Entradas

Mostrando las entradas etiquetadas como aprendizaje

e-learning y MOOCs

Los modelos de aprendizaje han evolucionado en los últimos años hacia una modalidad educativa a distancia. En este ámbito han surgido el concepto e-learning y los cursos MOOC. Los MOOC (Masive Open Online Courses) son cursos que están abiertos para todo el mundo. Estos son impartidos a través de videos online y están diseñados para un alumnado masivo. Los MOOC han cambiado el sistema educativo de las instituciones educativas, como las universidades, ya que permiten al alumno acceder a las clases desde cualquier parte del mundo. Esto permite a los estudiantes matricularse y licenciarse en universidades del extranjero sin moverse de casa. A su vez, han revolucionado el mundo empresarial, ya que es un interesante método para formar a los empleados, permitiéndoles acceder a gran cantidad de cursos e información sin tener que desplazarse de la propia oficina, ahorrando así costes y tiempo. Por otra parte, el e-learning (Electronic Learning) es el heredero del sistema educativo t...

Desarrollo y pruebas de algoritmo Adaboost

Imagen
El algoritmo Adaboost es un metaclasificador, es decir, obtiene un nuevo clasificador a partir de un conjunto de clasificadores (pool de clasificadores), consiguiendo así un clasificador más eficiente. La salida del Adaboost es el signo de la suma ponderada de las salidas de cada uno de los clasificadores ante un vector de características xi (puede dar el valor 1 o -1). El cálculo de los coeficientes de ponderación (alfas) se realiza de manera progresiva, haciendo un testeo de los clasificadores con datos de entrenamiento. Se asignan penalizaciones a los clasificadores según el error cometido y dependiendo de ese porcentaje de error se pueden calcular los pesos. Este cálculo de las alfas se calcula en base a la relación entre la suma de los pesos correctos, Wc, y erróneos, We.

Ajuste de regulador PI con el algoritmo PSO

Imagen
  Introducción PSO permite optimizar un problema a partir de una población de soluciones candidatas, denotadas como "partículas", moviendo éstas por todo el espacio de búsqueda según reglas matemáticas que tienen en cuenta la posición y la velocidad de las partículas. El movimiento de cada partícula se ve infulido por su mejor posición local hallada hasta el momento, así como por las mejores posiciones globales encontradas por otras partículas a medida querecorren el espacio de búsqueda. El fundamento teórico de esto es hacer que la nube de partículas converja rápidamente hacia las mejores soluciones.