Modelo de Enseñanza de Redes Neuronales Artificiales de Hopefield basadas en ejercicios progresivos en un programa de computadora
|
|
- Diego Maidana Espinoza
- hace 5 años
- Vistas:
Transcripción
1 Modelo de Enseñanza de Redes Neuronales Artificiales de Hopefield basadas en ejercicios progresivos en un programa de computadora RESUMEN El presente documento muestra un modelo de enseñanza mediante el cual se exponen las principales características del Modelo de Red Neuronal Artificial Hopfield, iniciando con la modificación estructural de una red, en la que se encuentran todas las neuronas interconectadas circularmente, pasando después a una conexión en línea y termina con la comparación entre la aplicación en paralelo y serie de dicha red. Se observa en cada paso el proceso de entrenamiento y ejecución de la red. ABSTRACT This paper shows a teaching model through which the main characteristics of the Hopefield s Artificial Neuron Network, starting with the structural modification of a network in which all the neurons are circularly interconnected. Later treating the line connection and finally with the comparison between the parallel and series application of such network. It is observed in each network the process to train and perform of the network. PALABRAS CLAVE Neuronal, Hofield, Red, Entrenamiento, Enseñanza INTRODUCCION Normalmente los cursos en donde se enseñan Redes Neuronales Artificiales son Impartidos por especialistas en Matemáticas Avanzadas, lo que en muchos de los casos genera una separación inconsciente con especialistas de otras disciplinas que podrían utilizar estas técnicas, pero no las usan porque encuentran difícil de entender a los instructores. Durante el presente documento se mostrará una técnica en la que se muestra paso a paso cada una de las características de manera gráfica, haciendo posible ejemplos tangibles a los alumnos durante el proceso, lo que facilita la enseñanza tanto para quienes la imparten como para quienes la reciben. Algunos de los pasos son conversión de la RED de circular a lineal y después a Rectangular, asignación de pesos, activación de entradas externas a algunas de las neuronas, ejecución de la red paso a paso en ventanas separadas para comparar el resultado y apreciar la evolución, ejecución en serie y ejecución en paralelo, y ejecución de la red ante un PATRON o maestro entrenador. DESARROLLO METODOLÓGICO Al tropezar recurrentemente con el hecho de tratar de aprender cómo funciona el modelo de Hopfield en libros especializados para alguien proveniente de otras especialidades, se llega a los pasos requeridos para comprender el tema. Lo primero que se requiere es comprender como se organiza el modelo en cuestión, que para muchos ingenieros resulta más evidente si se le aprecia directamente, por lo que se inicia con una secuencia de imágenes en las que la primera es un arreglo circular de una Red Neuronal Artificial Fig. 1 en la que se aprecia como es que todas las neuronas están interconectadas directamente, y después son alineadas, para mostrar el arreglo Hopfield [1].
2 Fig. 1.- Interpretación de una Red neuronal en forma circular y en forma lineal Después se reagrupan las neuronas en un arreglo rectangular para apreciar fácilmente la forma en que los pesos de las entradas provenientes de otras neuronas para el ejemplo en particular. Para apreciar como es que los pesos intervienen en el arreglo se inicia con un ejercicio en el que se activan algunas neuronas en el arreglo rectangular, pasándolas de un estado binario bajo a un estado binario alto, y al ejecutar la RNA (Red Neuronal Artificial) Fig.2 se activan dos ventanas mas: una en la que se aprecia el estado que toma la RNA y otra en la que se ve como cada una de las Neuronas modifica su estado de activación por la
3 función de transferencia en conjunción con los pesos. Fig. 2. Estado original de las Neuronas, Resultado en forma matricial, pantalla de transición de estado También se aprecia el arreglo lineal de la RNA Fig. 3 que también modifica su estado de activación en cada paso, con lo que se observa la diferencia de cómo entender la RNA linealmente dispuesta y matricialmente dispuesta. Fig. 3.- Relación entre un arreglo matricial y un arreglo lineal de una RNA Hopfield. Al hacer esto se explica cómo trabaja la RNA en cuestión con una operación en paralelo, es decir en un tiempo o instante todas las neuronas reevalúan su estado de excitación. Para poder apreciar la diferencia con la ejecución en serie se ejecuta la RNA con la indicación específica con lo que el resultado es fácilmente apreciable. Un fenómeno interesante para los estudiantes es observar como cambia el desempeño de la red al modificar la forma en que se determinan (para este caso) los pesos, modificándolos ya sea directamente en el código de programación o mediante una ventana de selección. La función de transferencia también juega un papel importante, por lo que se puede modificar fácilmente para ver el cambio en el resultado. Para que los estudiantes puedan apreciar el resultado se puede sobreponer por ejemplo un plano o mapa y ver como se propaga la actividad en la RNA simulando casos simples de infección, conectividad etc.
4 Después se activa una ventana en la que se puede disponer de un patrón de reconocimiento, asignando en este caso para cada una de las Neuronas un maestro específico, que se integra en el modelo matemático. Al igual que en la matriz original de excitación en la de patrón se excitan algunas de las celdas para determinar cuál es el patrón contra el que se desea comparar; al hacer esto es posible apreciar al igual que en los casos anteriores, el desempeño de la red en cada instante para ver cómo es que determina si son semejantes o no, o mejor dicho si la Matriz de Captura corresponde fundamentalmente con la Matriz Patrón. Este último dilema suele solucionarse en buena medida al cambiar o aplicar ya sea la regla de HEBB o la de pseudo-inversa [1] RESULTADO Se le mostró el modelo a 20 personas en diferentes tiempos y con diferentes perfiles, de los que 17 incrementaron un 80% los conocimientos específicos del tema al aplicar un examen antes de la sesión y después de la sesión, aún sin tener conocimiento en otros modelos de RNA y mostraron interés por intentar aplicar modelos semejantes en sus áreas específicas de trabajo. Este tipo de herramientas y técnicas son fundamentales para difundir conocimientos, como en este caso Redes Neuronales Artificiales Hopfield entre grupos de individuos que por su formación no tienen acceso a este tipo de conocimiento y que los especialistas solamente ocasionalmente entienden la forma en que el estudiante ve el tema de enseñanza, sobre todo en niveles avanzados. RECOMENDACIONES Cada uno de los especialistas y responsables de la transmisión de conocimiento pueden desarrollar herramientas basadas en Programación de computadoras, Aplicaciones gráficas como acetatos, u otros accesorios, pero lo que debe hacer siempre es tratar de entender previamente a los espectadores o estudiantes de sus temas. CONCLUSIONES Desarrollar y/o fabricar como la que se expuso facilita a personas de diversas especialidades la asimilación de conocimientos de una línea de conocimiento que se considera diferente, mostramos que profesionales de áreas diferentes mejoraron su nivel de conocimiento respecto al RNA de Hopfield. La construcción del Programa de computadora llevó alginas semanas, pero simplificó la transmisión de conocimiento y se puede usar tantas veces como sea necesario y al reducir el tiempo empleado por los estudiantes para comprender el tema representa una economía en tiempo hombre, que se puede aplicar en la ejecución de ejercicios específicos por los estudiantes. Bibliografía [1] [1] Redes Neuronales y sistemas difusos. Bonifacio Martín del Brío, Alfredo Sanz Molina. Editorial Alfa-Omega-Ra-Ma. [2] Neural Network Design. Hagan M.T., H. B. Demuth y Mark Beal. PWS Publishing Company. 1995, EE.UU. [3] Redes Neuronales y Sistemas Borrosos. Martín B. y A. Sanz. Alfaomega. Madrid, [4] Redes Neuronales Artificiales (Un Enfoque Práctico) Isasi P. e I. M. Galván. Prentice Hall. Madrid, 2004.
5 ANEXO Experiencia Profesional MarcoAntonioAdameGonzález Marco Antonio Adame González.- Egresado de la ESIME, Zacateco, de la carrera en Ingeniería en Comunicaciones y Electrónica con la especialidad de Cómputo, Capacitado en Visual Basic, SQL y Front Page, cuenta con certificación por parte de UKAS y EQA CERTIFICACIONES como Auditor líder en ISO 9000:2000, es autor del popular programa Factura Fácil, Tiene entrenamiento básico como Piloto Aviado JoséLuisGonzálezDomínguez José Luis González Domínguez.- Egresado de la ESIME, Zacateco, de la carrera en Ingeniería en Comunicaciones y Electrónica. Capacitado en Fibras Ópticas, Comunicación Satelital y Transmisión de Datos. Es profesor de Inglés Certificado por las Universidad de Cambridge. Se encuentra estudiando la Maestría en Ciencias de Sistemas en el Instituto Politécnico Nacional en la Sección de Estudios de Posgrado e Investigación. DiegoAlfredoPadillaPérez Diego Alfredo Padilla Pérez.- Egresado de la ESIME, Zacateco, de la carrera en Ingeniería en Control y Automatización. Capacitado en Visual Basic, Control de Sistemas Eléctricos, Neumáticos e Hidráulicos Supervisados por Computadora y sistemas SCADAS. Se encuentra estudiando la Maestría en Ciencias de Sistemas en el Instituto Politécnico Nacional en la Sección de Estudios de Posgrado e Investigación.
REDES NEURONALES. IAM01 o IAMO2. INGENIERÍA Programa(s) DES: Ingeniería Educativo(s): Matemática Tipo de materia:
UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU0017H FACULTAD INGENIERÍA Clave: 08USU4053W PROGRAMA DEL CURSO: REDES NEURONALES DES: INGENIERÍA Programa(s) Ingeniería Educativo(s): Matemática Tipo de materia:
Área Académica: Instituto de Ciencias Básicas e Ingeniería, Sistemas Computacionales
Área Académica: Instituto de Ciencias Básicas e Ingeniería, Sistemas Computacionales Tema: Perceptron Parte I Profesor: Víctor Tomás T. Mariano. Alumnos: Leticia Hernández Hernández Agustín Hernández Espinoza
Area Académica: ICBI, Sistemas Computacionales. Tema: Aprendizaje No Supervisado (Aprendizaje Asociativo)
Area Académica: ICBI, Sistemas Computacionales. Tema: Aprendizaje No Supervisado (Aprendizaje Asociativo) Profesor: Víctor T. Tomas Mariano. Periodo:Julio Diciembre 2011. Keywords. Associative Learning
UNIVERSIDAD DE GUADALAJARA
UNIVERSIDAD DE GUADALAJARA CENTRO UNIVERSITARIO DE LOS ALTOS DIVISIÓN DE ESTUDIOS EN FORMACIONES SOCIALES LICENCIATURA: INGENIERÍA EN COMPUTACIÓN UNIDAD DE APRENDIZAJE POR OBJETIVOS REDES NEURONALES ARTIFICIALES
INSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE EDUCACION SUPERIOR PROGRAMA SINTÉTICO
CARRERA: Ingeniería en Computación. PROGRAMA SINTÉTICO ASIGNATURA: Redes Neuronales SEMESTRE: Octavo OBJETIVO GENERAL: El alumno aplicará los modelos de las redes neuronales artificiales en sistemas de
Topología de RNA Propuesta para Procesar Señales de Trasductores de Temperatura del Tipo RTD con Coeficiente Negativo
27 Topología de RNA Propuesta para Procesar Señales de Trasductores de Temperatura del Tipo RTD con Coeficiente Negativo LÓPEZ-VILLARREAL, Abraham Antonio *, MEDINA-MUÑOZ, Luis Arturo, RODRÍGUEZ- ESPINOZA
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS
1. Información General UNIVERSIDD DISTRITL FRNCISCO JOSÉ DE CLDS UNIVERSIDD DISTRITL Francisco José de Caldas Facultad Tecnológica Tecnología en Sistemas Eléctricos de media y baja tensión articulado por
SÍLABO DE ROBÓTICA Y SISTEMAS EXPERTOS
UNIVERSIDAD NACIONAL JOSÉ FAUSTINO SÁNCHEZ CARRIÓN FACULTAD DE INGENIERIA INDUSTRIAL, SISTEMAS E INFORMATICA E. P. DE INGENIERIA ELECTRONICA SÍLABO DE ROBÓTICA Y SISTEMAS EXPERTOS I. DATOS GENERALES CÓDIGO
Tema 7 Redes Neuronales Recurrentes
Universidad Carlos III de Madrid OpenCourseWare Redes de Neuronas Artificiales Inés M Galván -José Mª Valls Tema 7 Redes Neuronales Recurrentes REDES DE NEURONAS ARTIFICIALES INÉS M GALVÁN, JOSÉ Mª VALLS
PLAN DE ESTUDIOS 2008-II SÍLABO
UNIVERSIDAD RICARDO PALMA FACULTAD DE INGENIERÍA I. INFORMACIÓN GENERAL: DEPARTAMENTO ACADÉMICO DE INGENIERÍA PLAN DE ESTUDIOS 2008-II SÍLABO 1.1 Asignatura : INTELIGENCIA ARTIFICIAL Y SISTEMAS EXPERTOS
Carrera : Academia de Sistemas y Computación. a) RELACIÓN CON OTRAS ASIGNATURAS DEL PLAN DE ESTUDIOS ASIGNATURAS TEMAS ASIGNATURAS TEMAS
1.- IDENTIFICACION DE LA ASIGNATURA Nombre de la asignatura : Carrera : Aplicaciones Avanzadas de los Sistemas Computacionales Ingeniería en Sistemas Computacionales Clave de la asignatura : Horas teoría-horas
Universidad Ricardo Palma
Universidad Ricardo Palma FACULTAD DE INGENIERÍA ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA ELECTRONICA DEPARTAMENTO ACADÉMICO DE INGENIERÍA SÍLABO 1. DATOS ADMINISTRATIVOS 1.1 Nombre del curso : CONTROL
Área Académica: ICBI, Sistemas Computacionales. Profesor: M.C.C Víctor Tomás Tomás Mariano
Área Académica: ICBI, Sistemas Computacionales Tema: Mapas auto organizados Profesor: M.C.C Víctor Tomás Tomás Mariano Alumnos: Leticia Hernandez Hernandez. Agustin Escamilla Hernández Periodo: Julio-Diciembre
Profesor: Leonardo Franco Despacho Web:
Asignatura: MODELOS COMPUTACIONALES Ingeniería a técnica t en informática de gestión Horario Clases: Martes y Jueves 7:30-9:30 Aula: 3.05 Profesor: Leonardo Franco Despacho 3.2.29 Email: lfranco@lcc.uma.es
Carrera Plan de Estudios Contacto
Carrera Plan de Estudios Contacto Si te interesan los avances tecnológicos que han tenido los celulares, el uso de drones en diferentes actividades, saber cómo funcionan los aparatos que utilizamos día
Redes Neuronales. Parte II. Facultad de Ciencias Exactas y Tecnología Universidad Nacional de Tucumán Mg. Ing. Gustavo E. Juárez
Redes Neuronales Parte II Facultad de Ciencias Exactas y Tecnología Universidad Nacional de Tucumán Mg. Ing. Gustavo E. Juárez UNIDAD TEMÁTICA : REDES NEURONALES Introducción. De/iniciones. Topologías
Secretaría de Docencia Dirección de Estudios Profesionales
PROGRAMA DE ESTUDIO POR COMPETENCIAS REDES NEURONALES I. IDENTIFICACIÓN DEL CURSO Espacio Educativo: Facultad de Ingeniería Licenciatura: Ingeniería en Computación Área de docencia: Interacción Hombre-Máquina
Inteligencia Artificial II
Misión del Centro Universitario Somos un centro que forma parte de la Red Universitaria de la Universidad de Guadalajara. Como institución de educación superior pública asumimos el compromiso social de
Maestría en Ciencias de la Ingeniería
Ingeniería Universidad Autónoma del Estado de México Programa de Estudios Avanzados 2016 Maestría en Ciencias de la Ingeniería Programa Nacional de Posgrados de Calidad (PNPC) Nivel: En Desarrollo Ingeniería
UNIVERSIDAD NACIONAL DEL CALLAO
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE INGENIERÍA INDUSTRIAL Y DE SISTEMAS INSTITUTO DE INVESTIGACION DE LA FACULTAD DE INGENIERIA INDUSTRIAL Y DE SISTEMAS INFORME FINAL DEL PROYECTO DE INVESTIGACIÓN
CARACTERÍSTICAS GENERALES
CARACTERÍSTICAS GENERALES Nombre del programa Licenciatura de Ingeniería en Sistemas Inteligentes, 2007 Título que otorga Ingeniero/a en Sistemas Inteligentes Espacio donde se imparte Unidad Académica
Redes neuronales en control de sistemas
Redes neuronales en control de sistemas Marco Teórico Las redes neuronales tratan de emular ciertas características propias de los humanos, una muy importante es la experiencia. El ser humano es capaz
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL Facultad de Ciencias Naturales y Matemáticas SYLLABUS DEL CURSO. Fundamentos de Computación
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL Facultad de Ciencias Naturales y Matemáticas SYLLABUS DEL CURSO 1. CÓDIGO Y NÚMERO DE CRÉDITOS CÓDIGO ICM00794 NÚMERO DE CRÉDITOS Teóricos: 4 Prácticos: 0 2. DESCRIPCIÓN
UNIVERSIDAD RICARDO PALMA FACULTAD DE INGENIERÍA ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA ELECTRÓNICA SÍLABO PLAN DE ESTUDIOS 2006-II
UNIVERSIDAD RICARDO PALMA FACULTAD DE INGENIERÍA ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA ELECTRÓNICA SÍLABO PLAN DE ESTUDIOS 2006-II I. DATOS GENERALES Asignatura : Sistemas Expertos y Robótica Área
Aprendizaje Automatizado. Redes Neuronales Artificiales
Aprendizaje Automatizado Redes Neuronales Artificiales Introducción Otra forma de emular características propias de los humanos: memorizar y asociar hechos. Se aprende de la experiencia. El cerebro humano
Benemérita Universidad Autónoma de Puebla Vicerrectoría de Docencia Dirección General de Educación Superior Facultad de Ingeniería Química
PLAN DE ESTUDIOS: PLAN DE ESTUDIOS (PE): Licenciatura en Ingeniería Química. Licenciatura en Ingeniería Ambiental. Licenciatura en Ingeniería en Alimentos Licenciatura en Ingeniería Agroindustrial. Licenciatura
Redes de Neuronas Recurrentes Computación con Inspiración Biológica
Redes de Neuronas Recurrentes Computación con Inspiración Biológica Grupo de Computación Evolutiva y Redes Neuronales Departamento de Informática Universidad Carlos III de Madrid Redes Recurrentes Introducción
Introducción a Las redes Neuronales (Neurales) CO-6612
a Las redes Neuronales (Neurales) CO-6612 Coordenadas iniciales: Prof. Minaya Villasana Oficina: CBI-112 Extension: 906 3386 forma más fácil (preferida) de contacto: mvillasa@usb.ve Bibliografia: Simon
SECUENCIA DIDÁCTICA. Elementos de competencia:
SECUENCIA DIDÁCTICA Nombre de curso: Programación Orientada a Objetos Clave de curso: COM1002B11 Antecedente: Diseño de Algoritmos Clave de antecedente: COM0302A21 Módulo Competencia de Módulo: Desarrollar
INSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE EDUCACIÓN SUPERIOR
PROGRAMA SINTÉTICO CARRERA: Ingeniería en Control y Automatización ASIGNATURA: Teoría de Control III SEMESTRE: Séptimo OBJETIVO GENERAL: El alumno diseñará, mediante la técnica del espacio de estado, sistemas
Redes Neuronales Artificiales
Redes Neuronales Artificiales Alejandro Osses Vecchi 11 de julio de 2009 1. Introducción Comenzaremos con una definición simple y general de Red Neuronal para, en las próximas secciones, explicar y profundizar
Programa de estudios por competencias Seminario de solución de problemas de Inteligencia Artificial I
Programa de estudios por competencias Seminario de solución de problemas de Inteligencia Artificial I 1. Identificación del curso Programa educativo: Licenciatura en Ingeniería en Computación Unidad de
Programa de estudios por competencias Seminario de solución de problemas Inteligencia Artificial II
Programa de estudios por competencias Seminario de solución de problemas Inteligencia Artificial II 1. Identificación del curso Programa educativo: Licenciatura en Ingeniería en Computación Unidad de aprendizaje:
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA IT-8-ACM-02-R03 1 PROGRAMA ANALÍTICO FIME Nombre de la unidad de : Frecuencia semanal: 3 hrs. Horas presenciales: 42 hrs.
Universidad Autónoma de San Luis Potosí Coordinación Académica Región Altiplano Programas Analíticos de la Ingeniería en Energías Renovables
1) PROGRAMACIÓN IER A) NOMBRE DEL CURSO: PROGRAMACIÓN IER B) DATOS BÁSICOS DEL CURSO Tipo de propuesta ( X ) Nueva creación ( ) Reestructuración ( ) Ajuste curricular: Tipo de materia: ( X ) Obligatoria
UNIVERSIDAD AUTÓNOMA DE YUCATÁN FACULTAD DE MATEMÁTICAS
UNIVERSIDAD AUTÓNOMA DE YUCATÁN FACULTAD DE MATEMÁTICAS LICENCIATURA EN CIENCIAS DE LA COMPUTACIÓN MATERIA : ESTRUCTURAS DE DATOS NIVEL : TERCER SEMESTRE FECHA DE ELABORACIÓN: Julio 19, 1999. DURACIÓN:
INGENIERÍA PROFESIONAL EN ROBÓTICA INDUSTRIAL EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PLANEACIÓN DE SISTEMAS ROBÓTICOS
INGENIERÍA PROFESIONAL EN ROBÓTICA INDUSTRIAL EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PLANEACIÓN DE SISTEMAS ROBÓTICOS UNIDADES DE APRENDIZAJE 1. Competencias Automatizar procesos de producción mediante
Redes Neuronales. Parte I. Facultad de Ciencias Exactas y Tecnología Universidad Nacional de Tucumán Mg. Ing. Gustavo E. Juárez
Redes Neuronales Parte I Facultad de Ciencias Exactas y Tecnología Universidad Nacional de Tucumán Mg. Ing. Gustavo E. Juárez UNIDAD TEMÁTICA : REDES NEURONALES Introducción. De/iniciones. Topologías típicas.
Centro Nacional de Investigación y Desarrollo Tecnológico
Centro Nacional de Investigación y Desarrollo Tecnológico www..edu.mx Conocimiento y tecnología al servicio de México 1 AGENDA I. EL CENTRO NACIONAL DE INVESTIGACIÓN Y DESARROLLO TECNOLÓGICO (CENIDET-
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL FACULTAD DE INGENIERIA INDUSTRIAL Y DE SISTEMAS. Sílabo INVESTIGACION OPERATIVA I
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL FACULTAD DE INGENIERIA INDUSTRIAL Y DE SISTEMAS Sílabo ASIGNATURA: INVESTIGACION OPERATIVA I 1 INFORMACIÓN GENERAL 1. DATOS GENERALES 1.1 Departamento Académico
ASIGNATURA: INVESTIGACION OPERATIVA I CODIGO: 5C0002
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL FACULTAD DE INGENIERIA INDUSTRIAL Y DE SISTEMAS DEPARTAMENTO ACADEMICO DE INGENIERIA DE TRANSPORTES SILABO ASIGNATURA: INVESTIGACION OPERATIVA I CODIGO: 5C0002
TÉCNICO SUPERIOR UNIVERSITARIO EN MECATRÓNICA ÁREA AUTOMATIZACIÓN
TÉCNICO SUPERIOR UNIVERSITARIO EN MECATRÓNICA ÁREA AUTOMATIZACIÓN HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Sistemas lineales para automatización 2. Competencias
Nombre de la Unidad de Aprendizaje. Seminario de solución de problemas de Inteligencia Artificial II
Misión del Centro Universitario Somos un centro que forma parte de la Red Universitaria de la Universidad de Guadalajara. Como institución de educación superior pública asumimos el compromiso social de
FORMATO CONTENIDO DE CURSO O SÍLABO
1. INFORMACIÓN GENERAL DEL CURSO Facultad Ingeniería Fecha de Actualización 20/03/2017 Programa Ingeniería Química Semestre X Nombre Inteligencia Artificial Código 72766 Prerrequisitos Créditos 2 Nivel
Conceptos básicos V:
C261-69 69 Tópicos Avanzados: Redes Neuronales Artificiales Conceptos básicos Dra. Ma. del Pilar Gómez Gil Primavera 2009 pgomez@acm.org V:13-01-09 Modelo Básico y Abstracto de un Neurón Artificial x 0
IIM Aportación al perfil. Esta asignatura proporciona al alumno las competencias necesarias para:
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: SATCA 1 Instrumentación Avanzada Ingeniería Electrónica IIM-1305 2-4-6 2.- PRESENTACIÓN Caracterización de la asignatura.
INSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE EDUCACIÓN SUPERIOR
PROGRAMA SINTÉTICO CARRERA: Ingeniería en Control y Automatización ASIGNATURA: Control de Procesos II SEMESTRE: Noveno OBJETIVO GENERAL: El alumno analizará los tipos de arquitecturas de control que se
Perceptrones Fernando Berzal,
Fernando Berzal, berzal@acm.org Introducción Redes neuronales artificiales Modelos de redes Modelo de neurona artificial Funciones de activación La neurona de McCulloch y Pitts El algoritmo de aprendizaje
Inteligencia Artificial (EC5)
Inteligencia Artificial (EC5) Ciclo Lectivo 2018 Redes Neuronales Parte I Facultad de Ciencias Exactas y Tecnología Universidad Nacional de Tucumán Mg. Ing. Gustavo E. Juárez UNIDAD TEMÁTICA : REDES NEURONALES
CONCEPTOS BÁSICOS (Freeman capt.1; Neural Nets capt. 4,5 y 7)
Tema 1: Conceptos Básicos Sistemas Conexionistas 1 CONCEPTOS BÁSICOS (Freeman capt.1; Neural Nets capt. 4,5 y 7) 1.- Introducción. 1.1.- Redes Neuronales de Tipo Biológico. 1.2.- Redes Neuronales dirigidas
PROGRAMA DE ESTUDIOS POR COMPETENCIAS: PROGRAMACIÓN AVANZADA. Área de docencia: Electrónica Básica
I. IDENTIFICACIÓN DEL CURSO PROGRAMA DE ESTUDIOS POR COMPETENCIAS: PROGRAMACIÓN AVANZADA ORGANISMO ACADÉMICO: Facultad de Ingeniería Programa Educativo: Ingeniería en Electrónica Área de docencia: Electrónica
ANX-PR/CL/ GUÍA DE APRENDIZAJE. ASIGNATURA Redes neuronales. CURSO ACADÉMICO - SEMESTRE Primer semestre
ANX-PR/CL/001-01 GUÍA DE APRENDIZAJE ASIGNATURA Redes neuronales CURSO ACADÉMICO - SEMESTRE 2016-17 - Primer semestre GA_06AG_63000174_1S_2016-17 Datos Descriptivos Nombre de la Asignatura Titulación Centro
DATOS DE IDENTIFICACIÓN DEL CURSO DEPARTAMENTO:
DATOS DE IDENTIFICACIÓN DEL CURSO DEPARTAMENTO: Electrónica ACADEMIA A LA QUE Sistemas Digitales Avanzados PERTENECE: NOMBRE DE LA MATERIA: Organización de Sistemas Digitales CLAVE DE LA MATERIA: ET314
Redes Neuronales Artificiales El Perceptrón
1 Sistemas Expertos e Inteligencia Artificial / Guía IX / Ciclo 01-2018 Facultad: Ingeniería Escuela: Computación Asignatura: Sistemas Expertos e Inteligencia Artificial Redes Neuronales Artificiales El
LIM. Modelización del conjunto motor-transmisión de un automóvil a partir de datos experimentales. Trabajo final de grado
Trabajo final de grado Modelización del conjunto motor-transmisión de un automóvil a partir de datos experimentales Autor Alfonso Ramón Varela Olmedo Tutores Miguel Ángel Naya Villaverde Emilio Sanjurjo
Pontificia Universidad Católica del Ecuador
1. DATOS INFORMATIVOS FACULTAD: CIENCIAS ADMINISTRATIVAS Y CONTABLES CARRERA: INGENIERIA COMERCIAL Asignatura/Módulo: MATEMATICAS I Código: 1336 Plan de estudios: A011 Nivel: SEGUNDO Prerrequisitos: Matemática
PLAN DE ESTUDIOS 2008 LICENCIADO EN INFORMÁTICA
PLAN DE ESTUDIOS 2008 LICENCIADO EN INFORMÁTICA FACULTAD DE CONTADURÍA, ADMINISTRACIÓN E INFORMÁTICA ASIGNATURA: PROGRAMACIÓN BÁSICA ÁREA DEL PROGRAMACION E INGENIERIA DE SOFTWARE CLAVE: I2PB2 CONOCIMIENTO:
Equipo de Entrenamiento de Galgas Extensiométricas MEGE
Equipamiento Didáctico Técnico Equipo de Entrenamiento de Galgas Extensiométricas MEGE NUEVO Productos Gama de Productos Equipos 7.-Mecánica y Materiales DIAGRAMA DEL PROCESO Y DISPOSICIÓN DE LOS ELEMENTOS
ORGANIZACIÓN DOCENTE del curso
ORGANIZACIÓN DOCENTE del curso 2009-10 1. DATOS GENERALES DE LA ASIGNATURA NOMBRE Ingeniería del Software I PÁGINA WEB www.ctr.unican.es/asignaturas/is1 CÓDIGO DEPARTAMENTO Matemáticas, Estadística y Computación
TÉCNICO SUPERIOR UNIVERSITARIO EN MECATRÓNICA ÁREA AUTOMATIZACIÓN EN COMPETENCIAS PROFESIONALES ASIGNATURA DE INSTRUMENTACIÓN INDUSTRIAL
TÉCNICO SUPERIOR UNIVERSITARIO EN MECATRÓNICA ÁREA AUTOMATIZACIÓN EN COMPETENCIAS PROFESIONALES ASIGNATURA DE INSTRUMENTACIÓN INDUSTRIAL 1. Competencias Implementar sistemas de medición y control bajo
Doctorado en Ciencias de la Ingeniería
Ingeniería Universidad Autónoma del Estado de México Programa de Estudios Avanzados 2016 Doctorado en Ciencias de la Ingeniería Programa Nacional de Posgrados de Calidad (PNPC) Nivel: Reciente Creación
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO UBICACIÓN DIVISIÓN DE DOCENCIA DIRECCIÓN DE PLANEACIÓN Y DESARROLLO EDUCATIVO PROGRAMA DE ESTUDIO LICENCIATURA EN: SISTEMAS COMPUTACIONALES (Nombre completo)
UNIVERSIDAD DE SONORA
UNIVERSIDAD DE SONORA Unidad Regional Centro División de Ingeniería Departamento de Ingeniería Química y Metalurgia Asignatura: Instrumentación y Control de Procesos Clave: 925 Antecedente: Análisis de
Ingeniería y Arquitectura Programa de asignatura
Identificación de la asignatura Nombre de la asignatura: Métodos Numéricos Clave: MIES Área académica: Ingenierías y Arquitectura Total créditos: 04 Teórico Práctico 3 1 Programa académico al que pertenece:
Carrera: MCT Participantes. Representantes de las academias de Ingeniería Mecánica de Institutos Tecnológicos. Academia de Ingeniería
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Análisis de Circuitos Eléctricos Ingeniería Mecánica MCT - 0501 2 3 7 2.- HISTORIA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN INGENIERÍA QUÍMICA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN INGENIERÍA QUÍMICA PROGRAMA DE LA ASIGNATURA DE: PROGRAMACIÓN Y COMPUTACIÓN IDENTIFICACIÓN
Automatización y Control Industrial. Manuel González Mandiola Director área industrias CIISA
Automatización y Control Industrial Manuel González Mandiola Director área industrias CIISA mgonzalez@ciisa.cl INGENIERÍA Perfil de Ingreso TÉCNICO Automatizacion y Control TP H Carrera La carrera de automatizacion
Contratación de Docentes Ocasionales. Facultad de Artes y Humanidades
Contratación de Docentes Ocasionales El ITM está interesado en realizar la selección de 36 profesionales para ocupar igual número de plazas de docentes ocasionales de tiempo completo. Por tal motivo, se
Tópicos Avanzados: Inteligencia Computacional I
C291-78 Tópicos Avanzados: Inteligencia Computacional I V: 20-Ene-16 Instructoras (en orden alfabético) Dra. Ma. del Pilar Gómez Gil Dra. Alicia Morales Reyes Primavera 2016 pgomez@inaoep.mx (c) 2016.
Investigación de Operaciones/ Química 2004
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLAN LICENCIATURA EN: QUÍMICA. NOMBRE DE LA ASIGNATURA: INVESTIGACIÓN DE OPERACIONES. ÓRGANO INTERNO QUE COORDINA EL PROGRAMA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLAN NOMBRE DE LA ASIGNATURA: INVESTIGACIÓN DE OPERACIONES.
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLAN LICENCIATURA EN: QUÍMICA. NOMBRE DE LA ASIGNATURA: INVESTIGACIÓN DE OPERACIONES. ÓRGANO INTERNO QUE COORDINA EL PROGRAMA
INGENIERÍA INDUSTRIAL EN COMPETENCIAS PROFESIONALES
INGENIERÍA INDUSTRIAL EN COMPETENCIAS PROFESIONALES ASIGNATURA DE AUTOMATIZACIÓN DE PROCESOS UNIDADES DE APRENDIZAJE 1. Competencias Desarrollar e innovar sistemas de manufactura a través de la dirección
UNIVERSIDAD TECNOLÓGICA DEL CHOCÓ Diego Luís Córdoba FACULTAD DE INGENIERÍA PROGRAMA DE INGENIERÍA EN TELECOMUNICACIONES E INFORMÁTICA
UNIVERSIDAD TECNOLÓGICA DEL CHOCÓ Diego Luís Córdoba FACULTAD DE INGENIERÍA PROGRAMA DE INGENIERÍA EN TELECOMUNICACIONES E INFORMÁTICA Programa: Materia Profesor Semestre Período Ingeniería en Telecomunicaciones
ENSEÑANZA DE LAS CIENCIAS BÁSICAS Y CIENCIAS BÁSICAS DE LA INGENIERÍA DE SISTEMAS A TRAVÉS DE APLICACIONES Y EJEMPLOS CONCRETOS
ENSEÑANZA DE LAS CIENCIAS BÁSICAS Y CIENCIAS BÁSICAS DE LA INGENIERÍA DE SISEMAS A RAVÉS DE APLICACIONES Y EJEMPLOS Edwin Romero Cuero Universidad del Quindío Armenia, Colombia Resumen Este trabajo muestra
INSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
PROGRAMA DE ESTUDIO ESCUELA: UPIICSA CARRERA: INGENIERÍA EN TRANSPORTE ESPECIALIDAD: COORDINACIÓN: INVESTIGACIÓN DE OPERACIONES DEPARTAMENTO: CIENCIAS BÁSICAS DE LA INGENIERÍA ASIGNATURA: INVESTIGACIÓN
La asignatura de Algebra Lineal forma parte del área de conocimiento de Ciencias Básicas. Se imparte en el segundo semestre de la carrera.
ASIGNATURA Algebra Lineal ÁREA DE CONOCIMIENTO ETAPA DE FORMACIÓN UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA SUR DEPARTAMENTO ACADÉMICO DE SIS COMPUTACIONALES INGENIERÍA EN TECNOLOGÍA COMPUTACIONAL Ciencias
Programa de estudio INVESTIGACIÓN DE OPERACIONES
e Programa de estudio 1.-Área académica Técnica 2.-Programa educativo Ingeniería Industrial 3.-Dependencia académica Facultad De Ingeniería Mecánica Eléctrica Cd. Mendoza 4.-Código 5.-Nombre de la Experiencia
Guía de Aprendizaje Información al estudiante
Sistemas y Señales Guía de Aprendizaje Información al estudiante 1. Datos Descriptivos Asignatura Materia Departamento responsable Sistemas y Señales M6. SISTEMAS Señales, Sistemas y Radiocomunicaciones
SECUENCIA DIDÁCTICA. Módulo V Competencia de Módulo:
SECUENCIA DIDÁCTICA Nombre de curso: Redes de Cómputo Antecedente: Ninguno Clave del curso: COM1906B21 Clave del antecedente: Ninguna Módulo V Competencia de Módulo: Implementar y administrar redes de
UNIVERSIDAD NACIONAL AUTONOMA DE MEXICO FACULTAD DE INGENIERIA Programa de Asignatura
UNIVERSIDAD NACIONAL AUTONOMA DE MEXICO FACULTAD DE INGENIERIA Programa de Asignatura INGENIERIA CIVIL, TOPOGRAFICA Y GEODESICA División INGENIERIA DE SISTEMAS Y PLANEACION Departamento * Consejo Técnico
Visión Artificial CIE-0703
1 Datos de la Asignatura Nombre de la asignatura: Carrera: Clave de la asignatura: Visión Artificial Ingeniería en Sistemas CIE-0703 Horas teoría / práctica / Créditos: 2 2 8 2 Historia del Programa Lugar
Redes Neuronales. Introducción a las redes neuronales Carlos Andrés Delgado S.
Redes Neuronales Introducción a las redes neuronales carlos.andres.delgado@correounivalle.edu.co Carlos Andrés Delgado S. Facultad de Ingeniería. Universidad del Valle Agosto de 2017 Contenido 1 Neurofisiología
ASIGNATURA DE GRADO: AUTOMATIZACIÓN INDUSTRIAL II INGENIERÍA ELÉCTRICA, ELECTRÓNICA, CONTROL, TELEMÁTICA Y QUÍMICA APLICADA A LA INGENIERÍA
ASIGNATURA DE GRADO: AUTOMATIZACIÓN INDUSTRIAL II Curso 2017/2018 (Código de asignatura : 68902079) NOMBRE DE LA ASIGNATURA AUTOMATIZACIÓN INDUSTRIAL II CÓDIGO 68902079 CURSO ACADÉMICO 2017/2018 DEPARTAMENTO
Seriación obligatoria antecedente: Análisis Espectral de Señales y Variable Compleja Aplicada a la Geofísica
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO INTRODUCCIÓN AL DISEÑO DE FILTROS DIGITALES 1743 7 09 Asignatura Clave Semestre Créditos Ingeniería en Ciencias de la
TEMA 0 Y SUS APLICACIONES. Redes Neuronales Artificiales y sus Aplicaciones
Curso RNA Tema 0 TEMA 0 PRESENTACIÓN DEL CURSO REDES NEURONALES ARTIFICIALES Y SUS APLICACIONES Comienzo del Curso Presentación del Curso Enfoque y Contexto Objetivos Contenidos Teórico Contenido Práctico
UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA CIVIL DEPARTAMENTO DE INGENIERÍA ESTRUCTURAL
TIPO DE 122 11, 117 FUNDAMENTACIÓN El programa de la asignatura pretende vincular al estudiante con las técnicas básicas utilizadas en el desarrollo de sistemas computacionales en el área de Ingeniería
Física General (ISI36B) Ingeniería en Sistemas Computacionales
Pagina: 1 de 15 Nombre de la asignatura: Carrera: Física General (ISI36B) Ingeniería en Sistemas Computacionales Clave de la asignatura: SCF-1006 Horas teoría-horas práctica-créditos: 3-2-5 Periodo: Agosto
Ingeniería en Telecomunicación
Información general Centro docente Escola d'enginyeria Propuesta Docente Ampliar los conocimientos adquiridos en el primer ciclo sobre los fundamentos y funciones de la ingeniería. Profundizar en las tecnologías
1. Datos Generales de la asignatura. Control de procesos. Nombre de la asignatura: APD Clave de la asignatura: Créditos (Ht Hp_ créditos): 2 3 5
1. Datos Generales de la asignatura Nombre de la asignatura: Clave de la asignatura: Control de procesos APD-1205 Créditos (Ht Hp_ créditos): 2 3 5 Carrera: Ingeniería Mecatrónica 2. Presentación. Caracterización
Asignatura: Horas: Total (horas): Obligatoria Teóricas 3.0 Semana 3.0 Optativa X Prácticas Semanas 48.0
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO POSGRADO EN INGENIERÍA PROGRAMA DE ESTUDIO APROVECHAMIENTOS HIDRÁULICOS 3 06 Asignatura Clave Semestre Créditos Facultad e Instituto de Ingeniería Ingeniería Civil
Benemérita Universidad Autónoma de Puebla Vicerrectoría de Docencia Dirección General de Educación Superior Facultad de Ciencias Físico Matemáticas
PLAN DE ESTUDIOS (PE): Licenciatura en Matemáticas Aplicadas ÁREA: Análisis y Métodos Numéricos ASIGNATURA: CÓDIGO: CRÉDITOS: 6 FECHA: Julio de 2017 1 1. DATOS GENERALES Nivel Educativo: Licenciatura Nombre
PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS
PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS 1. DATOS INFORMATIVOS MATERIA: INVESTIGACIÓN DE OPERACIONES CODIGO: CARRERA: Ingeniería de Sistemas
DISEÑO DE UN LABORATORIO VIRTUAL BASICO DE REDES NEURONALES DE RETROPROPAGACIÓN GUIAS PARA EL DISEÑO DEL LABORATORIO
DISEÑO DE UN LABORATORIO VIRTUAL BASICO DE REDES NEURONALES DE RETROPROPAGACIÓN DESCRIPCIÓN DEL DOCUMENTO: Este documento presenta la construcción de un laboratorio virtual básico para el diseño de redes
Redes Neuronales Multicapa
Undécima sesión 16 de abril de 2010 Relación entre capas y conjuntos bajo estudio Estructura Regla de decisión XOR Clases no linealmente separables Regiones generalizadas Una capa Regiones separables con
Asignatura MECATRÓNICA
Mecánica PAG: 1 Universidad Central de Venezuela Facultad de Escuela de Mecánica Departamento de Automática Unidad Docente Automática Asignatura Mecánica PAG: 2 1. PROPÓSITO La asignatura Mecatrónica tiene
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO CENTRO DE FÍSICA APLICADA Y TECNOLOGÍA AVANZADA Y FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN
198 UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO CENTRO DE FÍSICA APLICADA Y TECNOLOGÍA AVANZADA Y FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN Carrera: Licenciatura en Tecnología Programa de la Asignatura: INSTRUMENTACIÓN