Saltar navegación e ir al contenido principal
Biblioteca digital de Bogotá
Logo BibloRed
Saltar el buscador

Esta ingresando al contenido principal

 Imagen de referencia Ciencias exactas y aplicadas
Colección institucional

Ciencias exactas y aplicadas

Explora revistas, libros, infografías, simulaciones y más recursos que explican procesos científicos de forma sencilla, ideales para estudiantes, formadores, divulgadores e investigadores.

  • Encuentra en esta colección
    • Otros
  • Creada el:
    • 1 de Diciembre de 2020
  • Exclusivo BibloRed
Imagen de apoyo de  Feedforward Nonlinear Control Using Neural Gas Network

Feedforward Nonlinear Control Using Neural Gas Network

Por: Hindawi | Fecha: 2017

El control de sistemas no lineales es un tema principal en la teoría de control. Muchas aplicaciones desarrolladas sufren de una base matemática no tan general como la teoría de sistemas lineales. Este artículo propone una estrategia de control de sistemas no lineales con dinámicas desconocidas mediante un conjunto de modelos lineales locales obtenidos por una red neural de gas supervisada. El enfoque propuesto aprovecha la característica de la red neural de gas por la cual el algoritmo produce un procedimiento de agrupación muy robusto. El modelo directo de la planta constituye una aproximación lineal por partes del sistema no lineal y cada neurona representa un modelo lineal local para el cual se diseña un controlador lineal. El modelo de gas neural funciona como un observador y un controlador al mismo tiempo. Se implementa un control de retroalimentación de estado mediante la estimación de las variables de estado basada en la función de transferencia local proporcionada por el modelo lineal local. Los vectores de gradiente obtenidos por el algoritmo supervisado de gas neural proporcionan un procedimiento robusto para el control no lineal

Compartir este contenido

Feedforward Nonlinear Control Using Neural Gas Network

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Deep Hierarchical Representation from Classifying Logo-405

Deep Hierarchical Representation from Classifying Logo-405

Por: Hindawi | Fecha: 2017

Introducimos un mecanismo de clasificación de logotipos que combina una serie de representaciones profundas obtenidas mediante el ajuste fino de arquitecturas de redes neuronales convolucionales (CNN) y algoritmos tradicionales de reconocimiento de patrones. Para evaluar el mecanismo propuesto, construimos un conjunto de datos de logotipos a escala media (llamado Logo-405) y lo tratamos como un punto de referencia para la investigación relacionada con logotipos. Nuestros experimentos se llevan a cabo tanto en el conjunto de datos Logo-405 como en el conjunto de datos públicamente disponible FlickrLogos-32. Los resultados experimentales demuestran que el mecanismo propuesto supera a dos formas populares utilizadas para la clasificación de logotipos, incluidas las estrategias que integran características hechas a mano y algoritmos tradicionales de reconocimiento de patrones, y los modelos que emplean CNNs profundas.

Compartir este contenido

Deep Hierarchical Representation from Classifying Logo-405

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Optimization of the Critical Diameter and Average Path Length of Social Networks

Optimization of the Critical Diameter and Average Path Length of Social Networks

Por: Hindawi | Fecha: 2017

La optimización de la longitud promedio de camino (APL) mediante la adición de aristas de atajo ha sido ampliamente discutida en relación con las redes sociales, pero la relación entre el diámetro de la red y el APL generalmente se ignora en la optimización dinámica del APL. En este artículo, analizamos esta relación y transformamos el problema de optimizar el APL en el problema de reducir el diámetro a 2. Proponemos un modelo matemático basado en un algoritmo memético. Los resultados experimentales muestran que nuestro algoritmo puede resolver eficientemente este problema y optimizar el APL.

Compartir este contenido

Optimization of the Critical Diameter and Average Path Length of Social Networks

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Improving the Complexity of the Lorenz Dynamics

Improving the Complexity of the Lorenz Dynamics

Por: Hindawi | Fecha: 2017

Se presenta un nuevo sistema dinámico hipercaótico de cuatro dimensiones, basado en la dinámica de Lorenz. Además, las dinámicas más representativas que pueden encontrarse en este nuevo sistema están ubicadas en el espacio de fases y se analizan aquí. El nuevo sistema está especialmente diseñado para mejorar la complejidad de la dinámica de Lorenz, que, a pesar de ser un paradigma para comprender los flujos caóticos disipativos, es un ejemplo muy simple y muestra una gran vulnerabilidad cuando se utiliza en comunicaciones seguras. Aquí, demostramos la vulnerabilidad del sistema de Lorenz de manera general. El sistema propuesto de 4D aumenta la complejidad de la dinámica de Lorenz. Las trayectorias del sistema novedoso incluyen estructuras que van desde el caos hasta el hipercaos y soluciones caóticas transitorias. También se estudian la simetría y la estabilidad del sistema propuesto. Los mapas de primer retorno, secciones de Poincaré y diagramas de bifurcación permiten caracterizar el comportamiento global del sistema y ubicar

Compartir este contenido

Improving the Complexity of the Lorenz Dynamics

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  On Measuring the Complexity of Networks, Kolmogorov Complexity versus Entropy

On Measuring the Complexity of Networks, Kolmogorov Complexity versus Entropy

Por: Hindawi | Fecha: 2017

Uno de los métodos más populares para estimar la complejidad de las redes es medir la entropía de invariantes de red, como las matrices de adyacencia o las secuencias de grados. Desafortunadamente, la entropía y todas las medidas informáticas de la teoría de la información basadas en la entropía tienen varias vulnerabilidades. Estas medidas no son independientes de una representación particular de la red ni pueden capturar las propiedades del proceso generativo que produce la red. En cambio, abogamos por el uso de la entropía algorítmica como base para la definición de complejidad de las redes. La entropía algorítmica (también conocida como complejidad de Kolmogorov o -complejidad en resumen) evalúa la complejidad de la descripción necesaria para recrear la red sin pérdidas. Esta medida no se ve afectada por una elección particular de características de red y no depende del método de representación de la red. Realizamos experimentos sobre la entropía de Shannon y la -complejidad para redes que

Compartir este contenido

On Measuring the Complexity of Networks, Kolmogorov Complexity versus Entropy

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Dynamic Analysis and Circuit Design of a Novel Hyperchaotic System with Fractional-Order Terms

Dynamic Analysis and Circuit Design of a Novel Hyperchaotic System with Fractional-Order Terms

Por: Hindawi | Fecha: 2017

Se diseña un sistema hipercáotico novel con términos de orden fraccional (FO). Se investigan sus dinámicas altamente complejas en términos de puntos de equilibrio, espectro de Lyapunov y formas de atractor. Se mostrará que el sistema propuesto exhibe exponentes de Lyapunov más grandes que sistemas hipercáoticos relacionados. Finalmente, para mejorar su aplicación potencial, se diseña un circuito relacionado utilizando el software MultiSIM. Los resultados de la simulación verifican la efectividad del circuito sugerido.

Compartir este contenido

Dynamic Analysis and Circuit Design of a Novel Hyperchaotic System with Fractional-Order Terms

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  An Evolutionary Game Model of Knowledge Workers? Counterproductive Work Behaviors Based on Preferences

An Evolutionary Game Model of Knowledge Workers? Counterproductive Work Behaviors Based on Preferences

Por: Hindawi | Fecha: 2017

Los comportamientos contraproducentes en el trabajo (CWB, por sus siglas en inglés) de los trabajadores del conocimiento siempre causan grandes pérdidas a las empresas, pero es difícil supervisar estos comportamientos. Basándose en el análisis de las causas de estos comportamientos, este artículo construye un modelo teórico de los CWB de los trabajadores del conocimiento y propone que los CWB de los trabajadores del conocimiento están influenciados por factores tanto racionales como irracionales. Considerando los factores contextuales y los factores individuales como las preferencias de riesgo de los trabajadores del conocimiento, este artículo establece un modelo de juego evolutivo asimétrico de supervisión empresarial. Luego, se realiza una simulación de modelado multiagente para discutir el efecto de las restricciones formales e informales en los CWB de los trabajadores del conocimiento y, basándose en ello, se proponen estrategias de intervención para las empresas. Los resultados de la simulación muestran que el efecto de las restricciones informales es mayor que el efecto de

Compartir este contenido

An Evolutionary Game Model of Knowledge Workers? Counterproductive Work Behaviors Based on Preferences

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Development of ANN Model for Wind Speed Prediction as a Support for Early Warning System

Development of ANN Model for Wind Speed Prediction as a Support for Early Warning System

Por: Hindawi | Fecha: 2017

El impacto de los desastres naturales aumenta cada año con más víctimas y daños a la propiedad y al medio ambiente. Por lo tanto, es importante prevenir las consecuencias mediante la implementación del sistema de alerta temprana (EWS) para anunciar la posibilidad de la ocurrencia de fenómenos dañinos. En este documento, se enfoca en la implementación del EWS en la microlocalización para anunciar la posible ocurrencia de fenómenos dañinos causados por el viento. Para predecir tales fenómenos (velocidad del viento), se desarrolla un modelo de predicción de red neuronal artificial (ANN). El modelo se desarrolla en base a los datos de entrada obtenidos por la estación meteorológica local en el área del campus de la Universidad de Rijeka en la República de Croacia. El modelo de predicción es validado y evaluado mediante enfoques visuales y cálculos comunes, después de lo cual se encontró que es posible realizar una muy buena predicción de la velocidad del viento para los pasos de tiempo , y . El modelo

Compartir este contenido

Development of ANN Model for Wind Speed Prediction as a Support for Early Warning System

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Privacy-Preserving and Scalable Service Recommendation Based on SimHash in a Distributed Cloud Environment

Privacy-Preserving and Scalable Service Recommendation Based on SimHash in a Distributed Cloud Environment

Por: Hindawi | Fecha: 2017

Con el creciente volumen de servicios web en el entorno de la nube, la recomendación de servicios basada en Filtrado Colaborativo (CF) se ha convertido en una de las técnicas más efectivas para aliviar la carga pesada en las decisiones de selección de servicios de un usuario objetivo. Sin embargo, las bases de recomendación de servicios, es decir, los datos históricos de uso de servicios, suelen estar distribuidos en diferentes plataformas en la nube. Dos desafíos están presentes en un escenario de recomendación de servicios entre nubes cruzadas. En primer lugar, una plataforma en la nube a menudo no está dispuesta a compartir sus datos con otras plataformas en la nube debido a preocupaciones de privacidad, lo que disminuye severamente la viabilidad de la recomendación de servicios entre nubes cruzadas. En segundo lugar, los datos históricos de uso de servicios registrados en cada plataforma en la nube pueden actualizarse con el tiempo, lo que reduce significativamente la escalabilidad de la recomendación. A la luz de estos dos desafíos, se propone en este documento un

Compartir este contenido

Privacy-Preserving and Scalable Service Recommendation Based on SimHash in a Distributed Cloud Environment

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Generalized Fractional-Order Discrete-Time Integrator

Generalized Fractional-Order Discrete-Time Integrator

Por: Hindawi | Fecha: 2017

Investigamos una generalización del integrador discreto en tiempo discreto. El integrador discreto lineal propuesto está caracterizado por el orden variable y fraccional de integración/suma. Se presentan ilustraciones gráficas de un análisis de matrices vectoriales particulares. En ejemplos numéricos, mostramos las relaciones entre las funciones de orden y las respuestas de los elementos.

Compartir este contenido

Generalized Fractional-Order Discrete-Time Integrator

Copia el enlace o compártelo en redes sociales

Selecciona las Colecciones en las que vas a añadir el contenido

Para consultar los contenidos añadidos busca la opción Tus colecciones en el menú principal o en Mi perfil.

Mis colecciones

Cargando colecciones