| Fecha | Sección Actualizada | Que cambió |
|---|---|---|
| 08 de octubre de 2019 | Artículo | Un nuevo algoritmo del MIT puede diseñar redes neuronales 200 veces más rápido que las técnicas vigentes |
Simulación: Conceptos y Programación
La simulación es un método por el cual se puede probar o experimentar o ver qué sucede en determinado proceso, escenario u objeto sin el riesgo que haya consecuencias reales. Luego permite comparar diferentes soluciones ante un problema, probarlas y ver cuál es la mejor, posteriormente, se podría aplicar esa solución que funcionó adecuadamente en la simulación, en el mundo real y esperar que las consecuencias que el modelo de simulación mostró, sean las mismas en el mundo real.
Evaluador de Expresiones Algebraicas
¿Qué es un evaluador de expresiones? Tenemos la expresión “K/(3.78 + cos(X/7.96+Y*1.554)-tan(3.7/X)+B)” almacenada en una variable de tipo Cadena (String). Necesitamos que un algoritmo resuelva esa expresión y retorne el valor cuantitativo una vez que las variables K, X, Y y B se les asignen un valor real.
Descargue Libro Versión 1 y Código fuente en 7 lenguajes de programación (C++, C#, Visual Basic .NET, Java, JavaScript, PHP y Object Pascal (Delphi))
Descargue Libro Versión 2 y Código fuente en 7 lenguajes de programación (C++, C#, Visual Basic .NET, Java, JavaScript, PHP y Object Pascal (Delphi))
Redes Neuronales. Parte 1
Este libro es un inicio en este fascinante campo de las redes neuronales, desde el “hola mundo” que es entrenar una red (de una sola neurona) para que aprenda la tabla del OR y del AND, luego el perceptrón multicapa (capas de neuronas interconectadas) para aprender cosas más difíciles como la tabla del XOR, reconocimiento básico de caracteres y encontrar el patrón en una serie de datos usando el algoritmo de propagación hacia atrás conocido como “backpropagation”. Se explica en detalle cómo se llegan a las fórmulas usadas por ese algoritmo. Implementación en C#
Un uso de algoritmos genéticos para búsqueda de patrones
ISBN: 978-958-762-479-3
La detección de patrones de comportamiento en una serie de datos dada sirve para poder hacer: interpolación, el cual nos permite encontrar los valores intermedios entre dos puntos y usar esto para completar (por ejemplo para el trazado de una curva que una esos puntos); la extrapolación para poder predecir el comportamiento futuro de los datos (por supuesto, con reservas); para encontrar una curva menos costosa en cálculo con respecto a otra, y para compresión de datos, porque en vez de guardar una larga lista de datos, es mucho más corto guardar la expresión algebraica que genera esos datos.
Regresión Simbólica Y=F(X). Código fuente y Ejecutable
Regresión Simbólica Z=F(X,Y). Código fuente y Ejecutable
Segunda parte de uso de algoritmos genéticos para la búsqueda de patrones
ISBN: ISBN: 978-958-762-483-0
En esta segunda parte, el libro aborda como se resolvió el problema de manejar una gran cantidad de diversas funciones y operaciones matemáticas sin perder la eficiencia. Una vez resuelto ese punto, el paso siguiente es probar si es cierto que el algoritmo genético al tener acceso a todas esas nuevas funciones matemáticas logra mejores curvas de aproximación.