RECONOCIMIENTO DE PATRONES DRA. LETICIA FLORES PULIDO
|
|
- Virginia Salinas Tebar
- hace 6 años
- Vistas:
Transcripción
1 RECONOCIMIENTO DE PATRONES DRA. LETICIA FLORES PULIDO
2 2 CONTENIDO TEMA1: INTRODUCCIÓN TEMA2: APRENDIZAJE MÁQUINA TEMA3: RECONOCIMIENTO DE PATRONES TEMA4: PROGRAMACIÓN EVOLUTIVA
3 3 TEMA 4 : PROGRAMACIÓN EVOLUTIVA INTRODUCCIÓN ALGORITMOS GENÉTICOS EJEMPLO HIPÓTESIS Y ESPACIO DE BÚSQUEDA PROGRAMACIÓN GENÉTICA MODELOS DE EVOLUCIÓN Y APRENDIZAJE PARALELIZANDO ALGORITMOS GENÉTICOS
4 4 Introducción Los algoritmos genéticos proporcionan un método de aprendizaje que es basado en evolución simulada Las hipótesis que forman las muestras de entrenamiento son por lo regular en forma de bits La búsqueda de una hipótesis apropiada comienza con una población, una colección o una hipótesis inicial
5 5 Introducción Los miembros de la población actual dan lugar a una nueva generación de la población por medio de operaciones como mutación y cruza En cada paso, la hipótesis o fórmula que nos lleva a modelar un problema, proporciona una medida de aptitud y esto nos lleva a la hipótesis mas cercana a la respuesta correcta probabilisticamente Una vez seleccionada dicha hipótesis, se originan las semillas para la nueva generación
6 6 Introducción Los algoritmos genéticos han sido aplicados exitosamente a aprender: colecciones de reglas para control de robots, para optimizar la topología de parámetros de aprendizaje para redes neuronales artificiales.
7 7 Motivación Los algoritmos genéticos proveen un método de aprendizaje motivado por la analogía a la evolución biológica Los algoritmos genéticos realizan una búsqueda de hipótesis repetitiva mutando y recombinando sus partes a partir de la hipótesis de solución más reciente A cada paso, una colección de hipótesis llamada la actual población se actualiza al reemplazar alguna fracción de la misma población por la nueva descendencia de la hipótesis más actual
8 8 Motivación Dicho proceso forma una búsqueda de hipótesis donde es posible realizar un recorrido a través de un conjunto de soluciones mas apropiadas La popularidad de los Algoritmos Genéticos es motivada por un número de factores incluyendo: Que la evolución es un método robusto para la adaptación desde el punto de vista biológico Los AG pueden buscar espacios de búsqueda de hipótesis que contienen mezclas de códigos que pueden ser difíciles de modelar Los AG pueden paralelizarse fácilmente y pueden tomar ventaja de los bajos costos de hardware computacional poderoso
9 9 Algoritmos Genéticos El problema que solucionan los algoritmos genéticos es el de buscar un espacio de hipótesis candidato para identificar la mejor hipótesis En AG, la mejor hipótesis se define a aquella que optimiza una medida numérica predefinida para el problema, llamada la hipótesis de adaptación. En el ejemplo del ajedrez podemos decir que la hipótesis de adaptación es igual a el número de juegos ganados contra otros jugadores dentro de un torneo.
10 10 Algoritmos Genéticos ESTRUCTURA: 1. El algoritmo opera por iteración actualizando una cantidad de hipótesis llamada población 2. En cada iteración, todos los miembros de la población son evaluados de acuerdo a la función de adaptabilidad 3. Una nueva población es generada entonces al seleccionar probabilísticamente los individuos más aptos de la población actual 4. Algunos de estos individuos se conservan en la población actual y se conservan intactos con la generación de la nueva población
11 11 Algoritmos Genéticos ESTRUCTURA (SIGUE) Otros individuos son utilizados como base para crear nueva descendencia al aplicar operaciones genéticas tales como cruza y mutación
12 Algoritmos Genéticos 12
13 13 Algoritmos Genéticos Las entradas al AG incluyen: la función de aptitud y un umbral que define el nivel aceptable de adaptatividad El tamaño de la población a conservar Los parámetros que definen como se generarán los sucesores de las poblaciones La fracción de la población que será reemplazada en cada generación y la taza de mutación
14 14 Representación de Hipótesis La representación de la información en AG es por cadenas, de modo que pueda ser fácilmente manipulada por los operadores genéticos de mutación o cruza Las hipótesis representadas por estas cadenas de bits puede ser tan compleja como se requiera: Pueden representarse conjuntos de reglas if-then (Holland 1986)
15 15 Representación de Hipótesis Un ejemplo de representación en cadenas es considerando por ejemplo: La palabra Pronóstico la cual puede tomar cualquiera de los tres valores siguientes: Soleado Nublado Lluvioso Una forma obvia de representar estos estados, es tomar una cadena de bits con tres valores, donde cada valor indique cada una de las variables posibles del pronóstico
16 16 Representación de Hipótesis 010 indica Pronóstico= Nublado 011 indica Pronóstico= Nublado lluvioso 011 indicará que no importa que valor tome dicha variable Dada la anterior representación, podemos entonces describir reglas fácilmente con conjunciones de condiciones que corresponden a cadenas de bits
17 17 Representación de Hipótesis Consideremos otro atributo llamado Viento: Una regla de condición para este estado sería: (Pronóstico=Nublado Lluvioso) (Viento=Fuerte) Que puede ser representada por la siguiente cadena de bits de longitud cinco: PRONÓSTICO 011 VIENTO 10
18 18 Representación de Hipótesis Entonces una regla postcondicionada como: JugarTenis=Si, puede ser representada de forma similar Entonces una regla completa puede describirse al concatenar las cadenas de bits de las condiciones de la parte del IF que queremos escribir y concatenar la cadena de bits de la regla THEN de la postcondicion
19 19 Representación de Hipótesis Por ejemplo, la regla: IF viento=fuerte THEN JugarTenis=si Puede ser representada por la cadena: Pronóstico 111 Viento 10 JugarTenis 10 Donde los primeros 3 bits indican la condición no importa el clima, los siguientes dos describen la constante del viento y los dos últimos asumen los valores de la regla postcondicion, donde suponemos que JugarTenis puede tomar los valores de SI=10 o NO=01
20 20 Representación de Hipótesis Observemos que la cadena que utilizamos para representar esta hipótesis se forma de subcadenas de atributos aun cuando los atributos no son considerados dentro de la precondición
21 21 Operadores Genéticos La generación de nueva descendencia o de los sucesores (recordemos el juego del ajedrez, conocido como la siguiente jugada), es determinada por las operaciones de mutación o cruza Dichas operaciones representan al caso idealizado de su analogía biológica Los dos operadores mas comunes son: LA MUTACION Y LA CRUZA
22 Operadores Genéticos 22
23 23 Operadores Genéticos EJEMPLOS: TIPO DE CRUZA CADENA INICIAL MASCARA DE CRUZA DESCENDENCIA Cruza en un punto simple Cruza en dos puntos Cruza uniforme Mutación en un punto
24 24 Programación Genética La programación genética es una forma de cómputo evolutivo en la cual los individuos que se encuentran dentro de la población a evolucionar son programas de computadora Dichos programas son manipulados y representados como cadenas de caracteres (Koza, 1992).
25 25 Programación Genética REPRESENTACIÓN DE PROGRAMAS Los programas son representados por árboles Cada llamada a una función, se representa por un nodo del árbol Los argumentos de la función entonces son dados por sus descendientes
26 Programación Genética Para la representación de la función sin(x)+ (x 2 +y) sen + 26 x + y x 2
27 Programación Genética 27
28 Preguntas??? 28
Inteligencia Artificial
Algoritmos genéticos Bases En la naturaleza todos los seres vivos se enfrentan a problemas que deben resolver con éxito, como conseguir más luz solar o conseguir comida. La Computación Evolutiva interpreta
Más detallesSon una clase particular de los algoritmos evolutivos.
Algoritmos Genéticos (AGs) Los AGs son técnicas de resolución para problemas de Búsqueda Optimización Aprendizaje en máquinas Son una clase particular de los algoritmos evolutivos. Los AGs intentan resolver
Más detalles1. Introducción 2. Esquema básico 3. Codificación 4. Evaluación 5. Selección 6. Operadores 7. Ejemplo. Algoritmos genéticos
1. Introducción 2. Esquema básico 3. Codificación 4. Evaluación 5. Selección 6. Operadores 7. Ejemplo Algoritmos genéticos Introducción Propuestos por Holland, mediados 70, computación evolutiva Popularizados
Más detallesMinería de datos (Algoritmos evolutivos)
Minería de datos (Algoritmos evolutivos) M. en C. Sergio Luis Pérez Pérez UAM CUAJIMALPA, MÉXICO, D. F. Trimestre 14-I. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 1 / 23 Extracción de
Más detallesProgramación Evolutiva
Introducción a la Computación Evolutiva Quinta Clase: Programación Evolutiva Programación Evolutiva Desarrollada en USA durante los años 60 Autores principales: D. Fogel Aplicada típicamente a: PE tradicional:
Más detallesAlgoritmos genéticos
Algoritmos genéticos Introducción 2 Esquema básico 3 El problema de la mochila 7 Asignación de recursos 0 El problema del viajante 3 Variantes del esquema básico 5 Por qué funciona? 9 Observaciones finales
Más detallesAlgoritmos Genéticos. Introducción a la Robótica Inteligente. Álvaro Gutiérrez 20 de abril de
Algoritmos Genéticos Introducción a la Robótica Inteligente Álvaro Gutiérrez 20 de abril de 2016 aguti@etsit.upm.es www.robolabo.etsit.upm.es Índice 1 Introducción 2 Algoritmos Genéticos 3 Algunos Fundamentos
Más detallesIngeniería en Sistemas Computacionales. Inteligencia Artificial. Ing. Bruno López Takeyas. Algoritmo Hill Climbing
Ingeniería en Sistemas Computacionales Inteligencia Artificial Ing. Bruno López Takeyas Algoritmo Hill Climbing Alumnos Ylliana Samantha Anderson Benavides 01100161 Pablo Saúl Hernández Ribota 01100230
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 detallesEl Juego como Problema de Búsqueda
El Juego como Problema de Búsqueda En este algoritmo identificamos dos jugadores: max y min. El objetivo es encontrar la mejor movida para max. Supondremos que max mueve inicialmente y que luego se turnan
Más detallesUnidad II: Análisis semántico
Unidad II: Análisis semántico Se compone de un conjunto de rutinas independientes, llamadas por los analizadores morfológico y sintáctico. El análisis semántico utiliza como entrada el árbol sintáctico
Más detallesInteligencia Artificial. Integrantes Equipo # 1:
INSTITUTO TECNOLÓGICO De Nuevo Laredo Especialidad: Ingeniería en Sistemas Computacionales Catedrático: Ing. Bruno López Takeyas. Asignatura: Inteligencia Artificial. Integrantes Equipo # 1: Javier Alonso
Más detallesComputación Evolutiva Algoritmos Genéticos
Computación Evolutiva Algoritmos Genéticos Diego Milone Inteligencia Computacional Departamento de Informática FICH-UNL Hace 200 años... Inteligencia Computacional - FICH - UNL La idea de que las especies
Más detallesFundamentos de Programación Visual Basic
Pág. N. 1 Fundamentos de Programación Visual Basic Familia: Editorial: Tecnología de información y computación Macro Autor: Ricardo Walter Marcelo Villalobos ISBN: 978-612-304-236-3 N. de páginas: 280
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 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 detallesMotivación del Proyecto:
Motivación del Proyecto: Problemática de Ingeniería persiste. Satisfacción del usuario. Cronograma. Presupuesto. Explosión de uso y usuarios de las TIC s. Internet. Bajos costos. Globalización de las oportunidades.
Más detallesTécnicas de aprendizaje sobre series temporales
Técnicas de aprendizaje sobre series temporales Contenido 1. Motivación. 2. Ejemplo del Problema. 3. Aproximaciones al problema de clasificación de series temporales. 4. Aprendizaje de reglas. 5. Boosting
Más detallesFundamentos de programación JAVA
Pág. N. 1 Fundamentos de programación JAVA Familia: Editorial: Autor: Computación e informática Macro Ricardo Walter Marcelo Villalobos ISBN: 978-612-304-238-7 N. de páginas: 296 Edición: 2. a 2014 Medida:
Más detallesMétodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Agentes que Aprenden Introducción Tipos de aprendizaje Aprendizaje cómo
Más detallesMASTER DE INGENIERÍA BIOMÉDICA. Métodos de ayuda al diagnóstico clínico. Tema 6: Árboles de decisión.
MASTER DE INGENIERÍA BIOMÉDICA. Métodos de ayuda al diagnóstico clínico. Tema 6: Árboles de decisión. 1 Objetivos del tema Conocer en qué consiste un árbol de decisión. Aprender los problemas que pueden
Más detallesProcesos estocásticos Cadenas de Márkov
Procesos estocásticos Cadenas de Márkov Curso: Investigación de Operaciones Ing. Javier Villatoro PROCESOS ESTOCASTICOS Procesos estocásticos Es un proceso o sucesión de eventos que se desarrolla en el
Más detalles4ta. Práctica. Búsqueda en árbol con contrincante: MiniMax con poda Alfa-Beta. Inteligencia Artificial Prácticas 2004/2005
4ta. Práctica Búsqueda en árbol con contrincante: MiniMax con poda Alfa-Beta Inteligencia Artificial Prácticas 2004/2005 Decisiones Perfectas en Juegos de DOS Participantes Definición de Juego Estado Inicial:
Más detallesInterfaz Humano Computadora DRA. LETICIA FLORES PULIDO PRIMAVERA 2012
Interfaz Humano Computadora DRA. LETICIA FLORES PULIDO PRIMAVERA 2012 INTRODUCCIÓN La interfaz humano computadora centra sus bases en la relación que se establece entre el usuario y un sistema de cómputo.
Más detallesALGORITMO MINIMAX. o Nodo: Representa una situación del juego. o Sucesores de un nodo: Situaciones del juego a las que se
ALGORITMO MINIMAX Algoritmo de decisión para minimizar la pérdida máxima aplicada en juegos de adversarios Información completa (cada jugador conoce el estado del otro) Elección del mejor movimiento para
Más detallesDiseño de Compiladores I. Estructura General de un Compilador
Diseño de Compiladores I Estructura General de un Compilador PROGRAMA FUENTE COMPILADOR SALIDA Mensajes de Error 2 Un compilador es un programa que traduce un programa escrito en lenguaje fuente y produce
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 detallesTema 8: Árboles de decisión
Introducción a la Ingeniería del Conocimiento Curso 2004 2005 Tema 8: Árboles de decisión Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla
Más detallesUNIVERSIDAD MAYOR DE SAN SIMON FACULTAD DE CIENCIAS Y TECNOLOGÍA PLAN GLOBAL COMPUTACION I
UNIVERSIDAD MAYOR DE SAN SIMON FACULTAD DE CIENCIAS Y TECNOLOGÍA PLAN GLOBAL COMPUTACION I I. DATOS DE IDENTIFICACIÓN Nombre de la materia: Computación I Código: 2010008 Grupo: 2 Carga horaria: 4 Docencia
Más detallesTema 4: Gramáticas independientes del contexto. Teoría de autómatas y lenguajes formales I
Tema 4: Gramáticas independientes del contexto Teoría de autómatas y lenguajes formales I Bibliografía Hopcroft, J. E., Motwani, R., y Ullman, J. D. Introducción a la Teoría de Autómatas, Lenguajes y Computación.
Más detallesDIAGRAMAS UML ANDRÉS ESTEBAN MARTÍNEZ HUTA CICLO DE VIDA DEL SOFTWARE GLORIA CECILIA RÍOS MUÑOZ
DIAGRAMAS UML ANDRÉS ESTEBAN MARTÍNEZ HUTA CICLO DE VIDA DEL SOFTWARE 10 GLORIA CECILIA RÍOS MUÑOZ INSTITUCIÓN EDUCATIVA GABRIEL GARCÍA MÁRQUEZ MEDELLÍN 2013 DIAGRAMAS Un diagrama es una representación
Más detallesGeneración de Código Intermedio
Generación de Código Intermedio Programación II Margarita Álvarez Generación de código intermedio Con la generación de código intermedio se inicia la tarea de síntesis. Aunque un programa fuente se puede
Más detallesInteligencia Artificial II Unidad Plan 2010-Ingeniería en Sistemas Computacionales
Inteligencia Artificial II Unidad Plan 2010-Ingeniería en Sistemas Computacionales Rafael Vázquez Pérez Unidad II:Técnicas de Búsqueda. 2.1. Solución de problemas con búsqueda. 2.2. Espacios de estados.
Más detallesALGORITMO ID3. Objetivo
ALGORITMO ID3 Desarrollado por J. Ross Quinlan en 1983. ID3 significa Induction Decision Trees. Pertenece a la familia TDIDT (Top- Down Induction of Decision Trees). Objetivo Construir un árbol de decisión
Más detallesMétodos de Búsqueda para juegos humano-maquina. PROF: Lic. Ana María Huayna D.
Métodos de Búsqueda para juegos humano-maquina PROF: Lic. Ana María Huayna D. Tópicos 1. Introducción 2. Juegos 3. Estrategias de Juego 4. Algoritmo Minimax 5. Algoritmo Poda Alfa-Beta 1.- Introducción
Más detalles3. Árboles de decisión
3.1 Introducción Método para aproximación de funciones objetivo que tengan valores discretos (clasificación) Uno de los métodos mas extensamente usados para inferencia inductiva Capaz de aprender hipótesis
Más detallesPseudocódigo. La forma en que se escribe un pseudocódigo es la siguiente:
Pseudocódigo El pseudocódigo o pseudolenguaje, son una serie de instrucciones en nuestro lenguaje natural (español, ingles, etc.) y expresiones que representan cada uno de los pasos que resuelven un problema
Más detallesI.E.S Santo Domingo. Departamento Informática. Tema 1 Los Sistemas de Numeración. José Luis Mollinedo Jiménez
I.E.S Santo Domingo Departamento Informática Tema 1 Los Sistemas de Numeración José Luis Mollinedo Jiménez El Ejido - 6 de mayo de 2012 Página:2 Índice 1. Denición 2 2. Ejemplos 2 3. Clasicación 2 3.1.
Más detallesAritmética en Haskell
Aritmética en Haskell Taller de Álgebra I Primer cuatrimestre de 2014 Algoritmo de división Para obtener el cociente y resto entre dos números enteros, tenemos las funciones div y mod, respectivamente.
Más detallesGeneración y Análisis de Planes Mineros Estratégicos Utilizando Algoritmos Evolutivos Genéticos
Generación y Análisis de Planes Mineros Estratégicos Utilizando Algoritmos Evolutivos Genéticos Fabián Toro G Octubre 2016 Paper Original de Christie Myburgh y Steve Craig Maptek Australia Motivación Los
Más detalles1. Define que es un Autómatas finitos determinanticos y cuáles son sus elementos constitutivos (explique cada uno de ellos).
Unidad 2.- Lenguajes Regulares Los lenguajes regulares sobre un alfabeto dado _ son todos los lenguajes que Se pueden formar a partir de los lenguajes básicos?, {_}, {a}, a 2 _, por medio De las operaciones
Más detallesPROCESADORES DE LENGUAJE EXAMEN FINAL 8-JUNIO-07
PROCESADORES DE LENGUAJE EXAMEN FINAL 8-JUNIO-07 1. En qué método de análisis sintáctico puede suceder que en la construcción del árbol de derivación de las posibles expansiones de un símbolo no terminal
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 detallesIntroducción a la programación: Algoritmos
Introducción a la programación: Algoritmos Algoritmo La palabra algoritmo proviene del nombre del matemático persa del siglo IX Muhammad ibn Musa al-jwarizmi Un algoritmo es una secuencia ordenada de pasos,
Más detallesCC40A Complejidad de Kolmogorov
CC40A Complejidad de Kolmogorov Ricardo Baeza Yates, Rodrigo Paredes Dept. de Ciencias de la Computación, Universidad de Chile. 1. Definiciones Básicas La Complejidad de Kolmogorov (CK) de un string s
Más detallesTipos algebraicos y abstractos. Algoritmos y Estructuras de Datos I. Tipos algebraicos
Algoritmos y Estructuras de Datos I 1 cuatrimestre de 009 Departamento de Computación - FCEyN - UBA Programación funcional - clase Tipos algebraicos Tipos algebraicos y abstractos ya vimos los tipos básicos
Más detallesUNIDAD 2. ESTRUCTURAS DE DATOS SECUENCIALES. 1. Pilas (Stacks)
UNIDAD 2. ESTRUCTURAS DE DATOS SECUENCIALES 1. Pilas (Stacks) Una pila es una coleccion de elementos en la que sólo se pueden insertar y eliminar datos por uno de los extremos de la lista. Al igual que
Más detallesTareas de la minería de datos: clasificación. PF-5028 Minería de datos Prof. Braulio José Solano Rojas UCR
Tareas de la minería de datos: clasificación PF-5028 Minería de datos Prof. Braulio José Solano Rojas UCR Tareas de la minería de datos: clasificación Clasificación (discriminación) Empareja o asocia datos
Más detallesIntroducción a los Algoritmos Genéticos
Introducción a los Algoritmos Genéticos Francisco José Ribadas Pena INTELIGENCIA ARTIFICIAL 5 Informática ribadas@uvigo.es 17 de octubre de 2005 c FJRP 2005 ccia IA Métodos de 8 < : 1 Introducción 9 =
Más detallesGLOSARIO 1. Qué es bit y byte? Bit: Es la unidad mínima de información. Puede ser 0 o 1. Byte: Es el conjunto de 8 bits. Ejemplo:
Cuestionario Modulo 1.1 GLOSARIO 1. Qué es bit y byte? Bit: Es la unidad mínima de información. Puede ser 0 o 1. Byte: Es el conjunto de 8 bits. Ejemplo: 1001 0110. 2. qué es Dato? Definición: Es toda
Más detallesAritmética de Enteros
Aritmética de Enteros La aritmética de los computadores difiere de la aritmética usada por nosotros. La diferencia más importante es que los computadores realizan operaciones con números cuya precisión
Más detallesLenguajes Libres del Contexto
Capítulo 3 Lenguajes Libres del Contexto [LP81, cap 3] n este capítulo estudiaremos una forma de representación de lenguajes más potentes que los regulares. Los lenguajes libres del contexto (LC) son importantes
Más detallesConjuntos Los conjuntos se emplean en muchas áreas de las matemáticas, de modo que es importante una comprensión de los conjuntos y de su notación.
NÚMEROS REALES Conjuntos Los conjuntos se emplean en muchas áreas de las matemáticas, de modo que es importante una comprensión de los conjuntos y de su notación. Un conjunto es una colección bien definida
Más detallesALGORITMOS GENETICOS. NATYHELEM GIL LONDOÑO 27 de Noviembre de 2006
ALGORITMOS GENETICOS NATYHELEM GIL LONDOÑO 27 de Noviembre de 2006 Universidad Nacional de Colombia Escuela de Estadística Sede Medellín 2006 ÍNDICE 2 Índice 1. GENERALIDADES
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 detallesAprendizaje Automatizado. Árboles de Clasificación
Aprendizaje Automatizado Árboles de Clasificación Árboles de Clasificación Estudiaremos un algoritmo para la creación del árbol. Selección de atributos comenzando en el nodo raíz. Proceso recursivo. Árboles
Más detallesProf.Juan Cabral - UTU Maldonado. Tablas de pertenencia
Tablas de pertenencia TABLAS DE PERTENENCIA Una técnica para probar igualdades entre conjuntos es la tabla de pertenencia. Se observa que para los conjuntos A y B U, un elemento x U cumple exactamente
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO Instituto de Ciencias Básicas e Ingeniería SISTEMAS BASADOS EN CONOCIMIENTO Ing. Henry Patricio Paz Arias Maestría en Ciencias Computacionales Sistemas Basados
Más detallesNombre de la asignatura: Tecnologías e Interfaces de Computadoras
Nombre de la asignatura: Tecnologías e Interfaces de Computadoras Créditos: 2-3-5 Aportación al perfil Seleccionar y utilizar de manera óptima técnicas y herramientas computacionales actuales y emergentes.
Más detallesAlgoritmos y programas. Algoritmos y Estructuras de Datos I
Algoritmos y programas Algoritmos y Estructuras de Datos I Primer cuatrimestre de 2012 Departamento de Computación - FCEyN - UBA Programación funcional - clase 1 Funciones Simples - Recursión - Tipos de
Más detallesINSTITUTO POLITECNICO NACIONAL CENTRO DE ESTUDIOS CIENTIFICOS Y TECNOLOGICOS " GONZALO VAZQUEZ VELA "
INSTITUTO POLITECNICO NACIONAL CENTRO DE ESTUDIOS CIENTIFICOS Y TECNOLOGICOS " GONZALO VAZQUEZ VELA " GUIA DE ESTUDIOS DE ANALISIS Y DISEÑO DE ALGORITMOS. 1. Qué es un algoritmo? 2. Qué es un Pseudocódigo?
Más detallesDefinición de una base de datos. Un manejador de base de datos es un programa que permite administrar y organizar una serie de datos.
Definición de una base de datos. Un manejador de base de datos es un programa que permite administrar y organizar una serie de datos. Utilidad de una base de datos Ahora bien, en las bases de datos electrónicas
Más detallesTema 7: Aprendizaje de árboles de decisión
Inteligencia Artificial 2 Curso 2002 03 Tema 7: Aprendizaje de árboles de decisión José A. Alonso Jiménez Miguel A. Gutiérrez Naranjo Francisco J. Martín Mateos José L. Ruiz Reina Dpto. de Ciencias de
Más detallesSISTEMAS INFORMÁTICOS PROGRAMACION I - Contenidos Analíticos Ing. Alejandro Guzmán M. TEMA 2. Diseño de Algoritmos
TEMA 2 Diseño de Algoritmos 7 2. DISEÑO DE ALGORITMOS 2.1. Concepto de Algoritmo En matemáticas, ciencias de la computación y disciplinas relacionadas, un algoritmo (del griego y latín, dixit algorithmus
Más detallesLas Gramáticas Formales
Definición de Las Como definir un Lenguaje Formal Universidad de Cantabria Esquema Motivación Definición de 1 Motivación 2 Definición de 3 Problema Motivación Definición de Dado un lenguaje L, se nos presenta
Más detallesTópicos Selectos en Aprendizaje Maquinal. Algoritmos para Reconocimiento de Patrones
Tópicos Selectos en Aprendizaje Maquinal Guía de Trabajos Prácticos N 1 (2da. parte) Algoritmos para Reconocimiento de Patrones 20 de Octubre de 2010 1. Objetivos Introducir conceptos básicos de aprendizaje
Más detallesModelo y Análisis 179
Modelo y Análisis 179 2.6 Análisis Funcional Por medio del análisis funcional: Se muestra las operaciones de los objetos y sus dependencia de datos por medio de los diagramas de flujo de datos. Se descompone
Más detallesBÚSQUEDA DE RUTAS DE METRO
8Proyecto 3 BÚSQUEDA DE RUTAS DE METRO 1. DESCRIPCIÓN DEL PROBLEMA En este proyecto se quiere implementar un algoritmo evolutivo para buscar el mejor camino entre dos puntos de una red de metro. La calidad
Más detallesIntensificación en "Lenguajes e Inteligencia Artificial"
Ingeniería Informática - ETS Informática Métodos y Técnicas Informáticas específicas. Comportamientos humanos que se quieren simular/emular: IA: Vertiente "cognitiva" : Razonamiento, Intelecto,. RF: Vertiente
Más detallesAdaptatividad y Adaptabilidad en el Modelado de Usuarios para Aplicaciones Web
Adaptatividad y Adaptabilidad en el Modelado de Usuarios para Aplicaciones Web ING. SILVIA ALCARAZ VITALE silvialcaraz@gmail.com ING. MAGALÍ GONZÁLEZ mgonzalez@uca.edu.py DR. LUCA CERNUZZI lcernuzz@uca.edu.py
Más detallesAlgunas ventajas asociados comúnmente a ellos son:
CAPITULO 3 ALGORITMOS GENÉTICOS Charles Darwin construyó la Teoría de la Evolución, en la cual afirma que las especies naturales van evolucionando para adaptarse al medio en que viven. Aquellos individuos
Más detallesConceptos básicos de filogenética molecular
Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 18 de julio del 2013 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos básicos de filogenética molecular 18 de julio del 2013 1 / 43 1 Conceptos básicos
Más detallesModelo Dinámico del Diseño del Software y Representación en UML. UNIDAD 9 Análisis y Diseño de Sistemas de Información
Modelo Dinámico del Diseño del Software y Representación en UML UNIDAD 9 Análisis y Diseño de Sistemas de Información El Modelo Dinámico El objetivo del modelo Dinámico es presentar o describir el comportamiento
Más detallesTareas de la minería de datos: clasificación. CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR
Tareas de la minería de datos: clasificación CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR Tareas de la minería de datos: clasificación Clasificación (discriminación) Empareja
Más detallesT7. PROGRAMACIÓN LINEAL
T7. PROGRAMACIÓN LINEAL MATEMÁTICAS PARA 4º ESO MATH GRADE 10 (=1º BACHILLERATO EN ATLANTIC CANADA) CURRÍCULUM MATEMÁTICAS NOVA SCOTIA ATLANTIC CANADA TRADUCCIÓN: MAURICIO CONTRERAS PROGRAMACIÓN LINEAL
Más detallesTécnicas de Minería de Datos
Técnicas de Minería de Datos Act. Humberto Ramos S. 1 Qué es Minería de datos? El desarrollo de dispositivos tecnológicos para acumular datos a bajo costo. Acumulación o registro de gran cantidad de datos.
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 detallesLa experiencia Áncora en el primer cuatrimestre de la ETSETB-UPC. Pau Bofill, Beatriz Otero y los demás profesores del grupo 20 del 1AP05
La experiencia Áncora en el primer cuatrimestre de la ETSETB-UPC Pau Bofill, Beatriz Otero y los demás profesores del grupo 20 del 1AP05 La experiencia Áncora Descripción del proyecto Introducción a los
Más detallesMétodos para escribir algoritmos: Diagramas de Flujo y pseudocódigo
TEMA 2: CONCEPTOS BÁSICOS DE ALGORÍTMICA 1. Definición de Algoritmo 1.1. Propiedades de los Algoritmos 2. Qué es un Programa? 2.1. Cómo se construye un Programa 3. Definición y uso de herramientas para
Más detallesNombre del documento: Programa de Estudio de asignatura de Especialidad
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Programación Avanzada Carrera: Ingeniería Mecatrónica Clave de la asignatura: IMG - 1202 (Créditos) SATCA1 3-3 - 8 2.- PRESENTACIÓN Caracterización de
Más detallesTema 2.- Caracterización de la informática La informática como disciplina científica Sub-áreas de la disciplina.
Tema 2.- Caracterización de la informática 2.1. La informática como disciplina científica. 2.2. Sub-áreas de la disciplina. 2.1. La informática como disciplina científica. 2.1.1 Una definición de Informática.
Más detallesINDICE Prologo Capitulo 1. Algoritmos y programas Capitulo 2. La resolución de los problemas con computadoras y las herramientas de programación
INDICE Prologo XI Capitulo 1. Algoritmos y programas 1.1. Configuraciones de una computadora 1 1.2. Lenguajes de programación 2 1.3. Resolución de problemas 1.3.1. Fase de resolución del problema 3 1.3.1.1.
Más detallesPROGRAMA DE ASIGNATURA DE PROGRAMACIÓN I
PROGRAMA DE ASIGNATURA DE PROGRAMACIÓN I Contenido INFORMACIÓN GENERAL... 2 INTRODUCCIÓN... 2 OBJETIVOS GENERALES DE LA ASIGNATURA... 2 OBJETIVOS, TEMAS Y SUBTEMAS... 3 Tema1: Estructura de control....
Más detallesEstructuras de Datos Orientadas a Objetos. Pseudocódigo y aplicaciones en C#.NET. Capítulo 9.- Grafos
Capítulo 9.- Grafos Cuestionario 9.1 Se pueden representar los nodos de un grafo como un conjunto de elementos 9.2 Se pueden representar los arcos de un grafo como un conjunto de tuplas 9.3 Los grafos
Más detallesTema 7: Sesgo inductivo
Introducción a la Ingeniería del Conocimiento Curso 2004 2005 Tema 7: Sesgo inductivo Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla IIC
Más detallesDESARROLLO DE UN SOFTWARE PARA LA GENERACIÓN DE ESPECTROS ELASTICOS DE RESPUESTA.
DESARROLLO DE UN SOFTWARE PARA LA GENERACIÓN DE ESPECTROS ELASTICOS DE RESPUESTA. Carlos M. PISCAL. Wilson RODRIGUEZ. Andrés M. LOTERO Programa de Ingeniería Civil Universidad de la Salle Bogotá. Colombia
Más detallesEvolución del software y su situación actual
Evolución del software y su situación actual El software es el conjunto de programas que permite emplear la PC, es decir, es el medio de comunicación con la computadora, el control de sus funciones y su
Más detallesProyecto 6. Árboles de decisión: Un árbol de decisión es un modelo de predicción utilizado en el ámbito de la inteligencia artificial.
Árboles de decisión: Un árbol de decisión es un modelo de predicción utilizado en el ámbito de la inteligencia artificial. Funcionamiento: Se realiza un test en cada nodo interno del árbol, a medida que
Más detalles1. Cadenas EJERCICIO 1
LENGUAJES FORMALES Y AUTÓMATAS CURSO 2006/2007 - BOLETÍN DE EJERCICIOS Víctor J. Díaz Madrigal y José Miguel Cañete Departamento de Lenguajes y Sistemas Informáticos 1. Cadenas La operación reversa aplicada
Más detallesMatemáticas Aplicadas
Matemáticas Aplicadas para Diseño de Videojuegos 5. Matrices y Geometría Vectorial Contenidos Vectores Componente de un vector. Vectores unitarios. Módulo, suma y producto escalar. Gráficos vectoriales.
Más detallesÁlgebra de Boole. Valparaíso, 1 er Semestre Prof. Rodrigo Araya E.
Prof. Rodrigo Araya E. raraya@inf.utfsm.cl Universidad Técnica Federico Santa María Departamento de Informática Valparaíso, 1 er Semestre 2006 1 2 3 4 Contenido En 1815 George Boole propuso una herramienta
Más detallesElementos Diagramas de Clases Clase:
Diagramas de Clases Un diagrama de clases o estructura estática muestra el conjunto de clases y objeto importantes que forman parte de un sistema, junto con las relaciones existentes entre clases y objetos.
Más detallesDepartamento de Tecnologías de la Información. Tema 4. Máquinas de Turing. Ciencias de la Computación e Inteligencia Artificial
Departamento de Tecnologías de la Información Tema 4 Máquinas de Turing Ciencias de la Computación e Inteligencia Artificial Índice 4.1 Límites de los autómatas 4.2 Definición de Máquina de Turing 4.3
Más detallesLos diagramas de clases y de objetos sirven para modelar diversos aspectos estructurales o estáticos de un sistema: Modelado - Vocabulario del Sistema
Modelado Los diagramas de clases y de objetos sirven para modelar diversos aspectos estructurales o estáticos de un sistema: Vocabulario del Sistema Distribución de Responsabilidades Semántica de una Clase
Más detallesMapa Curricular / Matemáticas Quinto Grado
ESTADO LIBRE ASOCIADO DE PUERTO RICO DEPARTAMENTO DE EDUCACIÓN Programa de Matemáticas Mapa Curricular / Matemáticas Quinto Grado Estándar, Dominio UNIDAD I : Conociendo más los números y las operaciones
Más detallesGLOSARIO DE TÉRMINOS
Apéndice A, Apartado 3: Glosario de términos!401" APÉNDICE A, APARTADO 3 GLOSARIO DE S Administración de la calidad Conjunto de actividades de la función general de administración que determina la política
Más detallesComplejidad computacional. Algoritmos y Estructuras de Datos I. Complejidad computacional. Notación O grande
Complejidad computacional Algoritmos y Estructuras de Datos I Segundo cuatrimestre de 2014 Departamento de Computación - FCEyN - UBA Algoritmos - clase 10 Introducción a la complejidad computacional y
Más detallesModelos de Redes: Árbol. M. En C. Eduardo Bustos Farías
Modelos de Redes: Árbol de expansión n mínimam M. En C. Eduardo Bustos Farías as Objetivos Conceptos y definiciones de redes. Importancia de los modelos de redes Modelos de programación n lineal, representación
Más detalles01. A qué se denomina conjunto de punto flotante? Conjunto de números racionales utilizado para representar a los números reales.
PREGUNTAS PARA ORIENTAR EL ESTUDIO DEL CAPITULO 1. Subtemas: 1.1. Representación de un número real en punto flotante y operaciones. 1.2. Underflow y Overflow. 01. A qué se denomina conjunto de punto flotante?
Más detallesIngeniería en Informática
Departamento de Informática Universidad Carlos III de Madrid Ingeniería en Informática Inteligencia Artificial Enero 2007 Soluciones a la Hoja de Ejercicios 3: Representación Comentarios generales sobre
Más detalles