Problemas de Optimización usando el modelo de Hopfield
|
|
- Javier Sebastián Sánchez Vargas
- hace 5 años
- Vistas:
Transcripción
1 CLASE 5 de Marzo de 008 Undad Problema de Optmzacón uando el modelo de Hopfeld Modelo de Hopfeld contnuo Problema de optmzacón: Convertdor A/D, Problema del vaante, etc.
2 Rede autoaocatva Red de Hopfeld Regla de HEBB Cte / w cte S S : número de neurona - Auto-aocatva ( k ( k - w w w ( k > θ ( k θ ( k < θ
3 Capacdad de almacenamento de la red de Hopfeld Conderando patrone almacenado (p y total de neurona ( p C 0.38 Porcentae de errore en la red de Hopfeld en funcón del nvel de almacenamento (Patrone aleatoro, 50% de, 50% de -
4 E capaz la red de recuperar un patrón dtoronado (con rudo? Modfquemo en un patrón n componente h p ( n Sp O(p ( p n: componente modfcada : número de componente número de neurona p: patrone almacenado De donde p<< y n << lo patrone on etable y podremo recuperarlo aún lo modfcamo con certo nvel de rudo
5 Capacdad Una pobldad e utlzar un número de neurona ( muy elevado en comparacón con el número de patrone que queremo memorzar (p. Eto no no aegura reultado excento de error, pero í aceptable. S lo patrone e ecogen ortogonale, el etado de la neurona e mantene. Por tanto, la red e etablza y no devuelve el patrón
6 Patrone ortogonale patrone, Y e Y, on ortogonale Y.Y Producto ecalar (Y, Y [ Y(*Y( Y(*Y( Y(3*Y(3 Y(4*Y(4 ] 0 Y [ - -] Y [ - -] Y3 [ - - ] Un conunto e ortogonal todo lo poble pare de vectore on ortogonale entre í. Exten patrone ortogonale de longtud.
7 Tangente hperbólca x x El modelo de Hopfeld contnuo Etado dcreto {-, } Tempo (actualzacón dcreto, k,,3, n {, } {, } : θ h x 3 - u 0 gn( u u < 0 f Etado contnuo x [-, ] Tempo (actualzacón contnuo, t (0, ] f ( u e e βu βu e e βu βu
8 El modelo de Hopfeld contnuo El modelo de Hopfeld contnuo < >, ( ( ( 0 ( y ( 0 0 ( y ( 0 ( t x t x w f t x w f t x t x w f t x dt t dx θ η θ θ t x t x t x w t E ( ( ( ( θ Dn Dnámca de la computac mca de la computacón Func Funcón de energ n de energía computaconal a computaconal
9 Dferenca entre el modelo de Hopfeld dcreto y contnuo. -- Cualtatvamente hay poca dferenca. -- Ambo modelo convergen a mínmo y on etable. -- Puede defnre la funcón energía en ambo cao. -- El modelo contnuo e útl para poble mplementacone en crcuto dgtale y e bológcamente má realta. -- El modelo contnuo tene una uperfce de energía má uave, con meno etado epuro y por lo tanto la convergenca e meor.
10 Reumen Red de Hopfeld Modelo de red recurrente para memora aocatva Podemo almacenar patrone y recuperarlo uando la regla de Hebb La defncón de una funcón energía e útl para demotrar la convergenca de la dnámca La capacdad de almacenamento no e demaado elevada (p0.38 pero puede meorare (uando otra regla, patrone ortogonale Exten etado epuro no deeado.
11 Paua
12 Problema de Optmzacón Adaptar la funcón de energía del Modelo de Hopfeld a otro problema, para encontrar u olucón utlzando el hecho de que la dnámca conduce a un mínmo. Cudado! Puede paar que la olucón encontrada no ea muy buena (Mínmo local con una energía alta. Uaremo un modelo de neurona de acuerdo al problema : Umbral Modelo Dcreto Modelo Contnuo ( k - ( k w w w ( k > θ ( k θ ( k < θ
13 Energía del modelo de Hopfeld (umbral 0 E( t w x ( t x ( t θ x ( t Intentaremo uar eta funcón de energía para repreentar y reolver problema de optmzacón. Para ello, hay que bucar una funcón Energía cuyo mínmo e correponda con la olucón al problema deeado y calcular lo peo náptco W correpondente.
14 Convertdor análogco dgtal A/D Aproxmar una eñal contnua (analógca Z(t : [0, 3] por medo de una repreentacón bnara de bt (X 0, X Z x 0 x Podemo tomar E [Z (x 0 x ] Dado que erá gual a 0 cuando ocurra Z x 0 x y que e menor cuanto menor e la dferenca entre el valor real análogco y el aproxmado dcreto.
15 Convertdor análogco dgtal A/D Utlzaremo un modelo de Hopfeld contnuo y como queremo que x 0 y x tomen valore [0,] utlzamo la retrccone adconale: R λ 0 [x 0 (x 0 -] R λ [ x (x - ] Y la funcón energía a mnmzar queda entonce: E [Z (x 0 x ] λ 0 [x 0 (-x 0 ] λ [ x (-x ]
16 Convertdor análogco dgtal A/D Dearrollando Obtenemo : E z x 0 (-λ 0 x (4-λ x 0 (λ 0 -z x (λ -4z 4x 0 x De donde por comparacón con la funcón Energía del modelo de Hopfeld Vemo que no hay térmno cuadrátco λ 0 λ 4 para anular lo térmno x 0 y x
17 W 0-4 Convertdor análogco dgtal A/D Comparando lo otro térmno, no lleva a determnar: E.: Z.75 W
18 Problema de la Torre ( k 0 en la fla en la fla y columna y columna hay una torre no hay una torre
19 Problema de la Problema de la Torre Torre torre una hay no y columna fla la en 0 torre una hay y columna fla la en ( k,, ; e decr, K K M K K,, ; e decr, K K M K K
20 Problema de la Torre Funcón de energía: k k k k k k k k k k.
21 Problema de la Torre E k k k r r r k k ( k r r ( r ( w,k w,r θ
22 Problema de la Torre Cada neurona etá conectada con otra neurona de u mma fla y neurona de u mma columna.
23 El problema del vaante de comerco Arqutectura: undade de proceo k la cudad e vta el día k 0 en otro cao. Mnmzar,, k d k ( ( k ( k Sueto a,,,...,.,,,...,.
24 Fn
P 1 = P 2 = P ambiente. h 1 -h 2 = H. Sistemas de control versión 2007 Página 1 de 10. Modelos de nivel de líquido.
tema de control 67- verón 007 Págna de 0 Modelo de nvel de líudo. Bucamo una relacón entre Q y H, por el teorema de Bernoull tomemo la eccón en la uperfce lbre del tanue y la eccón en la alda, en ee cao
Más detallesCapítulo 4 APLICACIÓN
Capítulo 4 APLICACIÓN A travé de ete captulo, e expondrá con la ayuda de do ejemplo, la aplcacón de la prueba DE en lo do tpo de modelo de bloque al azar, poterormente, e explcara el dagrama de flujo,
Más detallesOPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls. Examen Final
OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls Examen Fnal Pregunta ( punto) Responda brevemente a las sguentes preguntas: a) Cuál es el obetvo en el aprendzae del Perceptron
Más detallesConvertidores Digital-Analógico y Analógico-Digital
Convertdores Dgtal-Analógco y Analógco-Dgtal Conversón Dgtal-Analógca y Analógca-Dgtal Con estos crcutos se trata de consegur una relacón bunívoca entre una señal analógca y una dgtal o vceversa. Las magntudes
Más detallesLECTURA 09 : MEDIDAS DE DISPERSIÓN Y DE FORMA (PARTE I) TEMA 18: MEDIDAS DE DISPERSION
Unverdad Católca Lo Ángele de Chmbote LECTURA 09 : MEDIDAS DE DISPERSIÓN Y DE FORMA (PARTE I) TEMA 8: MEDIDAS DE DISPERSION. DEFINICION La medda de dperón on aquella que cuantfcan el grado de concentracón
Más detallesDiseño óptimo de un regulador de tensión en paralelo
Deño óptmo de un regulador de tenón en paralelo Federco Myara 1. egulador mple con un dodo de ruptura El cao má mple e el regulador con un dodo zener, ndcado en la fgura 1. S ben el crcuto parece muy encllo,
Más detallesTema 9: Distribuciones Bidimensionales.
Tema 9: Dtrbucone Bdmenonale. 9.1 Nube de punto. Correlacón. 9. Medda de correlacón. 9.3 Recta de regreón. 9.4 Dtrbucone condconada. Dependenca e ndependenca. 9.1 Nube de punto. Correlacón. Regreón e un
Más detallesLECTURA 08 : MEDIDAS DE DISPERSIÓN Y MEDIDAS DE FORMA (PARTE I) MEDIDAS DE DISPERSIÓN TEMA 18: MEDIDAS DE DISPERSION
Unverdad Católca Lo Ángele de Chmbote LECTURA 08 : MEDIDAS DE DISPERSIÓN Y MEDIDAS DE FORMA (PARTE I) MEDIDAS DE DISPERSIÓN TEMA 8: MEDIDAS DE DISPERSION. DEFINICION La medda de dperón on aquella que cuantfcan
Más detallesCuestiones Teóricas (de 2 a 2 puntos)
ESUE UNIESITI DE INGENIEÍ TÉNI DE TEEOMUNIIÓN Unverdad de a Palma de Gran anara Electrónca nalógca plan Electrónca III plan 96 Stema de Telecomuncacón Telemátca Sondo e Imagen Examen de la onvocatora Extraordnara
Más detallesIngeniería Electrónica Electrónica de Potencia
acultad de ngenería Unverdad Naconal de San Juan ngenería Electrónca Electrónca de Potenca PAA DE GABNEE Nº 3 Departamento de Electrónca y Automátca OBJEO El objetvo de eta práctca e adqurr detreza en
Más detallesALGUNOS MODELOS DE UNA NEURONA
ALGUNOS MODELOS DE UNA NEURONA w 1 Μ w 2 w m ADALINE ADAptve Lnear Element Wdrow y Hoff 1960 w 1 Μ w 2 w m El Adalne x 0 x 1 x 2 Μ Μ x m con w 2 w = x = w 1 w m v b m v m = w j x j + b = j= 1 = 0 [ b w
Más detallesAnálisis de ruido en detectores ópticos.
Análss de rudo en detectores óptcos. La corrente real generada en un fotododo es de carácter aleatoro, cuyo valor fluctúa entre el valor promedo defndo por la foto-corrente: p = RP Dchas fluctuacones se
Más detallesCapítulo 2.2: Redes Neuronales Artificiales
Capítulo 2.2: Redes euronales Artfcales captulo22 4-3-05 Págna de 3 . eurona natural Hemos vsto que una neurona en el hombre funcona por mpulsos eléctrcos que se generan cuando se cumplen unas determnadas
Más detallesCONCEPTOS BÁSICOS DE ESTADISTICA INFERENCIAL
CONCEPTOS BÁSICOS DE ESTADISTICA INFERENCIAL Inferenca Etadítca Se ocupa de etudar lo método necearo para etraer, o nferr, concluone válda e nformacón obre una poblacón a partr del etudo epermental de
Más detallesDra. Ma. del Pilar Gómez Gil Ciencias Computacionales, INAOE
Intelgenca Computaconal II Redes Recurrentes Versón: 8-Juno-5 Dra. Ma. del Plar Gómez Gl Cencas Computaconales, INAOE pgomez@naoep.mx Redes Neuronales Recurrentes Presentan retro-almentacón, esto es, la
Más detallesRealización física del sistema de control
Unversdad de Ovedo Realacón físca del sstema de control Tema 0 Unversdad de Ovedo Indce Tarjetas AD/DA Estructura de los convertdores AD y DA Característcas de una tarjeta AD/DA Algortmos de conversón
Más detallesEcuaciones de Movimiento
Facultad de Cenca Fíca y Matemátca Unverdad de Chle Ecuacone de Movmento Concepto báco 26 de octubre de 2011 Depatamento de Ingenería Mecánca ME4701- Vbracone Mecánca 1. Segunda Ley de Newton En un tema
Más detalles5 Centrales Hidráulicas
Curso SmSEE IIE 2012 Cap. 5 pág 1/6 5 Centrales Hdráulcas 5.1 Centrales Hdráulcas con Embalse En el caso de centrales con embalses, tendremos que agregar restrccones adconales para mponer los límtes de
Más detallesLECTURA 05 : MEDIDAS DE DISPERSIÓN Y DE FORMA TEMA 18: MEDIDAS DE DISPERSION
Unverdad Católca Lo Ángele de Chmbote LECTURA 0 : MEDIDAS DE DISPERSIÓN Y DE FORMA TEMA 8: MEDIDAS DE DISPERSION. DEFINICION La medda de dperón on aquella que cuantfcan el grado de concentracón o de dperón
Más detalles315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA
35 M/R Versón Integral / 28/ UNIVERSIDAD NACIONAL AIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Investgacón de Operacones I CÓDIGO: 35 MOMENTO: Prueba Integral FECHA DE
Más detallesANALISIS Y SINTESIS DE REDES FUNCIONES IMPEDANCIA RC Y ADMITANCIA RL. K s
ANALISIS SINTESIS DE EDES UNCIONES IMPEDANCIA C ADMITANCIA L POPIEDADES. La funcón C () e exprea en una expanón de fraccone parcale como: C () + + +... + + +. Lo polo y cero C () etán en el eje real negatvo
Más detallesPara el caso que las variables no estén correlacionadas (covarianza nula) la incertidumbre asociada a la cantidad q viene dada por:
Capítulo 5 La fórmula de Welch-Satterthwate Hemo vto como encontrar un ntervalo de confanza para una cantdad medda (tanto con N grande como con N peueño). La pregunta ue naturalmente urge e cómo encontrar
Más detallesFUNDAMENTOS DE INGENIERÍA ELÉCTRICA. José Francisco Gómez González Benjamín González Díaz María de la Peña Fabiani Bendicho Ernesto Pereda de Pablo
FUNDAMENTOS DE INGENIEÍA EÉCTICA Joé Francco Gómez González Benjamín González Díaz María de la Peña Faban Bendcho Erneto Pereda de Pablo Tema : Trantoro en Crcuto de Corrente Contnua PUNTOS OBJETO DE ESTUDIO
Más detallesSolución del problema
. Uando la iguiente epecificacione: A 0dB f 6KHz A 30dB f 30KHz (a) Obtenga la función de tranferencia y la función caracterítica de un filtro pao de banda todo polo, de igual rizado en la banda paante.
Más detalles<".??> YNIVERSIDAD AUTONOMA HET- UNIDAD I ZTAPALAPA. PROYECTO LB IUGEUIERIA BIOltBDI'CA. QUITECTVRA PARA PROC8SMIBNTO m SBR&ES
YNVERSDAD AUTONOMA HET- UNDAD ZTAPALAPA
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesSistemas Lineales de Masas-Resortes 2D
Sstemas neales de Masas-Resortes D José Cortés Pareo. Novembre 7 Un Sstema neal de Masas-Resortes está consttudo por una sucesón de puntos (de ahí lo de lneal undos cada uno con el sguente por un resorte
Más detallesObjetivos El alumno conocerá y aplicará diversas técnicas de derivación e integración numérica. Al final de esta práctica el alumno podrá:
Objetvos El alumno conocerá y aplcará dversas técncas de dervacón e ntegracón numérca. Al fnal de esta práctca el alumno podrá:. Resolver ejerccos que contengan dervadas e ntegrales, por medo de métodos
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detalles5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA.
Programacón en Pascal 5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Exsten numerosas stuacones que pueden representarse medante relacones de recurrenca; entre ellas menconamos las secuencas y las
Más detallesCAPÍTULO 4 MARCO TEÓRICO
CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.
Más detalles1º. a) Deducir la expresión de la fórmula de derivación numérica de tipo x,x,x,x,.
º. a Deducr la expresón de la fórmula de dervacón numérca de tpo x,x,x,x,. nterpolatoro que permte aproxmar f (x* con el soporte { } 3 x 4 b Demostrar que en el caso de que el soporte sea de la forma:
Más detallesFacultad de Ingeniería Universidad Nacional de La Plata
Facultad de Ingenería Unverdad Naconal de La Plata ESTRUCTURAS IV RESOLUCIÓN DE SECCIONES DE PARED GRUESA SOMETIDAS A TORSIÓN UTILIZANDO MICROSOFT EXCEL Autore: Ing. Juan Julan Rmol Ing. Juan Pablo Marquez
Más detallesESTADÍSTICA DESCRIPTIVA Y BIDIMENSIONAL
ESTADÍSTICA DESCRIPTIVA Y BIDIMESIOAL ÍDICE. Defncón de Etadítca. Concepto generale 3. Tratamento de la nformacón 4. Repreentacón de lo dato. Medda de centralzacón 6. Medda de dperón 7. Etadítca bdmenonal
Más detallesEstadística Unidimensional: SOLUCIONES
4ª SesónFecha: Estadístca Undmensonal: SOLUCIOES Varables estadístca dscreta 1 Con los datos del ejercco de Pág 19 nº 3 determna: a) Tabla de Frecuencas b) Dagrama de barras Gráfco acumulado c) Meddas
Más detallesModelado, Simulación y Optimización de Procesos Químicos. Fe de Erratas. Prólogo:
Modelado, Smulacón y Optmzacón de Procesos Químcos Fe de Erratas Prólogo: El presente documento contene las correccones a los errores del lbro Modelado, Smulacón y Optmzacón de Procesos Químcos del Dr.
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesPropiedades de la Transformada de Laplace
Propiedade de la Tranformada de Laplace W. Colmenare Univeridad Simón Bolívar, Departamento de Proceo y Sitema Reumen En eto apunte demotramo alguna de la propiedade de la tranformada de Laplace y hacemo
Más detallesTema 6. Estadística descriptiva bivariable con variables numéricas
Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables
Más detallesResolución de problemas DEA con entradas y salidas enteras
VIII Congreo de Ingenería de Organzacón Legané, 9 10 de eptembre de 2004 Reolucón de problema DEA con entrada alda entera Gabrel Vlla Caro, eú Racero Moreno, oé Manuel García Sánchez Marco Calle Suárez
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesTEMA 13: Análisis de circuitos amplificadores 13.1
Índce TEM 13: nál de crcuto amplfcadore 13.1 13.1. NTODUCCÓN 13.1 13.2. MPFCDO EN EMSO COMÚN 13.3 13.3. MPFCDO EN COECTO COMÚN (SEGUDO DE EMSO) 13.6 13.4. MPFCDO EN BSE COMÚN 13.10 13.5. COMPCÓN ENTE S
Más detallesDiseño de Controladores PID. Sistemas de Control Prof. Mariela CERRADA
Deño de Controladore PID Stema de Control Prof. Marela CERRADA Controlador del to PI: Mejorando la reueta etaconara Lo controladore del to PI olo ncororan la accone Proorconale Integrale, aumentando en
Más detalles4.1. Ortogonalización mediante la descomposición de Cholesky
. Álgera En eta eccón veremo como la decompocón de Choleky no ofrece una forma rápda y efcaz de ortonormalzar una ae. Comproaremo que el proceo e equvalente al algortmo de ortogonalzacón de Gram-Schmdt...
Más detallesVariables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:
Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detallesClase 19: Estado Estacionario y Flujo de Potencia. EL Conversión de la Energía y Sistemas Eléctricos Eduardo Zamora D.
Clase 9: Estado Estaconaro y Flujo de Potenca EL400 - Conversón de la Energía y Sstemas Eléctrcos Eduardo Zamora D. Temas - Líneas de Transmsón - El Sstema Eléctrco - Matrz de Admtanca - Flujo de Potenca
Más detallesClase 19: Estado Estacionario y Flujo de Potencia. EL Conversión de la Energía y Sistemas Eléctricos Eduardo Zamora D.
Clase 9: Estado Estaconaro y Flujo de Potenca EL400 - Conversón de la Energía y Sstemas Eléctrcos Eduardo Zamora D. Temas - Líneas de Transmsón - El Sstema Eléctrco - Matrz de Admtanca - Flujo de Potenca
Más detallesUnidad 17 Distribuciones de probabilidad. Distribuciones binomial y normal
Undad 7 Dstrbucones de probabldad. Dstrbucones bnomal y normal PÁGINA 89 SOLUCIONES. La probabldad es: 4 P(V y M) = = 8. Sabemos que P( Defectuoso) = 0,05. El número de chps que cabe esperar defectuosos
Más detallesINGENIERIA DE SISTEMAS Y AUTOMATICA Calcular las antitransformadas de Laplace de las siguientes funciones: - +
. Concepto báico.. Calcular la antitranformada de Laplace de la iguiente funcione: a) b) c) F ( ) F ( ) F ( ) ( ) 3 ( ) 3 ( )( 6 34).. Encontrar la función de tranferencia M()Y()/X() mediante la implificación
Más detallesCASO 1: Variable CONTINUA con idéntica probabilidad de ocurrencia para los infinitos valores comprendidos entre dos extremos (inferior y superior)
DIFERENTES TIOS DE DISTRIBUCIÓN UTILIZACIÓN DE FUNCIONES DE EXCEL EN MODELOS DE SIMULACIÓN Utlzacón ndvdual y conjunta de funcones para la representacón del comportamento de varables bajo las alternatvas
Más detallesModelos lineales Regresión simple y múl3ple
Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una
Más detalles, x es un suceso de S. Es decir, si :
1. Objetvos: a) Aprender a calcular probabldades de las dstrbucones Bnomal y Posson usando EXCEL. b) Estudo de la funcón puntual de probabldad de la dstrbucón Bnomal ~B(n;p) c) Estudo de la funcón puntual
Más detallesESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES UNIVERSIDAD DE SEVILLA
ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES UNIVERSIDAD DE SEVILLA DEPARTAMENTO DE ECONOMÍA APLICADA I RENTAS (reumen de teoría y boletne de problema) MATEMATICAS DE LAS OPERACIONES FINANCIERAS 2004/2005
Más detallesEspacios de Búsqueda en un Árbol Binario para Resolver Problemas de Optimización Discreta
Espacos de Búsueda en un Árbol Bnaro para Resolver Problemas de Optmzacón Dscreta María Elena Gómez-Torres J. Crspín Zavala-Díaz Marco Antono Cruz- Chávez 3 Insttuto Tecnológco de Zacatepec Calzada Insttuto
Más detallesCentro Universitario UAEM Zumpango Ingeniería en Computación. Dr. Arturo Redondo Galván 1
Centro Unverstaro UAEM Zumpango Ingenería en Computacón 1 SEGURIDAD EN REDES UNIDAD III Crptografía y autentcacón Tema: Modos de operacón 2 OBJETIVO: Conocer e mplementar los dferentes modos de operacón
Más detallesProblemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel
Conceptos báscos de optmzacón Problemas de Optmzacón Prof. Cesar de Prada Dpt. Ingenería de Sstemas y Automátca UVA prada@autom.uva.es mn J() h() = g() Problema general NPL Para encontrar una solucón al
Más detallesIMPLANTACIÓN DE CONTROLADORES DE ORDEN FRACCIONARIO MEDIANTE AUTÓMATAS PROGRAMABLES
XXV Jornada de Automátca Cudad Real, del 8 al 0 de eptembre de 2004 IMPLANTACIÓN DE CONTROLADORES DE ORDEN FRACCIONARIO MEDIANTE AUTÓMATAS PROGRAMABLES Antono Joé Calderón Godoy E.II.II. Unverdad de Extremadura
Más detallesResolución de problemas de equilibrio
Reolución de problema de equilibrio Conideramo olamente fuerza actuando en un plano La condicione de equilibrio on: (1) F = 0, F = 0 τ = i 0 j. 1 Ditribución de peo de un auto Nian 40SX 53% de u peo obre
Más detallesTransformada de Laplace, aplicaciones
Tranformada de Laplace, aplcacone Ora eñale de excacón Señal mpulo f A 0 eñal Impulo deal La eñal mpulo real eórca e una eñal de amplud 0 de alura y de área gual a A Se mbolza de la guene forma fa.δ en
Más detallesEJERCICIOS PORTAFOLIO INSTRUMENTACIÓN Y CONTROL
EJERCICIOS PORTAFOLIO INSTRUMENTACIÓN CONTROL EJERCICIO La iguiente figura muetra una parte de un diagrama de tubería e intrumento (PID) que contiene vario errore. Identificar el mayor número poible de
Más detalles= Para ver la relación entre las órbitas geoestacionarias, utilizamos la tercera ley de Kepler, sabiendo que:
67 70 Junio 08 Un atélite de comunicacione decribe una órbita ecuatorial de modo que u velocidad angular e igual a la velocidad angular de la Tierra, por lo que vito dede la uperficie iempre mantiene u
Más detallesPráctica 1. 8 semestre. PERMEABILIDAD Formato temporal. Los datos -en amarillo- son de una práctica real
Práctica 1. 8 emetre. PERMEABILIDAD Formato temporal. Lo dato -en amarillo- on de una práctica real Reviión de la verión original del manual del modelo de permeabilidad: Jorge Leonel Angel Hurtado Laboratorita:
Más detallesMétodos Matemá5cos en la Ingeniería Tema 1. Ecuaciones no lineales
Métodos Matemá5cos en la Ingenería Tema. Ecuacones no lneales Jesús Fernández Fernández Carmen María Sordo García DEPARTAMENTO DE MATEMÁTICA APLICADA Y CIENCIAS DE LA COMPUTACIÓN UNIVERSIDAD DE CANTABRIA
Más detallesLA TRANSFORMADA DE LAPLACE.
TEMA N o 5 LA TRANSFORMADA DE LAPLACE. DEFINICIÓN Sea f (t) una función continua en un intervalo [; ) y uponemo que f atiface cierta condicione. Entonce la integral L ff (t)g = F () = Z e t f (t) dt e
Más detallesProcesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 21. Redes Neuronales. 2
Procesamento Dgtal de Imágenes Pablo Roncaglolo B. Nº Redes Neuronales prb@7 Redes Neuronales Báscas Células de McCulloch&Ptts El Perceptrón ADALINE El Perceptrón n Multcapa prb@7 Celulas de McCulloch-Ptts
Más detallesTEMA 3: ESTADÍSTICA BIDIMENSIONAL
TEMA 3: ESTADÍSTICA BIDIMENSIONAL INTRODUCCIÓN: En curo anteriore e ha etudiado como manejar e interpretar dato que proporcionaba una variable. Ahora vamo a ver cómo lo hacemo i hacemo a cada encuetado,
Más detallesCONTENIDO 1. TEORÍA DEL RIESGO Y ÁRBOLES DE DECISIÓN...2
CONTENIDO. TEORÍ DEL RIESGO Y ÁRBOLES DE DECISIÓN.... ELEMENTOS ESTRUCTURLES DE JUEGOS EN RIESGO.... DOMINCIÓN SIMPLE Y ESTOCÁSTIC.... DOMINCIÓN ESTOCÁSTIC....4 VLOR ESPERDO DE L INFORMCIÓN PERFECT....4.
Más detallesTema 1.- Variable aleatoria discreta (V2.1)
Tema.- Varable aleatora dscreta (V2.).- Concepto de varable aleatora A cada posble resultado de un expermento lo llamamos suceso elemental, y lo denotamos con ω, ω 2, Llamamos espaco muestral al conjunto
Más detallesFormato para prácticas de laboratorio
Fecha de efectvdad: enero 200. CARRERA PLAN DE ESTUDIO CLAVE NOMBRE DE LA ASIGNATURA IC 2003-5048 Electrónca Aplcada II PRÁCTICA No. 8 LABORATORIO DE NOMBRE DE LA PRÁCTICA Ingenero en Computacón DURACIÓN
Más detallesTEMA 3. VARIABLE ALEATORIA
TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad
Más detallesESTABILIDAD DE SISTEMAS REALIMENTADOS CRITERIO DE ESTABILIDAD DE NYQUIST
ESTABILIDAD DE SISTEMAS REALIMENTADOS CRITERIO DE ESTABILIDAD DE NYQUIST Condición de etabilidad: G( ) N( ) D( ) p n a 1 b 1 p1 n1...... a b p1 n1 a b n p p n z z... z N () 1 2 p G( ) p n D( ) p p... p
Más detallesReconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
Más detallesEstimación no lineal del estado y los parámetros
Parte III Estmacón no lneal del estado y los parámetros 1. Estmacón recursva El ltro de Kalman extenddo 12 es una técnca muy utlzada para la la estmacón recursva del estado de sstemas no lneales en presenca
Más detalles6 La transformada de Laplace
CAPÍTULO 6 La tranformada de Laplace 6. efinición de la tranformada de Laplace 6.. efinición y primera obervacione En la gran mayoría de lo itema de interé para la fíica y la ingeniería e poible (al meno
Más detallesUNIVERSIDAD DE SEVILLA
UNIVERSIDAD DE SEVILLA Ecuela Técnica Superior de Ingeniería Informática PRÁCTICA 4: MUESTREO DE SEÑALES Y DIGITALIZACIÓN Tecnología Báica de la Comunicacione (Ingeniería Técnica Informática de Sitema
Más detallesCOLEGIO INGLÉS MEDIDAS DE DISPERSIÓN
COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan
Más detallesALN - SVD. Definición SVD. Definición SVD (Cont.) 29/05/2013. CeCal In. Co. Facultad de Ingeniería Universidad de la República.
9/05/03 ALN - VD CeCal In. Co. Facultad de Ingenería Unversdad de la Repúblca Índce Defncón Propedades de VD Ejemplo de VD Métodos para calcular VD Aplcacones de VD Repaso de matrces: Una matrz es Untara
Más detallesAnálisis de la varianza de un factor
FCEyN - Etadítca ara Químca do. cuat. 006 - Dra. Marta García Ben Anál de la varanza de un factor El tet t de muetra e alca cuando e queren comarar la meda de do oblacone con dtrbucone normale con varanza
Más detallesEL ELEMENTO FINITO APLICADO A LAS ESTRUCTURA S METALICAS
EL ELEMENTO FINITO APLICADO A LAS ESTRUCTURA S METALICAS ING. F. JAVIER ANAYA ESTRELLA INTRODUCCION UNA REGION COMPLEJA QUE DEFINE UN CONTINUO SE DISCRETIZA EN FORMAS GEOMETRICAS SIMPLES LLAMADAS ELEMENTOS
Más detallesA B C D Margen Básico Transmisor Wifi Número de empleados
PROBLEMA: TELEVISIÓN DIGITAL Una empresa de fabrcacón de aparatos electróncos está vendo la posbldad de lanzar al mercado decodfcacodres que permtan a los televsores analógcos vsualzar la señal de la televsón
Más detallesAgrupamiento de puntos de venta en una red de distribución
Agrupamento de puntos de venta en una red de dstrbucón Utlzando el Método de grafos y la Generacón de cortes para su solucón a través del lenguaje de modelacón AMPL. 26/Ago./04 Presenta: Aracel Ramírez
Más detallesFuentes de información
TEORÍA DE LA INFORMACIÓN Tratamento probablístco de la Informacón Fuentes de nformacón INGENIERÍA DE SISTEMAS Cursada 6 TRANSMISIÓN DE INFORMACIÓN decodfcacón automátca PRINCIPALES TEMÁTICAS DE LA TEORÍA
Más detallesMedidas de Variación o Dispersión. Dra. Noemí L. Ruiz 2007 Derechos de Autor Reservados Revisada 2010
Medida de Variación o Diperión Dra. Noemí L. Ruiz 007 Derecho de Autor Reervado Reviada 010 Objetivo de la lección Conocer cuále on la medida de variación y cómo e calculan o e determinan Conocer el ignificado
Más detallesNOCIONES DE ELECTRÓNICA ANALÓGICA (Realimentación)
Ncne de ealmentacón NOCIONES DE ELECTÓNIC NLÓGIC (ealmentacón Ecuela Pltécnca Superr Prfer: Darí García dríguez 1 Ncne de ealmentacón ELIMENTCION Cncept de ealmentacón.- Su gnfcad e ler a almentar, quere
Más detallesEjemplo DII.1 Resolver el sistema formado por dx x y dt = + y dy. dx =, para. Transformando ambas ecuaciones (1) (2)
traformada de Laplace 5 Apéndice DII_UIV Má Ejercicio de Solución de un itema de ecuacione diferenciale lineale con condicione iniciale por medio de la traformada de Laplace. (ecc. 4.) [4] Ejemplo DII.
Más detallesCADENAS DE ABASTECIMIENTO
CADENAS DE ABASTECIMIENTO Localzacón Dscreta Problema de la mochla Funcón Obetvo: Escoger un grupo de productos que maxmce el valor total sn exceder el espaco dsponble Varable de decsón x : 1 s se escoge
Más detallesUNIVERSIDAD TECNOLOGICA NACIONAL - FACULTAD REGIONAL ROSARIO Departamento de Ingeniería Química. Cátedra: Integración IV
UNIVERSIDAD TECNOOGICA NACIONA - ACUTAD REGIONA ROSARIO Departamento de Ingenería Químca Cátedra: Integracón IV Tema: Smulacón de Evaporadores lash Alumnos: Damán Match, Marcos Boss y Juan M. Pgnan Profesores:
Más detalles) para toda permutación (p p 1 p
09 Elena J. Martínez do cuat. 004 Análss de la varanza de dos factores El problema anteror consderaba la comparacón de muestras para detectar dferencas entre las respectvas poblacones. En el modelo de
Más detallesANEXO F MODELAMIENTO DE LA INTERACCIÓN SUELO ESTRUCTURA
MODELAMIENTO DE LA INTERACCIÓN SUELO ESTRUCTURA MODELOS SIMPLIFICADOS Se apoyan en ecuacone dferencale que relaconan la deflexone o momento de la etructura con parámetro repreentatvo del uelo de fundacón.
Más detallesREDES NEURONALES APLICADAS AL RECONOCIMIENTO DE PATRONES EN ECOGRAMAS
REDES NEURONALES APLICADAS AL RECONOCIMIENTO DE PATRONES EN ECOGRAMAS Gonzalez, R. 1, Rodrguez, L. 1, Fernández, V. 1, Perchnsky, G. 2 y García Martínez, R. 3,2 (1) Laboratoro de Sstemas Intelgentes. Departamento
Más detallesMáquinas de Vectores Soporte (SVM)
Máqunas e Vectores Soporte SVM Estructura: re estátca asaa en kernels que realza clasfcacón lneal sore vectores transformaos a un espaco e mensón superor es ecr separa meante un perplano en el espaco transformao
Más detallesEL AMPLIFICADOR OPERACIONAL.
Tema 6. El mplfcador peraconal. Tema 6 EL MPLIFICD PECINL.. Introduccón... Símbolos y termnales del amplfcador operaconal... El amplfcador operaconal como amplfcador de tensón..3. Conceptos báscos de realmentacón..4.
Más detallesRespuestas del Final Regular de Biofísica del 25/07/ Tema 5
Repueta del Fnal Regular de Bofíca del 25/07/2008 - Tema 5 1. Por el caño horzontal (1) ngrea fludo con caudal Q 1, e bfurca en otro Q 1 = 3. Q 3, 2. Q 1 = 3. Q 2 2. En el crcuto la retenca on de: R 1
Más detallesEconometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Más detallesTRIGONOMETRÍA Y GEOMETRÍA ANALÍTICA
Nombre Apellido: TRIGONOMETRÍA Y GEOMETRÍA ANALÍTICA Ejercicio 1º [,00 punto] Una perona e encuentra en la ventana de u apartamento que etá ituada a 8 metro del uelo oberva el edificio de enfrente. La
Más detallesCONTROL II (Elo y Bio)
CONTROL II (Elo y Bio) Tema: Controlabilidad y Obervabilidad de la Planta a Controlar Prof Ing Carlo F Martín Año: CONTROL II (Elo y Bio) Prof Ing Carlo F Martín () Controlabilidad de Sitema Lineale Invariante:
Más detallesOperadores por Regiones
Operadores por Regones Fltros por Regones Los fltros por regones ntentan determnar el cambo de valor de un píxel consderando los valores de sus vecnos I[-1,-1] I[-1] I[+1,-1] I[-1, I[ I[+1, I[-1,+1] I[+1]
Más detalles