Reconocimiento de patrones y el aprendizaje no supervisado
|
|
- María Antonia Toro Méndez
- hace 7 años
- Vistas:
Transcripción
1 Reconocimiento de patrones y el aprendizaje no supervisado Jesús Cáceres Tello Servicios Informáticos Profesor del Dpto. Ciencias de la Computación Escuela Técnica Superior de Informática Universidad de Alcalá jesus.caceres@uah.es Resumen. Este artículo muestra una introducción al reconocimiento de patrones entrando más en detalle en el aprendizaje de sistemas no supervisados los cuales deberán, una vez proporcionados todos los tipos de patrones, decidir cuál es el que más se ajusta al sistema en cuestión. Se concluye el artículo analizando los problemas existentes en un sistema de aprendizaje no supervisado como son los sistemas topográficos en los que coexisten un número elevado de patrones lineales. 1 Introducción La visión artificial nos permite reducir el problema de una imagen a ciertas formas geométricas, a partir de ellas podemos analizar el problema e intentar comprender ante qué objeto nos encontramos, principalmente esto se realiza mediante el reconocimiento de patrones. Es una disciplina dependiente de la inteligencia artificial, ya que nos permite, a partir de unos datos la adquisición de conocimientos, además los sistemas de reconocimiento de patrones suelen incorporar un método de aprendizaje, normalmente mediante un algoritmo inductivo. Es importante resaltar la necesidad de introducir un método de evaluación para analizar dicho algoritmo, ya que, en el caso de que dicha evaluación fuese negativa reduciría la eficiencia del algoritmo. 2 Análisis estadístico La primera aproximación al reconocimiento de patrones es simplemente estadística, es a veces también la más eficiente. Este método consiste en analizar el patrón como una variable aleatoria n-dimensional compuesta por n componentes, x 1, x 2,..., x n, tales que x i pertenece a G i para i = 1, 2,..., n.
2 Figura 1: Ejemplo de espacio de patrones 1 Un patrón se representa como un punto en el espacio de patrones P. El espacio de patrones P es un espacio de dimensionalidad determinada por el número de variables consideradas y se define como el conjunto de todos los valores posibles que puede tomar el patrón X, esto es, el producto cartesiano de todos los pares de Gi. La tarea fundamental de un sistema de reconocimiento de patrones (clasificador) es la de asignar a cada patrón de entrada una etiqueta. Dos patrones diferentes deberían asignarse a una misma clase si son similares y a clases diferentes si no lo son. La cuestión que se plantea ahora es la definición de una medida de similitud entre patrones. En definitiva, se supone que el proceso de adquisición es biunívoco y continuo. Estas consideraciones sugieren que si las representaciones de dos patrones están muy cercanas en el espacio de representación, entonces los patrones deben tener un alto grado de similitud. No obstante, no puede afirmarse tajantemente que a mayor distancia menor similitud ya que la medida (absoluta) de distancia depende de la escala en la que se cuantifiquen las variables asociadas al patrón. Los sis temas de adquisición introducen cierta distorsión o ruido, lo que produce una variabilidad en la representación de los patrones. Aunque es posible controlar eficientemente en muchos casos esta distorsión mediante el calibrado de los sistemas de adquisición de datos, aparece otra fuente de variabilidad por la propia naturaleza de los patrones. Con mucha frecuencia, patrones de una misma clase difieren, incluso significativamente. Un ejemplo sencillo es el de los sistemas de reconocimiento de caracteres OCR 1 Fuente del gráfico:
3 que pueden interpretar diversos tipos de letra. Bien, en el caso más simple, en el que se trata un solo tipo de letra, la variabilidad de los patrones se debe a factores tales como el granulado, el color y calidad del papel o el tipo de tinta empleado. De lo que se trata es de extraer la información relevante a partir de la clasificación de información suministrada por los sensores (datos en bruto). De forma general este problema puede plantearse como sigue. Dado un conjunto de patrones n- dimensionales X = [x1, x2,..., xn]t se trata de obtener un nuevo conjunto (características) d-dimensionales Y = [y1, y2,..., yd]t donde d=n. Esto se consigue con varios métodos. 1. Reduciendo la dimensionalidad de los datos, si los patrones son de alta dimensionalidad, el coste computacional asociado a la clasificación puede ser muy alto. Las técnicas dedicadas a seleccionar las variables más relevantes se dicen de selección de características y reducen la dimensionalidad de los patrones. 2. Cambiando el espacio de representación. El objetivo es obtener una nueva representación de los patrones en la que los agrupamientos aparezcan separados si son de diferente clase y que haya un agrupamiento por clase. Esto puede conseguirse aplicando alguna transformación sobre los datos originales. Estas transformaciones suelen ser transformaciones lineales y el objetivo suele ser maximizar la varianza, los vectores resultantes del proceso de selección o extracción se denominan características. A este conjunto se le debe asignar clases, siendo este el objetivo del sistema, las clases idealmente son disjuntas, quedando claramente discriminada la pertenencia o exclusión de un elemento a la clase concreta. La problemática empieza cuando estos patrones no están agrupados de manera ideal o en el peor de los casos cuando están solapados, dando entonces lugar a una problemática clasificación dado que para un patrón podemos deducir que pertenece a dos o más clases. Esto suele resolverse dado que la muestra suele ser multidimensional, lo cual nos permite discriminar en función de la relación de las clases seleccionadas por estos valores, dado que si se adhiere a alguna clase concreta podemos decantarnos por la relación entre estas. Un apartado importante es el aprendizaje del sistema, pudiendo ser éste supervis a- do o no supervisado. 3 Aprendizaje no supervisado El principal problema surge cuando el sistema toma la decisión de elegir un determinado patrón de entre todos los proporcionados. Es el sistema el que debe determinar la clase de la cual se obtiene ese patrón. Otro problema añadido es la toma de decisiones, correctas o no, aquí entra en juego la lógica difusa, en la utilización de técnicas de clustering difuso.
4 El clustering o agrupamiento es el proceso de particionar un conjunto de datos (u objetos) en un conjunto de subclases significativas llamadas grupos (clusters). Un grupo es una colección de objetos de datos que son similares a otros y así pueden ser tratados colectivamente como un grupo. El agrupamiento es una forma de clasificación no supervisada en la que, a diferencia de la supervisada, no se conocen las etiquetas de las clases (no hay clases predefinidas) y puede que tampoco se conozca el número de grupos. Un buen método de agrupamiento produce grupos de alta calidad en los cuales la similitud dentro del grupo es alta y la similitud entre las clases es baja. La medida de similitud se define usualmente por proximidad en un espacio multidimensional. 3.1 Agrupamiento difuso Este método (desarrollado por Dunn en 1973 y mejorado por Bezdek en 1981 ) se utiliza con frecuencia en el reconocimiento de patrones. Se basa en la minimización de la siguiente función: Para todo número m verdadero mayor de 1, el u ij es el grado de la calidad de miembro de x i en el grupo j, x i es el i-enésimo datos medios d-dimensionales, c j es el centro de la d-dimensión del agrupamiento, y * es cualquier norma que expresa la semejanza entre cualesquiera datos medidos y el centro. La distribución borrosa se realiza con una optimización de la función anterior, con la actualización del ij y de los centros c j de la calidad del miembro u del grupo. Esta iteración parará cuando donde e es un criterio de la finalización de la iteración y su valor estará entre 0 y 1, mientras que k es el paso de la iteración. Este procedimiento converge a un valor mínimo también llamado punto de la silla de mo ntar de J m. El algoritmo se compone de los pasos siguientes: 1. Inicializar la matriz del ij de U=[u ], U (0)
5 2. En el k-paso: calcular los vectores de los centros C (k) = [ cj ] con U (k) 3. Actualizar U(k) a U(k+1) 4. Si U (k+1) - U (k) <e entonces PARAR; si no volver paso 2. al Según lo dicho anteriormente, los datos están limitados a cada agrupación por medio de una función, que representa el comportamiento borroso de este algoritmo. Para esto, se tendrá que construir simplemente una matriz apropiada llamada U cuyos elementos sean valores entre 0 y 1, y representar el grado de proximidad entre los datos y los centros de las agrupaciones. 4 Problemática en los sistemas de aprendizaje no supervisado: Caso Práctico. Un claro ejemplo de sistema con aprendizaje no supervisado lo constituyen los sistemas topográficos. Estos sistemas se caracterizan por tener como entrada una Fotografía aérea y como salida la elaboración de un mapa. Esto se consigue analizando los patrones y modificando el mapa por su equivalente simbólico en el caso de los patrones más sencillos, los patrones topográficos puntuales, los cuales representan en los mapas los objetos cartográficos, cuyos tamaños son menores en relación con el tamaño del territorio, presentado en el mapa. Dependiendo de la escala del mapa, a esta clase de patrones geográficos pueden pertenecer: ciudades, pueblos, aeropuertos, etc. Entre los problemas de la digitalización de los patrones puntuales, se puede plantear un problema particular de reconocimiento de puntos geodésicos y puestos hidrológicos, los cuales se presentan numerosamente en mapas topográficos de media escala que se necesitan para la creación de modelos digitales de relieve. Estos patrones se dibujan en los mapas, como un grupo de símbolos, como formas y/o colores, los cuales representan sus características constructivas. Los símbolos de puntos geodésicos, generalmente vienen con información textual, que indica su nombre registrado y la altura de su punto de referencia. Los símbolos de puestos hidrológicos también vienen con información textual estructurada, que contiene el nombre registrado de puesto, la indicación de altura del agua o la corriente, tipo de depósitos de fondo, etc. Las características indicadas para los símbolos de patrones, pueden usarse efectivamente para el desarrollo de algoritmos de reconocimiento automático de patrones puntuales. Otro de los problemas que se pueden plantear es la representación de patrones cartográficos lineales, definidos por que el tamaño de los cuales, en una dirección es mucho menor que en la otra. Los patrones lineales representan en los mapa; ríos, autopistas, fallas tectónicas de la corteza terrestre, etc. Los patrones de este tipo se dibujan en mapas en forma de líneas de diferentes tipos, colores y anchos. Cada elemento puede tener su propio valor informativo. El resultado de la digitalización de los patrones lineales debe contener una secuencia de las coordenadas de los arcos, los cuales
6 se aproximan el patrón y, en caso de un reconocimiento posible, los atributos del patrón. La identificación de los patrones lineales se complica por el hecho de que se dibujan en mapas no solamente con líneas continuas, sino con líneas de una topología distinta (continuas, discontinuas, doble línea, etc.) También existe el problema del reconocimiento de las isolíneas de la altura de la superficie terrestre. Las isolíneas se dibujan en mapas con líneas continuas y trazos del mismo ancho y color. El reconocimiento de las isolíneas se complica por el hecho de que, generalmente, tienen discontinuidades en las cuales se escribe el valor del parámetro correspondiente para una isolínea dada. Estos números se ponen en el mapa con una orientación definida con respecto a la isolínea marcada. En los lugares de marcación numérica o de alta densidad de isolíneas, una parte de isolíneas afines puede desaparecer. Con frecuencia se utilizan dos grupos de isolíneas en los mapas: principales y adicionales. Las imágenes de estas últimas isolíneas se diferencian por el tipo de líneas. Las imágenes de las isolíneas pueden contener "berg-rayas", o segmentos cortos con longitud fija, los cuales se ponen perpendicularmente a la isolínea misma, con orientación hacia la disminución del valor numérico de parámetro Sin embargo, al crear los algoritmos de reconocimiento para sistemas con isolíneas, se pueden usar de acuerdo a sus especificaciones geométricas: las isolíneas no pueden cruzarse y cada una es cerrada o comienza y cierra en la frontera de una región. El resultado de la digitalización de isolíneas debe contener una secuencia de las coordenadas de los arcos, los cuales aproximan estas líneas, con un restablecimiento máximo posible de los segmentos ausentes en las isolíneas y una tabla con los valores del parámetro correspondiente. Referencias Artículo. Conceptos fundamentales de la teoría de decisión. Francisco José Cortijo Bon K. Fukunaga, Introduction to Statistical Pattern Recognition, Academic Press, segunda edición. Pattern Recognition: A Statistical Approach. Devijver, Kittler. Prentice Hall, Sin ISBN Artículo. Reconocimiento de patrones: Una aproximación para expresión de instrumentos y arte interactiva. Juan Reyes.
Bloque temático: Sistemas de Reconocimiento de Patrones
Bloque temático: Sistemas de Reconocimiento de Patrones 1 Sistemas de Reconocimiento de Patrones PRACTICAS 6)Estudio de ejemplos en Matlab 7)Adquisición de imágenes reales: generación de una librería de
Más detallesSistema de Información Geográfica (SIG)
INSTITUTO DE NUTRICIÓN N DE CENTRO AMERICA Y PANAMÁ SEGURIDAD ALIMENTARIA NUTRICIONAL Sistema de Información Geográfica (SIG) UNIDAD DE VIGILANCIA MONITOREO Y EVALUACIÓN Guatemala 2012 Definición Es un
Más detalles4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC:
4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC: A continuación se muestran los objetivos así como los mapas funcionales según la línea de acentuación y la línea
Más detallesCRITERIOS DE SELECCIÓN DE MODELOS
Inteligencia artificial y reconocimiento de patrones CRITERIOS DE SELECCIÓN DE MODELOS 1 Criterios para elegir un modelo Dos decisiones fundamentales: El tipo de modelo (árboles de decisión, redes neuronales,
Más detallesLos Gráficos. Que son? Cuales son los tipos que conoces. Cual es su relación con la estadística?
Los Gráficos Que son? Cual es su relación con la estadística? Que factores se deben considerar para leerlos correctament e? Cuales son los tipos que conoces La representación grafica de datos sobre un
Más detallesBreve introducción a la Investigación de Operaciones
Breve introducción a la Investigación de Operaciones Un poco de Historia Se inicia desde la revolución industrial, usualmente se dice que fue a partir de la segunda Guerra Mundial. La investigación de
Más detallesCONTENIDOS MÍNIMOS BLOQUE 2. NÚMEROS
CONTENIDOS Y CRITERIOS DE EVALUACIÓN DE MATEMÁTICAS 1º DE ESO. Bloque 1: Contenidos Comunes Este bloque de contenidos será desarrollado junto con los otros bloques a lo largo de todas y cada una de las
Más detallesFormulación del problema de la ruta más corta en programación lineal
Formulación del problema de la ruta más corta en programación lineal En esta sección se describen dos formulaciones de programación lineal para el problema de la ruta más corta. Las formulaciones son generales,
Más detallesAprendizaje Automatizado
Aprendizaje Automatizado Aprendizaje Automatizado Programas que mejoran su comportamiento con la experiencia. Dos formas de adquirir experiencia: A partir de ejemplos suministrados por un usuario (un conjunto
Más detallesGLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística, McGraw Hill.
GLOSARIO ESTADÍSTICO Fuente: Murray R. Spiegel, Estadística, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio científico de los métodos para recoger, organizar, resumir y analizar los datos
Más detallesFOTOGRAMETRÍA Y FOTOINTERPRETACIÓN
FOTOGRAMETRÍA Y FOTOINTERPRETACIÓN Evolución de la Fotogrametría Introducción La Fotogrametría se define como el arte, la ciencia y la tecnología orientada a obtener información relevante de diversos objetos
Más detallesM.D.T. y TOPOCAL. Técnicas de Representación Gráfica. Curso DIGTEG 2010
M.D.T. y TOPOCAL Técnicas de Representación Gráfica Curso 2010-2011 Superficies Topográficas Superficies Topográficas No es geométrica La superficie terrestre No se puede representar con exactitud matemática
Más detalles13. Utilizar la fórmula del término general y de la suma de n términos consecutivos
Contenidos mínimos 3º ESO. 1. Contenidos. Bloque I: Aritmética y álgebra. 1. Utilizar las reglas de jerarquía de paréntesis y operaciones, para efectuar cálculos con números racionales, expresados en forma
Más detallesMAPAS GEOLOGICOS MAPAS GEOLOGICOS
MAPAS GEOLOGICOS Mapa que muestra: la ubicación y orientación de las unidades geológicas sus características y rasgos estructurales. normalmente no es posible ver todos los detalles de las unidades rocosas
Más detallesGUÍA DOCENTE: Sistemas Basados en Conocimiento y Minería de Datos (SBC)
GUÍA DOCENTE: Sistemas Basados en Conocimiento y Minería de Datos (SBC) Curso Académico: 2015-2016 Programa: Centro: Universidad: Máster Universitario en Ingeniería Informática Escuela Politécnica Superior
Más detallesMANUAL DE USO PROGRAMA SENSIBAR
MANUAL DE USO PROGRAMA SENSIBAR ANALSIS DE SENSIBILIDAD Y SIMULACION DE MONTECARLO JOSE FUENTES VALDES FACEA - UNIVERSIDAD DE CONCEPCION Facultad de Economía Universidad de Concepción 1 SensiBar. ANALSIS
Más detalles2.3 Clasificación de modelos matemáticos.
2.3 Clasificación de modelos matemáticos. Qué es un modelo? Un modelo es una representación ideal de un sistema y la forma en que este opera. El objetivo es analizar el comportamiento del sistema o bien
Más detallesCLASIFICACIÓN DE LA IMAGEN. Escuela de Ingeniería Civil y Geomática Francisco Luis Hernández Torres
CLASIFICACIÓN DE LA IMAGEN TÉCNICA QUE PERMITE LA IDENTIFICACIÓN DE LOS DIFERENTES OBJETOS O GRUPOS PRESENTES EN UNA IMAGEN MULTI-ESPECTRAL. MÉTODO NO SUPERVISADO MÉTODO SUPERVISADO El Desarrollo De Las
Más detallesCartografía Temática Recopilación Apuntes Juan E. Gutiérrez Palacios
IV. MAPAS DE PUNTOS 4.1. INTRODUCCIÓN En los mapas de puntos la información cuantitativa se representa por medio de la repetición de puntos que, a diferencia de los mapas de símbolos proporcionales, no
Más detallesPrimera aproximación al aprendizaje automático.
APRENDIZAJE Introducción al aprendizaje algorítmico José M. Sempere Departamento de Sistemas Informáticos y Computación Universidad Politécnica de Valencia Aprender: Tomar algo en la memoria [...] Adquirir
Más detallesContenidos Mínimos MATEMÁTICAS 3º ESO ENSEÑANZAS ACADÉMICAS. U 1 Fracciones y decimales. CRITERIOS DE EVALUACIÓN. ESTÁNDARES DE APRENDIZAJE EVALUABLES
Septiembre 2.016 Contenidos Mínimos MATEMÁTICAS 3º ESO ENSEÑANZAS ACADÉMICAS U 1 Fracciones y decimales. Números racionales. Expresión fraccionaria - Números enteros. - Fracciones. - Fracciones propias
Más detallesUNIDAD 6: ECUACIONES OBJETIVOS
UNIDAD 6: ECUACIONES Conocer los conceptos de ecuación, así como la terminología asociada. Identificar y clasificar los distintos tipos de ecuaciones polinómicas en función de su grado y número de incógnitas.
Más detallesLos lugares geométricos de todos los puntos del espacio en los cuales la magnitud escalar tiene un mismo valor.
2. 2. Introducción A lo largo del estudio de la Física surgen una serie de propiedades, tanto de magnitudes escalares como vectoriales, que se expresan por medio de nuevos conceptos tales como gradiente,
Más detalles1. Si 10 m están representados en un mapa por 10 cm, 50 m, por cuántos cm estarán representados?
EL MAPA TOPOGRÁFICO OBJETIVO 1. Entender y saber aplicar el concepto de escala referido a las representaciones del medio natural. 2. Comprender el uso de las curvas de nivel. 3. Saber interpretar un mapa
Más detallesUna función es una correspondencia única entre dos conjuntos numéricos.
FUNCIONES Qué es una función? Una función es una correspondencia entre dos conjuntos de números de modo que a cada valor del conjunto inicial, llamado dominio, se le hace corresponder un valor del conjunto
Más detallesANÁLISIS CUANTITATIVO DE DATOS EN CIENCIAS SOCIALES CON EL SPSS (I)
ANÁLISIS CUANTITATIVO DE DATOS EN CIENCIAS SOCIALES CON EL SPSS (I) Modalidad: Semipresencial Inicio del curso: 12 de junio de 2012 Sesiones presenciales: 12 y 13 de junio (de 17 a 20 hrs.). Lugar: Ala
Más detallesAnálisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina.
Análisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina. Marcos Herrera 1 1 CONICET IELDE - Universidad Nacional de Salta (Argentina) Seminario de Investigación Nº 27 8 de
Más detallesTema 7: Problemas clásicos de Programación Lineal
Tema 7: Problemas clásicos de Programación Lineal 1.- Características generales de un problema de transporte y asignación Surgen con frecuencia en diferentes contextos de la vida real. Requieren un número
Más detallesLas funciones. 1. Constantes y variables.- Constante es una letra o símbolo que representa un número fijo y determinado.
Las funciones 1. Constantes y variables.- Constante es una letra o símbolo que representa un número fijo y determinado. Variable es una letra o símbolo que representa cada uno de los números de un conjunto.
Más detallesTema 8. Análisis de dos variables Ejercicios resueltos 1
Tema 8. Análisis de dos variables Ejercicios resueltos 1 Ejercicio resuelto 8.1 La siguiente tabla muestra la distribución del gasto mensual en libros y el gasto mensual en audiovisual en euros en los
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesTextos Continuos y Discontinuos Comprensión Lectora
Textos Continuos y Discontinuos Comprensión Lectora Textos discontinuos Son textos organizados de una manera distinta a la de los textos continuos. Su comprensión requiere del uso de estrategias de lectura
Más detallesINTRODUCCIÓN AL CONOCIMIENTO GEOGRÁFICO
COLEGIO LA PRESENTACIÓN. GUADIX GEOGRAFÍA 2º BACHILLERATO Unidad 0 INTRODUCCIÓN AL CONOCIMIENTO GEOGRÁFICO PROFESOR: BUENAVENTURA FERNÁNDEZ FERNÁNDEZ 1- EL ESPACIO GEOGRÁFICO Es el medio físico en el cual
Más detallesTEORÍA DE MECANISMOS ANÁLISIS DE MECANISMOS POR ORDENADOR
1/5 ANÁLISIS DE MECANISMOS POR ORDENADOR INTRODUCCIÓN En esta práctica se analizará cinemáticamente un determinado mecanismo plano empleando el método del cinema y se compararán los resultados obtenidos
Más detallesTécnicas de Clasificación Supervisada DRA. LETICIA FLORES PULIDO
Técnicas de Clasificación Supervisada DRA. LETICIA FLORES PULIDO 2 Objetivo El objetivo principal de las técnicas de clasificación supervisada es obtener un modelo clasificatorio válido para permitir tratar
Más detallesJesús Eduardo Pulido Guatire, marzo Diagrama de Dispersión y Correlación Lineal Simple
Jesús Eduardo Pulido Guatire, marzo 0 Diagrama de Dispersión y Correlación Lineal Simple Hasta el momento el trabajo lo hemos centrado en resumir las características de una variable mediante la organización
Más detallesCÁTEDRA DE GEOLOGÍA GENERAL TRABAJOS PRÁCTICOS PRÁCTICO Nº1 INTRODUCCIÓN A LA TOPOGRAFÍA Y CARTOGRAFÍA GEOLÓGICA
CÁTEDRA DE GEOLOGÍA GENERAL TRABAJOS PRÁCTICOS PRÁCTICO Nº1 INTRODUCCIÓN A LA TOPOGRAFÍA Y CARTOGRAFÍA GEOLÓGICA Práctico Nº 1. Parte I: La escala Práctico Nº 1. Parte II: Mapas topográficos y curvas de
Más detallesESTADISTICA. Tradicionalmente la aplicación del término estadística se ha utilizado en tres ámbitos:
ESTADISTICA Tradicionalmente la aplicación del término estadística se ha utilizado en tres ámbitos: a) Estadística como enumeración de datos. b) Estadística como descripción, es decir, a través de un análisis
Más detalles3. Clasificación no supervisada
3. El presente capítulo y el siguiente tratan de clasificación, es por ello que antes de abordar el tema específico de este capítulo, previamente se hará una introducción al tema de clasificación. 3.1
Más detallesUniversidad de Managua Curso de Programación Lineal
Universidad de Managua Curso de Programación Lineal Profesor: MSc. Julio Rito Vargas Avilés. Objetivos y Temáticas del Curso Estudiantes: Facultad de CE y A Año académico: III Cuatrimestre 2014 ORIENTACIONES
Más detallesMétodos, Algoritmos y Herramientas
Modelado y Simulación de Sistemas Dinámicos: Métodos, Algoritmos y Herramientas Ernesto Kofman Laboratorio de Sistemas Dinámicos y Procesamiento de la Información FCEIA - Universidad Nacional de Rosario.
Más detallesFacultad de Ingeniería Civil y Ambiental MDE y Análisis del terreno.
MDE y Análisis del terreno. Sistemas de Información Geográfica 2-2013 Análisis del terreno. - El estudio del terreno es un tema muy estudiado por los SIG. - El estudio del terreno tiene un ámbito de utilidad
Más detallesMapas de Puntos. Cartografía a Temática Cuantitativa. Cartografía de superficie
Cartografía a Temática Cuantitativa Cartografía de superficie En la cartografía a temática tica cuantitativa existe el concepto de superficie estadística. stica. La superficie estadística stica es una
Más detallesCurso Geología General I Práctico N 11
Curso Geología General I Práctico N 11 Principios de Topografía y Geodesia aplicados al manejo de documentos planialtimétricos. Mapas y perfiles geológicos. 1) Introducción La Topografía se ha definido
Más detallesCapítulo 8. Análisis Discriminante
Capítulo 8 Análisis Discriminante Técnica de clasificación donde el objetivo es obtener una función capaz de clasificar a un nuevo individuo a partir del conocimiento de los valores de ciertas variables
Más detallesCUARTO DE ESO. MATEMÁTICAS A
CUARTO DE ESO. MATEMÁTICAS A UNIDAD 1 1.1. Realiza operaciones combinadas con números enteros. 1.2. Realiza operaciones con fracciones. 1.3. Realiza operaciones y simplificaciones con potencias de exponente
Más detallesBLOQUE I: GEOMETRÍA PLANA Y FIGURAS GEOMÉTRICAS. Ecuaciones y sistemas. 2 (20 horas) Funciones y gráficas. 2 (20 horas) Estadística y probabilidad
PROGRAMACIÓN DIDÁCTICA Materia IV Período FBPI Tramo II Ámbito Científico-Tecnológico Bloque I Geometría plana y figuras geométricas Créditos 3 (30 horas) Bloque II Créditos Ecuaciones y sistemas 2 (20
Más detallesI. CONSIDERACIONES GENERALES
MATRIZ DE ESPECIFICACIONES DE LA PRUEBA NACIONAL DE SUFICIENCIA EN COMPRENSIÓN DE TEXTOS Y RAZONAMIENTO LÓGICO MATEMÁTICO PARA LA INCORPORACIÓN AL COLEGIO MAYOR SECUNDARIO PRESIDENTE DEL PERÚ I. CONSIDERACIONES
Más detallesINTRODUCCIÓN A LOS SISTEMAS DE INFORMACIÓN GEOGRÁFICA
INTRODUCCIÓN A LOS SISTEMAS DE INFORMACIÓN GEOGRÁFICA 3. Entrada y edición de datos Departamento de Geografía Universidad de Alcalá 3-1 Funciones básicas de un SIG ENTRADA SALIDA Mapas analógicos Listados
Más detallesMateria: Matemáticas Curso: Octavo de Básica
Materia: Matemáticas Curso: Octavo de Básica BREVE DESCRIPCIÓN DE LA CLASE: Formar entre el profesor y el estudiante/es una comunidad de trabajo por medio de la creatividad y estructura de los conocimientos
Más detallesCUADRO DE MANDO PARA LA ALTA DIRECCIÓN EN EL MINISTERIO DE FOMENTO
CUADRO DE MANDO PARA LA ALTA DIRECCIÓN EN EL MINISTERIO DE FOMENTO Jefe de Proyecto BGS Online Consultores Subdirector General de Tecnología y Sistemas de la Información Ministerio de Fomento Asesor Área
Más detallesSECCIÓN 3 PRESENTACION DE ESTADOS FINANCIEROS
SECCIÓN 3 PRESENTACION DE ESTADOS FINANCIEROS PRESENTACIÓN DE ESTADOS FINANCIEROS Los estados financieros son representaciones estructuradas basados en la situación financiera de la entidad el rendimiento
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales SEGMENTACIÓN DE LA IMAGEN Segmentación basada en texturas INTRODUCCIÓN La textura provee información sobre la distribución espacio-local del color o niveles de intensidades
Más detallesANEXO 1. CALIBRADO DE LOS SENSORES.
ANEXO 1. CALIBRADO DE LOS SENSORES. Las resistencias dependientes de la luz (LDR) varían su resistencia en función de la luz que reciben. Un incremento de la luz que reciben produce una disminución de
Más detallesCÁLCULO DE PROBABILIDADES
CÁLCULO DE PROBABILIDADES Tipo de asignatura: Troncal Anual. Créditos ECTS: 15 I.- INTRODUCCIÓN AL CÁLCULO DE PROBABILIDADES. (16 horas presenciales) Tema 1.- La naturaleza del cálculo de probabilidades.
Más detallesEn la notación C(3) se indica el valor de la cuenta para 3 kilowatts-hora: C(3) = 60 (3) = 1.253
Eje temático: Álgebra y funciones Contenidos: Operatoria con expresiones algebraicas Nivel: 2 Medio Funciones 1. Funciones En la vida diaria encontramos situaciones en las que aparecen valores que varían
Más detallesAlgunas Distribuciones Discretas de Probabilidad. UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Discretas de Probabilidad UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesTipos de mapas 9/28/2014. Mapas temáticos. Tipos de Mapas. Cartografía Temática Cualitativa
Tipos de Mapas Tipos de mapas Tradicionalmente los mapas se agrupan en dos clasificaciones principales: Mapas generales (generales o localizacionales): son mapas que muestran las características generales
Más detallesLA TECNOLOGIA GPS, QUE NACIO PARA EL AMBITO MILITAR, SE HA REVELADO EN LA ACTUALIDAD COMO UNA FUENTE INAGOTABLE Y CRECIENTE DE APLICACIONES CIVILES
LA TECNOLOGIA GPS, QUE NACIO PARA EL AMBITO MILITAR, SE HA REVELADO EN LA ACTUALIDAD COMO UNA FUENTE INAGOTABLE Y CRECIENTE DE APLICACIONES CIVILES SEINDO UNA DE ELLAS LA AGRICULTURA. UNO DE LOS 24 SATÉLITES
Más detallesInteligencia Artificial. Aprendizaje neuronal. Ing. Sup. en Informática, 4º. Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani
Inteligencia Artificial Aprendizaje neuronal Ing. Sup. en Informática, 4º Curso académico: 20/202 Profesores: Ramón Hermoso y Matteo Vasirani Aprendizaje Resumen: 3. Aprendizaje automático 3. Introducción
Más detallesVISIÓN POR COMPUTADOR
VISIÓN POR COMPUTADOR Introducción Ingeniería de Sistemas y Automática Universidad Miguel Hernández Tabla de Contenidos 2 Definición de Visión por Computador Captación Información Luminosa Imagen Digital
Más detallesUn sistema de ecuaciones diferenciales son aquellas que tienen varias posibilidades para su solución. Estas son:
Unidad X: Programación lineal (continuación) Objetivo específico: Entender ampliamente el fenómeno del comportamiento de los modelos matemáticos para la resolución de problemas enfocados a las ecuaciones
Más detalles1. Los números racionales. 2. Operaciones con racionales. 3. Clasificación de los decimales. 4. Irracionales. (representación, orden).
EJES ARTICULADORES Y PRODUCTIVOS DEL AREA SISTEMA DE CONOCIMIENTOS GRADO: 8 9 1. Los números racionales. 2. Operaciones con racionales. 3. Clasificación de los decimales. 1. Los números reales. 2. Notación
Más detallesCOLEGIO HELVETIA PROGRAMA DE MATEMÁTICAS GRADO ONCE
COLEGIO HELVETIA PROGRAMA DE MATEMÁTICAS GRADO ONCE 201-2015 OBJETIVO GENERAL: Entender las bases conceptuales de función, el problema del infinito, así como sus aplicaciones a otras áreas del conocimiento
Más detallesReconocimiento Automático de Voz
Reconocimiento Automático de Voz Presentación basada en las siguientes Referencias: [1] Rabiner, L. & Juang, B-H.. Fundamentals of Speech Recognition, Prentice Hall, N.J., 1993. [2] Rabiner, L. & Juang,
Más detallesPROBLEMAS TEMA 3: ANÁLISIS DE COMPONENTES PRINCIPALES. LICENCIADO EN ECONOMÍA
1 PROBLEMAS TEMA 3: ANÁLISIS DE COMPONENTES PRINCIPALES. LICENCIADO EN ECONOMÍA Problema 1 Calcular para la matriz de covarianzas ( ) 5 2 S Y =, 2 2 (a) Las componentes principales Z 1 y Z 2. (b) La proporción
Más detallesPontificia Universidad Católica del Ecuador
1. DATOS INFORMATIVOS: MATERIA O MÓDULO: Cartografía básica CÓDIGO: CARRERA: Ecoturismo NIVEL: Primero No. CRÉDITOS: 4 CRÉDITOS TEORÍA: 2 SEMESTRE/AÑO ACADÉMICO: Primer semestre 2008-09 CRÉDITOS PRÁCTICA:
Más detallesGEOGRAFÍA FÍSICA GEOGRAFÍA HUMANA O SOCIAL
DORT IN GOEG AL GEOGRAFÍA FÍSICA GEOGRAFÍA HUMANA O SOCIAL Términos generales. Coordenadas geográficas, son las que sirven para determinar la posición de un punto en la superficie de la tierra, conociendo
Más detallesItinerario: Inteligencia Computacional
Máster Universitario en Investigación e Innovación en Tecnologías de la Información y las Comunicaciones Itinerario: Inteligencia Computacional Escuela Politécnica Superior Universidad Autónoma de Madrid
Más detallesCONCEPTOS BÁSICOS (Freeman capt.1; Neural Nets capt. 4,5 y 7)
Tema 1: Conceptos Básicos Sistemas Conexionistas 1 CONCEPTOS BÁSICOS (Freeman capt.1; Neural Nets capt. 4,5 y 7) 1.- Introducción. 1.1.- Redes Neuronales de Tipo Biológico. 1.2.- Redes Neuronales dirigidas
Más detallesEstrategias didácticas para la resolución de problemas en Matemática de I y II ciclos
Estrategias didácticas para la resolución de problemas en Matemática de I y II ciclos Segundo Ciclo, Relaciones y Álgebra Abril, 2014 En el Segundo ciclo se busca la profundización en los aprendizajes
Más detallesSistema de Coordenadas
Sistemas de Coordenadas Los sistemas de coordenadas son sistemas diseñados para localizar de forma precisa puntos sobre el planeta Tierra. Debido a que los sistemas de coordenadas se utilizan en mapas
Más detallesObjetivos. Aprender a construir gráficos p y/o np. Aprender a construir gráficos c y u. Cuando usarlos. Epígrafes
Objetivos Aprender a construir gráficos p y/o np. Aprender a construir gráficos c y u. Cuando usarlos Epígrafes Introducción a los Gráficos p, np. Interpretación Gráficos c y u. Interpretación 2-1 Gráfico
Más detallesM É T O D O S A L T E R N A T I V O S P A R A E X T R A C C I O N D E V E C T O R C A R A C T E R I S T I C AS.
A P É N D I C E D M É T O D O S A L T E R N A T I V O S P A R A E X T R A C C I O N D E V E C T O R C A R A C T E R I S T I C AS. Código extendido de Sombras. Burr ha propuesto el código de sombras como
Más detallesDiseño y simulación de un algoritmo basado en lógica difusa para el despacho de ascensores en un edificio
Diseño y simulación de un algoritmo basado en lógica difusa para el despacho de ascensores en un edificio PROYECTO FIN DE CARRERA Ingeniería de Telecomunicación Autor: Guillermo Iglesias García Director:
Más detallesExtensión de la Morfología Matemática a imágenes en Color
Departamento de Física, Ingeniería de Sistemas y Teoría de la Señal Grupo de Automática, Robótica y Visión Artificial Extensión de la Morfología Matemática a imágenes en Color Introducción. Imágenes en
Más detallesUnidad III: Estadística descriptiva
Unidad III: Estadística descriptiva 3.1 Conceptos básicos de estadística: Definición, Teoría de decisión, Población, Muestra aleatoria, Parámetros aleatorios TEORÍA DE DECISIÓN Estudio formal sobre la
Más detallesDEPARTAMENTO DE MATEMÁTICAS. IES GALLICUM
UNIDAD I: NÚMEROS (6 Horas) 1.- Repasar el cálculo con números racionales y potencias de exponente entero. 2.- Resolver problemas de la vida cotidiana en los que intervengan los números racionales. 1.-
Más detallesSISTEMAS DE INFORMACIÓN GEOGRÁFICA CONCEPTOS FUNDAMENTALES: COBERTURAS, MODELOS DE DATOS, TABLAS DE ATRIBUTOS Y TOPOLOGÍA
SISTEMAS DE INFORMACIÓN GEOGRÁFICA CONCEPTOS FUNDAMENTALES: COBERTURAS, MODELOS DE DATOS, TABLAS DE ATRIBUTOS Y TOPOLOGÍA ELEMENTOS COMUNES DE LOS SIG Son sistemas de información compuestos por software,
Más detallesUNIDAD 8 INECUACIONES. Objetivo general.
8. 1 UNIDAD 8 INECUACIONES Objetivo general. Al terminar esta Unidad resolverás inecuaciones lineales y cuadráticas e inecuaciones que incluyan valores absolutos, identificarás sus conjuntos solución en
Más detallesEl método simplex 1. 1 Forma estándar y cambios en el modelo. 2 Definiciones. 3 Puntos extremos y soluciones factibles básicas. 4 El método simplex.
El método simplex Forma estándar y cambios en el modelo. Definiciones. Puntos extremos y soluciones factibles básicas. 4 El método simplex. Definiciones y notación. Teoremas. Solución factible básica inicial.
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesSimbolización en ArcGis 10
Simbolización en ArcGis 10 4. Tipos de simbolización Los mapas que se pueden generar con ArcMap son de dos tipos esencialmente: - los mapas de localización: la simbolización es constante por cada tipo
Más detallesUnidad I: Introducción a las estructuras de datos
Unidad I: Introducción a las estructuras de datos 1.1 Tipos de datos abstractos (TDA) Los tipos de datos abstractos (TDA) encapsulan datos y funciones que trabajan con estos datos. Los datos no son visibles
Más detallesOPTIMIZACIÓN VECTORIAL
OPTIMIZACIÓN VECTORIAL Métodos de Búsqueda Directa Utilizan sólo valores de la función Métodos del Gradiente Métodos de Segundo Orden Requieren valores aproimados de la primera derivada de f) Además de
Más detallesVisión por computadora Computer vision
Visión por computadora Computer vision Conjunto de algoritmos que permiten obtener una representación visual del mundo, suficiente para la realización de una tarea dada. Representación visual El mundo:
Más detalles300CIG007 Computabilidad y Lenguajes Formales: Autómatas Finitos
300CIG007 Computabilidad y Lenguajes Formales: Autómatas Finitos Pontificia Universidad Javeriana Cali Ingeniería de Sistemas y Computación Prof. Gloria Inés Alvarez V. Qué es un computador? Todos lo sabemos!!!
Más detallesIdentificación de agentes en el diseño de sistemas de control de producción Pau Herrero Viñas
Identificación de agentes en el diseño de sistemas de control de producción Pau Herrero Viñas Unidad de carga S1 M1 S4 Unidad de descarga M2 S2 S3 Basado en el artículo: On the Identification of Agents
Más detallesMODELOS DE INVESTIGACION DE OPERACIONES
MODELOS DE INVESTIGACION DE OPERACIONES CARACTERÍSTICAS Los modelos se dividen en determinísticos (no probabilisticos) y estocásticos (probilisticos). Hay otros modelos híbridos porque incluyen las dos
Más detallesCARTOGRAFIA ANALOGA Y DIGITAL
CARTOGRAFIA ANALOGA Y DIGITAL En la Cartografía Análoga se constituyen como documentos finales el mapa impreso o los positivos fotográficos. En la Cartografía Digital todo la información es de tipo numérica.
Más detallesUNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)
UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) 1. ESTADÍSTICA: CLASES Y CONCEPTOS BÁSICOS En sus orígenes históricos, la Estadística estuvo ligada a cuestiones de Estado (recuentos, censos,
Más detallesUNIDAD 7: PROGRESIONES OBJETIVOS
UNIDAD 7: PROGRESIONES Reconocer sucesiones y deducir su regla de formación en los casos en que sea posible. Obtener distintos términos en sucesiones recurrentes. Distinguir si una sucesión es una progresión
Más detallesÍndice de contenidos
TEMA 0.- INTRODUCCIÓN A LA GEOGRAFÍA Índice de contenidos 1- EL CONCEPTO DE GEOGRAFÍA 1.1.- La Geografía 2- LA REPRESENTACIÓN DEL ESPACIO GEOGRÁFICO. 2.1.- Las coordenadas geográficas. 2.2.- Las proyecciones
Más detallesConceptos básicos de Geometría
Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 15 de enero del 2013 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) 15 de enero del 2013 1 / 25 1 Geometría Afín Geometría Euclidiana Áreas y ángulos Dr. Eduardo
Más detallesCriterio: Relación entre Clasificaciones de Riesgo de Corto y Largo Plazo
Corto y Largo Plazo El siguiente criterio de clasificación expone la lógica de por qué ICR utiliza escalas diferentes para clasificar obligaciones de corto y largo plazo, además de indicar las similitudes
Más detallesCAPÍTULO 4 LOS MEGAPIXELS
CAPÍTULO 4 LOS MEGAPIXELS Hoy día la palabra megapíxel parece un término inseparable de la propia fotografía. Por eso es necesario conocer el verdadero significado de este término, las implicaciones que
Más detallesEstándares de evaluación en la materia de MATEMÁTICAS de 1º de ESO. Curso 2016/2017.
Estándares de evaluación en la materia de MATEMÁTICAS de 1º de ESO. Curso 2016/2017. Bloque 1. Procesos, métodos y actitudes en matemáticas. Los criterios correspondientes a este bloque son los marcador
Más detalles4 Análisis de los principales factores AsociAdos A los resultados en ciencias. Portugal
la proporción de varianza entre escuelas del índice socioeconómico, resulta que en México es del 35 % mientras que en la OCDE es apenas del 24 %. Esto significa que en México existe una segregación de
Más detallesRevisora: María Molero
57 Capítulo 5: INECUACIONES. Matemáticas 4ºB ESO 1. INTERVALOS 1.1. Tipos de intervalos Intervalo abierto: I = (a, b) = {x a < x < b}. Intervalo cerrado: I = [a, b] = {x a x b}. Intervalo semiabierto por
Más detallesAprendizaje basado en ejemplos.
Aprendizaje basado en ejemplos. In whitch we describe agents that can improve their behavior through diligent study of their own experiences. Porqué queremos que un agente aprenda? Si es posible un mejor
Más detalles