¿QUE ES OPTIMIZACION?
Optimización hace referencia al estudio de ciertos problemas que se quiere maximizar o minimizar usando funciónes real, elegir de manera sistemática valores reales o enteros de variables dentro de un conjunto permitido.
¿QUE ES UN MAXIMO LOCAL?
Maximo local es aquel valor mayor de los valores de una función respecto a los valores mas cercanos a este, pero no es el mayor de todos.

¿QUE ES UN MINIMO LOCAL?
El mínimo local de una función es el valor mínimo de una numero ilimitado de valores de entrada cercanos a este pero no es el mas bajo de toda la funcion.
Un mínimo local puede no ser el mínimo global.

¿QUE ES UN MAXIMO GLOBAL?
El máximo global es el valor mayor o igual que cualquier otro valor de la función, es el mayor de todos.

¿QUE ES UN MINIMO GLOBAL?
El minimo global es el valor menor de toda la función y no solamente de los valores cercanos a él.

¿QUE ES UNA FUNCIONAL DE CALIDAD?Una funcional de calidad se la puede describir como una expresión más grande que una función, que puede abarcar muchas más variables y tiene más alcances que una función.

Optimizacion

¿Que es Optimizacion?

La optimización es la búsqueda y el hecho de mejorar el rendimiento de un sistema operativo, programa o dispositivo, a partir de determinados cambios lógicos (software) o físicos (hardware).

¿Que es un minimo local?

Si f(X₀) ≤ f(x) para cada x cerca de X₀, es decir, en un intervalo abierto que contenga a X₀, diremos que f alcanza un mínimo local o un mínimo relativo en X₀.

Si f(X₀) > f(x) para cada x cerca de X₀, entonces el máximo local es estricto.

Si X₀ es un minimo local de una funcion f(x) entonces necesariamente es un punto critico y la matriz Hf(X₀) es semidefinida positiva.

Por ejemplo en un caso general:

f(X₀) = 0; donde X₀ es un minimo local

Hf(X₀) definida positiva

¿Que es un maximo local?
Si f(x₀) ≥ f(x) para cada x cerca de X₀, es decir, en un intervalo abierto que contenga a X₀, diremos que f alcanza un máximo local o un máximo relativo en X₀.

Si f(x₀) <>

Si X₀ es un maximo local de una funcion f(x) entonces necesariamente es un punto critico y la matriz Hf(X₀) es semidefinida negativa.

Por ejemplo en un caso general:

f(X₀) = 0; donde X₀ es un maximo local

Hf(X₀) definida negativa.

¿Que es un minimo global?

Se caracteriza porque en él, el valor de la función es menor o igual que cualquier otro valor en el dominio de la función

¿Que es un maximo global?

Se caracteriza porque en él, el valor de la función es mayor o igual que cualquier otro valor en el dominio de la función.

¿Que es un funcional de calidad?

La funcional de calidad es la calidad de conseguir la función pretendida de un producto. La función del producto existe antes que la voz del cliente. Es imprescindible que la función del producto sea optimizada antes de emitir los planos de ingeniería.

OPTIMIZACION

El término optimización se refiere al estudio de los problemas a los cuales se los quiere minimizar o maximizar empleando una función real, elegir sistemáticamente los valores reales o enteros de variables dentro de un conjunto permitido.

MINIMO LOCAL

El mínimo local de una función es el valor mínimo de una gama limitada de valores de entrada. Un mínimo local puede no ser el mínimo global.

MAXIMO LOCAL

Una función f(x) alcanza un máximo local en un punto si existe un entorno de a en el que los valores de f son menores que f(a). Si la función es derivable en a, entonces f'(a)=0.

MINIMO GLOBAL

Un mínimo global es un punto, P, en una función, f, de modo que por cada punto Q, que no es P, f (Q) una función puede tener varios máximos globales, pero el valor de la función es la misma en cada uno de los puntos.

MAXIMO GLOBAL

La función f tiene un máximo absoluto (o máximo global) en el número c si para todo x en el dominio de f. Un mínimo global se define de manera análoga. Para saber si una función contiene un máximo local o global es necesario no solo conocer los puntos en que la derivada es igual a cero, es necesario conocer como es el comportamiento de la derivada alrededor de ese punto.

FUNCIONAL DE CALIDAD

Es la calidad de conseguir la función pretendida de un producto. La función del producto existe antes que la voz del cliente. Es imprescindible que la función del producto sea optimizada antes de emitir los planos de ingeniería.

Consulta Optimización

¿Qué es Optimización?
Cuando hablamos de Optimización en el sentido de aplicar algoritmos de IA podemos decir que hay ciertos problemas en los cuales no es necesario conocer el camino a través del cual se llego a la solución si no que en muchos casos se puede reducir a un problema de hallar un máximo o mínimo, o sea, un óptimo.

¿Qué es un Mínimo Local?
Cuando tenemos una función el mínimo local es el menor valor de los valores que tenemos cerca, pero no es el más bajo de toda la función.

¿Qué es un Máximo Local?
El Máximo local es parecido al mínimo, solo que aquí este valor es el mayor de los valores cercanos, pero de igual manera no es el mayor valor de la función.

¿Qué es un Mínimo Global?
Aquí en cambio tenemos el menor valor de toda la función y no solamente de los valores cercanos a él.

¿Qué es un Máximo Global?
De igual manera el máximo global es el valor más grande en la función y no solo de aquellos valores cercanos.

¿Qué es la optimización de criterios de calidad?
Cuando se habla de optimización de criterios de calidad hablamos de encontrar un optimo (máximo o mínimo) para ciertos criterios de calidad que se consideren necesarios y así mejor la calidad de algún producto o servicio en sí.

¿Qué es una funcional de calidad?
En el funcional de calidad lo que se pretende es crear un producto que satisfaga al cliente 100% de las veces y en el primer intento. Aquí tenemos los pasos que se deben seguir para ello:
Priorizar los clientes y sus necesidades, las que expresan y las que no.
Traducir dichas necesidades en características técnicas y en especificaciones.
Crear un producto robusto y unos procesos de apoyo que aseguren la satisfacción de los clientes.

1. Que es optimización
La optimización (también denominada programación matemática) intenta dar respuesta a un tipo general de problemas de la forma:

Donde x = (x1,...,xn) es un vector y representa variables de decisión, f(x) es llamada función objetivo y representa o mide la calidad de las decisiones (usualmente números enteros o reales) y Ω es el conjunto de decisiones factibles o restricciones del problema.
2. Que es un mínimo local?
Se dice que P es un mínimo local de f si, existe un número real ε > 0 tal que para todo x que cumpla | x − x0 | < ε,.
3. Que es un máximo local?
Se dice que P es un máximo local de f si, existe un número real ε > 0 tal que para todo x que cumpla | x − x0 | < ε,.
4. Que es un mínimo global?
Análogamente, P es un mínimo absoluto de f si, para todo x distinto de x0 perteneciente al subconjunto A, su imagen es mayor o igual que la de x0. Esto es: mínimo absoluto de .
5. Que es un máximo global?
Se dice que P es un máximo absoluto de f si, para todo x distinto de x0 perteneciente al subconjunto A, su imagen es menor o igual que la de x0. Esto es: máximo absoluto de .
6. Que es la optimización (minimización, maximización) con criterio de calidad?
La optimización, también denominada programación matemática, sirve para encontrar la respuesta que proporciona el mejor resultado, la que logra mayores ganancias, mayor producción o felicidad o la que logra el menor costo, desperdicio o malestar. Con frecuencia, estos problemas implican utilizar de la manera más eficiente los recursos, tales como dinero, tiempo, maquinaria, personal, existencias, etc. Los problemas de optimización generalmente se clasifican en lineales y no lineales, según las relaciones del problema sean lineales con respecto a las variables.

CONCEPTOS DE OPTIMIZACIÓN.

¿Qué es optimización?
Optimización, es el proceso por el cual se busca realizar una operación, cualquiera que esta sea, usando la menor cantidad de recursos posible y obteniendo siempre un buen resultado.
Para nuestro campo de uso, la optimización se puede definir como el método para determinar los valores de las variables que intervienen en un proceso o sistema para que el resultado sea el mejor posible.


¿Qué es un mínimo global?
En una función, el mínimo global es aquel valor que es menor que cualquier otro valor de la función dada, es decir es el menor valor de todos.


¿Qué es un mínimo local?
Este valor, en cambio, es el menor de los valores de la función respecto a los valores cercanos, pero no es el menor de todos.


¿Qué es un máximo global?
En una función dada, el máximo global es aquel valor que es mayor o igual que cualquier otro valor de la función, es el mayor de todos.


¿Qué es un máximo local?
Es aquel valor que es el mayor de los valores de una función respecto a los valores cercanos a este, pero no es el mayor de todos.


¿Qué es la optimización de criterios de calidad?
El criterio de calidad es un funcional que permite enlazar varias variables, las mismas que intervienen en un determinado proceso de producción.
La optimización de este criterio de calidad, ya sea minimización o maximización, permite aumentar o disminuir el error del funcional o la función al que esté asociado.


¿Qué es un funcional de calidad?
Un funcional podemos definirlo como la expresión más grande de una función, es decir que puede abarcar muchas más variables y tiene más alcances que una función.
Un funcional de calidad permite realizar operaciones con criterios de calidad, es decir asocia algunas variables en una sola función, con la cual se va a obtener un resultado en donde todas estas variables intervienen.

Tarea 1 Conceptos Basicos

Inteligencia Artificial
Redes Neuronales Artificiales

Tarea 1. Introducción a las redes neuronales

Describa brevemente (mínimo de 10 líneas) el funcionamiento de una neurona biológica.

Una red neuronal biológica está compuesta por millones de neuronas, algunas de estas se conectan hasta con 1000 neuronas mas mientras que otras solamente se conectan con unas pocas. Interactúan entre sí por medio de señales analógicas, llamamos axón a la terminal de la neurona que envía los estímulos de salida, estos estímulos se hacen a través de una señal analógica que se encuentra en un cierto rango dependiendo de la decisión tomada y capacidad de dicha neurona; generalmente la señal disparada va hacia varias neuronas mas, las mismas reciben este impulso a través de terminales llamadas dendritas, las dendritas se encargan de recoger los impulsos enviados y llevarlos al núcleo de la neurona para ser procesado, la conexión de una dendrita con un axón se denomina sinopsis. Una vez recibido el estimulo este va hacia el núcleo de la neurona en donde se toma la decisión de activarse o no activarse y en qué medida hacerlo (la forma de la señal analógica), aun no se sabe muy bien cómo es que las neuronas interactúan entre si y como es q deciden actuar.

Describa brevemente (mínimo de 3 líneas) el funcionamiento de una neurona artificial.

La neurona artificial al intentar asemejarse a la real tiene varios elementos que le ayudan a tener analogía con la misma. Para empezar tenemos impulsos de entrada que se asemejan a los estímulos recibidos por las dendritas solo que en este caso la señal es discreta, así mismo tenemos la intensidad de dichas señales que se define como el peso de las mismas, la entrada total ponderada pasa a una función la cual, según sea su tipo y el valor de entrada, define el valor de salida esto vendría a asemejarse al axón.

Describa los criterios de clasificación de las redes neuronales artificiales y sus principales tipos dentro de cada clasificación.

Hay varios tipos de clasificaciones que podemos encontrar para las redes neuronales artificiales iremos describiéndolos uno por uno y presentando los principales tipos de los mismos.
La primera clasificación es según su topología, que es según el patrón de conexiones que tenga, aquí tenemos 3 tipos los cuales son:

Monocapa y Multicapa, estos dos son redes que van solamente hacia delante y en todo el ciclo no existen bucles ni conexiones entre neuronas de una misma capa, esto quiere decir que van desde la capa de entrada a la de salida directamente.

Redes recurrentes, estas son las que si tienen ciclos, por lo menos uno dentro de su topología.

Podemos clasificar por la forma de aprendizaje, esto es si la red en su aprendizaje necesita ser supervisada o no supervisada.

Las principales en la forma supervisada son Basadas en decisión, Perceptrón, ADALINE (LMS), Perceptrón Multicapa, Modelos Temporales Dinámicos, Modelos Ocultos de Markov, mientras que en la manera no supervisada tenemos Mapa de características, Aprendizaje competitivo.
Por tipos de funciones de activación, esto es según la función que se utilice en cada una de las neuronas artificiales, tenemos muchos tipos de funciones tales como FUNCIÓN PASO, FUNCIÓN RAMPA, FUNCIÓN SIGMOIDAL, FUNCIÓN GAUSSIANA.

Por último tenemos la clasificación por los valores de entrada que puede tener, estos pueden ser analógicos o discretos.

Los analógicos procesan datos con valores de entrada continuos los más importantes de esta rama son Hopfield, Kohonen y las redes de aprendizaje competitivo.

Los discretos procesan datos con valores de entrada lógicos booleanos los más reconocidos son las máquinas de Bolzman y Cauchy, y la red discreta de Hopfield.

Defina con sus propias palabras al Aprendizaje Supervisado

Es cuando disponemos de un maestro o supervisor que verificara si la salida que debería generar la red es la deseada según ciertos datos de entrada (de los cuales previamente se sepa la salida que nos gustaría generar) y si no se cumple este objetivo proceder a modificar los pesos de las conexiones para q la respuesta se asemeje a la requerida.

Defina con sus propias palabras al Aprendizaje No supervisado

Este tipo de aprendizaje no necesita ayuda externa para poder ajustar los pesos de las conexiones. La interpretación que se dé a la información de salida, si es válida o no, dependerá del tipo de red algunas se basan en la similitud entre los datos de entrada y salida, mientras que otras lo que hacen es codificar los datos de entrada de manera que tenga menos bits pero manteniendo la información relevante.

Enumere 5 problemas que se pueden resolver con el uso de redes neuronales artificiales

· Reconocimiento de caracteres escritos
· Sintesís de voz desde texto
· Optimización de plazas y horarios en líneas de vuelo.
· Previsión del tiempo.
· Previsión de la evolución de los precios.


http://es.wikipedia.org/wiki/Red_neuronal_artificial
http://jpordonez.wordpress.com/2008/08/06/introduccion-a-las-redes-neuronales-artificiales/
http://www.redes-neuronales.netfirms.com/tutorial-redes-neuronales/clasificacion-de-las-redes-neuronales-artificiales.htm
http://es.wikipedia.org/wiki/Aprendizaje_no_supervisado
http://www.monografias.com/trabajos12/redneur/redneur.shtml