÉ INCERA DIÉGUEZ Y SALVADOR MÁRMOL YAHYA
COMPUTaCIÓN NeURONaL MecaNIsMos INspIrados en el funcionamiento del cerebro FRANCISCO CERVANTES PÉREZ, JOSÉ INCERA DIÉGUEZ Y SALVADOR MÁRMOL YAHYA >A finales de los años 80, los sistemas que procesan información
Más detallesIntroducción a la Inteligencia Artificial
Introducción a la Inteligencia Artificial Qué es la Inteligencia Artificial? Todas las definiciones de Inteligencia Artificial están relacionadas con la siguiente idea: Desarrollo de métodos y algoritmos
Más detallesNeuronas Artificiales
Modelos básicos b de Redes de Neuronas Artificiales Julián n Dorado Departamento de Tecnologías de la Información n y las Comunicaciones Universidade da Coruña Contenidos Tema 10: Procesado temporal mediante
Más detallesDesarrollo software de técnicas para el diseño automático de Redes Neuronales Artificiales con bajo coste computacional
Desarrollo software de técnicas para el diseño automático de Redes Neuronales Artificiales con bajo coste computacional Titulación: Ingeniero Técnico Industrial Intensificación: Electrónica industrial
Más detallesPRONÓSTICO DE DEMANDA DE LLAMADAS EN LOS CALL CENTER, UTILIZANDO REDES NEURONALES ARTIFICIALES
PRONÓSTICO DE DEMANDA DE LLAMADAS EN LOS CALL CENTER, UTILIZANDO REDES NEURONALES ARTIFICIALES Juan Miguel Jiménez Panta Piura, noviembre de 2013 Universidad de Piura Área Departamental de Ingeniería Industrial
Más detallesUNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL
VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL PROGRAMA: PROGRAMACION I CÓDIGO ASIGNATURA: 1215-208 PRE-REQUISITO: 1215-102 SEMESTRE: II (SEGUNDO) UNIDADES
Más detallesIntroducción a Las redes Neuronales (Neurales) CO-6612
Introducción a Las redes Neuronales (Neurales) CO-662 Coordenadas iniciales: Prof. Minaya Villasana Oficina: CBI-2 Extension: 906 3386 forma más fácil (preferida) de contacto: mvillasa@usb.ve Bibliografia:
Más detallesSistema experto para el diagnóstico de enfermedades infecciosas del ganado vacuno
Memorias del II Congreso Binacional de Investigación, Ciencia y Tecnología de las Universidades Sistema experto para el diagnóstico de enfermedades infecciosas del ganado vacuno Heber Iván Mejía Cabrera,
Más detallesMáster Universitario en Tecnologías de la Información y las Comunicaciones Universidad de Alcalá Curso Académico 2013/14
Sistemas Distribuidos de Control Máster Universitario en Tecnologías de la Información y las Comunicaciones Universidad de Alcalá Curso Académico 2013/14 GUÍA DOCENTE Nombre de la asignatura: Código: 200593
Más detallesGeneración 1. Características. Estaban construidos con electrónica de válvulas. Se programaban en lenguaje de máquina.
Generación 1 La primera generación de computadoras abarca desde el año 1945 hasta el año 1958, época en que la tecnología electrónica era base de bulbos, o tubos de vació, y la comunicación era en términos
Más detallesImplementación de redes neuronales sobre lógica reconfigurable
UNIVERSIDAD TECNOLÓGICADE LA MIXTECA DIVISIÓN DE ESTUDIOS DE POSGRADO Implementación de redes neuronales sobre lógica reconfigurable PARA OBTENER EL GRADO DE: Maestro en Electrónica, Opción: Sistemas Inteligentes
Más detallesUniversidad de Alcalá
Universidad de Alcalá Departamento de Electrónica CONVERSORES ANALÓGICO-DIGITALES Y DIGITALES-ANALÓGICOS Tecnología de Computadores Ingeniería en Informática Sira Palazuelos Manuel Ureña Mayo 2009 Índice
Más detallesAnalisis de Técnicas para Medir la Influencia de las Variables del Vector de Entrada de un Perceptron Multicapa
UNIVERSIDAD CARLOS III DE MADRID Escuela Politécnica Superior Proyecto Fin de Carrera Ingeniería Técnica Informática de Gestión Analisis de Técnicas para Medir la Influencia de las Variables del Vector
Más detallesAprendizaje Automatizado
Aprendizaje Automatizado Aprendizaje Automatizado Programas que mejoran su comportamiento con la experiencia. Dos formas de adquirir experiencia: A partir de ejemplos suministrados por un usuario (un conjunto
Más detallesUNIVERSIDAD NACIONAL DEL CALLAO
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE INGENIERÍA INDUSTRIAL Y DE SISTEMAS INSTITUTO DE INVESTIGACION DE LA FACULTAD DE INGENIERIA INDUSTRIAL Y DE SISTEMAS INFORME FINAL DEL PROYECTO DE INVESTIGACIÓN
Más detallesTrasfondo Definición de manufactura Proceso de realización del producto Elementos de los procesos de manufactura
INME 4055 Temas Relevantes a Manufactura Por Lours M. Rosario Agenda Definición Proceso realización l producto Elementos los procesos INME 4055 Desarrollo histórico La remonta sus inicios a la artículos
Más detallesMáquinas de Aprendizaje Extremo Multicapa: Estudio y Evaluación de Resultados en la Segmentación Automática de Carótidas en Imágenes Ecográficas
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA DE TELECOMUNICACIÓN UNIVERSIDAD POLITÉCNICA DE CARTAGENA Proyecto Fin de Carrera Máquinas de Aprendizaje Extremo Multicapa: Estudio y Evaluación de Resultados en
Más detallesRedes bayesianas temporales para reconocimiento de escenarios
Redes bayesianas temporales para reconocimiento de escenarios Ahmed Ziani and Cina Motamed Visión de Alto Nivel Dr. Enrique Sucar Irvin Hussein López Nava Junio 2009 Introducción (1) Objetivo: aplicaciones
Más detallesPLAN DE MATERIAS ACADEMUSOFT 3.2
FACULTAD DE: _Ingenierías y Tecnológicas PROGRAMA DE: Ingeniería de Sistemas NOMBRE DE LA MATERIA: ARQUITECTURA DEL COMPUTADOR Semestre: _SEXTO Código: _EL427SA No de Créditos 3 H. Teórica: 3 H. Práctica
Más detallesCARRERA DE INGENIERIA DE SISTEMAS
COMPUTACIÓN GRÁFICA CARRERA DE INGENIERIA DE SISTEMAS Act. Mayo 14 2013 ASIGNATURAS DE ÉNFASIS OFRECIDAS PARA LA CARRERA COMPUTACIÓN GRÁFICA 4189 Introducción a la Computación Gráfica 3 21801 Interacción
Más detallesUniversidad Central Del Este U.C.E. Facultad de Ciencias Administrativas y de Sistemas Escuela de Contabilidad
Universidad Central Del Este U.C.E. Facultad de Ciencias Administrativas y de Sistemas Escuela de Contabilidad Programa de la asignatura: SIS-011 Informática I Total de Créditos: 2 Teórico: 1 Práctico:
Más detallesPrimer Hackathon Reto de IA de Google en la UGR Redes neuronales. El perceptrón. Pedro A. Castillo Valdivieso
Primer Hackathon Reto de IA de Google en la UGR Redes neuronales. El perceptrón Pedro A. Castillo Valdivieso Depto. Arquitectura y Tecnología de Computadores Universidad de Granada http://atc.ugr.es/pedro/gaicm1
Más detallesRedes Neuronales: elementos para su implementación con circuitos eléctricos.
Redes Neuronales: elementos para su implementación con circuitos eléctricos German Fierro 1 1 Estudiante de la Facultad de Ingeniería - Universidad de la República, Uruguay Email: germanhfierro@hotmailcom;
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 detallesUNIVERSIDAD DE SAN CARLOS DE GUATEMALA FACULTAD DE INGENIERIA ESCUELA DE CIENCIAS, DEPARTAMENTO DE MATEMATICA
UNIVERSIDAD DE SAN CARLOS DE GUATEMALA FACULTAD DE INGENIERIA ESCUELA DE CIENCIAS, DEPARTAMENTO DE MATEMATICA NOMBRE DEL CURSO: Matemática Intermedia 3 CODIGO: 114 CREDITOS: 5 ESCUELA: Escuela de Ciencias
Más detallesNombre de la asignatura: Maquinas Eléctricas. Carrera: Ingeniería Mecatrónica. Clave de la asignatura: MCC-0207
. - DATOS DE LA ASIGNATURA Nombre de la asignatura: Maquinas Eléctricas Carrera: Ingeniería Mecatrónica Clave de la asignatura: MCC-0207 Horas teoría-horas práctica - créditos: 4-2-0 2. - UBICACIÓN a)
Más detallesUNIVERSIDAD DE GUADALAJARA
UNIVERSIDAD DE GUADALAJARA CENTRO UNIVERSITARIO DE LOS ALTOS DIVISIÓN DE ESTUDIOS EN FORMACIONES SOCIALES LICENCIATURA: INGENIERÍA EN COMPUTACIÓN UNIDAD DE APRENDIZAJE POR OBJETIVOS ORGANIZACIÓN DE COMPUTADORAS
Más detalles: Algorítmica y Estructura de Datos I
FACULTAD POLITÉCNICA DIRECCIÓN ACADÉMICA PROGRAMA DE ESTUDIO I. IDENTIFICACIÓN Carrera : Ingeniería de Sistemas CARGA HORARIA (Horas reloj) Asignatura : Algorítmica y Estructura de Datos I Carga Horaria
Más detallesRedes neuronales de picos en FPGAs: Diseño de una neurona con recursos mínimos
Redes neuronales de picos en FPGAs: Diseño de una neurona con recursos mínimos Dr. Julio César Martínez Romo Instituto Tecnológico de Aguascalientes Ingeniería Eléctrica y Electrónica E-mail: jucemaro@yahoo.com
Más detallesPROGRAMA ANALÍTICO DE ASIGNATURA
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO COORDINACIÓN DE DOCENCIA DIRECCIÓN DE PLANEACIÓN Y DESARROLLO EDUCATIVO _ 1.- DATOS GENERALES 1.1 INSTITUTO: CIENCIAS BÁSICAS E INGENIERÍA PROGRAMA ANALÍTICO
Más detallesTema 3. MODELOS. 2.1 Apoyo Informático a la investigación experimental. 2.2 Modelos del cerebro: A. Realistas biológicos.
Tema 3. MODELOS 011 0 01 01 FUNDAMENTOS 1. Modelos computacionales. 2. Computación y Neurociencia. CONTENIDOS 2.1 Apoyo Informático a la investigación experimental. 2.2 Modelos del cerebro: A. Realistas
Más detallesDISEÑO CURRICULAR ELECTRÓNICA DIGITAL
DISEÑO CURRICULAR ELECTRÓNICA DIGITAL FACULTAD (ES) CARRERA (S) Ingeniería Computación y Sistemas. CÓDIGO HORAS TEÓRICAS HORAS PRÁCTICAS UNIDADES DE CRÉDITO SEMESTRE 116243 02 02 03 VI PRE-REQUISITO ELABORADO
Más detallesProcesador Concepto Tipos Velocidad de proceso Características funciones aritmético- lógicas y de control
Tecnologías de Hardware Puntos a Desarrollar Procesador Concepto Tipos Velocidad de proceso Características funciones aritmético- lógicas y de control Memoria Principal Memoria RAM Concepto Características
Más detallesLic. Saidys Jiménez Quiroz. Área de Tecnología e Informática. Grado 6 - Cescoj
Lic. Saidys Jiménez Quiroz Área de Tecnología e Informática Grado 6 - Cescoj 2011 NÚCLEO BÁSICO N 2: INTRODUCCIÓN A LA INFORMÁTICA. SESIÓN DE APRENDIZAJE N 2.3: CLASIFICACIÓN DE LOS COMPUTADORES. COMPETENCIA:
Más detallesMETODOLOGIAS DE DISEÑO PARA COMPUTACIÓN RECONFIGURABLE.
METODOLOGIAS DE DISEÑO PARA COMPUTACIÓN RECONFIGURABLE. Iñigo Aguirre; Jose Angel Ezquerra. Universidad del País Vasco. Euskal Herriko Unibertsitatea. jtpagpoi@sc.ehu.es. RESUMEN Este trabajo tiene por
Más detallesSILABO DE SISTEMAS OPERATIVOS
UNIVERSIDAD PRIVADA DEL NORTE Facultad de Ingeniería I. DATOS GENERALES SILABO DE SISTEMAS OPERATIVOS 1.1. Facultad : Ingeniería. 1.2. Carrera Profesional : Ingeniería de Sistemas. 1.3. Tipo de Curso :
Más detallesInteligencia de enjambres
Inteligencia de enjambres Diego Milone Inteligencia Computacional Departamento de Informática FICH-UNL Autómata de estados finitos Definición A =< X, Y, E, D > Autómata de estados finitos Definición A
Más detallesIntel lanza su procesador Caballero Medieval habilitado para Inteligencia Artificial
Intel lanza su procesador Caballero Medieval habilitado para Inteligencia Artificial Intel ha lanzado su procesador Xeon Phi en la Conferencia Internacional de Supercomputación de Alemania. El procesador
Más detallesREDES NEURONALES INTRODUCCIÓN
REDES NEURONALES ABSTRACT By these days when we have to improve everything from our lives to the tools we use in order to mae easier the activities, where we locate our selves to analyze the importance
Más detallesNombre de la asignatura: Algoritmos y Lenguajes de programación.
Nombre de la asignatura: Algoritmos y Lenguajes de programación. Créditos: 2-4- 6 Aportación al perfil Dominar la lógica necesaria para aprender lenguajes de programación de alto nivel para poder resolver
Más detallesNeuropsicología Clásica. Que es la Neuropsicología Cognitiva? SINDROMES 22/08/2016
Que es la Neuropsicología Cognitiva? PSICOLOGIA COGNITIVA NEUROPSICOLOGIA COGNITIVA NEUROPSICOLOGIA DOS OBJETIVOS: Explicar los patrones de las realizaciones Cognitivas afectadas/intactas según el modelo
Más detallesComputadora y Sistema Operativo
Computadora y Sistema Operativo Según la RAE (Real Academia de la lengua española), una computadora es una máquina electrónica, analógica o digital, dotada de una memoria de gran capacidad y de métodos
Más detallesMétodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Objetivos Estudiar algunas de las metodologías de Inteligencia Artificial,
Más detallesTECNOLOGÍA ELECTRÓNICA
Universidad de Burgos Departamento de Ingeniería Electromecánica TECNOLOGÍA ELECTRÓNICA Ingeniería Técnica en Informática de Gestión Curso 1º - Obligatoria - 2º Cuatrimestre Área de Tecnología Electrónica
Más detallesCIRCUITOS ELÉCTRICOS. Temas:
CIRCUITOS ELÉCTRICOS Temas: - Conceptos generales de circuitos eléctricos, ley de Ohm y de Kirchhoff. - Energía almacenada en bobinas y capacitores. - Teoremas de redes: Thevenin, Norton, superposición,
Más detallesPropedéutica. Optativa de área
PROGRAMA DE ESTUDIOS PROGRAMACIÓN II IDENTIFICACIÓN DEL CURSO Ubicación HCA HTI Total de horas Valor en créditos 6 semestre 2 2 4 4 Tipo de curso Optativa de área Matemáticas VI Inglés IV Asignaturas paralelas
Más detallesTecnología. Características del proyecto técnico escolar.
Tecnología 1. Producción, transformación, transporte y distribución de energía. Técnicas de ahorro energético. Nuevos métodos de producción energéticos. 1.1 Fuentes de energía. Energías alternativas. 1.2
Más detallesFundamentos de programación y Bases de Datos
Fundamentos de programación y Bases de Datos Duración: 25.00 horas Descripción En la actualidad la mayoría de nuestra vida esta basada en el uso de programas informáticos. Para desarrollar un programa
Más detallesMención en Computación
Mención en Computación Competencias Idea general sobre lo que es computación Aprender SOBRE lenguajes de programación, diseño y procesamiento Aprender SOBRE la eficiencia y complejidad de algoritmos (
Más detallesDEPARTAMENTO DE INGENIERÍA EN INFORMÁTICA INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN INGENIERÍA TÉCNICA EN INFORMÁTICA DE SISTEMAS
ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA SELLO REGISTRO ENTRADA SOLICITUD DE CONVALIDACIÓN DE ESTUDIOS DE... INGENIERÍA EN INFORMÁTICA INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN INGENIERÍA
Más detallesNeurociencias I Científico y Metodológico Primero
NEUROCIENCIAS I Práctica de laboratorio Carrera de Psicología Autor: Leonilde Marmolejo Correo: lmarmolejo@puj.edu.co TITULO DE LA PRÁCTICA DEL LABORATORIO: TEJIDOS FUNDAMENTALES ÉNFASIS EN TEJIDO NERVIOSO
Más detallesADALINE Y PERCEPTRON
Tema 3: Adaline y Perceptron Sistemas Conexionistas 1 ADALINE Y PERCEPTRON 1. Adaline 1.1. Características. 1.. Regla de Aprendizaje (LMS). Regla Delta. 1.3. Aplicaciones. 1.3.1. Clasificación de vectores.
Más detallesESCUELA SUPERIOR POLITECNICA DEL LITORAL
Sistemas de Toma de Decisiones UNIDAD ACADÉMICA: CARRERA: ESPECIALIZACIÓN: ÁREA: TIPO DE MATERIA: EJE DE FORMACIÓN: Facultad de Ingeniería en Electricidad y Computación Ingeniería en Ciencias Computacionales
Más detallesAUTOMATIZACIÓN INDUSTRIAL
Departamento de Ingenieria de Sistemas y Automática AUTOMATIZACIÓN INDUSTRIAL 1 AUTOMATIZACION INDUSTRIAL 2 AUTOMATIZACION INDUSTRIAL 3 AUTOMATAS PROGRAMABLES Surgen de la necesidad de controlar automáticamente
Más detallesMétodos para escribir algoritmos: Diagramas de Flujo y pseudocódigo
TEMA 2: CONCEPTOS BÁSICOS DE ALGORÍTMICA 1. Definición de Algoritmo 1.1. Propiedades de los Algoritmos 2. Qué es un Programa? 2.1. Cómo se construye un Programa 3. Definición y uso de herramientas para
Más detallesTI - Telecomunicaciones y Internet
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2016 820 - EEBE - Escuela de Ingeniería de Barcelona Este 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesUNIVERSIDAD DE ORIENTE NÚCLEO DE ANZOÁTEGUI ESCUELA DE INGENIERÍA Y CIENCIAS APLICADAS DEPARTAMENTO DE COMPUTACIÓN Y SISTEMAS
UNIVERSIDAD DE ORIENTE NÚCLEO DE ANZOÁTEGUI ESCUELA DE INGENIERÍA Y CIENCIAS APLICADAS DEPARTAMENTO DE COMPUTACIÓN Y SISTEMAS DESARROLLO DE UNA APLICACIÓN QUE PERMITA EVOLUCIONAR REDES NEURONALES ARTIFICIALES
Más detallesTÍTULO: BASES DE DATOS Disponibilidad Objetivos 5 Definicion de una base de datos 9 Datos de nomina (tabla) 9 Esquema de bases de datos (mapa
TÍTULO: BASES DE DATOS Pág. Disponibilidad Objetivos 5 Definicion de una base de datos 9 Datos de nomina (tabla) 9 Esquema de bases de datos (mapa conceptual) 10 Datos de venta (tabla) 10 Caracteristicas
Más detallesIntroducción a las Redes Neuronales. Tomás Arredondo Vidal Depto. Electronica UTFSM 4/5/12
Introducción a las Redes Neuronales Tomás Arredondo Vidal Depto. Electronica UTFSM 4/5/2 Introducción a las Redes Neuronales Contenidos Introducción a las neuronas Introducción a las redes neuronales artificiales
Más detallesDiseño arquitectónico 1ª edición (2002)
Unidades temáticas de Ingeniería del Software Diseño arquitectónico 1ª edición (2002) Facultad de Informática objetivo Los sistemas grandes se descomponen en subsistemas que suministran un conjunto relacionado
Más detallesReconocimiento de patrones mediante redes neuronales artificiales
Reconocimiento de patrones mediante redes neuronales artificiales Hugo Vega Huerta, Augusto Cortez Vásquez, Ana María Huayna, Luis Alarcón Loayza, Pablo Romero Naupari Facultad de Ingeniería de Sistemas
Más detallesPROGRAMA DE ESTUDIO. Nombre de la asignatura: MICROPROCESADORES Y MICROCONTROLADORES. Horas de Práctica
PROGRAMA DE ESTUDIO Nombre de la asignatura: MICROPROCESADORES Y MICROCONTROLADORES Clave: IEE20 Ciclo Formativo: Básico ( ) Profesional ( ) Especializado ( x ) Fecha de elaboración: marzo 2015 Horas Semestre
Más detallesRedes Neuronales Artificiales aplicadas al Análisis de Datos
UNIVERSITAT DE LES ILLES BALEARS FACULTAD DE PSICOLOGÍA TESIS DOCTORAL Redes Neuronales Artificiales aplicadas al Análisis de Datos JUAN JOSÉ MONTAÑO MORENO DIRECTOR: DR. ALFONSO PALMER POL PALMA DE MALLORCA,
Más detallesPROGRAMA INSTRUCCIONAL AUTOMATAS Y LENGUAJES FORMALES
UNIVERSIDAD FERMIN TORO VICE RECTORADO ACADEMICO UNIVERSIDAD FACULTAD DE INGENIERIA ESCUELA DE MANTENIMIENTO MECÁNICO ESCUELA DE TELECOMUNICACIONES ESCUELA DE ELÉCTRICA ESCUELA DE COMPUTACIÓN PROGRAMA
Más detallesLICENCIADO EN SISTEMAS COMPUTACIONALES. Este programa educativo se ofrece en las siguientes sedes académicas de la UABC:
LICENCIADO EN SISTEMAS COMPUTACIONALES Este programa educativo se ofrece en las siguientes sedes académicas de la UABC: Campus Campus Tijuana, Unidad Valle de las Palmas Nota: No ofertado a partir del
Más detallesProcedimiento para Mantenimiento de Centrales de Generación
Procedimiento para Mantenimiento de Centrales de Generación Objetivo: Establecer los lineamientos para realizar las actividades necesarias para asegurar la funcionalidad de los equipos e infraestructura
Más detallesGUÍA DE ESTUDIO TEMA 7. PROCESOS INDUSTRIALES. FABRICACIÓN
GUÍA DE ESTUDIO TEMA 7. PROCESOS INDUSTRIALES. FABRICACIÓN OBJETIVOS Presentar la evolución histórica de los procesos industriales. Clasificar los procesos industriales e introducir algunos conceptos previos
Más detallesTema: Herramientas UML, Análisis y diseño UML
Programación II. Guía 2 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación II Tema: Herramientas UML, Análisis y diseño UML Objetivo Conocer una herramienta de modelado para la solución
Más detallesAsociación Argentina de Control Automático Primera Jornada AADECA sobre: CONTROL DE MOVIMIENTOS 8 de junio de 2010
Unidad de Control Eje 1 Periferia PLC Eje 2 HMI Eje 3 Principios funcionales (Circuito de Potencia) Principios funcionales (Circuito de Control del PWM) Unidades Rectificadoras (Tiristores e IGBTs) Rectificación
Más detallesBanco de Proyectos 2014 propuestos para el desarrollo de Tesinas y Tesis
Banco de Proyectos 2014 propuestos para el desarrollo de Tesinas y Tesis Programas: ESPECIALIZACIÓN EN INGENIERÍA MECATRÓNICA MAESTRÍA EN INGENIERÍA MECATRÓNICA Investigador Responsable Nombre del Proyecto
Más detalles