paradigmas matematicos

UNIVERSIDAD SANTO TOMÁS –TUNJA CENTRO DE INVESTIGACIÓN

GUÍA PARA PARA LA PRESENTA PRESEN TACIÓN CIÓN DE PROYECTOS INFORMACIÓN GENERAL DEL PROYECTO

Facultad: CIENCIAS BASICAS

Fecha, presentación: AÑO M D 2008 06 20 Título: NUEVOS PARADIGM PARADIGMAS AS MATEMÁTIC MATEMÁTICOS OS EN LA INTELIGENCIA INTELIGE NCIA ARTIFICIAL ARTIFICIA L

Línea de Investigación: ALGORITMOS GENÉTICOS Coordinador/es : JAIRO AMADOR NIÑO C.C. N° 19.224.834 ___ Correo electrónico: [email protected] ________ Tel. Tel. Cel.: _3152253475___ CLAUDIA ROCIO URIBE___________ C.C. N°_40.025.358___ Correo electrónico: [email protected]______ Teléfono: _7423178 ________ Tel. Cel.: _3118342710____ Formación Académica: Magister en Ciencias Computacionales Universidad Autónoma de Bucaramanga en convenio con el TEC de Monterrey Mexico Ciud Ciudad ad:: Buca Bucara rama mang nga a Depa Depart rtam amen ento to:: Sant Santan ande derr del del Sur Sur Formación Académica: Ingeniero de Sistemas y Licenciado en Matemáticas Universidad Autónoma de Bucaramanga en convenio con el TEC de Monterrey Mexico, y UNIVERSIDAD PEDAGOGICA Y TECNOLOGICA TECNOLOGICA DE COLOMBIA Ciudad: Bucaramanga Departamento: Santander del Sur Duración del Proyecto (en meses): 12 MESES Tipo de Proyecto:


.

PRESENTACIÓN DEL PROYECTO 1. DESCRIPCIÓN DEL PROYECTO:

1.1 Planteamiento del problema de investigación: En la búsqueda de nuevas soluciones a problemas conocidos y que hayan hayan sido sido o no soluci soluciona onados dos,, en los diferent diferentes es campos de la ciencia, se cuestiona: ¿con las técnicas de IA y sus herram herramien ientas tas se pueden pueden encont encontrar rar nuevas nuevas alternativ alternativas as o paradigmas paradigmas para determina determinarr soluciones soluciones mas sencillas y en lo posible optimizadas?

1.1.1 Estado Estado del Arte: Arte: Los nuevos nuevos paradigmas paradigmas deben estar contextualizados dentro de la naturaleza del ser humano, dentro de este contexto el ser humano

no mane maneja ja núm números eros exac exacta tame ment nte, e, sino sino conceptos como, si hace mucho frío por la noche y el calor es intenso en el día entonces la helada será fuerte, esto, propone utilizar herramientas de inteligencia artificial que permitan encontrar predicc prediccion iones es oportu oportunas nas y mas cercan cercanas as a los cambios reales del clima, por ejemplo. A continuación se esbozan algunos conceptos teóricos:

Predic Predicció ción n de Sistem Sistemas: as: las salida salidass de un sistema sistema debe deben n pode poderr prede redeci cirs rse e par para crea crearr mode modelo loss y mejorarlos continuamente. Generalmente una fórmula pued puede e dete determ rmina inarr el resu resultltad ado o de una una vari variab able le de acuerdo a los datos que se suministren para su cálculo, la realidad presenta factores que impiden enmarcar tan sencillamente los resultados de un proceso, por lo tanto entr entra a en jueg juego o basa basars rse e en la cara caract cter erís ístitica ca de no

lineali linealidad dad de los sistema sistemass dinámic dinámicos, os, y se requie requiere re realiza realizar r prue prueba bass con con los los dato datoss para para lleg llegar ar a plan plante tear ar un mode modelo lo matemático que intente predecir el comportamiento del sistema, o de determinada variable que forme parte del mismo. Inteligencia Artificial: una definición es: La inteligencia artificial es un intento por descubrir y describir aspectos de la inteligencia humana que pueden ser simulados mediante máquinas. Es una rama de las ciencias ciencias de la computación computación que trata del diseño de siste sistema mass inte intelilige gent ntes, es, es decir decir,, sist sistema emass que que pres presen enta tan n características que normalmente asociamos con la inteligencia humana: comprensión del lenguaje, razonamiento, aprendizaje, resolución de problemas matemáticos y no matemátcos, etc.. Lógica difusa: en los años sesenta, Lofti Zadeth inventó la lógica difusa o borrosa, que combina los conceptos de la lógica y de los conjuntos de Lukasiewicz mediante la definición de grados de pertenencia. La lógica borrosa es una rama de la inteligencia artificial que se funda en el concepto "Todo es cuestión de grado", lo cual permite manejar información vaga o de difícil especif especificac icación ión.. Es entonc entonces es posibl posible e con la lógica lógica borros borrosa a gobernar un sistema por medio de reglas de 'sentido común' las cuales se refieren a cantidades indefinidas (Zadeth, 1975). Redes neuronales: neuronales: También llamadas llamadas Modelos Modelos conexionista conexionistas, s, proces procesado adores res distribui distribuidos dos y parale paralelos. los. Estos Estos propor proporcio cionan nan mecanismos generales para construir modelos de sistemas a partir de los mismos datos. En los últimos años, las redes neuronales artificiales (RNA) se han convertido en herramientas alternativas de uso frecuente para la resolución de diversos problemas. Algoritmos Algoritmos genéticos: Entre los métodos métodos de búsqueda búsqueda donde hay hay gran gran cant cantid idad ad de dato datoss y dond donde e se nece necesi sita ta de la 2


opti optimi miza zaci ción ón (Gol (Goldb dber erg, g, 1989 1989)) para para solu soluci cion onar ar proble problemas mas en campos campos de la ciencia ciencia,, los algori algoritmo tmoss genéticos AGs juegan un papel importante aplicando la evolu evoluci ción ón biol biológ ógica ica (Hol (Holla land nd,, 1992 1992), ), para para obte obtene ner r soluciones robustas, fiables y mas precisas que con los méto método doss mate matemá máti tico coss trad tradic icio iona nale less segú según n las las nece necesi sida dade dess del del prob proble lema ma,, lo que que los los hace hace en un principio en esta investigación parte de la solución. 1.1.2 Marco Teórico Teórico o epistemológico: epistemológico: en el contexto de esta esta invest investiga igació ción n hacemo hacemoss especi especial al refere referenci ncia, a, a Las

técnic técnicas as de minería minería de datos o data mining mining por ser meno menoss rest restri rict ctiva ivass que que las las esta estadí díst stica icas. s. Una Una vez vez encontrado un punto de partida interesante y dispuestos a utilizar utilizar algún análisis análisis estadístico en particular particular (por ejemplo, discriminante para diferenciar segmentos de mercado), puede suceder que los datos no satisfagan los requerimiento requerimientoss del análisis análisis estadístico. estadístico. Entonces, las variables deberán ser examinadas para determinar qué tratam tratamien iento to permit permite e adecua adecuarla rlass al análisi análisis, s, no siendo posible o conveniente en todos los casos. Aquí se dest destac aca a la data data mini mining ng,, puest puesto o que que es menos menos restrictivo restrictivo que la estadística estadística y permite permite ser utilizado utilizado con los mínimos supuesto posibles (permite escuchar a los datos). Los Los Algo Algori rittmos mos Gen Genétic éticos os (AGs (AGs)) son son mét métodos odos adap adapttativ ativos os que pued pueden en usar usarse se para para resol esolve ver r problemas de búsqueda y optimización. Están basados en el proceso genético de los organismos vivos. A lo largo de las generaciones, las poblaciones evolucionan en la natu natura rale leza za acor acorde de con con los los prin princi cipi pios os de la selección natural y la supervivencia de los más fuertes, postulados por Darwin. Por imitación de este proceso,

los Algoritmos Algoritmos Genéticos son capaces capaces de ir creando creando soluciones soluciones para para prob proble lema mass del del mund mundo o real real.. La evolu evolució ción n de dich dichas as solucio soluciones nes hacia hacia valore valoress óptimo óptimoss del proble problema ma depend depende e en buena medida de una adecuada codificación de las variables del problema problema (GOLDBERG (GOLDBERG,, D.E., D.E., Genetic Genetic Algorithms in Search, Search, Optimization Optimization & Machine Machine Learning. Learning. Reading: Reading: Addison-We Addison-Wesley sley,, 1989). La aplicación más común de los algoritmos genéticos ha sido la solución de problemas de optimización, en donde han mostrado ser muy eficie eficiente ntess y confia confiable bles. s. Sin embargo, embargo, no todos todos los proble problemas mas pudier pudieran an ser apropi apropiado adoss para para esta esta técnica, técnica, y se reco recomi mien enda da en gene genera rall toma tomarr en cuen cuenta ta las las sigu siguie ient ntes es características del mismo antes de intentar usarla: •

•

•

Su espacio de búsqueda o sus posibles soluciones, están delimitadas dentro de un cierto rango. Debe Debe poders poderse e definir definir una funció función n de aptitud aptitud que nos indique qué tan buena o mala es una cierta respuesta. Las soluci solucione oness deben deben codifi codificar carse se de una forma forma que resu result lte e rela relati tiva vame ment nte e fáci fácill de impl implem emen enta tarr en la computadora.

El primer punto es muy importante, y lo más recomendable es intentar resolver problemas que tengan espacios de búsqueda discre discretos tos aunque aunque éstos éstos sean sean muy grande grandess (MUÑOZ (MUÑOZ,, A.F., A.F., Aplicación de los algoritmos genéticos en la identificación y cont contro roll de biop biopro roce ceso soss por por clon clonac ació ión n arti artifi fici cial al.. IEEE IEEE Transactions on Systems, Man, and Cybernetic V 19 No. 2 5876, 1998). Sin embarg embargo, o, tambié también n podrá podrá intent intentars arse e usar usar la técnic técnica a con espacios de búsqueda continuos, pero preferentemente cuando exista un rango de soluciones relativamente pequeño. 3


Predic Predicció ción n de Sistem Sistemas: as: las salida salidass de un sistema sistema debe deben n pode poderr prede redeci cirs rse e par para crea crearr mode modelo loss y mejorarlos continuamente. Generalmente una fórmula pued puede e dete determ rmina inarr el resu resultltad ado o de una una vari variab able le de acuerdo a los datos que se suministren para su cálculo, la realidad presenta factores que impiden enmarcar tan sencillamente los resultados de un proceso, por lo tanto entr entra a en jueg juego o basa basars rse e en la cara caract cter erís ístitica ca de no lineal linealida idad d de los sistem sistemas as dinámic dinámicos, os, y se requie requiere re realizar pruebas con los datos para llegar a plantear un modelo matemático que int intente predecir el comportamiento del sistema, o de determinada variable que forme parte del mismo. Inteligencia Artificial: una definición es, la inteligencia artificial es un intento por descubrir y describir aspectos de la inteligencia humana que pueden ser simulados mediante máquinas. Es una rama de de las ciencias de la comp comput utac ació ión n que que trat trata a del del dise diseño ño de sist sistem emas as inte intelilige gent ntes es,, es deci decirr, sist sistem emas as que que pres presen enta tan n caract caracterí erístic sticas as que normal normalmen mente te asocia asociamos mos con la inte intelilige genc ncia ia huma humana na:: comp compre rens nsió ión n del del leng lengua uaje, je, razonamiento razonamiento,, aprendizaje, aprendizaje, resolución resolución de problemas, problemas, etc.. Lógica difusa: en los años sesenta, Lofti Zadeth inventó la lógica difusa o borrosa, que combina los conceptos de la lógica y de los conjuntos de Lukasiewicz mediante la defi defini nició ción n de grad grados os de pert perten enen encia cia.. La lógi lógica ca borrosa es una rama de la inteligencia artificial que se funda en el concepto "Todo es cuestión de grado", lo cual cual permit permite e maneja manejarr inform informaci ación ón vaga o de difíci difícill espe especi cififica cació ción. n. Es ento entonc nces es posi posible ble con con la lógi lógica ca borrosa gobernar un sistema por medio de reglas de

'sentido común' las cuales se refieren a cantidades indefinidas (Zadeth, 1975). Redes neuronales: neuronales: También llamadas llamadas Modelos Modelos conexionista conexionistas, s, proces procesado adores res distribui distribuidos dos y parale paralelos. los. Estos Estos propor proporcio cionan nan mecanismos generales para construir modelos de sistemas a partir de los mismos datos. En los últimos años, las redes neuronales artificiales (RNA) se han convertido en herramientas alternativas de uso frecuente para la resolución de diversos problemas. Según Jorge Navarro del Centro de Ciencias de Sinaloa, resume la experimentación en matemática con IA, así: “Tomando como base el hecho que las Matemáticas es el estudio de patrones en las estructuras de entes abstractos y en las relaciones entre ellas. La IA interviene en el proceso de hacer Matemáticas, podemos decir que la IA sirve de apoyo en la manipulación de estructuras complejas; la creación de modelos; también como medi medio o de reso resolu luci ción ón de algu alguno noss mode modelo loss mate matemá máti tico coss complejos; y en ocasiones sirve de herramienta alternativa a las matemáticas.”. La IA ha sido utilizada por ejemplo en problemas de optimización no lineal (Navarro, 2005), donde se tiene que la función objetivo es discontinua en hyperplanos d i i = mi con i = 1,…N . El número de variables puede ser considerablemente grande (llegar hasta miles); miles); la región región factib factible, le, partic particular ularment mente e si se incluye incluyen n las condiciones de veto, es también muy complicada para que los método métodoss tradic tradicion ionale aless de optimiz optimizaci ación ón no lineal lineal puedan puedan ser aplica aplicados dos con efectiv efectivida idad. d. Por estas razone razoness se utiliza utiliza un algoritmo algoritmo evolutivo para resolver el problema problema de decisión, decisión, pues estos procedimientos son menos sensibles a la forma de la región factible, al número de variables de decisión, y a las propiedades matemáticas de la función objetivo (Coello, 2002). 4


1.2. Justificación: La aplicación de técnicas de IA que

conlleven a soluciones que se acerquen al comp compor orta tamie mient nto o huma humano no,, o a cual cualqu quie ierr esta estado do o fenómeno natural, generará nuevo conocimiento si se pued pueden en esta establ blec ecer er nuevo nuevoss para paradi digm gmas as o nuev nuevas as metodo metodologí logías as para la solució solución n de problema problemas, s, y en cons consec ecue uenc ncia ia conl conlle leva va desa desarr rrol ollo lo inte intele lect ctua uall y profesional no solo de los investigadores, sino que sería un apor aporte te a la cien cienci cia a inte interd rdis isci cipl plin inar aria iame ment nte, e, perm permit itie iend ndo o impl implem emen enta tarr otra otra(s (s)) líne línea( a(s) s) de invest investiga igación ción en la Univer Universid sidad, ad, con proyecc proyección ión al mejoramiento de la calidad de vida, al poderse aplicar los los nuev nuevos os para paradi digm gmas as a dife difere rent ntes es área áreass de las las ciencias. El uso uso de la mine minerí ría a de dato datoss gene generra nuev nuevos os instru instrumen mentos tos para para analiz analizar ar la inform informaci ación ón y obtene obtener r nuev nuevo o cono conoci cimi mien ento to a part partir ir de dato datoss puro puros, s, la aplicación aplicación de los algoritmos genéticos produce nuevas metodologías para la solución de variados problemas, especialmente en la optimización de recursos. 1.3. Los objetivos: 1.3.1. Objetivo general: Hacer uso de la IA para solucionar proble problemas mas matemá matemátic ticos os con miras miras a e stablecer stablecer nuevos

paradigmas paradigmas que solucionen solucionen problemas problemas en diferentes diferentes disciplinas de las ciencias. 1.3.2. 1.3.2. Objetivos Objetivos específic específicos: os: 1. Solucionar Solucionar problemas problemas

fundamentados en el concepto de límite con técnicas de Inteligencia artificial. 2. Resolver problemas de optimización con Técnicas de

Inteligencia Artificial. 3. Solucionar problemas relacionados con la Estadística con técnicas de IA. 1.4. Metodología: El tipo de investigación es un híbrido entre

estudios exploratorios y correlacionales al utilizar técnicas de IA, que han sido poco utilizadas en la solución de problemas de acuerdo a los objetivos específicos. El objeto de investigación y el contexto disciplinar o científico son el cálculo diferencial, el cálculo integral, la estadística y la probabilidad. De manera mas específica la metodología a utilizar esta basada en dos aspectos: aspectos: el primero primero son los algoritmos algoritmos genéticos (AGs) que son método métodoss adapta adaptativo tivoss que pueden ser utiliz utilizado adoss en problemas de búsqueda y optimización. Ellos están basados en los los proc proces esos os gené genéti tico coss y evol evolut utiv ivos os de los los orga organi nism smos os biológicos, codificando una posible solución a un problema en un "cro "cromo moso soma ma"" comp compue uest sto o por por una una cade cadena na de bits bits o caracteres. caracteres. Estos cromosomas cromosomas representan representan individuos individuos que son llevados a lo largo de varias generaciones, en forma similar a las pobl poblac acion iones es natu natura rale les, s, evol evoluc ucio iona nand ndo o de acue acuerd rdo o a los los principios de selección natural y de "supervivencia" del más apto descritos por primera vez por Charles Darwin en su libro "Origen de las Especies". Y el segundo aspecto que entra en el como hacer la investigación radica en que los datos de cualquier evento pueden contener información que se podrían convertir en cono conocim cimie ient nto, o, si de algu alguna na mane manera ra se logr logra a cono conocer cer su comportamiento, o inferir un modelo estructural en los mismos, y la minería de datos extrae la información que por naturaleza suby subyac ace e en los los dato datos, s, prev previa iame ment nte e desc descon onoc ocid ida, a, pero pero potencialmente útil. Con estos resultados se puede obtener el objetivo propuesto. 5


1.5. Cronograma Cronograma de Actividad Actividades es y plan de trabajo: trabajo: Ver anexo 1. 1.6. Presupuesto: Ver anexo 2. 1.7. 1.7.

Bibl Biblio iogr graf afía ía:

Bibl Biblio iogr graf afía ía

adic adicio iona nall

libr libros os

y/o y/o

suscripciones a revistas científicas del tema será dada a conocer posteriormente.

MUÑOZ, A.F., Aplicación de los algoritmos genéticos en la identificación y control de bioprocesos por clonación artificial. artificial. IEEE Transa Transactions ctions on Systems, Systems, Man, Man, and Cybernetic V 19 No. 2 58-76, 1998 ADELI, H., Machine Learning: Neural Networks, Genetic Algorithms, and Fuzzy Systems. John Wiley and Sons, Inc, 1995. GOLDBERG, D.E., Genetic Algorithms in Search, Optimization & Machine Learning. Reading: AddisonWesley, 1989. 1.8. Estrategi Estrategias as de divulgaci divulgación: ón: Public Publicaci acione oness en las revistas de la Universidad Santo Tomás Tomás y otras, participación en conferencias, seminarios y congresos entre otros, dentro y fuera de esta Universidad . Creación de semilleros y líneas de investigación. 2. Resu Result ltad ados os/P /Pro rodu duct ctos os espe espera rado doss beneficiarios:

y

pote potenc ncia iale less

2.1. Relacionados con la generación de conocimiento y/o nuevos nuevos desarroll desarrollos os tecnológ tecnológicos icos:: Los Los resu resultltad ados os o

produc productos tos que corres correspon ponden den a nuevo nuevo conoci conocimie miento nto cientí científic fico o o tecnológico serán en principio el uso de las técnicas de IA en la solución de problemas en diferentes disciplinas de las ciencias, como cálculo cálculo diferencia diferencial,l, cálculo cálculo integral, integral, estadíst estadística ica e investigac investigación ión de operaciones entre otras.

2.2. Conducen Conducentes tes al fortaleci fortalecimien miento to de la capacidad capacidad científic científicaa nacional: Los trabajos desarrollados podrán ser trabajos para optar a los los títu título loss de preg pregra rado do y post postgr grad ado; o; a la vez vez que que sirv sirven en como como formación de recurso humano a nivel profesional o de postgrado; tambié también n contr contribu ibuirá irá a la constr construcc ucción ión de cooper cooperaci ación ón cientí científic fica a nacional nacional e internacio internacional. nal. El rigor científic científico o será dado por el uso de teoría teoríass acepta aceptadas das por la comuni comunidad dad cientí científic fica, a, como como algori algoritm tmos os genéticos y minería de datos por ejemplo. 2.3. Dirigidos a la apropiación apropiación social del conocimiento: conocimiento: Por medio de publicacio publicaciones nes en revistas, revistas, conferenc conferencias, ias, seminario seminarios, s, congresos, congresos, creación de semilleros y líneas de investigación. 3. COMPROMISOS: Los establecidos por la Universidad santo Tomás Tomás de Tunja. 4. Anexar hojas de vida de todos los investigadores. Ver anexo 3.

Bibliografía consultada y recomendada: HERNÁNDEZ SAMPIERI. Roberto, y otros. Metodología de la investigación. México: Editorial McGrawHill, 1991. COLCIENCIAS. COLCIENCIAS. Formatos de presentación de proyectos. http://www.colciencias.gov.co

Anexo 2. PRESUPUESTO PRESUPUES TO

6


•

Valor Valor total proyecto: proyecto: $ 5`000.000

Rubros

USTA

FUENTES OTRAS PROPIO

TOTAL ESPECIE

PERSONAL EQUIPO

COMPRA ARRIENDO USO

VIAJES

500.000 SUSC SUSCRI RIPC PCIO IONE NE 1`00 1`000. 0.00 000 0 LIBROS 1`500.000 BIBLIOGRAFÍA OTROS SOFTWARE SERVICIOS TÉCNICOS CAPACITACIÓN 2`000.000 PUBLICACIONES ADMINISTRACIÓN OTROS (DISCRIMINAR) TOTAL 5`000.000 Nota: El presente cuadro puede ser modificado acorde a las necesidades y características del proyecto.

Viajes: Desplazamientos Desplazamientos para capacitación, búsqueda de información y obtención de bibliografía.

7


Anexo 1. CRONOGRAMA DE ACTIVIDADES Actividad Revisión del estado del arte Desarrolla Desarrollarr Metodología Metodología de diseño funcional Mapeo Mapeo genético, genético, diseño de algoritmos o uso de software Aplica Aplicarr proced procedimi imient entos os de clonación de operaciones Realizar pruebas de resultados Proc Proces esam amie ient nto o de los los resultados de la investigación

Mes 1

Mes 2

Mes 3

Mes 4

Mes 5

Mes 6

Mes 7

Mes 8

Mes 9

Mes 10

Mes 11

Mes 12

Responsables: Jairo Amador Niño y Claudia Rocío Uribe Recurso: Material bibliográfico sobre matemáticas e inteligencia artificial. Resultados esperados: Solucionar problemas de diferentes disciplinas de las ciencias con técnicas de inteligencia artificial.

8


4. Anexo 3. Hoja de vida.

APELLIDOS NOMBRES CORREO ELECTRÓNICO

Amador Niño Jairo [email protected]

2. FORMACIÓN ACADÉMICA MAESTRÍA En Ciencias Computacionales ESPECIALIZACIÓN Telemática PREGRADO Ingeniería de Sistemas PREGRADO Licenciado en Matemáticas y Física 3. EXPERIENCIA LABORAL Universidad Antonio Nariño Catedrático Externo

UPTC Fundación Universitaria Juan de Castellanos 9


4. PUBLICACIONES, PUBLICACIONES , PONENCIAS, PARTICIPACIONES PARTICIPACIONES Y COLCIENCIAS

Publicación, Paradigma hacia el diseño y desarrollo de algoritmos genéticos y sistemas de control para la clonació clonaciónn artificia artificiall en procesos procesos industria industriales. les. Revista Cultura Cultura Científica. Fundación Universitaria Juan De Castellanos. Instituto de Investigaciones Científicas Inicien, ISSN 1657-463X, No. 2, octubre 2004. pag. 66-72. Publicación, Publicación, Acercamiento al método de clonación para obtener el fenotipo de un sensor de viscosidad de fenol. Revista Cultura Científica. Fundación Fundación Universitaria Juan De Castellanos. Instituto de Investigaciones Científicas Inicien, ISSN 1657-463X, No. 3, octubre 2005. pag. 70-72. Publicación Publica ción,, El paradigm paradigmaa de la clonació clonaciónn de dispositi dispositivos vos industria industriales, les, primeras primeras aproxima aproximacion ciones. es. Revista Revista Cultura Cultura Científic Científica. a. Fun Fundaci dación ón Universi Universitaria taria Juan De Castellanos. Instituto de Investigaciones Científicas Inicien, ISSN 1657-463X, No. 4, octubre 2006. pag. 10-14. Publicación, Publicación, Predicción agrometeorológica agrometeorológica y agricultura en Boyacá. Revista Cultura Científica. Fundación Universitaria Juan De Castellanos. Instituto de Investigaciones Científicas Inicien, ISSN 1657-463X, No. 5, octubre 2007. pag. 44-48. Publicación, Vectores de probabilidad. Notinicien. No. 3, abril 2004. pag. 12. Publicación, Publicación, Paradigma para la clonación artificial. Notinicien. No. 4, febrero 2005. pag. 15. Publicación, Publicación, Algoritmos genéticos. genéticos. Notinicien. No. 5, abril 2006. pag. 7. Publicación, Minería de datos. Notinicien. No. 9, mayo 2007. pag. 4. Publicación, Minería de datos VS Estadística. Notinicien. No. 10, septiembre 2007. pag. 4. 10


Publicación, Paradigma hacia la clonación artificial de un sensor de viscosidad. Revista de la Facultad de Ingeniería. Universidad Pedagógica y Tecnológica de Colombia. Facultad de Ingeniería, ISSN 0121-1129, año 14, No. 18, 2005. Ponente, Universidad Pontificia Bolivariana, Seminario internacional de informática y computación. Pone Ponente nte,, Fund Fundaci ación ón Unive Universi rsitar taria ia Juan Juan de Caste Castella llanos nos,, II Jornad Jornadaa nacio nacional nal de actualización en informática y control 2007. Ponente, Universidad Nacional Abierta y a Distancia, III Jornada de actualización en Ingeniería de Sistemas. Ponente, Fundación Universitaria Juan de Castellanos, Seminario Inteligencia artificial. Algoritmos genéticos. Ponente, Universidad Pedagógica y Tecnológica de Colombia, I Simposio nacional de Informática Ingeniería de Sistemas Ponente, XI Escuela latinoamericana de Verano en Investigación de Operaciones, Villa de Leyva, Colombia. Particip Participante ante,, Fun Fundaci dación ón Universita Universitaria ria Juan de Castellan Castellanos, os, Seminari Seminarioo Intelige Inteligencia ncia artificial. Algoritmos genéticos Particip Participante ante,, Fun Fundaci dación ón Universit Universitaria aria Juan de Castella Castellanos, nos, Seminari Seminarioo robótica robótica y software libre Colciencias, Grupo de Inteligencia Artificial Juan de Castellanos GIA-JDC, Líder del grupo y Director del proyecto de investigación titulado: Desarrollo de una metodología para la predicción agrometeorológica agrometeorológica aplicando técnicas de inteligencia artificial 5. MENCIONES Y DISTINCIONES

DENOMINACIÓN: Especial reconocimiento por excelente desempeño académico.

11


OTORGADA POR: Universidad Antonio Nariño. FECHA: 21 de noviembre de 1996.

12

paradigmas matematicos

Recommend Documents