modelacion matematica




UNIVERSIDAD AUTONOMA DE NUEVO LEON
FACULTAD DE INGENIERIA MECANICA Y ELECTRICA

MODELACION MATEMATICA

Integrantes:
Alejandra Elizabeth Torres Coronado 1586709
Gloria Esthefany Solís Soto 1627242
Naomi Viridiana Muñoz Gascón 1632458
Ricardo Loredo Alejos 1636902
Luis Roberto Pérez Ramos 1626235
Kevin Alí Rivera Gómez 1622598
Héctor Pequeño Perales 1628892
EduardoAdolfo Castillo Salazar 1633678
Juan Antonio García Vázquez 1624305
Isabel López Reyna 1621202
Gabriela Anahí Grimaldo Cortes 1617287
Narciso Alejandro Hernández Ramírez 1620992
José Javier Aguilar Ríos 1619587
Juan Carlos Pérez Hernández 1579029
Equipo: #2
Aplicación de las Tecnologías de Información
Salón: 3307
Hora: V1
Maestra: M.C Karina Montemayor de la Garza

Qué es lamodelación matemática?


La modelación matemática es un área de la ciencia que se encarga de expresar fenómenos de la vida real en forma matemática y así poder usar las herramientas que tenemos de matemáticas para obtener una solución al problema. 
Los principales problemas que se enfrentan al modelar son aquellos en los que el modelo es muy complicado debido a que en la vida real existen muchosfactores que influyen en el fenómenos a estudiar y es imposible considerarlos todos; y también que no siempre la solución del modelo nos da buenos resultados en la vida real.
Un modelo matemático describe teóricamente un objeto que existe fuera del campo de las Matemáticas. Las previsiones del tiempo y los pronósticos económicos, por ejemplo, están basados en modelos matemáticos. Su éxito o fracasodepende de la precisión con la que se construya esta representación numérica, la fidelidad con la que se concreticen hechos y situaciones naturales en forma de variables relacionadas entre sí.

Puede decirse que los modelos matemáticos son conjuntos con ciertas relaciones ya definidas, que posibilitan la satisfacción de proposiciones que derivan de los axiomas teóricos. 






Que tipos dealgoritmos manejan

Los tipos de algoritmos que manejan son:
Algoritmos ICA
Son muchos los algoritmos desarrollados para ICA durante los últimos años y sigue siendo un área de creciente actividad por su infinidad de aplicaciones prácticas. Los algoritmos ICA existentes pueden clasificarse de acuerdo al criterio utilizado para la determinación de la matriz de separación D.
A continuación sepresentan los métodos más relevantes en ICA agrupados de acuerdo a la clasificación usada en el modelo LCS-GRF
Maximizando la NG: Uno de los algoritmos más famosos. fastICA, basa su medida de la NG en el cálculo de la curtosis o momento de orden cuarto. En fastICA, para la búsqueda de máximos se implementa un algoritmo iterativo de punto fijo que garantiza la convergencia a máximos locales conuna complejidad de cálculo relativamente baja. La ventaja de fastICA es su velocidad, aunque es bien conocido que la curtosis, como medida de NG, no es estadísticamente robusta. Una versión mejorada de fastICA consiste en utilizar la medida de NG basada en una aproximación a la negentropia1:

Usando el criterio de máxima verosimilitud ( Maximum Likehood- ML): Uno de los algoritmos ICA masantiguos, INFOMAX2 . Puede demostrase que Infomax, al mismo tiempo, maximiza la probabilidad de obtener las observaciones x (estimador de máxima verosimilitud). Dando que las de las fuentes no son conocidas, es necesario imponer un modelo para las mismas. Afortunadamente, puede demostrarse que el estimador es poco sensible a errores en la especificación de las , y por lo tanto, solo es necesarioseleccionar entre dos familias de : sub-gaussianas o super-gaussianas. En este algoritmo la maximización se implementa a través de un método de optimización basado en gradientes. También puede utilizarse un algoritmo de punto fijo para máxima verosimilitud arribando a otro algoritmo del tipo Fastica el cual mejora la considerablemente la velocidad de convergencia del algoritmo original.
Minimizando la...