Clasificación De Género Musical Mediante Sistemas Basados En Reglas Difusas
|
|
- José Luis Río Franco
- hace 8 años
- Vistas:
Transcripción
1 Clasificación De Género Musical Mediante Sistemas Basados En Reglas Difusas Francisco Fernández y Francisco Chávez Resumen Los procesos de clasificación de audio musical son imprescindibles para el buen funcionamiento de los sistemas automáticos de recuperación musical. Entre las etiquetas utilizadas en la clasificación, el género musical es una de las más relevantes, y por eso el problema de detección automática de género musical ha suscitado gran atención en los últimos años. No existe aún una solución general para el problema, aunque se han aplicado con mayor o menor éxito diferentes técnicas. Este artículo continúa una línea de investigación basada en la aplicación de Sistemas Basados en Reglas Difusas en combinación con algoritmos evolutivos al problema de la clasificación de género musical. La novedad de la propuesta, que utiliza información difusa extraída del audio, está en conjunción con la naturaleza difusa del problema, en el que no se disponen de reglas claras para la clasificación. Este trabajo profundiza en la metodología desarrollada previamente, y presenta un conjunto de reglas difusas y funciones de pertenencia, evolucionadas estas últimas, para adaptarlas mejor al problema. Palabras clave género musical, soft computing, fuzzy systems I. Introducción La clasificación musical es un problema que afecta a un colectivo empresarial cada vez mayor: distribuidores on-line, emisoras, tiendas de música, gestoras de contenidos multimedia, etc. Una primera aproximación al problema de clasificación implica ineludiblemente la utilización de género musical como principal elemento descriptor. La proliferación en los últimos años de tiendas de música on-line, así como sistemas de distribución de música, que van asociados a extensos catálogos musicales almacenados en grandes bases de datos, ha incrementado el interés y la importancia de los procesos de clasificación. Para que las búsquedas de los usuarios obtengan respuestas satisfactorias, es imprescindible disponer de una correcta clasificación del catálogo disponible. La clasificación de audio musical se ha realizado habitualmente mediante procesos de etiquetado manual, pero este proceso se ha hecho insostenible en los últimos años: tal como se describe en [20], el etiquetado de miles de canciones para Microsoft MSN Music Search Engine, ha necesitado del trabajo de 30 musicólogos durante un año completo. Los procesos de clasificación y etiquetado Departamento de Arquitectura de Computadores. Universidad de Extremadura. fcofdez@unex.es Departamento de Sistemas Informáticos y Telemáticos. Universidad de Extremadura. fchavez@unex.es automático son cada vez más necesarios, aunque no hay una definición clara que permita establecer los métodos y límites necesarios para realizar una clasificación eficiente: el género musical depende de circunstancias historicas, culturales y de factores de marketing empresarial. No obstante, considerado desde el punto de vista de recuperación automática de información, la literatura muestra un conjunto de técnicas y metodologías que ya han sido empleadas, y que utilizan información analizada y extraída de las fuentes audio: instrumentación, estructura rítmica y contenido melódico y armónico de la música. Estas características se utilizan en los procesos de recuperación y clasificación audio [10]. Sin embargo, la relación entre estas características y el género no es directo, y la presencia de ambigüedades no garantiza la correcta clasificación. En algunos trabajos previos presentamos una primera aproximación al problema descrito mediante Sistemas Basados en Reglas Difusas (SBRD), y complementado mediante Algoritmos Genéticos (AG) para mejorar las reglas [4], [5]. Continuamos ahora el trabajo previo, profundizando en el uso de SBRD, y analizando de forma simultánea diferentes secciones del audio a etiquetar: se analizan separadamente secciones del comienzo, el centro y final del audio, y en todos los casos utilizamos únicamente las frecuencas con más energía. Se pretende así considerar las relaciones armónicas que puedan ser útiles para diferenciar música clásica de Jazz, y, además, el efecto que diferentes secciones puedan tener en la clasificación final. El artículo se organiza en las siguientes secciones: La sección II presenta una revisión de la literatura. La sección III describe las técnicas aplicadas. La sección IV muestra y analiza los resultados. Finalmente, la sección V presenta las conclusiones. II. Clasificación del Género Musical. El proceso de clasificación de género musical se realiza habitualmente en dos etapas: primero se extrae información del audio a clasificar, y en segundo lugar se utiliza la información extraída para realizar la clasificación. El primer paso pretende extraer de la señal audio información relevante, mientras que el segundo require de un algoritmo capaz de decidir el género a partir de las características previamente extraídas [25]. En el proceso de extración de características, se busca información de la señal audio tanto en el dominio del tiempo como en el de la frecuencia.
2 Algunos de los trabajos pioneros en este campo intentaban analizar el sonido característico de instrumentos musicales aislados [3], utilizando para ello el timbre, amplidud, brillo y ancho de banda. Los histogramas de frecuencias relativas han sido muy utilizados, así como valores estadísticos extraídos de coeficientes de las transformadas Wavelet (DWT) [9]. Sin embargo, los trabajos previos no consideran la estructura rítmica de la música. La detección automática del ritmo ha sido empleada por otros autores [14]. Más recientemente, se ha empezado a considerar la extracción automática de características en el proceso de clasificación de género (ver Tzenatakis [10]). En 2006, Scaringella presentó una revisión de técnicas que han sido aplicadas al problema [16], reconociendo que no existe acuerdo general sobre las características principales que permitan claramente distinguir el género musical. Un conjunto de características de bajo nivel que sin embargo pueden ser útiles incluye: características asociadas al timbre, melodía y armonía, ritmo y contenido semántico. Si nos fijamos en la segunda parte del proceso, los métodos necesarios para establecer la clasificación una vez que las características han sido extraídas de la señal audio, varias propuestas han sido presentadas recientemente. Alguna de las propuestas se basan en el uso de sistemas expertos [8], aunque requieren del uso de descriptores de alto nivel de buena calidad obtenidos del audio. Por otro lado, los sistemas expertos son costosos de implementar y mantener. En su lugar podemos recurrir a métodos del dominio del Aprendizaje Máquina. En la literatura se han propuesto métodos no supervisados y supervisados, que se apoyan en técnicas Gausianas para modelar el timbre, o en Modelos de Markov [16]. Support Vector Machines (SVM) y Redes Neuronales también se han aplicado en este contexto. Reciéntemente se ha considerado el uso de Algoritmos Evolutivos para el problema de detección de género musical. En [2] los autores aplican AGs al problema de la selección de características, trabajando con diferentes partes de la señal audio. En todos los casos, una de las mayores dificultades reside en la naturaleza imprecisa de las características a tener en cuenta a la hora de clasificar correctamente el género musical. Así, en el último año, se han presentado trabajos preliminares que abordan este problema con técnicas que basan su poder clasificatorio precisamente en el uso de información difusa: en lugar de utilizar procesos complejos que artificialmente pretenden añadir precisión a características por naturaleza imprecisas, mediante uso de técnicas de filtrado, selección, etc., se ha recurrido a técnicas basadas en SBRD. Así, el uso de SBRD [18] ha mostrado resultados prometedores, especialmente cuando trabajan en combinación con los AGs para afinar las funciones de pertenencia del SBRD utilizado. En ese trabajo se utilizaba como información de entrada la relación entre las frecuencias con más alta energía, extraídas en muestras de una duración de un segundo, y, mediante un SBRD se obtiene la clasificación del audio. Aunque los resultados son preliminares, se ha comprobado que obtienen unos resultados razonables a partir de una información muy simple: relación armónica que puede ser útil como elemento diferenciador de dos géneros musicales, jazz y clásico. No obstante, en ese trabajo previo, se trabajó con un conjunto de muestras pertenecientes a dos audios diferentes, por lo que es necesario un mayor conjunto de muestras y pruebas para asegurar la viabilidad de la propuesta. Presentamos aquí nuevos resultados ampliando notablemente el conjunto de experimentos, y se describe un nuevo modelo para realizar la clasificación. Describiremos a continuación en primer lugar el funcionamiento de un SBRD, para después describir el nuevo modelo y presentar el conjunto de experimentos y resultados obtenidos. III. SBRDs y el problema del género musical. Los SBRDs han sido aplicados satisfactorialmente a problemas de clasificación [18], [22], [24]. Su capacidad para manejar información imprecisa le distinguen de otros métodos clásicos de clasificación. Además, en combinación con AGs para afinar las funciones de pertenencia del SBRD original pueden mejorar su tasa de acierto en procesos de clasificación, al obtener un nuevo SBRD ajustado mediante un AG. En trabajos preliminares [4], [5] se utiliza un SBRD para resolver el problema de la detección y clasificación de género musical. En estos trabajos previos se consideraron muestras de audio pertenecientes a dos géneros: jazz y música clásica, y se trabajó con muestras de 0.1, 0.5 y 1 segundo de duración. Se obtuvieron hasta 100 muestras de dos señales audio, cada una perteneciente a un género diferente. El problema consistía pues en clasificar correctamente cada una de las 100 muestras. De cada una de las muestras a clasificar, se analizaban las frecuencias de mayor energía, y la relación entre las mismas. La idea de fondo era encontrar relaciones armónicas que diferencien los géneros en cuestión. Aunque comparado con otros trabajos encontrados en la literatura que afrontan el mismo problema la información utilizada ahora es más escasa, esta escasez de información y la dificultad de encontrar relaciones precisas entre las frecuencias, hacían al SBRD como candidato adecuado para el problema de clasificación.
3 A. SBRD inicial T T' En [4] se describe el SBRD inicialmente utilizado. Básicamente está compuesto por la conocida como Base de Conocimiento (BC), dividida en Base de Datos (BD) formada por la funciones de pertenencia del sistema y la Base de Reglas (BR), formada por la reglas necesarias para el motor de inferencias [18]. En este trabajo se utilizaron como variables de entrada para el sistema las cuatro frecuencias con más energía (F1 hasta F4), obtenidas tras aplicar la Transformada Rápida de Fourier a cada muestra a clasificar. Con estas cuatro frecuencias se calculan las relaciones que dan lugar a tres variables de entrada del sistema: X1: Relación entre F1 y F2 (F1/F2). X2: Relación entre F1 y F3 (F1/F3). X1: Relación entre F1 y F4 (F1/F4). Y: Valor de salida (1 si se clasifica como Clásico y 0 en caso de Jazz). Para obtener las funciones de pertenencia y la BR del SBRD se utilizó el método de Wang & Mendel [15], según se describe con detalle en [4]. Utilizando 9 etiquetas lingüísticas por cada variable (valores desde EXTRA SMALL hasta EXTRA HIGH), generándose un total de 23 reglas difusas para el problema descrito en ese trabajo. El sistema obtenido se denota como SBRD inicial Además, las reglas fueron ajustadas posteriormente mediante un AG, obteniendo lo que denominamos como SBRD ajustado. Esta técnica de hibridación es muy conocida en el dominio, y a la técnica completa se conoce como Sistema Genético Difuso [6], [17], [18]. La Figura 1 muestra el funcionamiento global del sistema. Fig. 1. Proceso de ajuste genético. En este trabajo se utiliza el sistema de ajuste de las funciones de pertenecia [1], [7], [11], [12], [13], [19], [21], [23]. El sistema ajusta los parámetros que definen la forma de la función de pertenencia, en nuestro caso se utilizan funciones de pertenencia triangulares (ver figura 2). Como ya se indicó anteriormente, el ajuste se realiza mediante un AG, cuyos detalles se describen en la siguiente sección. a a' b b' c' c Fig. 2. Ajuste de parómetros en la función de pertenencia. B. Algoritmo Genético Se utiliza un AG con codificación real, muestreo estocástico y elitismo, junto con mutación uniforme y cruce max-min-aritmético [7]. El resto de los parámetros fueron los siguientes: Generaciones: Tamaño de la población: 61. Probabilidad de cruce: 0.6. Probabilidad de mutación: 0.1 La función de evaluación toma cada muestra, obtiene las variables de entrada que son sometidas al SBRD para generar la salida. A partir de ahí calcula los aciertos y fallos en cada caso (clásico y jazz) y calcula un valor de fitness aplicando la expresión mostrada a continuación: F itness(c j ) = CF D + JF D (1) siendo CF el número de fallos en clasificación de clásica y JF los fallos con Jazz, y D es el tamaño del conjunto de entrenamiento. El sistema de inferencia del SBRD utiliza el centro de gravedad ponderado como parte del operador de defuzzificación. Se utilizó un sistema de codificación real, siendo cada cromosoma un conjunto de funciones de pertenencia definida por los parámetros a ajustar. Para mayor detalle el lector puede consultar el trabajo presentado en [4]. En otros trabajos previos, se utilizaron dos ficheros audio, correspondientes a Charly Parker (Jazz) y Mozart (Clásica), obteniendo de cada archivo 100 muestras a clasificar. El proceso de clasificación consiguió una tasa de éxito del 62 % con las reglas no ajustadas por el AG, y un 83 % una vez las reglas fueron ajustadas. Los resultados mostraron la utilidad de la aproximación teniendo en cuenta la poca información de entrada utilizada. No obstante, aunque los resultados preliminares fueron bastante prometedores, es imprescindible probar el sistema en una colección más amplia de música, incluyendo diferentes autores y estilos dentro de cada género. Se decidió aplicar el método previo a un nuevo conjunto de pruebas notablemente ampliado, que incluye 25 audios clásicas y 25 audios jazz diferentes, y 5 muestras por audio, es decir 250 muestras en
4 total de los autores Ella Firzgerald, Duke Elington, Shirley Horn, Mozart, Vivaldi, Beethoven, entre otros. Se obtuvieron en la fase de test, una vez finalizado el entrenamiento, una tasa de éxito del 66 %. Efectívamente, y tal como presuponíamos, el sistema funcionaba con precisión cuando las muestras pertenecen a un reducido conjunto audio, pero una ampliación del conjunto degrada su capacidad de clasificación (del 83 % pasamos al 66 %). A continuación describimos la nueva metodología propuesta basada en el análisis diferenciado de secciones del audio a clasificar. C. Elección de Secciones. En este trabajo se propone un cambio de metodología para aumentar el éxito en el proceso de clasificación. Los resultados mostrados en [4] demuestran que el análisis de muestras de 1 segundo da buenos resultados a la hora de clasificar los diferentes ejemplos (mejor que muestras de 0.1 ó 0.5 segundos de longitud). La idea siempre ha sido intentar utilizar el conjunto de características más pequeño posible, en oposición a otras propuesta de la literatura. Se desea así mantener como única información de entrada al sistema las relaciones armónicas, y en concreto las relaciones entre las cuatro frecuencias con más alta energía de cada muestra analizada. En la literatura se describe la influencia del momento en que se toma la muestra del audio: cualquier tema musical tiene una presentación, desarrollo y conclusión. Es claro por tanto que existen diferencias significativas entre el comienzo y final, así como la parte central de cada tema musical. Aunque no están claras cuales de las partes son más útiles para la selección, si se aprecian diferencias que podrían influir en el proceso clasificatorio. Nuestra propuesta de mejora consiste por tanto en seleccionar un conjunto de muestras de cada fichero audio a analizar, y utilizar un SBRD clasificador para cada muestra (SBRD inicial ) -sección del audio que se analiza- y que se entrena de modo independiente (SBRD ajustado ). El objetivo es estudiar que partes parecen más importantes en el proceso de clasificación. Se decidió por tanto construir un conjunto de 5 sistemas clasificadores, exactamente iguales cada uno de ellos al modelo básico presentado en trabajos previos. Estos sistemas centran sus esfuerzos en las diferentes partes del audio. Posteriormente estos sistemas son ajustados utilizando el AG de la misma forma que se hizo en el trabajo previo presentado en [4], obteniendo un conjunto de SBRD final adaptados a las características de cada sección de audio analizada. La figura 3 muestra el conjunto de clasificadores. Aunque en este trabajo se pretende analizar las partes del audio que puedan ser más significativas, en Fig. 3. Sistemas clasificadores para análisis de audio. próximos trabajos se podrá simular el procesamiento humano de una fuente audio, de modo que el sistema tenga la oportunidad de escuchar una porción mayor del audio -varias secciones: en lugar de una muestra de un segundo, tomadas al azar de cualquier parte del audio, se podrán extraer varias muestras secuenciales, de modo que la clasificación pueda ser aplicada a cada muestra y el sistema pueda utilizar toda la información para realizar una mejor clasificación. IV. Resultados. A lo largo de esta sección se muestran los resultados obtenidos con cada uno de los sistemas diseñados para el análisis de las diferentes secciones del audio. Se diseñaron 5 sistemas diferentes, donde se analizan las secciones inicial, central (3 secciones centrales) y final de un audio. Para cada uno de los experimentos se utilizan un total de 50 ficheros audio, de los cuales 25 corresponden al estilo de música clásica y otros 25 al estilo de música jazz. Para cada uno de los audios utilizados se extraen 5 secciones proporcionales a su longitud, correspondientes al inicio, parte central y fin del audio. Con ello, se generan 5 conjuntos de datos de 50 elementos cada uno de ellos correspondientes a las diferentes secciones que se analizarán. Cada uno de estos conjuntos de 50 elementos se dividen en dos subconjuntos utilizados para entrenamiento y test de cada sistema (Training y Test) con una proporción del 80 % y 20 % para cada uno respectivamente. Los experimentos que se llevan a cabo pretenden comparar los SBRD sin ajustar y ajustados, y obtener así qué partes del audio son más significativas a la hora de distiguir el género musical. Se llevan a cabo dos tipos de experimentos. El primero de ellos genera sendos SBRDs utilizando el método de Wang & Mendel para la generación de la BR y BC, utilizando como elementos de entrada el conjunto de datos de entrenamiento de cada sección, obteniendo con ello 5 SBRDs que denominamos SBRD N inicial para cada uno de los casos. La tabla I muestra los resultados de estos SBRDs para cada sección del audio analizada.
5 TABLA I Resultados de los SBRD sin ajustar. TABLA II Resultados de los SBRD ajustado con AG. SBRD inicial Training Test Aciertos Fallos Aciertos Fallos SBRD 1 77,50 % 22,50 % 70,00 % 30,00 % SBRD 2 57,50 % 42,50 % 70,00 % 30,00 % SBRD 3 72,50 % 27,50 % 80,00 % 20,00 % SBRD 4 75,00 % 25,00 % 70,00 % 30,00 % SBRD 5 72,50 % 27,50 % 70,00 % 30,00 % SBRD ajustado Training Test Aciertos Fallos Aciertos Fallos SBRD 1 85,00 % 15,00 % 80,00 % 20,00 % SBRD 2 65,00 % 35,00 % 40,00 % 60,00 % SBRD 3 90,00 % 10,00 % 80,00 % 20,00 % SBRD 4 80,00 % 20,00 % 70,00 % 30,00 % SBRD 5 80,20 % 20,00 % 60,00 % 40,00 % Teniedo en cuenta que la base de datos utilizada para este trabajo es de 50 elementos para cada uno de los experimentos realizados, divididos en dos conjuntos -entrenamiento y test- al 80 % y 20 % respectivamente, hace que el estudio presentado sea un estudio preliminar el cual nos permite obtener las primeras valoraciones del problema. En primer lugar podemos observar en los resultados, que las diferentes secciones audio tienen un papel diferente en el proceso de clasificación: no todas las secciones proporcionan el mismo éxito clasificatorio. En particular, en la fase de entrenamiento, cuando el entrenamiento se produce sobre los audios tomados como muestra, y dónde mayor éxito cabe por tanto esperar, la sección inicial parece la más prometedora, y la segunda sección elegida la que peores resultados proporciona, si las consideramos cada una de modo independiente. En la fase de entrenamiento, sin embargo, no hay una diferencia clara a favor de la primera fase, aunque por contra la segunda proporciona los peores resultados. Tomadas de modo independiente, y analizando todos los resultados, se podría concluir que el análisis de la primera fase es lo más interesante por dos razones: (i) es lo que más rápido se produciría, al no tener que esperar a escuchar el resto del audio; (ii) produce buenos resultados, y similares a los que obtendríamos con el método previo, en ambos casos sin ajuste genético (que obtendría en este caso considerando las muestras como independientes un promedio en la tasa de acierto del 72 %). En la fase de test, las diferencias entre fase se reducen aún más, y es la sección 3 la que obtiene los mejores resultados. El siguiente experimento realizado consiste en ajustar cada uno de los sistemas anteriores utilizando un AG. Este ajuste toma el SBRD inicial y ajusta sus funciones de pertenecia para obtener un SBRD mejorado, al que denominamos SBRD ajustado. Los resultados de este segundo experimento se muestran en la tabla II. Se puede observar de nuevo, que en la etapa de entrenamiento la segunda sección proporciona los peores resultados, con un inusual mejor resultado en la tercera sección. En todo caso la primera sección vuelve a suministrar buenos resultados. Si nos fijamos por contra en la fase de test, tal como sucedió con el SBRD inicial sin ajuste, sucede ahora con el SBRD ajustado correspondientes a la tercera sección del audio -SBRD 3-, los resultados muestran una tasa de acierto del 80 %. También observamos de nuevo en fase de test que la parte inicial del audio obtiene muy buenos resultados, con la ventaja adicional de no necesitar tiempo extra necesario para llegar a otras secciones posteriores si aplicáramos un hipotético procesamiento secuencial del audio. Podemos así concluir que el análisis de esa sección adquiere importancia relativa sobre las demás. En esta fase de test vemos ahora que la efectividad del SBRD ajustado aumenta significativamente (más de un 14 % cuando lo comparamos con el método previamente publicado que no teniendo en cuenta secciones audio, y que obtendría el 66 % de tasa de acierto en el conjunto completo de muestras utilizado en este trabajo). V. Conclusiones En este trabajo se ha presentado un método híbrido de clasificación de género musical basado en SBRDs y AGs. Con respecto a un sistema preliminar previamente estudiado, las mejoras en la metodología han permitido aumentar la tasa de acierto en un 14 %, sobre un conjunto audio notablemente ampliado, incluyendo hasta 50 audios con autores y estilos bien diferenciados. Aunque los resultados obtenidos son preliminares podemos observar que son esperanzadores, ya que con un conjunto reducido de muestras, presenta una notable mejora con respecto al sistema previo. Los resultados muestran que la sección inicial del audio a analizar es una de las más significativas en el proceso clasificatorio, con la ventaja adicional de no requerir continuar analizando más muestras audio y poder realizar así una clasificación rápida con una calidad notable. Hay que destacar de nuevo, que como información de entrada continuamos utilizando simplemente la relación de las 4 frecuencias con mayor energía presentes en la muestra que se analiza, con una duración de un segundo. La escasa información utilizada permite un procesamiento rápido, mediante la Transformada Rápida de Fourier, y por tanto un análisis en tiempo real del
6 género musical. Agradecimientos Este proyecto ha sido subvencionado por el Ministerio de Educación y Ciencia del Govierno de España bajo el proyecto TIN C06-01 y la Consejería de Economía-Comercio e Innovación de la Junta de Extremadura y el fondo FEDER, bajo los proyectos GRU09105 y GR Referencias [1] C. Karr, Genetic algorithms for fuzzy controllers, AI Expert, vol. 6, no. 2, pp , [2] C. N. Silla, A. L. Koerich, and C. A. A. Kaestner, Feature selection in automatic music genre classification, Multimedia, International Symposium on, vol. 0, pp , [3] E. Wold, T. Blum, D. Keislar, and J. Wheaten, Content-based classification, search, and retrieval of audio, IEEE Multimedia,, vol. 3, no. 3, pp , [4] F. Fernández, F. Chávez, R. Alcalá, and F. Herrera Musical Genre Classification by means of Fuzzy Rule-Based Systems: A preliminary approach, 2011 IEEE Congress on Evolutionary Computation, IEEE CEC 2011, pp , New Orleans, EE.UU., [5] F. Fernández, and F. Chávez, On the application of Fuzzy Rule-Based Systems to Musical Genre Classification, 1st Workshop in Evolutionary Music. IEEE CEC 2011, pp , New Orleans, EE.UU., [6] F. Herrera, Genetic fuzzy systems: taxonomy, current research trends and prospects, Evolutionary Intelligence, vol. 1, no. 1, pp , [7] F. Herrera, M. Lozano, and J. L. Verdegay, Tuning fuzzy logic controllers by genetic algorithms, International Journal of Approximate Reasoning, vol. 12, no. 3-4, pp , [8] F. P. Daniel and D. Cazaly, A taxonomy of musical genres, In Proc. Content-Based Multimedia Information Access (RIAO), pp , [9] G. Li and A. A. Khokhar, Content-based indexing and retrieval of audio data using wavelets, In IEEE International Conference on Multimedia and Expo (II), pp , [10] G. Tzanetakis and P. Cook, Musical genre classification of audio signals, IEEE Transactions on Speech and Audio Processing, vol. 10, no. 5, pp , [11] H. B. Gürocak, A genetic-algorithm-based method for tuning fuzzy logic controllers, Fuzzy Sets and Systems, vol. 108, no. 1, pp , [12] J. Casillas, O. Cordón, M. J. del Jesús, and F. Herrera, Genetic tuning of fuzzy rule deep structures preserving interpretability and its interaction with fuzzy rule set reduction, IEEE Transactions on Fuzzy Systems, vol. 13, no. 1, pp , [13] J. Espinosa and J. Vandewalle, Constructing fuzzy models with linguistic integrity from numerical data-afreli algorithm, IEEE Transactions on Fuzzy Systems, vol. 8, no. 5, pp , [14] J. Laroche, Estimating tempo, swing and beat locations in audio recordings, 2001 IEEE Workshop in Applications of Signal Processing to Audio and Acoustics, pp , [15] L. X. Wang and J. M. Mendel, Generating fuzzy rules by learning from examples, IEEE Trans. Syst., Man, Cybern., vol. 22, no. 6, pp , [16] N. Scaringella, G. Zoia, and D. Mlynek, Automatic genre classification of music content: A survey, IEEE Signal Processing Magazine, vol. 23, no. 2, pp , [17] O. Cordón, F. A. C. Gomide, F. Herrera, F. Hoffmann, and L. Magdalena, Ten years of genetic fuzzy systems: current framework and new trends, Fuzzy Sets and Systems, vol. 141, no. 1, pp. 5 31, [18] O. Cordón, F. Herrera, F. Hoffmann, and L. Magdalena, GENETIC FUZZY SYSTEMS. Evolutionary Tuning and Learning of Fuzzy Knowledge Bases., New York, USA: World Scientific, [19] O. Cordón, F. Herrera, and M. Lozano, A three-stage method for designing genetic fuzzy systems by learning from examples, Proceedings of the 4th International Conference on Parallel Problem Solving from Nature (PPSN IV), ser. Lecture Notes in Computer Science. Springer, vol. 1141, pp , [20] R. Dannenberg, J. Foote, G. Tzanetakis, and C. Weare, Panel: new directions in music information retrieval, Proceedings of the International Computer Music Conference, [21] R. Alcalá, J. Alcalá-Fdez, and F. Herrera, A proposal for the genetic lateral tuning of linguistic fuzzy systems and its interaction with rule selection, IEEE Transactions on Fuzzy Systems, vol. 15, no. 4, pp , [22] R. Alcalá, J. Alcalá-Fdez, M. Gacto, and F. Herrera, Improving fuzzy logic controllers obtained by experts: A case study in hvac systems, Applied Intelligence, vol. 31, no. 1, pp , [23] R. Alcalá, J. Alcalá-Fdez, M. J. Gacto, and F. Herrera, Rule base reduction and genetic tuning of fuzzy systems based on the linguistic 3-tuples representation, Soft Computing, vol. 11, no. 5, pp , [24] R. Alcalá, J. Benítez, J. Casillas, O. Cordón, and R. Pérez, Fuzzy control of hvac systems optimized by genetic algorithms, Applied Intelligence, vol. 18, no. 2, pp , [25] T. Li and M. Ogihara, Music Genre Classification with taxonomy, IEEE International Conference on Acoustics, Speech, and Signal Processing, pp , 2005.
CAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS. En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de
CAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de inventarios para lograr un control de los productos.
Más detallesInstalar protocolo, cliente o servicio nuevo. Seleccionar ubicación de red. Práctica - Compartir y conectar una carpeta
Configuración de una red con Windows Aunque existen múltiples sistemas operativos, el más utilizado en todo el mundo sigue siendo Windows de Microsoft. Por este motivo, vamos a aprender los pasos para
Más detalles1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
Más detallesPráctica 5. Curso 2014-2015
Prácticas de Seguridad Informática Práctica 5 Grado Ingeniería Informática Curso 2014-2015 Universidad de Zaragoza Escuela de Ingeniería y Arquitectura Departamento de Informática e Ingeniería de Sistemas
Más 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 detallesDIVISION DE ESTUDIOS DE POSGRADO E INVESTIGACION DOCTORADO EN CIENCIAS EN COMPUTACION SEDE: INSTITUTO TECNOLOGICO DE TIJUANA No 002206
DIVISION DE ESTUDIOS DE POSGRADO E INVESTIGACION DOCTORADO EN CIENCIAS EN COMPUTACION SEDE: INSTITUTO TECNOLOGICO DE TIJUANA No 002206 MEDIOS DE VERIFICACION 4. Infraestructura del Programa Criterio 9.
Más detallesCAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de
CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.
Más detallesforma de entrenar a la nuerona en su aprendizaje.
Sistemas expertos e Inteligencia Artificial,Guía5 1 Facultad : Ingeniería Escuela : Computación Asignatura: Sistemas expertos e Inteligencia Artificial Tema: SISTEMAS BASADOS EN CONOCIMIENTO. Objetivo
Más detallesConclusiones. Particionado Consciente de los Datos
Capítulo 6 Conclusiones Una de las principales conclusiones que se extraen de esta tesis es que para que un algoritmo de ordenación sea el más rápido para cualquier conjunto de datos a ordenar, debe ser
Más detallesRecuperación de información visual utilizando descriptores conceptuales
Recuperación de información visual utilizando descriptores conceptuales J. Benavent, X. Benavent y E. de Ves Departament d Informàtica (Universitat de València) {esther.deves,xaro.benavent}@uv.es Abstract.
Más detallesPRODUCTIVIDAD DE PROYECTOS DE DESARROLLO DE SOFTWARE: FACTORES DETERMINANTES E INDICADORES
PRODUCTIVIDAD DE PROYECTOS DE DESARROLLO DE SOFTWARE: FACTORES DETERMINANTES E INDICADORES Raúl Palma G. y Guillermo Bustos R. Escuela de Ingeniería Industrial Universidad Católica de Valparaíso Casilla
Más detallesGestión de la Configuración
Gestión de la ÍNDICE DESCRIPCIÓN Y OBJETIVOS... 1 ESTUDIO DE VIABILIDAD DEL SISTEMA... 2 ACTIVIDAD EVS-GC 1: DEFINICIÓN DE LOS REQUISITOS DE GESTIÓN DE CONFIGURACIÓN... 2 Tarea EVS-GC 1.1: Definición de
Más detallesRecuperación de información Bases de Datos Documentales Licenciatura en Documentación Curso 2011/2012
Bases de Datos Documentales Curso 2011/2012 Miguel Ángel Rodríguez Luaces Laboratorio de Bases de Datos Universidade da Coruña Introducción Hemos dedicado la primera mitad del curso a diseñar e implementar
Más detallesDiseño y desarrollo de una aplicación informática para la gestión de laboratorios
Diseño y desarrollo de una aplicación informática para la gestión de laboratorios M. Francisco, P. Vega, F. J. Blanco Departamento de Informática y Automática. Facultad de Ciencias. Universidad de Salamanca
Más detallesElementos requeridos para crearlos (ejemplo: el compilador)
Generalidades A lo largo del ciclo de vida del proceso de software, los productos de software evolucionan. Desde la concepción del producto y la captura de requisitos inicial hasta la puesta en producción
Más detallescoie UNIVERSIDAD COMPLUTENSE DE MADRID
PERFIL PROFESIONAL DE LA LICENCIATURA DE ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS coie UNIVERSIDAD COMPLUTENSE DE MADRID CONSEJO SOCIAL VICERRECTORADO DE ALUMNOS LICENCIATURA DE ADMINISTRACIÓN Y DIRECCIÓN
Más detallesTema 3. Medidas de tendencia central. 3.1. Introducción. Contenido
Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6
Más detallesAnálisis de Datos. Práctica de métodos predicción de en WEKA
SOLUCION 1. Características de los datos y filtros Una vez cargados los datos, aparece un cuadro resumen, Current relation, con el nombre de la relación que se indica en el fichero (en la línea @relation
Más detallesADAPTACIÓN AL EEES DE LAS ASIGNATURAS DEL ÁREA DE ESTADISTICA E INVESTIGACIÓN OPERATIVA EN LA TITULACIÓN DE INGENIERÍA DE TELECOMUNICACIÓN
MEMORIA DEL PROYECTO DE INNOVACIÓN EDUCATIVA ADAPTACIÓN AL EEES DE LAS ASIGNATURAS DEL ÁREA DE ESTADISTICA E INVESTIGACIÓN OPERATIVA EN LA TITULACIÓN DE INGENIERÍA DE TELECOMUNICACIÓN Participantes: Germán
Más detallesCAPÍTULO 6 SIMULACIONES Y RESULTADOS
CAPÍTULO 6 SIMULACIONES Y RESULTADOS 6.1 Proceso de Simulación Las simulaciones fueros llevadas a cabo empleando como herramienta la Versión 6.5 Release 13 de Matlab. Para lo cual fue empleado un banco
Más detallesDiseño de bases de datos Diapositiva 1
Diseño o de bases de datos Objetivos del Diseño Principios del Diseño de BD Proceso de Diseño Normalización Diseño de Tablas: Claves Relaciones Integridad referencial Convenciones de nomenclatura Diseño
Más detallesMUESTREO TIPOS DE MUESTREO
MUESTREO En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de una población), se selecciona una muestra, entendiendo por tal una parte representativa de
Más detallesCapitulo I. Introducción
Capitulo I. Introducción 1.1 Descripción del trabajo El ser humano, como todos sabemos tiene la necesidad de comunicarse, de ser escuchado y sobretodo interactuar con los demás seres vivos que lo rodean.
Más detallesReseñas. Ángeles Maldonado y Elena Fernández, Cindoc. El profesional de la información, vol. 9, nº 3, marzo de 2000
Reseñas Análisis comparativo de buscadores en internet Por Ángeles Maldonado Martínez y Elena Fernández Sánchez Resumen de la comunicación presentada por las autoras a la conferencia Online Information
Más detallesEvaluación, limpieza y construcción de los datos: un enfoque desde la inteligencia artificial
Universidad del Cauca Facultad de Ingeniería Electrónica y Telecomunicaciones Programas de Maestría y Doctorado en Ingeniería Telemática Seminario de Investigación Evaluación, limpieza y construcción de
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detalles5.4. Manual de usuario
5.4. Manual de usuario En esta sección se procederá a explicar cada una de las posibles acciones que puede realizar un usuario, de forma que pueda utilizar todas las funcionalidades del simulador, sin
Más detallesEsther Sui-chu Ho Evelyn Yee-fun Man Facultad de Educación Instituto de Investigación Educativa de Hong Kong Universidad China de Hong Kong
Resultados de los alumnos de escuelas cuya lengua de instrucción es el chino (CMI) y de escuelas en las que la lengua de instrucción es el inglés (EMI): Qué hemos aprendido del estudio PISA. Esther Sui-chu
Más detallesPropuesta de proyecto de investigación: desarrollo de un rastreador web capaz de aprender a identificar la información más relevante
Propuesta de proyecto de investigación: desarrollo de un rastreador web capaz de aprender a identificar la información más relevante 30 de enero de 2016 Responsables Dr. Ricardo Marcelín Jiménez y M. en
Más detallesApp para realizar consultas al Sistema de Información Estadística de Castilla y León
App para realizar consultas al Sistema de Información Estadística de Castilla y León Jesús M. Rodríguez Rodríguez rodrodje@jcyl.es Dirección General de Presupuestos y Estadística Consejería de Hacienda
Más detallesCapítulo 12: Indexación y asociación
Capítulo 12: Indexación y asociación Conceptos básicos Índices ordenados Archivos de índice de árbol B+ Archivos de índice de árbol B Asociación estática Asociación dinámica Comparación entre indexación
Más detallescoie UNIVERSIDAD COMPLUTENSE DE MADRID
PERFIL PROFESIONAL DE LA LICENCIATURA DE PUBLICIDAD Y RELACIONES PÚBLICAS coie UNIVERSIDAD COMPLUTENSE DE MADRID CONSEJO SOCIAL VICERRECTORADO DE ALUMNOS LICENCIATURA DE PUBLICIDAD Y RELACIONES PÚBLICAS
Más detallesCódigo del programa: PEMDE. Programa Experto en MANEJO DE DATOS CON EXCEL. Modalidad: Virtual. Descripción del programa
Código del programa: PEMDE Programa Experto en MANEJO DE DATOS CON EXCEL Modalidad: Virtual Descripción del programa 1 Presentación del programa Justificación Microsoft Excel es la herramienta de manejo
Más detalles1.4. Comparación con otras actividades de ocio
1.4. Comparación con otras actividades de ocio Continuamos con otro bloque de preguntas dirigidas a toda la población entrevistada. Esta vez, la intención de la batería de preguntas que proponíamos se
Más detallesCICLO DE VIDA DEL SOFTWARE
CICLO DE VIDA DEL SOFTWARE 1. Concepto de Ciclo de Vida 2. Procesos del Ciclo de Vida del Software 3. Modelo en cascada 4. Modelo incremental 5. Modelo en espiral 6. Prototipado 7. La reutilización en
Más detallesFUNDACIÓN MAPFRE 2015 QUÉ ES EL SEGURO? 11.4 Comprar un seguro
QUÉ ES EL SEGURO? 11.4 Comprar un seguro Seguros y Pensiones para Todos es una iniciativa de FUNDACIÓN MAPFRE para acercar la cultura aseguradora a la sociedad, a las personas. Los contenidos que se recogen
Más detallesactivuspaper Text Mining and BI Abstract
Text Mining and BI Abstract Los recientes avances en lingüística computacional, así como la tecnología de la información en general, permiten que la inserción de datos no estructurados en una infraestructura
Más detallesCapítulo VI. Conclusiones. En este capítulo abordaremos la comparación de las características principales y
Capítulo VI Conclusiones En este capítulo abordaremos la comparación de las características principales y de las ventajas cada tecnología Web nos ofrece para el desarrollo de ciertas aplicaciones. También
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 detallesMineria de datos y su aplicación en web mining data Redes de computadores I ELO 322
Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Nicole García Gómez 2830047-6 Diego Riquelme Adriasola 2621044-5 RESUMEN.- La minería de datos corresponde a la extracción
Más detallesObtención de Sistemas Basados en Reglas Difusas Precisos y Compactos mediante Algoritmos Geneticos Multiobjetivo
Obtención de Sistemas Basados en Difusas Precisos y Compactos mediante Algoritmos Geneticos Multiobjetivo R. Alcalá, J. Alcalá-Fdez, M. J. Gacto y F. Herrera Departamento de Ciencias de la Computación
Más detallesTesina. Considerada también un texto recepcional, la tesina es un informe científico breve y original con
Tesina Definición Considerada también un texto recepcional, la tesina es un informe científico breve y original con menor grado de aportación de conocimientos específicos que la tesis, pero con exigencias
Más detallesMás Clientes Más Rápido: Marketing Online bien enfocado
Más Clientes Más Rápido: Marketing Online bien enfocado A continuación describo una propuesta comercial que estimo le interesará ya que tiene el potencial de incrementar su negocio en un período relativamente
Más detallesMEDICION DEL TRABAJO
MEDICION DEL TRABAJO Habíamos dicho al comenzar el curso que habían 4 técnicas que permiten realizar una medición del trabajo 1 Técnicas Directas: - Estudio de tiempos con cronómetro - Muestreo del trabajo
Más detallesBases de datos en Excel
Universidad Complutense de Madrid CURSOS DE FORMACIÓN EN INFORMÁTICA Bases de datos en Excel Hojas de cálculo Tema 5 Bases de datos en Excel Hasta ahora hemos usado Excel básicamente para realizar cálculos
Más detalles1.1 EL ESTUDIO TÉCNICO
1.1 EL ESTUDIO TÉCNICO 1.1.1 Definición Un estudio técnico permite proponer y analizar las diferentes opciones tecnológicas para producir los bienes o servicios que se requieren, lo que además admite verificar
Más detallesPosicionamiento WEB POSICIONAMIENTO WEB GARANTIZADO
Posicionamiento WEB 1 Tipos de Posicionamiento Web Posicionamiento Orgánico o Natural (SEO): es el posicionamiento que se consigue en los motores de búsqueda para las palabras clave seleccionadas. Este
Más detallesIndicaciones específicas para los análisis estadísticos.
Tutorial básico de PSPP: Vídeo 1: Describe la interfaz del programa, explicando en qué consiste la vista de datos y la vista de variables. Vídeo 2: Muestra cómo crear una base de datos, comenzando por
Más detallesunderstanding documents Digitalización y Captura Inteligente de Documentos
Digitalización y Captura Inteligente de Documentos Mayo 2013 Poder mantener accesibles los documentos desde cualquier punto del planeta y utilizar la información contenida en ellos se ha vuelto crítico
Más detallesMantenimiento Limpieza
Mantenimiento Limpieza El programa nos permite decidir qué tipo de limpieza queremos hacer. Si queremos una limpieza diaria, tipo Hotel, en el que se realizan todos los servicios en la habitación cada
Más detalles"Diseño, construcción e implementación de modelos matemáticos para el control automatizado de inventarios
"Diseño, construcción e implementación de modelos matemáticos para el control automatizado de inventarios Miguel Alfonso Flores Sánchez 1, Fernando Sandoya Sanchez 2 Resumen En el presente artículo se
Más detallesDía 5-6-2012 17:00h Lugar: Obra Social Ibercaja, Sala De actos, Rambla Ferran 38, 3º, Lleida
Resumen de la conferencia Día 5-6-2012 17:00h Lugar: Obra Social Ibercaja, Sala De actos, Rambla Ferran 38, 3º, Lleida Ponente: Luis Muñiz Socio Director de Sisconges & Estrategia y experto en Sistemas
Más detallesrevista transparencia transparencia y... 3.3. UNIVERSIDADES
revista transparencia transparencia y... 3.3. UNIVERSIDADES 35 revista transparencia Mónica López del Consuelo Documentalista Open Data Universidad de Granada 3.3.1. El filtro básico de la transparencia.
Más detallesRedes Neuronales Artificiales y sus Aplicaciones
Redes Neuronales Artificiales y sus Aplicaciones Profesorado Departamento Programa de Doctorado Créditos 3 Nº de Plazas 2. La asignatura 2. Objetivos de la asignatura 3. Contenidos 4. Metodología de trabajo
Más detallesSISTEMA MEAN REVERSION RSI
SISTEMA MEAN REVERSION RSI Este sistema está basado en el sistema del mismo nombre del libro High Probability ETF trading de Larry Connors y Cesar Alvarez, páginas 25 a 36. Howard Bandy ha programado el
Más detallesIV. Implantación del sistema.
IV. Implantación del sistema. Para hablar sobre el proceso de desarrollo del sistema de Recuperación de Información Visual propuesto, empezaremos hablando del hardware utilizado, las herramientas de software
Más detallescoie UNIVERSIDAD COMPLUTENSE DE MADRID
PERFIL PROFESIONAL DE LA DIPLOMATURA DE CIENCIAS EMPRESARIALES coie UNIVERSIDAD COMPLUTENSE DE MADRID CONSEJO SOCIAL VICERRECTORADO DE ALUMNOS DIPLOMATURA DE CIENCIAS EMPRESARIALES Los datos contenidos
Más detallesDE VIDA PARA EL DESARROLLO DE SISTEMAS
MÉTODO DEL CICLO DE VIDA PARA EL DESARROLLO DE SISTEMAS 1. METODO DEL CICLO DE VIDA PARA EL DESARROLLO DE SISTEMAS CICLO DE VIDA CLÁSICO DEL DESARROLLO DE SISTEMAS. El desarrollo de Sistemas, un proceso
Más detallesRealización y corrección automática de exámenes con hoja de cálculo
Realización y corrección automática de exámenes con hoja de cálculo Realización y corrección automática de exámenes con hoja de cálculo Bernal García, Juan Jesús juanjesus.bernal@upct.es Martínez María
Más detallesDirección de Planificación Universitaria Dirección de Planificación Universitaria 0819-07289 Panamá, Rep. de Panamá 0819-07289 Panamá, Rep.
Comparación de las tasas de aprobación, reprobación, abandono y costo estudiante de dos cohortes en carreras de Licenciatura en Ingeniería en la Universidad Tecnológica de Panamá Luzmelia Bernal Caballero
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 detalles7. Conclusiones. 7.1 Resultados
7. Conclusiones Una de las preguntas iniciales de este proyecto fue : Cuál es la importancia de resolver problemas NP-Completos?. Puede concluirse que el PAV como problema NP- Completo permite comprobar
Más detallesIntroducción a las redes de computadores
Introducción a las redes de computadores Contenido Descripción general 1 Beneficios de las redes 2 Papel de los equipos en una red 3 Tipos de redes 5 Sistemas operativos de red 7 Introducción a las redes
Más detallesTest de Idioma Francés. Manual del evaluador
Test de Idioma Francés Manual del evaluador 1 CONTENIDO Introducción Qué mide el Test de idioma francés? Qué obtienen el examinado y el examinador? Descripción de los factores Propiedades psicométricas
Más detallesCorrespondencias entre taxonomías XBRL y ontologías en OWL Unai Aguilera, Joseba Abaitua Universidad de Deusto, EmergiaTech
Correspondencias entre taxonomías XBRL y ontologías en OWL Unai Aguilera, Joseba Abaitua Universidad de Deusto, EmergiaTech Resumen Todo documento XBRL contiene cierta información semántica que se representa
Más detallesMadrid, 31 de marzo de 2015 INFORME SOBRE SOLVENCIA DE BAER, CROSBY & PIKE, AGENCIA DE VALORES, S.A. RELATIVO AL EJERCICIO 2014
INFORME SOBRE SOLVENCIA DE BAER, CROSBY & PIKE, AGENCIA DE VALORES, S.A. RELATIVO AL EJERCICIO 2014 1 Informe sobre Solvencia elaborado por el Consejo de Administración de BAER, CROSBY & PIKE, AGENCIA
Más detallesClasificación de Música por Genero Utilizando Redes Neuronales Artificiales. Elkin García, Germán Mancera, Jorge Pacheco
Clasificación de Música por Genero Utilizando Redes Neuronales Artificiales Elkin García, Germán Mancera, Jorge Pacheco Presentación Los autores han desarrollado un método de clasificación de música a
Más detallesModeling the Retrieval Process for an Information Retrieval System using an Ordinal Fuzzy Linguistic Approach
JOURNAL OF THE AMERICAN SOCIETY FOR INFORMATION SCIENCE AND TECHNOLOGY, 52(6):460-475, 2001 Modeling the Retrieval Process for an Information Retrieval System using an Ordinal Fuzzy Linguistic Approach
Más detallesETSIINGENIO 2009 DIBUJO DE GRAFOS MEDIANTE ALGORITMOS GENÉTICOS
ETSIINGENIO 2009 DIBUJO DE GRAFOS MEDIANTE ALGORITMOS GENÉTICOS EtsiIngenio Inteligencia Artificial 1 Raposo López Alejandro Sánchez Palacios Manuel Resumen dibujo de grafos mediante algoritmos genéticos
Más detallesADT CONSULTING S.L. http://www.adtconsulting.es PROYECTO DE DIFUSIÓN DE BUENAS PRÁCTICAS
ADT CONSULTING S.L. http://www.adtconsulting.es PROYECTO DE DIFUSIÓN DE BUENAS PRÁCTICAS ESTUDIO SOBRE EL POSICIONAMIENTO EN BUSCADORES DE PÁGINAS WEB Y LA RELEVANCIA DE LA ACTUALIZACIÓN DE CONTENIDOS
Más detallesCADENA DE VALOR. Andalucia Emprende, Fundación Pública Andaluza
CADENA DE VALOR Andalucia Emprende, Fundación Pública Andaluza 09/06/2014 INDICE PÁG 1. INTRODUCCIÓN 3 2. CADENA DE VALOR DE MCKINSEY 4 3. CADENA DE VALOR DE PORTER 5 3.1. Actividades Primarias o Principales
Más detalleshay alguien ahi? por Marcelino Alvarez maralvilla@gmail.com
hay alguien ahi? por Marcelino Alvarez maralvilla@gmail.com Un repaso a las estadísticas de lectura tanto de la página web como de la revista digital, para ver si alguien se acuerda de nosotros. Ya podemos
Más detallesGuía de uso del Cloud Datacenter de acens
guíasdeuso Guía de uso del Cloud Datacenter de Calle San Rafael, 14 28108 Alcobendas (Madrid) 902 90 10 20 www..com Introducción Un Data Center o centro de datos físico es un espacio utilizado para alojar
Más detallesFAQ Parking PPC de SEDO. NicLine
FAQ Parking PPC de SEDO NicLine Se prohíbe la reproducción, transmisión, transformación, distribución o el ejercicio de cualquier derecho de autor de este documento, total o parcial, sin la autorización
Más detallesAproximación local. Plano tangente. Derivadas parciales.
Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 004-005 Aproximación local. Plano tangente. Derivadas parciales. 1. Plano tangente 1.1. El problema de la aproximación
Más detallesBase de datos en la Enseñanza. Open Office
1 Ministerio de Educación Base de datos en la Enseñanza. Open Office Módulo 1: Introducción Instituto de Tecnologías Educativas 2011 Introducción Pero qué es una base de datos? Simplificando mucho, podemos
Más detallesGestión de Oportunidades
Gestión de Oportunidades Bizagi Suite Gestión de Oportunidades 1 Tabla de Contenido CRM Gestión de Oportunidades de Negocio... 4 Elementos del Proceso... 5 Registrar Oportunidad... 5 Habilitar Alarma y
Más detallesDocumento diseño de evaluación en términos de comparabilidad entre grupos de tratamiento y control
SEPTIEMBRE 2012 Tercer Informe Documento diseño de evaluación en términos de comparabilidad entre grupos de tratamiento y control ÍNDICE 1. Introducción...4 2. La base de datos del PRONABES....5 3. Selección
Más detallesCapítulo 5: METODOLOGÍA APLICABLE A LAS NORMAS NE AI
Capítulo 5: METODOLOGÍA APLICABLE A LAS NORMAS NE AI La segunda fase del NIPE corresponde con la adecuación de las intervenciones de enfermería del sistema de clasificación N.I.C. (Nursing Intervention
Más detallesINTRODUCCION. Consultora de Marketing y Comunicación Formación Información - Televisión legal. I ENCUESTA DE FORMACIÓN LAWYERPRESS - Pág.
INTRODUCCION Lawyerpress como medio de comunicación especializado en el área legal siempre ha estado muy interesado en reflejar la situación del sector legal español. Con este motivo y siguiendo nuestra
Más detallescoie UNIVERSIDAD COMPLUTENSE DE MADRID
PERFIL PROFESIONAL DE LA LICENCIATURA DE COMUNICACIÓN AUDIOVISUAL coie UNIVERSIDAD COMPLUTENSE DE MADRID CONSEJO SOCIAL VICERRECTORADO DE ALUMNOS LICENCIATURA DE COMUNICACIÓN AUDIOVISUAL Los datos contenidos
Más detallesCapítulo 10. Estudio de un caso con parámetros reales: acuífero de Borden
Capítulo 10. Estudio de un caso con parámetros reales: acuífero de Borden Tras la realización de muchos casos sintéticos y un estudio detallado de todos los parámetros que intervienen en el problema y
Más detallesIntroducción En los años 60 s y 70 s cuando se comenzaron a utilizar recursos de tecnología de información, no existía la computación personal, sino que en grandes centros de cómputo se realizaban todas
Más detallesDISEÑO DE INDICADORES DE DESIGUALDAD SOCIAL EN LAS CIUDADES.-
DISEÑO DE INDICADORES DE DESIGUALDAD SOCIAL EN LAS CIUDADES.- 1. Introducción. El presente documento es el referente metodológico para la selección inicial de los barrios deprimidos. Se recoge una propuesta
Más detallesTrabajo final de Ingeniería
UNIVERSIDAD ABIERTA INTERAMERICANA Trabajo final de Ingeniería Weka Data Mining Jofré Nicolás 12/10/2011 WEKA (Data Mining) Concepto de Data Mining La minería de datos (Data Mining) consiste en la extracción
Más detallesII. Estudio de satisfacción de los titulados y empleadores respecto al desempeño laboral de los profesionales de la UBB Introducción
II. Estudio de satisfacción de los titulados y empleadores respecto al desempeño laboral de los profesionales de la UBB Introducción Una de las finalidades del Convenio de Desempeño hace referencia a mejorar
Más detallesImplementación de algoritmos genéticos paralelos de grano burdo en redes locales de computadoras. Resumen
Implementación de algoritmos genéticos paralelos de grano burdo en redes locales de computadoras. Arturo Gómez Cortés y Raúl Leal Ascencio ITESO, Guadalajara Resumen El presente trabajo describe una arquitectura
Más detallesMódulo 7: Los activos de Seguridad de la Información
Módulo 7: Los activos de Seguridad de la Información Se explica en este tema cómo deben abordarse la elaboración de un inventario de activos que recoja los principales activos de información de la organización,
Más detallesUnidad 1. Fundamentos en Gestión de Riesgos
1.1 Gestión de Proyectos Unidad 1. Fundamentos en Gestión de Riesgos La gestión de proyectos es una disciplina con la cual se integran los procesos propios de la gerencia o administración de proyectos.
Más detallesAnálisis de los datos
Universidad Complutense de Madrid CURSOS DE FORMACIÓN EN INFORMÁTICA Análisis de los datos Hojas de cálculo Tema 6 Análisis de los datos Una de las capacidades más interesantes de Excel es la actualización
Más detallesSEDO: SOFTWARE EDUCATIVO DE MATEMÁTICA NUMÉRICA. Lic. Maikel León Espinosa. mle@uclv.edu.cu
EDU082 Resumen SEDO: SOFTWARE EDUCATIVO DE MATEMÁTICA NUMÉRICA Lic. Maikel León Espinosa mle@uclv.edu.cu Departamento de Ciencia de la Computación Universidad Central Marta Abreu de Las Villas Carretera
Más detallesESTRATEGIA DE DINAMARCA: INFORME SOBRE EL FUTURO DEL ENTORNO LABORAL
ESTRATEGIA DE DINAMARCA: INFORME SOBRE EL FUTURO DEL ENTORNO LABORAL NUEVAS PRIORIDADES PARA EL ENTORNO LABORAL ESTRATEGIA DE DINAMARCA: INFORME SOBRE EL FUTURO DEL ENTORNO LABORAL Página 1 ÍNDICE INTRODUCCIÓN
Más detallesGLOSARIO DE PREGUNTAS DE SELECCIÓN DE PERSONAL BASADA EN COMPETENCIAS
GLOSARIO DE PREGUNTAS DE SELECCIÓN DE PERSONAL BASADA EN COMPETENCIAS Documento elaborado por: Octavio Salazar Arellano, Socioteck Consultores. Qué es una competencia? Es una característica subyacente
Más detallesIntroducción a Spamina
Spamina Introducción a Spamina El servicio de seguridad que se le ofrece al contratar el servicio de Exchange con Alestra es conocido como Spamina Cloud Email Firewall que protege de Spam, Virus y Phishing
Más detallesTEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones.
TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. La herramienta que nos indica si el proceso está o no controlado o Estado de Control son
Más detallesV ESTUDIO SOBRE CALIDAD EN INTERNET FIJO
V ESTUDIO SOBE CALIDAD EN INTENET FIJO La calidad de la banda ancha: algo más 25/09/2013 Quinto Estudio de AI sobre Calidad en Internet Fijo: la Calidad de la banda ancha, algo más LA NOTA MEDIA NO LLEGA
Más detallesCOMBINAR CORRESPONDENCIA EN MICROSOFT WORD
COMBINAR CORRESPONDENCIA EN MICROSOFT WORD Combinar documentos consiste en unir dos documentos diferentes sin que se modifiquen los datos que aparecen en ellos. Esta operación es muy útil y muy frecuente
Más detallesINFORME DE ANÁLISIS DE ENCUESTAS DE SATISFACCIÓN DE USUARIOS PERÍODO 2009-2010
INFORME DE ANÁLISIS DE ENCUESTAS DE SATISFACCIÓN DE USUARIOS PERÍODO 2009-2010 UNIDAD FUNCIONAL DE TÉCNICOS DE LABORATORIOS DOCENTES UNIVERSIDAD PABLO DE OLAVIDE. SEVILLA Sevilla, Diciembre de 2010 1 1.
Más detallesEquipos a Presión. Condiciones de Seguridad Industrial y Laboral. Marco Normativo. Calderas. Lugo, 25 de octubre de 2011 1 CAMPAÑA EUROPEA SOBRE MANTENIMIENTO SEGURO Principales Objetivos: Sensibilizar
Más detallesLUIS GALINDO PÉREZ DE AZPILLAGA HÉCTOR JOSÉ GARCÍA FERNÁNDEZ. Instituto Cibernos. Master Sistemas de Información Geográfica de Sevilla
APLICABILIDAD DE UN SISTEMA DE INFORMACIÓN GEOGRÁFICA PARA EL ESTUDIO DE LA IMPLANTACIÓN DE NUEVAS INFRAESTRUCTURAS EN UN ESPACIO INTERIOR DE LA CIUDAD DE SEVILLA. LUIS GALINDO PÉREZ DE AZPILLAGA HÉCTOR
Más detalles