MARC details
| 000 -CABECERA |
|---|
| campo de control de longitud fija |
06135 a2200277 4500 |
| 008 - DATOS DE LONGITUD FIJA--INFORMACIÓN GENERAL |
|---|
| campo de control de longitud fija |
2007 |
| 020 ## - INTERNATIONAL STANDARD BOOK NUMBER |
|---|
| International Standard Book Number |
9789701512500 |
| 040 ## - FUENTE DE CATALOGACIÓN |
|---|
| Centro catalogador/agencia de origen |
GAMADERO |
| Lengua de catalogación |
spa |
| Centro/agencia transcriptor |
GAMADERO |
| 041 ## - CÓDIGO DE IDIOMA |
|---|
| Código de lengua del texto/banda sonora o título independiente |
Español |
| 050 00 - SIGNATURA TOPOGRÁFICA DE LA BIBLIOTECA DEL CONGRESO |
|---|
| Número de clasificación |
QA76.87 |
| Cutter |
.M37 |
| Año |
2007 |
| 100 ## - ENTRADA PRINCIPAL--NOMBRE DE PERSONA |
|---|
| Nombre de persona |
BONIFACIO MARTIN DEL BRIO |
| 245 ## - MENCIÓN DEL TÍTULO |
|---|
| Título |
Redes Neuronales y Sistemas Borrosos / |
| 250 ## - MENCION DE EDICION |
|---|
| Mención de edición |
3a Edición |
| 260 ## - PUBLICACIÓN, DISTRIBUCIÓN, ETC. |
|---|
| Nombre del editor, distribuidor, etc. |
ALFAOMEGA |
| Lugar de publicación, distribución, etc. |
México |
| Fecha de publicación, distribución, etc. |
2007 |
| 300 ## - DESCRIPCIÓN FÍSICA |
|---|
| Extensión |
440p |
| Otras características físicas |
Ilustración |
| Dimensiones |
17 x 23 cm |
| 505 ## - NOTA DE CONTENIDO CON FORMATO |
|---|
| Nota de contenido con formato |
PRÓLOGO<br/>PREFACIO DE LOTFI A. ZADEH<br/>FOREWORD BY LOTFI A. ZADEH<br/>INTRODUCCIÓN<br/>1 El largo y tortuoso camino hacia la construcción<br/>de máquinas inteligentes<br/>2 Microprocesadores, computadores y cerebro<br/>3 Redes neuronales artificiales<br/>4 Sistemas borrosos<br/>5 Redes neuronales y sistemas borrosos<br/>PARTE I. REDES NEURONALES<br/>CAPÍTULO 1. FUNDAMENTOS DE LAS REDES NEURONALES<br/>ARTIFICIALES<br/>1.1 Breve introducción biológica<br/>1.2 Estructura de un sistema neuronal artificial<br/>1.3 Modelo de neurona artificial<br/>1.3.1 Modelo general de neurona artificial<br/>1.3.2 Modelo estándar de neurona artificial<br/>1.4 Arquitecturas de redes neuronales<br/>1.5 Modos de operación: recuerdo y aprendizaje<br/>1.6 Clasificación de los modelos neuronales<br/>1.7 Computabilidad neuronal<br/>1.8 Un ejercicio de síntesis: sistemas conexionistas<br/>1.9 Realización y aplicaciones de los ANS<br/>1.A Apéndice: de la neurona biológica a la artificial<br/>CAPÍTULO 2. REDES NEURONALES SUPERVISADAS<br/>2.1 Redes unidireccionales<br/>2.2 El asociador lineal: aprendizaje hebbiano<br/>2.3 El perceptrón simple (Rosenblatt, 1959)<br/>2.3.1 Algoritmo de aprendizaje del perceptrón<br/>2.4 Adalina (Widrow, 1961)<br/>2.4.1 Regla LMS<br/>2.5 El perceptrón multicapa (grupo PDP, 1986)<br/>2.5.1 El MLP como aproximador universal de funciones<br/>2.5.2 Aprendizaje por retropropagación de errores (BP)<br/>2.5.3 Aceleración del aprendizaje BP. Otros algoritmos<br/>2.6 Capacidad de generalización de la red<br/>2.7 Pinceladas sobre la relación del MLP con los métodos estadísticos<br/>2.8 Ejemplos de aplicación del MLP-BP<br/>CAPÍTULO 3. REDES AUTOORGANIZADAS<br/>3.1 Modelos neuronales no supervisados<br/>3.2 Modelo de mapas autoorganizados (Kohonen, 1982)<br/>3.2.1 Introducción a los mapas autoorganizados<br/>3.2.2 Algoritmo de aprendizaje<br/>3.2.3 Algunas variantes de los SOFM<br/>3.3 Ejemplos de aplicaciones<br/>3.4 SOFM: cuantificación óptima de vectores<br/>3.5 Análisis formal del proceso de autoorganización<br/>3.6 Modelos de neurona de Kohonen. Medidas de similitud<br/>3.7 Modelos de aprendizaje en mapas autoorganizados<br/>CAPÍTULO 4. OTROS MODELOS DE REDES NEURONALES<br/>4.1 Redes neuronales realimentadas<br/>4.2 Modelo de Hopfield<br/>4.2.1 Modelo de neurona y arquitectura. Dinámicas<br/>4.2.2 Memoria asociativa<br/>4.2.3 Función energía de la red<br/>4.3 Aprendizaje en la red de Hopfield<br/>4.3.1 Regla de Hebb<br/>4.3.2 Reglas de aprendizaje óptimas<br/>4.4 Ejemplo: reconocimiento de caracteres<br/>4.5 Neuronas estocásticas. Máquina de Boltzmann<br/>4.6 Modelo de Hopfield analógico (continuo)<br/>4.6.1 Modelo de Hopfield de neuronas continuas<br/>4.6.2 Aplicaciones del modelo de Hopfield<br/>analógico. Optimización<br/>4.7 Funciones de base radial (RBF)<br/>4.8 LVQ<br/>4.9 Otros modelos de redes neuronales<br/>CAPÍTULO 5. IMPLEMENTACIÓN DE REDES NEURONALES<br/>5.1 Introducción<br/>5.2 Simulación (software) de ANS<br/>5.3 Emulación (hardware) de ANS<br/>5.4 Realización hardware de ANS |
| 520 ## - RESUMEN, ETC. |
|---|
| Resumen, etc. |
Los sistemas digitales de cómputo actuales presentan problemas al abordar tareas del mundo real, donde la información es masiva, redundante e imprecisa. Por ello, desde hace unos años se vienen proponiendo nuevos modelos de procesamiento inspirados en las soluciones encontradas por la naturaleza durante millones de años de evolución, que podrían ayudar a resolver importantes problemas tecnológicos como los de visión, habla, control e inteligencia artificial.<br/>De entre estos nuevos modelos destacan las redes neuronales artificiales, que imitan la estructura del cerebro para reproducir algunas de sus capacidades y aprenden a realizar tareas a partir de ejemplos. Por otro lado, los sistemas borrosos (fuzzy) emulan el razonamiento aproximado de nuestro cerebro, permitiendo manejar conceptos vagos e imprecisos como los empleados en la vida cotidiana. Ambos modelos, junto con otros como los algoritmos genéticos, se enmarcan en la denominada inteligencia computacional o soft computing, complementando disciplinas clásicas como el tratamiento de señal o la inteligencia artificial, aplicándose ya a problemas muy diversos como reconocimiento de caracteres, electrodomésticos inteligentes, procesado de imagen, predicción bursátil, etc.<br/>Este libro se dirige a todo aquel que esté interesado en iniciarse en estas cuestiones, especialmente estudiantes, docentes y personal de la empresa; el único requisito es contar con una mínima base matemática, como la adquirida en estudios de ciencias, ingenierías o económicas.<br/>La primera edición (1997) fue el primer libro en español dedicado a ambos temas; desde entonces ha sido adoptado como texto de clase en diversas universidades españolas y americanas. En esta tercera edición (2006) se han actualizado algunos de sus capítulos y referencias bibliográficas, añadiéndose algunos modelos novedosos.<br/><br/>"Redes Neuronales y Sistemas Borrosos supone una valiosa contribución a la literatura de la soft computing y de los sistemas neuroborrosos. Su fácil lectura, amplio tratamiento de ejemplos reales, y la gran competencia de los autores en la materia, hacen de este texto una importante fuente de información para todo aquel interesado en comprender y familiarizarse con las herramientas básicas que proporcionan las metodologías neuronales y borrosas. Los autores y la editorial merecen nuestro agradecimiento y aplauso". Prof. Lotfi A. Zadeh, catedrático emérito de la Universidad de California en Berkeley. |
| 526 ## - NOTA DE INFORMACIÓN SOBRE EL PROGRAMA DE ESTUDIO |
|---|
| Program name |
Ingeniería en Tecnologías de la Información y Comunicación |
| 650 #0 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
|---|
| Término de materia o nombre geográfico como elemento de entrada |
Programación |
| 9 (RLIN) |
729 |
| 700 ## - ENTRADA AGREGADA--NOMBRE PERSONAL |
|---|
| Nombre de persona |
ALFREDO SANZ MOLINA |
| 942 ## - ELEMENTOS DE ENTRADA SECUNDARIOS (KOHA) |
|---|
| Tipo de ítem Koha |
Libro |
| Fuente del sistema de clasificación o colocación |
Clasificación Decimal Dewey |
| Edición |
3a Edición |
| 945 ## - CATALOGADORES |
|---|
| Número del Creador del Registro |
1 |
| Nombre del Creador del Registro |
admin |
| Número de último modificador del registro |
1260 |
| Nombre del último modificador del registro |
Norma Gabriela Corona Arreguin |
