Académique Documents
Professionnel Documents
Culture Documents
Liderazgo tecnolgico
Nombre de la Licenciatura
Master en ciencia de datos
Nombre de la Tarea
Ventajas competitivas a travs de la
_____tecnologa
Unidad #3
Problemas de programacin lineal
Fecha
14/05/2017
METODO SIMPLEX
Introduccin
El Mtodo Simplex publicado por George Dantzig en 1947 consiste en un algoritmo iterativo que
secuencialmente a travs de iteraciones se va aproximando al ptimo del problema de
Programacin Lineal en caso de existir esta ltima.
Introduccin
Los filtros ladder es un diseo de filtro por el cual se modifican sonidos para crear sonidos. La
forma mas comn de hacer esto removiendo parte del espectro de audio atenuando las
frecuencias bajas o las frecuencias altas. Otros tipos de filtro pueden mejorar partes del
espectro removiendo secciones de la seal en lugar que la frecuencia de respuesta.
El filtro moog o de escalera es conocido por distorsionarse a ciertas frecuencias pero generar
sonidos que se consideran ms musicales o clidos.
Los filtros ladder estn hechos de inductores y capacitadores y son muy populares en sistemas
de comunicacin. Como disear un buen filtro con una determinada respuesta de frecuencia es
una tarea desafiante. Para lograr implementar un buen filtro teniendo las caractersticas
indicadas tenemos que ubicar los capacitores e inductores de tal manera que se acerquen en lo
ms posible al idealismo del diseo debido a las variaciones reales de voltaje (Nam,2015).
3
Las soluciones analticas han probado ser muy complejas e ineficientes, el mtodo simplex
puede ser usando para reemplazar mtodos analticos maximizando la respuesta a la banda de
frecuencia deseada siendo mas cercano a el diseo ideal.
En este ejemplo se pretende disear un filtro ladder de cuatro pasos con atenuancion de banda
ap= 3db, fin de banda = 30dB banda de frecuencia wp de 1kHZ y un fin de banda ws de 2kHz
4
Mtodo simplex para control de redes neurales para brazo robotico
Una red neural es usualmente conectada por puntos de entrada pesos y peso muerto. Su seal
de salida es definida por la funcin estndar de activacin:
f = (1 + e - a )-1, a = i (w i xi - w bias )
n
Xi es entrada, Wi es peso Wbias es peso muerto. Cada neurona tiene que ser conectada para
formar la red y la red es entrenada con diferentes patrones de entrada y deseados patrones de
salida (Nam,2015).
Aunque las redes neurales presentan gran potencial es muy difcil entrenarlas exitosamente y
generar un algoritmo de entrenamiento tambin es complicado. Es decir las redes neurales
pueden ser usadas una vez que seleccionemos una buena arquitectura y algoritmo de
entrenamiento
Las ecuaciones bsicas de movimiento en dos dimensiones pueden ser optimizadas para el
entrenamiento y algoritmo a travs del mtodo simplex
x = R1 cos a + R2 cos(a + b )
y = R1 sin a + R2 sin(a + b )
5
Bibliografa
Pham Nam (2015), Simplex method and applications [Mtodo simplex y aplicaciones en
computacion], Recuperado el 20/05/2017 de www.journalofcomputing.org