Tema: Red Neuronal Hopfield. Reconocimiento de Patrones.
|
|
- Isabel Coronel Luna
- hace 7 años
- Vistas:
Transcripción
1 Sistemas Expertos e Inteligencia Artificial. Guía No Facultad: Ingeniería Escuela: Computación Asignatura: Sistemas Expertos e Inteligencia Artificial Tema: Red Neuronal Hopfield. Reconocimiento de Patrones. Objetivos Específicos Comprender la importancia de la red neuronal Hopfield, usada para mejorar los pesos de entrada de la red. Implementar la red neuronal Hopfield en Microsoft Visual C#. Materiales y Equipo Guía Número 10. Computadora con programa Microsoft Visual C#. Introducción Teórica Una red de Hopfield es una forma de red neuronal artificial recurrente inventada por John Hopfield. La red de Hopfield es una de las redes unicapas de neuronas más importantes cuyas salidas son números binarios; y ha influido en el desarrollo de multitud de redes posteriores. Cada neurona de la red se encuentra conectada con todas las demás, pero no consigo mismo. Es una red autoasociativa no lineal que fue desarrollada por Hopfield en 1982, basándose en los modelos de redes de McCulloch y Pitts y los símiles de los campos magnéticos con spin de Amit, Gutfreund, & Sompolinsky. La Red de Hopfield es una red recurrente, es decir, existe realimentación entre las neuronas. De esta forma, al introducir un patrón de entrada, la información se propaga hacia adelante y hacia atrás, produciéndose una dinámica. En algún momento, la evolución se detendrá en algún estado estable. En otros casos, es posible que la red no se detenga nunca. Las redes recurrentes deben cumplir tres objetivos:
2 2 Sistemas Expertos e Inteligencia Artificial. Guía No. 10 a. Dado cualquier estado inicial, deben converger siempre a un estado estable. b. El dominio de atracción de cada estado estable debe estar perfectamente delimitado y cumplir algún criterio de métrica (por ejemplo, que el estado final sea el más cercano al inicial). c. Debe poder tener cualquier número de estados estables. Las redes de Hopfield se usan como sistemas de memoria asociativa con unidades binarias. Están diseñadas para converger a un mínimo local, pero la convergencia a uno de los patrones almacenados no está garantizada. La red de Hopfield es una red monocapa, esto es, de una sola capa. Aunque también se puede mostrar como una red bicapa de dos capas, la primera capa sería una capa de sensores y la segunda capa será la capa donde se realiza el procesamiento. En la versión bicapa la manera de interconexionar ambas capas es unir la primera capa a la segunda linealmente, esto es cada neurona con su respectiva, y después unir todas las neuronas con todas en la misma capa. Las Redes de Hopfield se construyen de neuronas artificiales que fueron realizadas en los años 1980 por John Hopfield, quien estudió modelos auto-asociativos que presentaban algunas similitudes con los perceptrones, pero incluía también grandes diferencias. Estas neuronas artificiales tienen N entradas. Cada entrada posee un peso asociado W i. También tienen una salida. El estado de la salida se mantiene, hasta que la neurona se actualiza. Una actualización de la neurona implica las siguientes operaciones: El valor de cada entrada, X i es determinada y la suma ponderada de todas las entradas, se calcula W i X i. El estado de la salida de la neurona se establece en +1 si la suma ponderada de entrada es mayor o igual a 0. Se establece en -1 si la suma ponderada de entrada es menor que 0. Una neurona conserva su estado de salida hasta que se actualiza de nuevo. Escribiendo las operaciones como una fórmula:
3 Sistemas Expertos e Inteligencia Artificial. Guía No El peso de la conexión de una neurona i a otra neurona j está dada por un número W ij. La colección de todos estos números está representado por la matriz de ponderación W, cuyos componentes son W ij. Ahora bien, dada la matriz de peso y la regla de actualización para las neuronas de la dinámica de la red se define si le decimos en qué orden actualizamos las neuronas. Hay dos formas de realizar esta actualización: Asíncrono: uno recoge una neurona, calcula la suma ponderada de entrada y actualizaciones de forma inmediata. Esto puede hacerse en un orden fijo, o las neuronas pueden ser elegidas al azar, esto se denomina actualización al azar asíncrono. Síncrono: las sumas de entrada ponderados de todas las neuronas se calculan sin actualizar las neuronas. Luego, todas las neuronas se establecen en su nuevo valor, de acuerdo con el valor de su suma ponderada de entrada. Las unidades procesadoras de la red Hopfield están completamente interconectadas, cada unidad está conectada con todas las demás unidades. Esta topología convierte a la red Hopfield en una red recursiva ya que la salida de cada unidad está realimentada con las entradas de las demás unidades. En la figura siguiente se muestra un diagrama de las unidades procesadoras de una red Hopfield.
4 4 Sistemas Expertos e Inteligencia Artificial. Guía No. 10 Una característica de las redes Hopfield es la doble conexión por cada pareja de unidades procesadoras, como se aprecia en la figura anterior. Además los pesos asignados a ambas conexiones tienen el mismo valor. La figura siguiente muestra un método alternativo de representación de la estructura y conexiones de la red Hopfield, específicamente una red recursiva de una capa. Las características de este tipo de redes son las siguientes: Es una estructura en donde la matriz de pesos es cuadrada y simétrica. Es decir los pesos de un patrón de entrada (PE) (nodo) a otro tiene el mismo valor en ambas direcciones. Cada nodo está conectado con todos los demás, incluso con si mismo pero el valor de dicha conexión es 0, significando que el nodo no se realimenta a sí mismo. La función de transferencia de cada nodo, que normalmente se suele utilizar, es un limitador de fuerza y los nodos calculan la suma de los pesos por las entradas menos un cierto umbral, pasando a través de la función de transferencia, produciendo así su estado de salida. Las entradas son 2 estados: binarias (0,1) o bipolar (-1,1). Por lo tanto, la función de activación de cada neurona de la red es de tipo escalón: Funcionamiento. Se trata de una red autoasociativa. Por tanto, informaciones diferentes (patrones) pueden ser almacenadas en la red, como si de una memoria se tratase, durante la etapa de aprendizaje. Posteriormente, cuando se presenta una entrada a la red, esta evoluciona hasta generar una
5 Sistemas Expertos e Inteligencia Artificial. Guía No salida que coincidirá con la que corresponde a esa entrada, o bien la más parecida si la entrada está distorsionada o incompleta. La información que recibe la red debe haber sido previamente codificada y representada en forma de vector (como una configuración binaria o como un conjunto de valores reales dependiendo de si la red es discreta o continua) con tantas componentes como neuronas (N) tenga la red. Cada neurona recibe un elemento del vector. La utilización de una red de Hopfield implica los siguientes pasos: Un patrón se introduce en la red mediante el establecimiento de todos los nodos a un valor específico, o estableciendo sólo una parte de los nodos. La red se somete a un número de iteraciones utilizando actualización asíncrona o síncrona. Esto se detiene después de un tiempo. Las neuronas de la red, se leen para ver qué patrón se encuentra en la red. La idea detrás de la red de Hopfield es que los patrones se almacenan en la matriz de peso. La entrada debe contener parte de estos patrones. Luego, la dinámica de la red recupera los patrones almacenados en la matriz de peso. Esto se denomina memoria de contenido direccionable (CAM). Los patrones que se almacenan en la red se dividen en dos partes: señal y asociación. Al entrar la señal en la red, todo el patrón, que se almacena en la matriz de peso, se recupera. De esta manera la red restaura la asociación que pertenece a una señal dada. La operación de la red es totalmente diferente al sistema del Perceptrón. En el modelo de Hopfield, la primera salida es tomada como entrada en el ciclo siguiente, produciendo una nueva salida. Por tanto el aprendizaje es también diferente; en este sistema no se trata de ajustar pesos ya que éstos se mantienen constantes desde el principio, se trata de encontrar dichos pesos, en función del problema. El mecanismo de aprendizaje utilizado es de tipo off line, por lo que existe una etapa de aprendizaje y otra de funcionamiento de la red. También utiliza un aprendizaje no supervisado de tipo hebbiano, de tal forma que el peso de una conexión entre una neurona i y otra j se obtiene mediante el producto de los componentes i-ésimo y j-ésimo del vector que representa la información o patrón que debe almacenar.
6 6 Sistemas Expertos e Inteligencia Artificial. Guía No. 10 Utilizando una notación matricial, para representar los pesos de la red se puede utilizar una matriz de dimensión NxN (recordemos que N es el número de neuronas de la red y por tanto de componentes del vector de entrada). Esta matriz es simétrica (W ij = W ji) y con la diagonal con valores nulos (Wii = 0) al no haber conexiones autorecurrentes. También tenemos M entradas que la red debe aprender, expresadas igualmente en forma matricial, E 1, E 2,, E N. Utilizando esta notación, el aprendizaje consistiría en la creación de la matriz de pesos W a partir de los M vectores de entrada que se enseñan a la red. De tal manera que el conjunto total del sistema puede venir representado por una función denominada Función de Energía de la siguiente manera: El entrenamiento de una red de Hopfield consiste en reducir la energía de los estados que la red debe recordar. Esto convierte a la red en un sistema de memoria direccionable, es decir, la red recordará un estado si se le da solo parte de dicho estado. Esto la hace útil para recuperar una entrada distorsionada usando un estado de la red obtenido durante el entrenamiento y que es más similar al estado obtenido con la entrada actual. Esto se llama memoria asociativa, ya que recupera la memoria sobre la base de la similitud. Ejecutar un patrón en la red de Hopfield consiste en enviar un patrón en la red y actualizar las neuronas repetidamente hasta que se estabilicen los estados de las neuronas a un patrón memorizado. Con pasos sería así. 1. Se establece el patrón de entrada en la capa de entrada. 2. Se actualizan las neuronas de la capa de procesamiento. 3. Si han cambiado el estado de la red o hemos realizado ya el número máximo de iteraciones, paramos. 4. Si no volvemos al paso 2.
7 Sistemas Expertos e Inteligencia Artificial. Guía No Por ejemplo, si entrenamos una red Hopfield con cinco unidades para que el estado (1, 0, 1, 0, 1) sea un mínimo de energía, y le damos a la red el estado (1, 0, 0, 0, 1) esta convergerá a (1, 0, 1, 0, 1). Así, la red estará adecuadamente capacitada cuando la energía de los estados que la red debe recordar son mínimos locales. Algoritmo de Entrenamiento. Calcule los valores de los pesos que conectan a los nodos, utilizando la siguiente fórmula: Donde: t ij es el peso que va de la neurona i a la neurona j, y es el valor del i-ésimo elemento de la s- ésima clase m es el número de clases que se desean aprender. En notación matricial: Esta fórmula se conoce como el producto externo de un vector renglón consigo mismo. Algoritmo de evaluación de la red Hopfield. 1. Inicialice la red con un patrón de entrada: Ui (0) = Xi 0 i n 1 Donde n es el número de nodos en la red 2. Itere hasta converger siguiendo la siguiente fórmula: Donde F es una función escalón definida como:
8 8 Sistemas Expertos e Inteligencia Artificial. Guía No. 10 Cuando la red converge, su salida representa al patrón que más se parece al patrón de entrada dado. Ventajas de las Redes de Hopfield. Prácticamente no existe tiempo de entrenamiento, ya que este no es un proceso adaptativo, sino simplemente el cálculo de una matriz (T). Las redes de Hopfield son bastante tolerantes al ruido, cuando funcionan como memorias asociativas. Desventajas de las Redes de Hopfield. Número limitado de entradas en la etapa de aprendizaje: Si se almacena demasiada información, durante su funcionamiento la red puede converger a valores de salida diferentes de los aprendidos, con lo que la tarea de asociación entra la información presentada y alguna de las almacenadas se realiza incorrectamente. El número de patrones a almacenar (o aprender) es bastante limitado comparado con el número de nodos en la red. Según Hopfield, el número de clases a aprender no puede ser mayor del 15% del número de nodos en la red. La red se vuelve inestable si los patrones se parecen entre sí. Aplicaciones. En cuanto a las aplicaciones más conocidas de este modelo destacan las relacionadas con el reconocimiento de patrones (de imágenes y de voz), el control de motores y sobre todo la resolución de problemas de optimización. Para problemas de optimización se ha aplicado para la resolución de manipulación de grafos, por ejemplo el problema del viajante vendedor; resolución de ecuaciones, procesado de señales (conversores analógico-digitales) y de imágenes, etc.
9 Sistemas Expertos e Inteligencia Artificial. Guía No Procedimiento Ejemplo 1. Se desea entrenar una Red de Hopfield bastante sencilla, que sea capaz de reconocer información (patrones) de imágenes formadas por cuatro pixeles, en una matriz de 2x2. En la figura siguiente se muestran ejemplos de patrones que podrían utilizarse como entradas a la red: Patrón 1 Patrón 2 Patrón 3 Patrón 4 Los pixeles negros podrían representarse mediante el valor binario 1, y los blancos con el valor binario -1. En este caso, las informaciones serían dos vectores de cuatro elementos (N = 4) que contienen los valores de los pixeles. La red, por tanto, tendría 4 neuronas para que cada una reciba el valor de un pixel. Aplicaremos el algoritmo detallado anteriormente para los patrones de entrada 1 y 2. Los valores de los vectores de entrada que representan cada patrón son: E 1= [1, 1,-1,-1] y E 2 = [-1,-1, 1, 1] Etapa de Aprendizaje: El aprendizaje de estas dos informaciones consiste en la obtención de los pesos de la red (matriz W). Utilizaremos la fórmula Para la entrada E 1, la salida W 1 es: TE 1. E 1 I =
10 10 Sistemas Expertos e Inteligencia Artificial. Guía No. 10 Para la entrada E 2, la salida W 2 es: TE 2. E 2 I = Sumando W 1 y W 2 se obtiene la matriz de pesos definitiva, W: Una vez finalizada la fase de aprendizaje (entrenamiento), la red podría ser utilizada como memoria asociativa de acceso por contenido, de tal forma, que al presentarle una información más parecida a la almacenada durante el aprendizaje. Fase de Evaluación: Por ejemplo, ser podría comprobar lo que ocurre con el patrón de entrada siguiente: El vector es E = [1, -1, -1,,1] Utilizaremos las fórmulas indicadas en el paso 2 del algoritmo de evaluación de la red Hopfield (mostrado en la página 7 de esta guía). Inicialmente, la salida corresponde a la propia información de entrada. Entonces se produce la primera iteración, obteniéndose las siguientes nuevas entradas en cada neurona: Si suponemos una función de activación de cada neurona de tipo escalón centrada en el origen (desplazamiento i = 0), la salida de la red después de esta primera iteración será: S = [1, 1, -1, -1]
11 Sistemas Expertos e Inteligencia Artificial. Guía No Repitiendo el proceso, tomando como entrada la salida anterior, S, tenemos: Aplicando igualmente la función de activación a este nuevo resultado (segunda iteración de EW), la salida obtenida es: S = [1, 1, -1, -1] Observemos que se repite la salida de la primera iteración, entonces se ha llegado a una situación de estabilidad, en la que la red ha generado como salida el patrón más parecido al presentado como entrada: Entrada Salida generada En este ejemplo, para la descripción del aprendizaje se ha utilizado el modelo discreto, la forma de calcular los pesos para el modelo continuo es similar, si se utiliza la red como memoria asociativa. Si la red se utiliza para resolver problemas de optimización, el cálculo de los pesos dependerá del problema concreto. Además, en el modelo continuo se suele considerar la existencia de conexiones autoconcurrentes, con lo que no siempre W ii = 0. Análisis de resultados Tomando como referencia la información presentada en el ejemplo No.1 y los algoritmos para la red de Hopfield, implementar un simulador (en entorno de Windows Forms) para una red de Hopfield, que sea capaz de reconocer patrones como los mostrados en el ejemplo, es decir, utilizar una matriz de 2x2 para la representación de los patrones.
12 12 Sistemas Expertos e Inteligencia Artificial. Guía No. 10 Considerar la siguiente funcionalidad para el simulador: Permitir que el usuario proporcione los patrones de entrada, necesarios para el entrenamiento de la red. El usuario debe también proporcionar el patrón de entrada que se utilizará para evaluar la red. Diseñar la interfaz, considerando que debe mostrarse todos los pasos del entrenamiento realizado para la red. Es decir, que debe indicarse el entrenamiento de cada patrón utilizado. En la opción de evaluación de la red, debe mostrarse todos los pasos realizados para encontrar la salida generada por la red. Sería ideal que las entradas y salidas se proporcionen a través de una matriz gráfica. Se muestra una imagen de referencia de cómo podría diseñarse la interfaz: Investigación Complementaria Para la siguiente semana: Aplicar las modificaciones necesarias para agregar mayor funcionalidad al programa simulador de la Red de Hopfield. Deben implementarse las siguientes opciones: a. Permitir que el usuario indique las dimensiones del patrón a identificar, es decir, dimensiones de la matriz de representación (cantidad de pixeles). b. Permitir que el usuario proporcione los patrones de entrada, necesarios para el entrenamiento de la red.
13 Sistemas Expertos e Inteligencia Artificial. Guía No c. El usuario debe también proporcionar el patrón de entrada que se utilizará para evaluar la red. d. Diseñar la interfaz, considerando que debe mostrarse todos los pasos del entrenamiento realizado para la red. Es decir, que debe indicarse el entrenamiento de cada patrón utilizado. e. En la opción de evaluación de la red, debe mostrarse todos los pasos realizados para encontrar la salida generada por la red. Para probar la opción a, se podría considerar como ejercicio, poder entrenar la red neuronal con patrones que representen letras del alfabeto, por ejemplo, con los siguientes cuatro patrones de entrada: Y para la fase de evaluación de la red, poder probar patrones parecidos o con variantes con relación a estas entradas.
14 14 Sistemas Expertos e Inteligencia Artificial. Guía No. 10 Guía 9: Red Neuronal Hopfield. Reconocimiento de Patrones. Hoja de cotejo: 10 Alumno: Máquina No: Docente: GL: Fecha: EVALUACIÓN % Nota CONOCIMIENTO Del 20 al 30% Conocimiento deficiente de los fundamentos teóricos Conocimiento y explicación incompleta de los fundamentos teóricos Conocimiento completo y explicación clara de los fundamentos teóricos APLICACIÓN DEL CONOCIMIENTO Del 40% al 60% ACTITUD Del 15% al 30% No tiene actitud proactiva. Actitud propositiva y con propuestas no aplicables al contenido de la guía. Tiene actitud proactiva y sus propuestas son concretas. TOTAL 100%
UNIVERSIDAD TECNOLOGICA DE PEREIRA PROGRAMA DE TECNOLOGIA ELECTRICA
UNERSDAD TECNOLOGCA DE PERERA PROGRAMA DE TECNOLOGA ELECTRCA Curso Básico de Análisis de Sistemas Eléctricos de Potencia Antonio Escobar Zuluaga Pereira - Risaralda - Colombia 0 Matriz admitancia Y BUS
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 detallesTema: Repaso sobre el uso del IDE de Microsoft Visual C#.
Programación IV. Guía No. 2 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación IV Tema: Repaso sobre el uso del IDE de Microsoft Visual C#. Objetivos Específicos Identificar los principales
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 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 detallesDEFINICIONES TIPOS DE MATRICES DETERMINANTES Y PROPIEDADES OPERACIONES MATRICIALES INVERSA DE UNA MATRIZ SISTEMAS DE ECUACIONES
ALGEBRA DE MATRICES DEFINICIONES TIPOS DE MATRICES DETERMINANTES Y PROPIEDADES OPERACIONES MATRICIALES INVERSA DE UNA MATRIZ SISTEMAS DE ECUACIONES DEFINICIONES 2 Las matrices y los determinantes son herramientas
Más detallesTecnológico Nacional de México INSTITUTO TECNOLÓGICO DE SALINA CRUZ
Tecnológico Nacional de México INSTITUTO TECNOLÓGICO DE SALINA CRUZ UNIDAD 2: ENRUTAMIENTO ESTÁTICO Y DINÁMICO ACTIVIDAD: TRABAJO DE INVESTIGACIÓN 1 MATERIA: REDES DE COMPUTADORAS DOCENTE: SUSANA MÓNICA
Más detallesTEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.
TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. 1. MATRICES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. DEFINICIÓN: Las matrices son tablas numéricas rectangulares
Más detallesDiseño del proceso de lubricación - (LPD)
Diseño del proceso de lubricación - (LPD) Fase II - Diseño detallado Definición: La fase II del LPD consiste en el diseño detallado de las mejoras y de las modificaciones de cada una de las máquinas de
Más detallesASIGNATURA: SISTEMAS DE CONTROL CÓDIGO: Teórico #4 Cursada 2015
ASIGNATURA: SISTEMAS DE CONTROL CÓDIGO: 0336 Teórico #4 Cursada 2015 RESUMEN CLASE ANTERIOR (Teórico #3) Capítulo 1 - Introducción 1-1. Descripción y aplicaciones de sistemas de control automático. 1-2.
Más detallesDepartamento de Matemáticas, CCIR/ITESM. 9 de febrero de 2011
Factorización LU Departamento de Matemáticas, CCIR/ITESM 9 de febrero de 2011 Índice 26.1. Introducción............................................... 1 26.2. Factorización LU............................................
Más detallesDOCENTE: JESÚS E. BARRIOS P.
DOCENTE: JESÚS E. BARRIOS P. DEFINICIONES Es larga la historia del uso de las matrices para resolver ecuaciones lineales. Un texto matemático chino que proviene del año 300 A. C. a 200 A. C., Nueve capítulos
Más detallesTeoría de grafos y optimización en redes
Teoría de grafos y optimización en redes José María Ferrer Caja Universidad Pontificia Comillas Definiciones básicas Grafo: Conjunto de nodos (o vértices) unidos por aristas G = (V,E) Ejemplo V = {,,,,
Más detallesTema: S7-1200, Valores Analógicos.
Autómatas Programables. Guía 7 1 Tema: S7-1200, Valores Analógicos. Objetivo General Conocer como se opera con valores analógicos en el PLC S7-1200 de Siemens Objetivos Específicos Conectar correctamente
Más detalles3.2 CONTROL DE GIRO DE UN MOTOR DE INDUCCIÓN DE JAULA DE. Un motor de inducción tiene físicamente el mismo estator de una máquina
220 3.2 CONTROL DE GIRO DE UN MOTOR DE INDUCCIÓN DE JAULA DE ARDILLA 3.2.1 Descripción del problema. Un motor de inducción tiene físicamente el mismo estator de una máquina sincrónica con diferente construcción
Más detallesMATRICES. Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden x (que se lee por ).
1 MATRICES 1 Una matriz es una disposición rectangular de números (Reales); la forma general de una matriz con filas y columnas es Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden
Más detallesEstudio de fallas asimétricas
Departamento de Ingeniería Eléctrica Universidad Nacional de Mar del Plata Área Electrotecnia Estudio de fallas asimétricas Autor: Ingeniero Gustavo L. Ferro Prof. Adjunto Electrotecnia EDICION 2012 1.
Más detallesUNIDAD 8: SUCESIONES Y SERIES
UNIDAD 8: SUCESIONES Y SERIES Llegamos a la última unidad de la asignatura correspondiente a Sucesiones y Series, recuerde mantener la motivación hasta el final, el tema que vamos a tratar aquí es de especial
Más detallesAlgoritmos. Medios de expresión de un algoritmo. Diagrama de flujo
Algoritmos En general, no hay una definición formal de algoritmo. Muchos autores los señalan como listas de instrucciones para resolver un problema abstracto, es decir, que un número finito de pasos convierten
Más detallesTrabajo opcional tema 4: modulación
Trabajo opcional tema 4: modulación Alberto Mateos Checa I. Telecomunicación 2 Trabajo opcional tema 4: modulación angular ÍNDICE DE CONTENIDOS: 1. Introducción.... 3 2. Diseño.... 3 2.1. Sistema completo....
Más detallesTema: Métodos de Ordenamiento. Parte 1.
Programación IV. Guía 2. 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación IV Tema: Métodos de Ordenamiento. Parte 1. Objetivos Específicos Identificar la estructura de algunos algoritmos
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 detallesMercedes Granda Departamento de Electrónica y Computadores. Las propiedades de las redes de Petri nos permiten
22//22 REDES DE PETRI: PROPIEDADES Y MÉTODOS DE ANÁLISIS PROGRAMACIÓN CONCURRENTE MASTER EN COMPUTACIÓN DEPARTAMENTO DE ELECTRÓNICA Y COMPUTADORES UNIVERSIDAD DE CANTABRIA CURSO 22/3 REDES DE PETRI: PROPIEDADES
Más detallesBloques Aritméticos - Multiplicadores
Bloques Aritméticos - Multiplicadores La multiplicación es una operación cara (en términos de recursos) y lenta Este hecho ha motivado la integración de unidades completas de multiplicación en los DSPs
Más detalles2. SEÑALES Y SISTEMAS DISCRETOS EN EL TIEMPO. Una señal puede ser definida como una portadora física de información. Por ejemplo,
2. SEÑALES Y SISTEMAS DISCRETOS EN EL TIEMPO Una señal puede ser definida como una portadora física de información. Por ejemplo, las señales de audio son variaciones en la presión del aire llevando consigo
Más detallesRepresentación en el espacio de estado. Sistemas Control Embebidos e Instrumentación Electrónica UNIVERSIDAD EAFIT
Representación en el espacio de estado Representación en espacio de estado Control clásico El modelado y control de sistemas basado en la transformada de Laplace, es un enfoque muy sencillo y de fácil
Más detallesProcesos de Fabricación I. Guía 1 1 SISTEMAS DE CONTROL HIDRÁULICO Y NEUMÁTICO
Procesos de Fabricación I. Guía 1 1 SISTEMAS DE CONTROL HIDRÁULICO Y NEUMÁTICO Sistemas de Control Hidráulico y Neumático. Guía 2 1 Tema: UTILIZACIÓN DE SOFTWARE PARA DISEÑO Y SIMULACIÓN DE CIRCUITOS NEUMÁTICOS.
Más detallesDeterminantes. Determinante de orden uno. a 11 = a 11 5 = 5
DETERMINANTES Determinantes Concepto de determinante A cada matriz cuadrada A se le asigna un escalar particular denominado determinante de A, denotado por A o por det (A). A = Determinante de orden uno
Más detallesMATEMÁTICAS I. Objetivos Conceptuales/Conocimiento adecuado y aplicado a la Economía y la Administración de Empresas de:
MATEMÁTICAS I CURSO: PRIMERO 1º SEMESTER 2º SEMESTER CARÁCTER: BASICA OBLIGATORIA OPCIONAL NO. DE CREDITOS (ECTS): 3 IDIOMA: ESPAÑOL PREREQUISITOS: CONOCIMIENTOS BASICOS DE MATEMÁTICAS 1- DESCRIPCIÓN DE
Más detallesUNIDAD 8 INECUACIONES. Objetivo general.
8. 1 UNIDAD 8 INECUACIONES Objetivo general. Al terminar esta Unidad resolverás inecuaciones lineales y cuadráticas e inecuaciones que incluyan valores absolutos, identificarás sus conjuntos solución en
Más detallesTema: S7-200, Escalado de Valores analógicos
Autómatas Programables. Guía 8 1 Tema: S7-200, Escalado de Valores analógicos Objetivo General Configurar las entradas analógicas del módulo EM235 en el S7-200 Objetivos Específicos Conectar correctamente
Más detallesDISEÑO CURRICULAR ALGEBRA LINEAL
DISEÑO CURRICULAR ALGEBRA LINEAL FACULTAD (ES) CARRERA (S) Ingeniería Computación y Sistemas CÓDIGO HORAS TEÓRICAS HORAS PRÁCTICAS UNIDADES DE CRÉDITO SEMESTRE 122443 02 02 03 II PRE-REQUISITO ELABORADO
Más detallesCONTENIDOS. 1. Procesos Estocásticos y de Markov. 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD
CONTENIDOS 1. Procesos Estocásticos y de Markov 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD 4. Comportamiento Estacionario de las CMTD 1. Procesos Estocásticos
Más detallesSistem as de ecuaciones lineales
Sistem as de ecuaciones lineales. Concepto, clasificación y notación Un sistema de m ecuaciones lineales con n incógnitas se puede escribir del siguiente modo: a x + a 2 x 2 + a 3 x 3 + + a n x n = b a
Más detallesElementos Diagramas de Clases Clase:
Diagramas de Clases Un diagrama de clases o estructura estática muestra el conjunto de clases y objeto importantes que forman parte de un sistema, junto con las relaciones existentes entre clases y objetos.
Más detallesDos matrices son iguales cuando tienen la misma dimensión y los elementos que ocupan el mismo lugar en ambas son iguales
Introducción Las matrices aparecen por primera vez hacia el año 1850, introducidas por J.J. Sylvester. El desarrollo inicial de la teoría se debe al matemático W.R. Hamilton en 1853. En 1858, A. Cayley
Más detallesRELOJES DE TIEMPO REAL ÍNDICE
de Real de Real Conceptos Conceptos Teóricos Teóricos del del Real Denso Real Denso Discreto Discreto en Pulsos en Pulsos Ideales Ideales Propiedades Propiedades Métricas Métricas de de Sistemas Sistemas
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 detallesCONTROL DE PROCESOS (LVPROSIM), MODELO 3674
Instrumentación y control de procesos SOFTWARE DE SIMULACIÓN Y DE CONTROL DE PROCESOS (LVPROSIM), MODELO 3674 DESCRIPCIÓN GENERAL El Software de simulación y de control de procesos (LVPROSIM) permite la
Más detallesTEMA I: INTRODUCCIÓN A LOS CIRCUITOS SECUENCIALES
TEM I: INTROUIÓN LOS IRUITOS SEUENILES Hasta ahora, únicamente hemos visto circuitos combinacionales, es decir, circuitos en los que las salidas dependen única y exclusivamente de las combinaciones de
Más detallesOliverio J. Santana Jaria. Sistemas Digitales Ingeniería Técnica en Informática de Sistemas Curso Los objetivos de este tema son:
3. Circuitos aritméticos ticos Oliverio J. Santana Jaria Sistemas Digitales Ingeniería Técnica en Informática de Sistemas Curso 2006 2007 Introducción La realización de operaciones aritméticas y lógicas
Más detallesUNIVERSIDAD DON BOSCO DEPARTAMENTO DE CIENCIAS BÁSICAS LABORATORIO DE FÍSICA ASIGNATURA: ELECTRICIDAD Y MAGNETISMO
UNIVERSIDAD DON BOSCO DEPARTAMENTO DE CIENCIAS BÁSICAS LABORATORIO DE FÍSICA ASIGNATURA: ELECTRICIDAD Y MAGNETISMO I. OBJETIVOS LABORATORIO 7: REGLAS DE KIRCHHOFF Comprobar experimentalmente que en un
Más detallesAnálisis y síntesis de sistemas digitales combinacionales
Análisis Algoritmo de análisis, para un circuito lógico combinacional Síntesis. Conceptos Circuitos combinacionales bien construidos Circuitos combinacionales mal construidos Criterios de optimización
Más detallesCapítulo 1 Matriz Admitancia de Barra
ELC-05 Sistemas de Potencia Capítulo Matriz Admitancia de Barra Prof. Francisco M. González-Longatt fglongatt@ieee.org http://www.giaelec.org/fglongatt/sp.htm SSTEMAS DE POTENCA Copright 007 . La inección
Más detallesGUÍA Nro. 2. ESCRIBIENDO ALGORITMOS CON DIAGRAMAS DE FLUJO Y ESTRUCTURAS DE CONTROL (Secuenciales)
GUÍA Nro. 2 ESCRIBIENDO ALGORITMOS CON DIAGRAMAS DE FLUJO Y ESTRUCTURAS DE CONTROL (Secuenciales) INTRODUCCIÓN A LA PROGRAMACIÓN (Grupo 7) Lic. MSc. Corina Flores Villarroel ÍNDICE CONSIGNA... 3 CONSIDERACIONES
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 detallesTSTC. Dpt. Teoría de la Señal, Telemática y Comunicaciones. Robótica Industrial. Universidad de Granada
Dpt. Teoría de la Señal, Telemática y Comunicaciones Robótica Industrial Universidad de Granada Tema 5: Análisis y Diseño de Sistemas de Control para Robots S.0 S.1 Introducción Sistemas Realimentados
Más detalles1: INTRODUCCIÓN AL USO DE LA HOJA DE CALCULO EXCEL COMO HERRAMIENTA PARA DESARROLLAR PROBLEMAS EN INGENIERÍA. SOLVER, REGRESION LINEAL MULTIPLE
Practica 1: INTRODUCCIÓN AL USO DE LA HOJA DE CALCULO EXCEL COMO HERRAMIENTA PARA DESARROLLAR PROBLEMAS EN INGENIERÍA. SOLVER, REGRESION LINEAL MULTIPLE I. INTRODUCCION Las planillas de cálculo se han
Más detallesEjercicios de Arquitectura de Computadoras
Ejercicios Arquitectura Computadoras José Garzía 9 En este tipo ejercicios bemos tener siempre presentes estas tres ecuaciones: MP ( en Memoria Principal ) Cantidad en la Memoria Principal por Cantidad
Más detallesALGORITMOS GENÉTICOS
ALGORITMOS GENÉTICOS Autor: Miguel Ángel Muñoz Pérez. Primera versión: Noviembre, 1997. Última modificación: Abril, 2005. ADVERTENCIA Si ya sabes lo que es un algoritmo genético y esperas hallar algo novedoso
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 detallesCAPÍTULO 1 INTRODUCCIÓN A LA PROGRAMACIÓN ORIENTADA A OBJETOS
CONTENIDO PRÓLOGO XIX CAPÍTULO 1 INTRODUCCIÓN A LA PROGRAMACIÓN ORIENTADA A OBJETOS 1.1 Introducción 2 1.2 Resolución de problemas mediante la computadora 3 1.3 Conceptos de programación orientada a objetos
Más detallesPRACTICA N 3 ADQUISICIÓN DE DATOS DE TEMPERATURA Y VELOCIDAD
PRACTICA N 3 ADQUISICIÓN DE DATOS DE TEMPERATURA Y VELOCIDAD Fecha de entrega: 28 de septiembre Durante la realización de esta práctica el estudiante debe familiarizarse con el uso de dos tipos de sensores:
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 detallesMétodos Iterativos para Resolver Sistemas Lineales
Métodos Iterativos para Resolver Sistemas Lineales Departamento de Matemáticas, CCIR/ITESM 17 de julio de 2009 Índice 3.1. Introducción............................................... 1 3.2. Objetivos................................................
Más detallesMatrices, Determinantes y Sistemas Lineales.
12 de octubre de 2014 Matrices Una matriz A m n es una colección de números ordenados en filas y columnas a 11 a 12 a 1n f 1 a 21 a 22 a 2n f 2....... a m1 a m2 a mn f m c 1 c 2 c n Decimos que la dimensión
Más detallesJesús Manuel Carrera Velueta José Juan Almeida García Fecha de elaboración: Mayo 6 de 2010 Fecha de última actualización:
PROGRAMA DE ESTUDIO Programa Educativo: Área de Formación : Licenciatura en Ingeniería Ambiental Sustantiva profesional. Programa elaborado por: PROGRAMACIÓN APLICADA Horas teóricas: 1 Horas prácticas:
Más detallesA B MIN C D E F MAX x E.T.S.I. INFORMÁTICA 4º CURSO. INTELIGENCIA ARTIFICIAL E INGENIERÍA DEL CONOCIMIENTO
E.T.S.I. INFORMÁTICA 4º CURSO. INTELIGENCIA ARTIFICIAL E INGENIERÍA DEL CONOCIMIENTO UNIVERSIDAD DE MÁLAGA Dpto. Lenguajes y Ciencias de la Computación RELACIÓN DE PROBLEMAS. TEMA IV. PROBLEMAS DE JUEGOS.
Más detallesClase 8 Matrices Álgebra Lineal
Clase 8 Matrices Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia Matrices Definición Una matriz es un arreglo rectangular de números denominados entradas
Más detallesMatemáticas. Si un error simple ha llevado a un problema más sencillo se disminuirá la puntuación.
UNIVERSIDAD POLITÉCNICA DE CARTAGENA PRUEBAS DE ACCESO A LA UNIVERSIDAD DE LOS MAYORES DE 25 AÑOS CONVOCATORIA 2014 CRITERIOS DE EVALUACIÓN Matemáticas GENERALES: El examen constará de dos opciones (dos
Más detallesINGENIERÍA PROFESIONAL EN INOCUIDAD ALIMENTARIA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE ROBÓTICA
INGENIERÍA PROFESIONAL EN INOCUIDAD ALIMENTARIA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE ROBÓTICA UNIDADES DE APRENDIZAJE 1. Competencias Automatizar procesos de producción mediante la implementación
Más detallesTema: Autómata de Pila
Facultad: Ingeniería Escuela: Computación Asignatura: Compiladores 1 Tema: Autómata de Pila Contenido La presente guía aborda los autómatas de pila, y se enfoca en la aplicación que se le puede dar a estas
Más detallesEXAMEN EXTRAORDINARIO Informática y Computación IV
Nombre del alumno: EXAMEN EXTRAORDINARIO Informática y Computación IV Lee cada una de las preguntas y contesta con una V para verdedero o una F en caso de que sea falso lo que se propone. Una base de datos
Más detallesVisión artificial y Robótica Modelos de movimiento y mapas. Depto. de Ciencia de la Computación e Inteligencia Artificial
Visión artificial y Robótica Modelos de movimiento y mapas Depto. de Ciencia de la Computación e Inteligencia Artificial Contenidos Sistemas de coordenadas Localización de objetos en el espacio Modelos
Más detallesRelaciones. Estructuras Discretas. Relaciones. Relaciones en un Conjunto. Propiedades de Relaciones en A Reflexividad
Estructuras Discretas Relaciones Definición: relación Relaciones Claudio Lobos, Jocelyn Simmonds clobos,jsimmond@inf.utfsm.cl Universidad Técnica Federico Santa María Estructuras Discretas INF 152 Sean
Más detalles1. Computadores y programación
1. Computadores y programación Informática y computadora (RAE) Informática (Ciencia de la computación) Conjunto de conocimientos científicos y técnicos que hacen posible el tratamiento automático de la
Más detallesIntroducción a la Programación Dinámica. El Problema de la Mochila
Tema 1 Introducción a la Programación Dinámica. El Problema de la Mochila La programación dinámica no es un algoritmo. Es más bien un principio general aplicable a diversos problemas de optimización que
Más detallesOPTIMIZACIÓN VECTORIAL
OPTIMIZACIÓN VECTORIAL Métodos de Búsqueda Directa Utilizan sólo valores de la función Métodos del Gradiente Métodos de Segundo Orden Requieren valores aproimados de la primera derivada de f) Además de
Más detallesDiseño de una calculadora
DEPARTAMENTO DE TECNOLOGÍA ELECTRÓNICA ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA Diseño de una calculadora Sistemas Digitales Avanzados 1. Introducción y objetivos El propósito general de esta
Más detallesDINÁMICA ESTRUCTURAL. Diagramas de bloques
DINÁMICA ESTRUCTURAL Diagramas de bloques QUÉ ES UN DIAGRAMA DE BLOQUES? Definición de diagrama de bloques: Es una representación gráfica de las funciones que lleva a cabo cada componente y el flujo de
Más detallesMENORES, COFACTORES Y DETERMINANTES
MENORES, COFACTORES Y DETERMINANTES 1. Introducción. 2. Determinante de una matriz de 3 x 3. 3. Menores y cofactores. 4. Determinante de una matriz de n x n. 5. Matriz triangular. 6. Determinante de una
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 detallesEstructuras Administrativas
Estructuras Administrativas ESTRUCTURAS ADMINISTRATIVAS 1 Sesión No. 7 Nombre: Diagramas de Flujo Objetivo: El estudiante desarrollará la propuesta de un diagrama de flujo para la especificación de la
Más detallesMatrices y determinantes
Matrices y determinantes 1 Ejemplo Cuál es el tamaño de las siguientes matrices? Cuál es el elemento a 21, b 23, c 42? 2 Tipos de matrices Matriz renglón o vector renglón Matriz columna o vector columna
Más detallesRegistros de desplazamiento
Registros de desplazamiento Definición de registro de desplazamiento básico Tipos de registro de desplazamiento Configuraciones específicas Aplicaciones más típicas VHDL Ejercicio propuestos Definición
Más detalles1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS
1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS 1.1 SISTEMAS DE ECUACIONES LINEALES Una ecuación lineal es una ecuación polinómica de grado 1, con una o varias incógnitas. Dos ecuaciones son equivalentes
Más detallesCapítulo 3 El Método de los Elementos de Contorno y la Formulación Hipersingular.
Capítulo 3 El Método de los Elementos de Contorno y la Formulación Hipersingular. 3.1. Introducción El Método de los Elementos de Contorno (MEC) se ha implantado firmemente en numerosos campos de la ingeniería
Más detallesLABORATORIO No. 3 MODELAMIENTO Y ANALISIS DINAMICO DE SISTEMAS ELECTRICOS
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER FACULTAD DE INGENIERIA INGENIERÍA ELECTRÓNICA 1 SISTEMAS DINAMICOS 1160601 LABORATORIO No. 3 MODELAMIENTO Y ANALISIS DINAMICO DE SISTEMAS ELECTRICOS INSTRUCCIONES
Más detallesDiseño Estructurado de Algoritmos
Diseño Estructurado de Algoritmos 1 Sesión No. 11 Nombre: Estructuras algorítmicas. Tercera parte. Objetivo de la sesión: Al concluir la sesión el estudiante aplicará las estructuras algorítmicas repetitivas
Más detallesx^new = x^old + K(b new A new x^old )
El Filtro de Kalman: La idea fundamental del filtro de Kalman es la actualización La llegada de una nueva observación supone un cambio en la mejor estimación mínimo cuatrática del parámetro x Se desea
Más detallesDet(A)=a 11 a 22 a 33 + a 21 a 32 a 13 + a 31 a 12 a 23 (a 13 a 22 a 31 + a 23 a 32 a 11 + a 33 a 12 a 21 )
lgebra universitaria UNIDD III. MTRIES Y DETERMINNTES 4.6. Definición de determinante de una matriz y sus propiedades Determinante. cada matriz cuadrada se le asocia un número denominado determinante,
Más detallesGuía práctica de estudio 03: Algoritmos
Guía práctica de estudio 03: Algoritmos Elaborado por: M.C. Edgar E. García Cano Ing. Jorge A. Solano Gálvez Revisado por: Ing. Laura Sandoval Montaño Guía práctica de estudio 03: Algoritmos Objetivo:
Más detallesTEMA 6 ESTÁTICA. Bibliografía recomendada:
TEMA 6 ESTÁTICA 0 > Introducción. 1 > Equilibrio. Tipos de equilibrio. 2 > Principios fundamentales y ecuaciones cardinales de la Estática. 3 > Estática de sistemas planos. 3.1 > Reacciones en apoyos y
Más detallesPROTOCOLO IP. Vicente Sánchez Patón. I.E.S Gregorio Prieto. Tema 1 SRI
PROTOCOLO IP Tema 1 SRI Vicente Sánchez Patón I.E.S Gregorio Prieto Cada dispositivo de una red debe definirse en forma exclusiva. En la capa de red, es necesario identificar los paquetes de la transmisión
Más detallesGUIA 2: Repaso sobre uso de C#. Funciones, métodos y arreglos.
1 Programación II, Guía 2 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación II GUIA 2: Repaso sobre uso de C#. Funciones, métodos y arreglos. Objetivos Utilizar la sintaxis de las funciones
Más detallesDEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso
DEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso 2009-10 1. Generalidades Instrumentación: En general la instrumentación comprende todas las técnicas, equipos y metodología relacionados con
Más detallesLA ECUACIÓN CUADRÁTICA
INSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA: AREA : MATEMÁTICAS ASIGNATURA: MATEMÁTICAS DOCENTE: EDISON MEJIA MONSALVE TIPO DE GUIA: CONCEPTUAL - EJERCITACION PERIODO GRADO N 0 FECHA DURACION 3
Más detallesDISEÑO Y CONSTRUCCION DE UN SISTEMA DE RECTIFICACION CONTROLADO APLICADO A UN MOTOR DC
DISEÑO Y CONSTRUCCION DE UN SISTEMA DE RECTIFICACION CONTROLADO APLICADO A UN MOTOR DC Gunther Andrade 1, Guillermo Eras 2, Jazmín Llerena 3, Fabricio Ordóñez 4, Norman Chootong 5 RESUMEN El objetivo de
Más detallesMICROSOFT EXCEL 2013 (COMPLETO)
MICROSOFT EXCEL 2013 (COMPLETO) Curso para aprender a utilizar la hoja de cálculo Microsoft Excel 2013, perteneciente a la suite ofimática Microsoft Office 2013, explicando todas las funciones que la aplicación
Más detallesBIBLIOGRAFIA TEORIA DE CIRCUITOSY DISPOSOTIVOS BOYLESTAD ELECTRONICA DIGITAL TOKHEIM SISTEMAS DIGITALES TOCCI
Guía de preparación para el examen ELECTRONICA CxTx En esta materia básicamente se evalúan temas tales como son: MULTIVIBRADORES, MEMORIAS, CONTADORES Y COMPUERTAS LOGICAS, SUMADOR RESTADOR Y MICROPOCESADORES
Más detallesDefinición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices 1.1. Conceptos básicos y ejemplos Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. NOTA:
Más detallesSESIÓN N 07 III UNIDAD RELACIONES Y FUNCIONES
SESIÓN N 07 III UNIDAD RELACIONES Y FUNCIONES RELACIONES BINARIAS PAR ORDENADO Es un arreglo de dos elementos que tienen un orden determinado donde a es llamada al primera componente y b es llamada la
Más detallesANEXO 3. GUÍA DE ACTIVIDADES DE UNA ASIGNATURA DE EXPERIMENTACIÓN EN INGENIERÍA QUÍMICA
ANEXO 3. GUÍA DE DE UNA ASIGNATURA DE EXPERIMENTACIÓN EN INGENIERÍA QUÍMICA Semana 1: guía de las actividades Durante esta semana, tienes que hacer las actividades siguientes: 1. Sesión presencial (2 horas)
Más detallesPropiedades de los sistemas (con ecuaciones)
Propiedades de los sistemas (con ecuaciones) Linealidad: Para verificar si un sistema es lineal requerimos que le sistema sea homogéneo y aditivo es decir, cumplir con la superposición. Método: Dada una
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesMICROSOFT EXCEL 2010
MICROSOFT EXCEL 2010 1. AVANZADO Nº Horas:24 Objetivos: Descripción de funciones avanzadas de la hoja de cálculo Microsoft Excel 2010, viendo el uso de fórmulas, funciones y gráficos en los libros de Excel.
Más detallesLaboratorio de MTP-I. Curso 2008-2009 Proyecto: Sistema de reserva y gestión de vuelos Noviembre 2008
Laboratorio de MTP-I. Curso 2008-2009 Proyecto: Sistema de reserva y gestión de vuelos Noviembre 2008 1 OBJETIVO El objetivo del proyecto a implementar es desarrollar un sistema informático de reserva
Más detallesElectrónica II. Guía 4
Electrónica II. Guía 4 1 Facultad: Ingeniería. Escuela: Electrónica. Asignatura: Electrónica II. Lugar de ejecución: Fundamentos Generales (Edificio 3, 2da planta). COMPARADORES Objetivo General Verificar
Más detallesFracciones y fractales
C APÍTULO 0 Fracciones y fractales Resumen del contenido El tema del Capítulo 0 es la investigación de patrones en el diseño fractal. No se intimide si no ha visto fractales anteriormente. El propósito
Más detallesExcel 2013 Completo. Duración: Objetivos: Contenido: 80 horas
Excel 2013 Completo Duración: 80 horas Objetivos: Descripción del funcionamiento básico de la hoja de cálculo Microsoft Excel 2013, viendo las funciones disponibles en este programa a la hora de crear
Más detalles