Revista Vision Politecnica

Ao 6/ Nm.
2 Julio-Diciembre 2011
Visin Politcnica
INDICE
Editorial Cultura sobre seguridad, un enfoque a partir de la comprensin de los sistemas adaptativos complejos- propiedades y comportamiento
Juan A. Badillo, Rafael RojaS, Obed Corts
Comparacin de algoritmos de aprendizaje automtico para la clasificacin de datos
11
Jorge de la Calleja, Pilar Prez Conde, Ignacio Huitzil, Eric Olmedo, Antonio Benitez, Ma. Auxilio Medina
Vicente Chapuli Cuetlach, Mara Luisa Snchez Collantes Obed Corts Aburto, Isaas Zagoya Mellado
Generacin de calor por induccin magntica
17
Robtica reactiva a travs de una herramienta grfica de simulacin

Antonio Benitez, Rodolfo Vasconcelos Lpez, Ma. Concepcin de la Cruz Gmez Ma. Auxilio Medina, Jorge de la Calleja
21
Galilei, el gran rebelde

Susana Snchez Snchez
28
A Hombros de Gigantes
Vicente Soriano Tlachi
30
Visin Politcnica
Ao 6/ Nm. 2 Julio-Diciembre 2011
a edicin del nmero 2-2011 de la revista Visin Politcnica presenta algunos trabajos de desarrollo tecnolgico en el que adems de participar profesores de tiempo completo de nuestra Institucin, participan estudiantes y profesores de otras instituciones del pas. Adems, se inicia la colaboracin de algunos de los alumnos de los programas de maestra de nuestra Universidad en proyectos de investigacin. Este nmero inicia describiendo un trabajo que abordada desde la ptica de los sistemas adaptativos complejos la cultura de seguridad. Esta visin compleja de los fenmenos delincuenciales permite al lector observar de manera diferente a la tradicional estos fenmenos y decidir actuaciones de prevencin apropiadas. Este trabajo se titula Cultura sobre seguridad, un enfoque a partir de la comprensin de los sistemas adaptativos complejos- propiedades y comportamiento. Posteriormente, se presenta un estudio experimental sobre la clasificacin de datos usando diferentes algoritmos de aprendizaje automtico. Este trabajo es titulado Comparacin de algoritmos de aprendizaje automtico para la clasificacin de datos y comenta los resultados de comparar el desempeo de varios algoritmos de clasificacin. Por otro lado,el trabajo titulado Generacin de calor por induccin magntica. En este proyecto propone la aplicacin de la ley de Joule a travs de un prototipo funcional desarrollado por estudiantes de ingeniera en mecatrnica. Por ltimo, se presenta el artculo titulado Robtica reactiva a travs de una herramienta grfica de simulacin,presenta los elementos bsicos necesarios para simular de manera grfica un robot mvil tipo diferencial. Esta simulacin incluye el diseo del robot, los elementos algebraicos para la solucin del problema cinemtico, la interfaz de usuario para mover a este robot y las aplicaciones desarrolladas a partir de los movimientos bsicos. Ponemos a su consideracin este nmero con el deseo, de quienes contribuimos a formarla, de que motive la lectura y el inters por temas de ciencia y tecnologa y enriquezca su conocimiento acerca de los desarrollos tecnolgicos de nuestra Institucin, la Universidad Politcnica de Puebla. Dr. Antonio Benitez Ruiz 2
Editorial
Visin Politcnica
Cultura sobre seguridad, un enfoque a partir de la comprensin de los sistemas adaptativos complejos- Propiedades y comportamiento.
Badillo T. Juan A., Rojas R. Rafael, Corts A. Obed. Universidad Politcnica de Puebla. UPP E-mail: jabadillo@uppuebla.edu.mx, rrojas@uppuebla.edu.mx, obedca@uppuebla.edu.mx. Resumen
La cultura de seguridad es abordada desde la ptica de los sistemas adaptativos complejos. Sistemas que adems de la complejidad de componentes, relaciones entre estos componentes y su entorno, poseen la capacidad de adecuar su comportamiento de acuerdo al entorno que los rodea. Propiedades y comportamientos bsicos como la agregacin, el marbeteado o etiquetado, la no linealidad, flujos, la diversidad, modelos internos y bloques de construccin le caracterizan. La visin compleja de los fenmenos delincuenciales permite al lector observar de manera diferente a la tradicional estos fenmenos y decidir actuaciones de prevencin apropiadas. Palabras clave: Sistemas adaptativos complejos (CAS), no linealidad, adaptacin. de la mecnica clsica. Hoy en da, se desarrolla investigacin sobre la complejidad, las redes y la autoemergencia de estados ordenados. Los conceptos asociados con la nueva ciencia de la complejidad van entonces ms all de las viejas concepciones mecanicistas que dominaron el concepto moderno de ciencia a partir del siglo XVII. [1] Esta nueva visin de la ciencia puede proporcionar nuevas perspectivas para la discusin de preguntas fundamentales en todos los campos, incluyendo a las ciencias sociales, adems de que rompe los lmites de las viejas disciplinas acadmicas y sugiere nuevas aplicaciones a las dinmicas de sistemas de todo tipo. Los enfoques y las concepciones tradicionales acerca de las organizaciones estn siendo cuestionados por un cierto nmero de descubrimientos cientficos en las diferentes ramas acadmicas, incluidas las ciencias sociales, estimulando un nuevo modo de ver los fenmenos sociales que puede desembocar en un proceso de construccin terica independiente. [2] Se habla ya de la emergencia de un nuevo paradigma: el paradigma de la complejidad, el cual no puede dejar de tener impacto en las concepciones de la realidad social, y por ende, en la manera en cmo se conciben las organizaciones. [3]
1.
Introduccin
La teora de los sistemas complejos ha permitido el desarrollo de nuevos modos de discutir asuntos relacionados con la administracin y las organizaciones, en general ha dado origen a un movimiento creciente de revisin y de renovacin de la administracin. El uso de conceptos de la teora de la complejidad puede cambiar la forma en como los administradores piensan con relacin a los problemas que enfrentan. En el entorno social en el que nos desenvolvemos, existen, hoy en da y con mayor fuerza, tensiones y relaciones con grupos que generan inseguridad y propician miedo, desconfianza e incredibilidad hacia la sociedad misma. Estos grupos delincuenciales han sido tratados con una ptica lineal, mecanicista, en este trabajo se estudian bajo otra ptica, una que, sin asegurar una explicacin de cmo realmente se comportan estos grupos delincuenciales, al menos explica aspectos que las teoras tradicionales no hacen y por ello han perdido credibilidad. A principios del siglo XX aparecen nuevas ramas de la ciencia que no se enmarcan dentro de la visin
2.
Acerca de los sistemas
La teora general de sistemas describe un nivel de construccin terico de modelos que se sita entre las construcciones altamente generalizadas y las teoras especficas de las disciplinas especializadas y que, en estos ltimos aos ha hecho sentir la necesidad de un cuerpo sistemtico de construcciones tericas que pueda discutir, analizar y explicar las relaciones generales del mundo emprico. [4] Contar con una teora para comprender los CAS es el mejor recurso que puede emplearse. Sin embargo, no es tarea sencilla debido a que su comportamiento es ms complejo que la suma simple de los comportamientos de sus partes y de que hay abundancia de no linealidades, lo cual significa que las herramientas ms tiles,
Visin Politcnica
generalmente usadas, para generalizar las observaciones y convertirlas en una teora quedarn parcialmente o en su totalidad embotadas. Una manera de compensar esta prdida, es hacer comparaciones interdisciplinarias del CAS y convertir esas caractersticas comunes en bloques de edificacin para construir una teora general. Las comparaciones cruzadas proporcionan otra ventaja: las caractersticas que son sutiles y difciles de extraer de un sistema, pueden ser conspicuas y fciles de examinar en otro [5]. Esto ltimo ser aplicado para observar y explicar a los grupos delincuenciales. Un CAS est compuesto de numerosos componentes que interaccionan mutuamente. En general, el comportamiento de estos componentes es simple, local y bien definido. Sin embargo, el comportamiento global o emergente del sistema en su conjunto puede ser muy complejo y aparentar inteligencia o habilidad para adaptarse o reaccionar ante cambios en su entorno. Ejemplos de sistemas adaptativos complejos abundan en el mundo natural y en el sinttico, e incluyen cerebros, sistemas inmunolgicos, ecosistemas, economas, sociedades. [6] En realidad, la complejidad no es ms que una medida del nmero de posibilidades de interaccin de los agentes de un sistema. Los sistemas complejos son no lineales clasificndose en aquellos que sus elementos no tienen un fin o propsito (sistemas caticos) y aquellos que sus elementos s tienen un fin. Esta finalidad o adaptacin es el resultado de los ajustes continuos de sus elementos entre s y con su entorno ms ntimo (sistemas complejos adaptativos). Pero para que estos ajustes se lleven a cabo con un carcter finalista es necesario la existencia de una jerarqua y unos procesos de comunicacin y de control. [7] Los CAS estn constituidos, sin excepcin, por gran nmero de elementos activos que son diversos tanto en formas como en habilidades (agentes). Un agente, es un elemento activo que interacciona con otros para formar un agregado. La conducta depender de las interacciones de los componentes en la red. Los agentes agregados pueden agregarse nuevamente para aadir nuevos niveles jerrquicos. [5] Los CAS son considerados como sistemas compuestos por agentes interactuantes y descritos en trminos de reglas. Estos agentes se adaptan cambiando sus reglas cuando acumulan experiencias. En los CAS la mayor parte del medio ambiente de cualquier agente adaptable est constituido por otros agentes adaptables, de manera que una porcin de los esfuerzos de adaptacin de cualquier agente es utilizada para adaptarse a otros. Este rasgo constituye

un fundamento importante de los patrones temporales complejos que generan los CAS. [5] Se han encontrado cuatro propiedades y tres mecanismos bsicos que son comunes a todos los CAS, las dems propiedades son derivaciones resultado de las combinaciones de estos siete bsicos: 1. Marbeteado o etiquetado (mecanismo). 2. Agregacin (propiedad). 3. No linealidad (propiedad). 4. Flujos (propiedad). 5. Diversidad (propiedad). 6. Modelos Internos (mecanismo). 7. Bloques de construccin (mecanismo).
3.
Marbeteado en el fenmeno de los grupos delincuenciales
El marbeteado es un mecanismo de los CAS que facilita consistentemente la formacin de agregados, constituye un mecanismo de supervivencia para la agregacin y la formacin de fronteras en los CAS. El mecanismo de marbeteado es usado por los CAS para manipular simetras, esto es, permite observar y actuar sobre las propiedades que previamente estaban ocultas; adems, facilitan la interaccin selectiva y permiten a los agentes seleccionar a otros agentes u objetos que de otra manera seran indistinguibles. [5] El marbete actitud proclive de enriquecimiento ilcito, en los CAS como la burocracia corrupta de los cuerpos de seguridad y tambin los narcomenudistas, facilita la interaccin selectiva y permite a los agentes seleccionar a otros agentes, que de otra manera seran indistinguibles. Las interacciones bien establecidas basadas en marbetes proporcionan una base firme para la discriminacin, la especializacin y la cooperacin. Esto a su vez, conduce a la emergencia (aparicin) de meta-agentes y de organizaciones que persisten incluso si sus componentes estn cambiando continuamente.
4.
Agregacin en el fenmeno de los grupos delincuenciales
La agregacin en el estudio de los CAS tiene dos sentidos.El primero se relaciona con el procedimiento para su modelacin. Se hace agregando cosas similares en categoras como: delitos de corrupcin, sistemas administrativos endebles, reas crticas, normas jurdicas relacionadas con hechos delincuenciales, disturbios delincuenciales; tratndose despus como equivalentes. Se clasifican, en una sola categora,
Visin Politcnica
se presenta el siguiente ejemplo: Sea C el nmero de empleados en un determinado sector de reas crticas y con predisposicin, por su perfil, a cometer actos de corrupcin, y U el nmero de usuarios (promedio) que acude a ese sector de reas crticas para hacer un trmite e I el nmero de interacciones por unidad de tiempo (da), I puede calcularse mediante la ecuacin (1).
cosas que difieren slo en los detalles excluidos, se decide qu detalles son irrelevantes para las cuestiones que interesan y se procede a ignorarlos. As, la categora se convierte en un bloque de construccin para la elaboracin de un modelo. El segundo sentido de la agregacin concierne a la emergencia o aparicin de comportamientos complejos a partir de interacciones agregadas de agentes menos complejos. Un grupo de malos policas o de burcratas corruptos es un ejemplo de esto. Cada burcrata, en este caso corrupto, tiene un comportamiento estereotipado. Cuando el ambiente administrativo no se lo permite, ste sucumbe, es descubierto, es excluido. Sin embargo, cuando varios burcratas corruptos se agregan, el grupo es adaptable y sobrevive frente a una amplia gama de restricciones administrativas, regulaciones, controles o medidas preventivas. Es como un organismo inteligente constituido con partes poco inteligentes. [5] Los agregados as formados pueden a su vez actuar como agentes a un nivel superior, constituyendo meta-agentes y stos agregarse para formar meta-meta-agentes. Este fenmeno ocurre con grupos delincuenciales con caractersticas emergentes que no poseen los agregados inferiores. Con frecuencia se puede describir mejor la interaccin de esos meta-agentes en trminos de sus propiedades como agregados (primer sentido): en el caso de corrupcin de los cuerpos de seguridad, los grupos de burcratas corruptos tienen como propiedad emergente el debilitamiento de la gobernabilidad, en el caso de los grupos de delincuencia organizada tienen como propiedad emergente el poder socioeconmico y poltico ilegtimo. Qu clase de fronteras delimitan estos agregados adaptables? Cmo son dirigidas y condicionadas las interacciones del agente dentro de estas fronteras? Cmo generan estas interacciones? Son preguntas que deben ser respondidas ms adelante para resolver los enigmas de la corrupcin en los cuerpos de seguridad y de los grupos delincuenciales, desde el punto de vista de los CAS.
I = eCU
(1)
en donde e representa la eficiencia o habilidad del empleado para ofrecer trmites corruptos, medido en trminos del ritmo promedio en que el empleado realiza trmites en procesos administrativos calificados como endebles. Sustituyendo valores en (1) con e = 0.5, C = 100 y U = 500, obtenemos: I = 2500; ahora si C y U se duplican entonces: I = 100,000, por lo que los encuentros entre empleado y usuario aumentaran 40 veces; como es posible observar esta relacin no se comporta linealmente ya que en lugar de duplicar las interacciones, estas aumentan cuarenta veces. Ahora bien, como el nmero de empleados y de usuarios cambian con el pasar del tiempo introduciremos los siguientes conceptos: C(t) es el nmero de empleados en el tiempo t. U(t) es el nmero de usuarios en el tiempo t. Si se introduce el concepto de tasa de contratacin (nuevos empleados) b para los empleados de nuevo ingreso, el nmero de nuevos empleados en el tiempo t sera bC(t). Las bajas del personal pueden manejarse de manera similar utilizando una tasa de bajas d de empleados en el tiempo t y obtener dC(t). Entonces el tamao o nmero de empleados, despus de que ha transcurrido una unidad de tiempo, es el nmero de empleados en el tiempo t menos las bajas, ms las nuevas contrataciones, es decir:
Pc(t = 1) = C (t ) dC (t ) + bC (t )
(2)
5.
La no-linealidad en el fenmeno de los grupos delincuenciales
Una funcin es lineal si su valor, para cualquier conjunto de valores asignados a sus elementos, es simplemente una suma ponderada (con coeficientes asociados) de esos valores [5]. Para el caso de corrupcin administrativa el clculo no lineal del nmero de usuarios de un servicio, en una oficina de gobierno, que se involucran en actos de corrupcin
Es importante mencionar que la ecuacin (2) no considera hechos relacionados con capacitacin, incorporacin de cdigos de tica y otros ms. De manera anloga para el comportamiento de los usuarios se puede utilizar b y d para obtener:
Pu (t = 1) = U (t ) d 'U (t ) + b'U (t )
(3)
En donde b representa la tasa de nuevos usuarios que acuden a una oficina y d la tasa de los que dejar de ir.
Visin Politcnica

informacin y/o valor del servicio, que transitan a travs de diversas rutas y procesos administrativos. En trminos generales, los nodos son procesadores agentes-, mientras que los conectores determinan las posibles interacciones. Los flujos a travs de estas redes varan con el paso del tiempo; adems, las redes y los conectores pueden aparecer y desaparecer, dependiendo de si los agentes tienen xito o no en sus esfuerzos por adaptarse. [5] As, en nuestro caso, los nodos usuario-servidor aparecen y desaparecen en la medida en que los marbetes surten su efecto delimitando las conexiones principales dado que los agentes con marbetes tiles se propagan mientras que los agentes con marbetes anmalos dejan de existir. Lo mismo pasa con los conectores procesos viciados, como una detencin indebida, ya que tienen ocurrencia en la medida en que los agentes tienen xito o no, en los casos de corrupcin. Los flujos tienen dos propiedades principales: el efecto multiplicador y el efecto reciclante. [5] El efecto multiplicador ocurre si se inyecta un recurso adicional a algn nodo. Este recurso pasa de nodo a nodo y se va transformando a lo largo de la red produciendo un efecto multiplicador. Por ejemplo en el caso de las drogas, el precio en el lugar de la plantacin es x, pero en la medida en que pasa de nodo a nodo, esto es, al introductor, al traficante, y finalmente al consumidor su precio puede multiplicarse por cien, en relacin al de origen. Imaginemos un nodo (usuario-servidor) con un pago adicional para la contratacin de un servicio, digamos la custodia de bienes. La custodia de bienes por realizarse es viciada y tiene por objeto (mediante un pago adicional al custodio) aparentar el robo del bien en custodia. Se paga al custodio, quien a su vez paga a sus empleados, maleantes que harn los arreglos para el robo. Estos maleantes pagan a su vez a otros en una cadena de transacciones ilcitas. Para ejemplificar de manera simple esta operacin supongamos que en cada etapa de esos intercambios se hace una retencin (ahorroganancia) de la mitad de los ingresos obtenidos y la otra mitad es gastada en la siguiente etapa. As por cada peso que se paga inicialmente, 50 centavos son pagados por el custodio a sus empleados, quienes a su vez gastan 50 centavos y as sucesivamente. En trminos generales, una fraccin r pasa a la siguiente etapa. As tendramos que en la etapa 2 slo est disponible una fraccin r de la cantidad original. En la etapa 3 slo quedar una fraccin r de la fraccin r, esto es, r2, este proceso continuar indefinidamente despus de la etapa 3. Para calcular el efecto total, se infiere que:
En las ecuaciones (2) y (3) no se han incluido las interacciones, si se introduce la constante r para representar la eficacia en la transformacin de usuarios involucrados en trmites corruptos, en nuevos empleados que se suman en estas actividades ilcitas, pues ms interacciones de este tipo significan ms lucro e invitacin a otros burcratas proclives a la corrupcin, entonces utilizando la tasa de interaccin:
I = eC (t )U (t )
Tendramos:
(4)
I = r[eC (t )U (t )]
(5)
Que sera el incremento en los nuevos empleados involucrados en actos de corrupcin que provoca la interaccin empleados C - usuarios U. Los cambios en el nmero de empleados corruptos sera entonces:
C(t + 1) = C(t ) dC(t ) + bC(t ) + r[eC(t )U (t )]
(6)
Para los usuarios U, el nmero de involucramientos con resultados insatisfactorios incrementa el nmero de abandonos a la oficina por parte de estos. Utilizando r para indicar la vulnerabilidad del usuario frente al involucramiento inducido por el empleado y el abandono de la oficina de atencin durante las interacciones, tendramos:
U (t + 1) = U (t ) d 'U (t ) r '[eC (t )U (t )] + b'U (t )
(7)
Las ecuaciones (6) y (7) para C(t+1) y U(t+1) son una versin del famoso modelo Lotka-Volterra. Las interacciones no lineales casi siempre provocan que el comportamiento de un agregado sea ms complicado de lo que habamos previsto por medio de sumatorias o promediaciones. [5]
6.
Los flujos en el fenmeno de los grupos delincuenciales
En el lenguaje cotidiano es comprensible la idea de flujo, sin embargo, en el estudio de los CAS se extiende esa idea a la de redes, estos es, nodos, conectores y recursos. En nuestro caso las redes pueden componerse de nodos como usuariosempleados, en las oficinas, los conectores pueden bien ser los procesos administrativos para dar un servicio al pblico en materia de seguridad, y los recursos, pueden ser los mismos servicios pblicos,
Visin Politcnica
1 + r + r 2 + r 3 + .... + r n = 1 (1 r )
(8)
Sustituyendo en (8) el valor de 0.5 analizado anteriormente obtenemos:
1 = 1 =2 (1 0.5) 12
(9)
As, el efecto de la accin inicial (que se haya pagado a un custodio una cantidad adicional para que haga un ilcito), al final se multiplica por dos, despus de que dicho efecto multiplicador ha pasado a travs de la red de transacciones ilcitas. La segunda propiedad del flujo es el efecto reciclante, esto es, el efecto de los ciclos en las redes, mostrado en la Figura 1.
VIOLACIN DEL PROCESO
ESTIMACIN DE ALTO VALOR ECONMICO DEL PROCESO EN LA COMISIN DE UN ACTO DE CORRUPCIN
Figura 1. Modelo de flujo con efecto reciclante. En la Figura 1 se observa un ciclo en el que se refuerza la accin de violacin de un proceso en la administracin de seguridad, incrementndose cada vez ms debido a la estimacin, que se hace por quien lo viola, de un alto valor econmico en la comisin de un acto de corrupcin, luego, al hacer esta estimacin, se viola de manera creciente el proceso, luego se incrementa el valor, en la comisin de ese acto y as sucesivamente. El hecho de que el reciclaje pueda incrementar la corrupcin no es particularmente sorprendente, pero el efecto total, en una red con muchos ciclos puede resultar muy fuerte.
7.
La diversidad en el fenmeno de los grupos delincuenciales
La burocracia en cualquier organismo gubernamental contiene miles de distintos tipos de agentes, con diferentes funciones y en su caso, miles de posibles formas de interaccin ilcita que dan origen a semejante nmero de actos de corrupcin. Pensemos en primer lugar en apenas cinco tipos de interaccin: a1 Eventual no organizada. a2 Eventual ms organizada.
a3 Sistemtica menos organizada. a4 Sistemtica ms organizada. a5 Sistemtica organizada en forma de mafia. Ahora asociemos estos tipos de interaccin a los nueve tipos penales de corrupcin siguientes: b1 Peculado. b2 Peculado impropio. b3 Concusin. b4 Cohecho. b5 Enriquecimiento ilcito. b6 Colusin. b7 Defraudacin fiscal y aduanera. b8 Usurpacin de funciones. b9 Abuso de autoridad. Y por ltimo pensemos en los diez tipos de procesos administrativos siguientes: c1 Produccin, acopio, venta y distribucin de bienes. c2 Distribucin de recompensas. c3 Prestacin de servicios de seguridad. c4 Contratacin y pago de adquisiciones de bienes, servicios y arrendamiento. c5 Contratacin y pago de obras. c6 Contratacin y pago de servicios personales. c7 Contratacin de crditos. c8 Venta de activos. c9 Venta de datos y archivos de inteligencia. c10 Transferencia de programas. La combinacin de cinco, por nueve, por diez elementos, nos permite ver cuatrocientos cincuenta diferentes formas de actos de corrupcin que pueden ser cometidos por s nmero indeterminado de agentes en una burocracia administrativa de cuerpos de seguridad. Esta diversidad no es aleatoria ni accidental, ms bien depende del contexto proporcionado por otros agentes, esto se puede explicar de la siguiente forma: En un CAS, un patrn de interacciones perturbado por la extincin de algunos agentes con frecuencia se regenera a s mismo por la aparicin de nuevos agentes, que pueden ser en detalle diferentes de los agentes extintos. [5] Imaginemos a un agregado de agentes corruptos en una oficina de atencin al pblico en materia de seguridad; estos agentes llenan un nicho que es definido por las interacciones que se centran sobre ellos. Si se removiera, por cualquier razn, legal o administrativa, a este grupo de agentes dentro del sistema, creando un agujero, el sistema, con toda seguridad responder con mltiples acciones de adaptacin, y el resultado ser la creacin de otros agentes corruptos que llenarn el hueco y que ocuparn el nicho desocupado por los agentes removidos. Finalmente stos proporcionarn al sistema, en una nueva adaptacin, las interrelaciones faltantes.
Visin Politcnica
Las interacciones, en un sistema corrupto, pueden ser recreadas en otro sistema, aunque los agentes sean totalmente diferentes. [5] Imaginemos dos grupos de agentes, cada uno con caractersticas distintas, situados en dependencias de seguridad del gobierno tambin distintas. El primero de ellos posee tanta informacin sobre violacin de los procesos administrativos que durante largo tiempo ha realizado con impunidad transacciones ilcitas, luego, despus de cierto tiempo, dejan de servir al gobierno para establecer negocios privados. El otro grupo de agentes, burcratas comunes y corrientes, en interacciones fortuitas con los primeros, aprenden a lo largo del tiempo, de alguna manera (como mimetismo), el patrn de interacciones ilcitas del primer grupo o agregado, creando un nuevo nicho y fortalecindolo a travs de flujos de recursos dirigidos por los agentes del primer grupo de referencia. Esta ltima circunstancia, tambin conduce al incremento de la diversidad a travs del incremento del reciclaje.
Disposicin del mecanismo de anticipacin.
Gran cmulo de informacin proveniente del entorno. Seleccin de patrones.
Cambios en la estructura interna.
Proceso de adaptacin.
Figura 2. Ciclo para la creacin de modelos internos.
Disposicin a la anticipacin.
8.
Los modelos internos en el fenmeno de los grupos delincuenciales
Comisin del acto delincuencial. Cambio en la estructura interna.
El aprendizaje del segundo agregado, aludido en el prrafo anterior conduce a hacer una pregunta ineludible: Cmo aprendieron? Esta pregunta ampliada para incluir a todos los CAS, nos lleva a otra marca distintiva de ellos: su habilidad para anticiparse. El mecanismo de la anticipacin es un mecanismo complejo: un modelo interno. La maniobra bsica para construir modelos consiste en eliminar los detalles, de forma tal que sean privilegiados los patrones seleccionados y, cmo los modelos que estamos tratando son anteriores al agente, ste debe seleccionar los patrones de entre el gran cmulo de informacin que le provee el ambiente y adaptarse, esto es, convertir esos patrones en cambios de su estructura interna. Finalmente los cambios en la estructura el modelo- deben permitir al agente anticiparse a las consecuencias que se generan cuando el mismo patrn (u otro similar) vuelve a ser encontrado. [5] En la Figura 2 se ilustra el proceso antes mencionado. El caso especfico para la creacin de modelos internos por parte de agentes delincuenciales se ilustra en la Figura 3, en donde se obtiene informacin sobre el valor econmico que representa cometer un acto delincuencial y tiene memoria de experiencias propias y ajenas respecto al proceso mismo, continuando con lo descrito para el caso del modelo de la figura 2
Estimacin de alto valor econmico en la comisin de un acto delincuencial.
Informacin sobre el valor econmico de un acto delincuencial y memoria de experiencias.
Seleccin del patrn.
Figura 3 Ciclo para la creacin de modelos internos por parte de agentes delincuenciales Ahora bien, Cmo puede un agente destilar experiencias para convertirlas en un modelo interno? Cmo puede un agente desplegar las consecuencias temporales del modelo para anticipar eventos futuros? En los llamados mamferos superiores observamos que los modelos dependen ms directamente de la experiencia sensorial del agente. Dentro del marco de la ciencia clsica no se percibe problema alguno para entender las conexiones temporales que ligan los fenmenos. El conocimiento combinado de una ley invariable y de unas condiciones iniciales, que s pueden variar, es lo que hace precisa la prediccin exacta de un fenmeno en el tiempo. La conexin del pasado con el presente, en dependencia estrecha de las condiciones iniciales, debe extenderse lgicamente hasta el comienzo mismo del flujo temporal: las condiciones iniciales de cualquier proceso pueden entenderse como efectos de otras causas anteriores que, a su vez, son efectos de causas ms antiguas todava.
Visin Politcnica
As pues, debe existir una cadena causal ininterrumpida que se extiende hasta el hipottico instante inicial en que el universo se puso en marcha. Y dado que las leyes del movimiento se consideran invariables tanto espacialmente como a lo largo del tiempo, se llega a la conclusin de que las condiciones iniciales reinantes en el hipottico instante cero han debido predeterminar todo lo que ha ocurrido desde entonces, empero la ciencia actual reconoce otras formas de conexin temporal distintas de los nexos causales de tipo determinista. El concepto esencial es el de memoria. Si un evento se relaciona con otro saltando a travs del tiempo, entonces es como si el ms reciente recordara en alguna medida al ms antiguo, nos hallamos aqu, en presencia de la clase de memoria asociada con los hologramas, cuyas propiedades de almacenamiento de informacin sugieren que las conexiones espaciotemporales que existen en la naturaleza tienen que ver, muy probablemente, con algn tipo de proceso de carcter hologrfico. [8] Se pueden distinguir dos clases de modelos internos: los tcitos y los manifiestos. El tcito describe una accin actual motivada por la prediccin implcita de algn estado futuro deseado, como es el caso de un delincuente que se desplaza en la compleja maraa social (otros delincuentes, autoridades corruptas) en bsqueda de riqueza ilcita. En cambio, un manifiesto se utiliza como base para exploraciones explcitas de alternativas, como es el caso de prever las respuestas y acciones de otras personas y de las autoridades, controles, etc., anticipndose a ellos, antes de cometer un acto delincuencial. Los modelos internos se pueden distinguir de otras piezas de la estructura interna que no tienen que ver nada con la modelacin, se tiene que empezar por describir la caracterstica ms importante de un modelo: permitirnos inferir algo acerca del objeto que estamos modelando. Podramos decir que slo podemos estar seguros de que una estructura de un agente es un modelo interno si podemos inferir algo del medio ambiente de dicho agente con slo inspeccionar esa estructura.
9.
Este ltimo mecanismo se describe explicando que cuando se trata de situaciones reales, un modelo interno debe estar basado en muestras limitadas de un contexto siempre cambiante; pero que el modelo slo es til si existe una especie de repeticin de esas situaciones modeladas. Y de aqu surge una pregunta cmo se puede resolver esa paradoja? Para nuestro
Los bloques de construccin en el fenmeno de los grupos delincuenciales
caso, Cmo es posible modelar una situacin delictiva en los CS, esto es, representar esa situacin, esperando que se repita, si el contexto o ambiente cambia constantemente? Es mediante una capacidad que casi todos los seres humanos poseen: la capacidad para descomponer en partes una escena compleja. Cuando hacemos esto, podemos reagrupar las partes componentes de una gran variedad de combinaciones. [5] De hecho es evidente que comnmente nosotros analizamos una escena compleja de corrupcin, por ejemplo, cuando buscamos elementos reutilizables, que son susceptibles de repetirse y que ya han sido probados por el aprendizaje e intentamos ver de qu manera podemos obtener una repeticin mientras nos confrontamos con escenas siempre nuevas. De esta forma ganamos experiencia. [5] Si quisiramos modelar un caso de corrupcin bastara con identificar, para este ejemplo, tres bloques de construccin: A. Marbetes B. Flujos C. Instituciones y/o oficinas pblicas Cada uno de estos bloques pueden descomponerse en diversos componentes, por ejemplo el bloque A: marbete puede descomponerse en: a1 Ostentacin de influencia con los superiores. a2 Proclividad a la riqueza. a3 Presuncin de poder. El bloque B: flujos puede descomponerse, por ejemplo en los componentes: b1 Nodos. b2 Conectores. b3 Recursos. Estos componentes aun pueden tener subcomponentes, tomemos el caso de b1: nodos b1.1 Usuario frecuente. b1.2 Usuario por una ocasin. b1.3 Empleado de ventanilla nica. b1.4 Empleado eventual. Pensemos en el componente b2: conectores que puede tener los siguientes subcomponentes: b2.1 Produccin, acopio, venta y distribucin de bienes. b2.2 Distribucin de recompensas. b2.3 Prestacin de servicios de seguridad. b2.4 Contratacin y pago de adquisiciones de bienes, servicios y arrendamientos. El bloque C: oficina pblica puede tener los siguientes componentes: C1 Oficina de quejas y denuncias. C2 Oficina de trmite de licencias para polica auxiliar.
Visin Politcnica
Para construir un modelo de corrupcin se utiliza, de cada bloque de construccin, un componente o subcomponente, por ejemplo seleccionando: Presuncin de poder, empleado de ventanilla nica, prestacin de servicios de seguridad, oficina de trmite de licencias para polica auxiliar. Los bloques pueden ser muchos y los componentes ms, pero lo importante es que con tan solo los bloques, componentes y subcomponentes puestos como ejemplo podemos construir noventa y seis modelos diferentes, el nmero de modelos resulta de la multiplicacin de los componentes de cada bloque por el nmero de componentes de cada uno de los dems bloques.
[5] Holland, John. El orden oculto. De cmo la adaptacin crea la complejidad. Mxico : Fondo de cultura econmica, 2004. [6] Sharman, Ken C. Sistemas adaptativos complejos . Valencia : Universidad Politcnica de Valencia. [7] Stacey, R.D. The science of complexity: An alternative perspective for strategic change processes. 16, s.l. : Strategic Management Journal, 1995. [8] Laszlo, Ervin. El Cosmos Creativo. Hacia una ciencia unificada de la materia, la vida y la mente. Barcelona : Cairos, 1997.
10. Conclusiones
Los mtodos tradicionales de modelado de sistemas han quedado rebasados, sobre todo en los sistemas sociales, de tal manera que no es posible utilizar simples sumatorias o promediaciones para describir el comportamiento de los mismos. Por tal motivo en el presente trabajo se propone utilizar la teora de los sistemas adaptativos complejos a fin de modelar dicho comportamiento. Debido a que el comportamiento humano no es lineal y mucho menos esttico, siempre se mantendr en movimiento buscando la adaptacin al medio ambiente que lo rodea, con el objetivo de lograr el mayor beneficio. Los cuerpos delincuenciales utilizarn las cuatro propiedades y los tres mecanismos, as como las combinaciones entre ellos, con la finalidad de subsistir e ir permeando en la sociedad buscando cotos de poder y beneficios econmicos. Se present una primera aproximacin para la aplicacin de la teora de CAS en la caracterizacin de los cuerpos delincuenciales, a fin de mostrar alguna de sus mltiples formas de comportamiento.
11. Bibliografa
[1] Sorman, Guy. Los verdaderos pensadores del siglo XX. Barcelona : Seix Barral, 1991. [2] Mayntz, Renate. Modelos cientficos, teora sociolgica y el problema macro-micro. Frankfurt : REIS, 1991. [3] Toffler, Alvin. La Nacin. [En lnea] 27 de Noviembre de 1986. www.lanacin.com. [4] Johansen Bertoglio, Oscar. Introduccin a la teora general de sistemas. Mxico : Limusa Noriega Editores, 2002.
10
Visin Politcnica
Comparacin de algoritmos de aprendizaje automtico para la clasificacin de datos

Jorge de la Calleja1, Pilar Prez Conde2, Ignacio Huitzil2, Eric Olmedo2, Antonio Benitez2, Ma. Auxilio Medina1 1 Ingeniera en Informtica, Universidad Politcnica de Puebla {jdelacalleja,abenitez,mauxmedina}@uppuebla.edu.mx 2 Maestra en Ingeniera en Sistemas y Cmputo Inteligente, Universidad Politcnica de Puebla
Resumen
En este artculo se presenta un estudio experimental sobre la clasificacin de datos usando algoritmos de aprendizaje automtico. Los algoritmos usados fueron redes neuronales artificiales, el clasificador Naive Bayes, support vector machines, rboles de decisin y mtodos basados en instancias. Los conjuntos de datos fueron de diversos dominios y obtenidos del UCI Machine Learning Repository de la Universidad de California en Irvine. De acuerdo con los resultados experimentales, el algoritmo que mejor se desempe fue el de redes neuronales artificiales con un promedio de exactitud del 84.09%, mientras que support vector machines, usando un kernel de funcin de base radial, obtuvo en promedio los peores resultados con un 65.19% de exactitud.
de enfermedades, deteccin de fraudes de tarjetas de crdito, clasificacin de objetos astronmicos, reconocimiento de secuencias de ADN, reconocimiento de patrones, anlisis del mercado de valores, aplicaciones en videojuegos, en robtica, entre muchas otras ms [5]. En el presente trabajo se muestra una comparacin del desempeo de algunos de los algoritmos ms utilizados en el rea de aprendizaje automatico, de acuerdo con la literatura, para hacer clasificacin de datos. Para ejecutar los experimentos se us la herramienta de Weka, que implementa una gran diversidad de algoritmos de aprendizaje automatico, tanto para hacer clasificacin como para realizar regresin. El resto del artculo est organizado de la siguiente manera: en la seccin 2 se presentan conceptos bsicos sobre aprendizaje automtico, as como de los algoritmos usados en este trabajo. En la seccin 3 se presenta la metodologa seguida para evaluar a los algoritmos, describiendo cada una de las etapas. En la seccin 4 los resultados experimentales son mostrados y analizados. Finalmente algunas conclusiones derivadas de este estudio experimental son presentadas en la seccin 5.
1. Introduccin
El aprendizaje automtico es una disciplina que integra a la inteligencia artificial cuyo principal objetivo es desarrollar programas de computadora que puedan aprender a realizar alguna automticamente y que por medio de la experiencia mejoren su desempeo. Por ejemplo, suponga que la tarea por aprender es que una computadora conduzca un vehculo de manera autnoma por una carretera, entonces se esperara que fuera capaz de, no solo guiar al vehculo correctamente, sino que adems incorporara la informacin obtenida por medio de algn sensor y de esta manera mejore su conduccin. Algunas aplicaciones exitosas que han involucrado al aprendizaje automtico son: el reconocimiento de rostros, el reconocimiento de voz, algunas detecciones
2. Aprendizaje automtico
Aprender, es probablemente el rasgo ms distintivo que tenemos los seres humanos. Esto incluye, la adquisicin de informacin para transformarla en conocimientos, el desarrollo de habilidades, el descubrimiento de nuevos hechos, entre muchos otros procesos [5]. El aprendizaje automtico (Machine
11
Visin Politcnica
learning) intenta imitar estos procesos al estudiarlos y modelarlos de manera computacional [1]. El aprendizaje automtico no es una disciplina aislada, sino que se relaciona con una gran diversidad de reas como son la teora de control, la teora de informacin, la neurobiologa, la estadstica, la teora de la complejidad computacional, entre otras; con el propsito de comprender mejor los procesos del aprendizaje humano, y as desarrollar algoritmos que puedan realizar diversas tareas [1]. Generalmente, el aprendizaje automtico se divide en dos grupos: el supervisado y el no supervisado [5]. Para el primer tipo, a los algoritmos se les proporciona un conjunto de datos con la clase de la tarea por aprender. Mientras que en el segundo grupo stas clases no son proporcionadas y se deja que el algoritmo identifique patrones para agrupar a los datos con caractersticas comunes. Para este trabajo de experimentacin se utiliz el aprendizaje supervisado, y a continuacin se describen las etapas bsicas que ste involucra (Figura 1):
1. 2. Definir la tarea u objetivo por realizar. Para este ejemplo la tarea ser reconocer a la letra B. Seleccionar un conjunto de datos que ser utilizado para entrenar al algoritmo de aprendizaje automtico y ste pueda aprenderse la tarea. A este conjunto de datos se le llama conjunto de ejemplos de entrenamiento. Seleccionar un conjunto de datos (diferente al de entrenamiento) que servir para probar el desempeo del algoritmo de aprendizaje automtico sobre la tarea aprendida. A este conjunto de datos se le conoce como conjunto de ejemplos de prueba. Al final se tendr un algoritmo entrenado que pueda clasificar conjuntos de datos nuevos sobre la tarea especificada.
Idealmente se espera que los algoritmos de aprendizaje automtico puedan desempear la tarea para la cual fue entrenado con una exactitud del 100%. Sin embargo, en la prctica es poco probable que esto ocurra debido a muchos factores, que por el momento no sern tratados en este artculo.
2.1 Algoritmos de aprendizaje automtico

En esta seccin se da una muy breve descripcin de los mtodos usados, por lo que se recomienda al lector revise las referencias. 2.1.1 Redes neuronales artificiales Las redes neuronales artificiales (artificial neural networks) han sido inspiradas por la observacin de los sistemas biolgicos neuronales, los cuales estn formados por conjuntos de unidades llamadas neuronas que se encuentran densamente interconectadas. Computacionalmente hablando, existen varias topologas para crear redes neuronales, sin embargo, las ms comunes son las redes feed forward y las recurrent networks. El primer tipo tiene los nodos (neuronas) organizados en una serie de capas llamadas de entrada, ocultas y de salida. En el segundo tipo de red se pueden formar topologas arbitrarias. Una red neuronal funciona de la siguiente manera: cada nodo produce un valor de salida, que resulta de combinar los valores de entrada de los nodos que le anteceden, de esta forma se alimenta a los siguientes nodos de las capas siguientes hasta producir un valor final en la capa de salida. Independientemente de la topologa de una red neuronal, el primer paso es su entrenamiento, donde los pesos (valores) de los nodos son determinados. Uno de los algoritmos ms utilizados para realizar esta etapa de entrenamiento es el llamado algoritmo de retro-propagacin (backpropagation) [5]. 2.1.2 Mtodos basados en instancias Este tipo de mtodos simplemente almacenan todos los datos de entrenamiento disponibles, y cuando se requiere clasificar un dato nuevo, se buscan los datos ms parecidos a ste para asignarle el valor (clase) correspondiente.
3.
4.
Figura 1. Proceso para aprender la tarea de reconocer la letra B.
Entre los algoritmos ms usados en este tipo de aprendizaje, se encuentran k-vecinos ms cercanos (k-
12
Visin Politcnica
nearest neighbours) y regresin lineal localmente ponderada (locally weigthed linear regression). 2.1.3 Clasificador de Bayes El clasificador de Bayes es un algoritmo probabilstico que se basa en la suposicin de que todos los valores de los atributos del conjunto de datos son condicionalmente independientes para los valores objetivo. El clasificador de Bayes se utiliza en tareas de aprendizaje en donde cada dato puede ser descrito como una tupla de valores-atributo y la funcin objetivo puede tomar cualquier valor de un conjunto finito de valores. Para clasificar un dato nuevo, este algoritmo le asigna la probabilidad ms alta de acuerdo con la funcin objetivo [5]. 2.1.4 rboles de decisin Un rbol de decisin se puede definir como una estructura de datos con la informacin necesaria para tomar decisiones de alguna tarea u objetivo especfico. Este algoritmo es uno de los ms simples y utilizados por ser prcticos y fciles de comprender. Algunos algoritmos que forman parte de la familia de rboles de decisin son ID3, ASSISTAN y C4.5 [1]. Los rboles de decisin estn compuestos por nodos internos que son las pruebas o preguntas para cada valor de los atributos, las ramas son los posibles valores que pueden tomar los atributos, mientras que los nodos hoja son el valor final de la prueba realizada desde la raz. 2.1.5 Mquinas de vectores de soporte Las mquinas de vectores de soporte (support vector machines) pertenecen a la familia de mtodos basados en funciones de kernel, que se encargan de mapear un conjunto de datos a un espacio de alta dimensionalidad, donde cada coordenada corresponde a una caractersca, transformndolo a un conjunto de puntos en un espacio ecuclidiano. Uno de los mtodos ms utilizados es precisamente el de support vector machines, que calculan el hiperplano ptimo que separa a un conjunto de datos, resolviendo un problema restringido de optimizatin cuadrtico, cuya solucin es obtenida en trminos de un subconjunto de patrones de entrenamiento que recaen en la lnea de separacin. A estos patrones se les llama vectores de soporte, y llevan informacin relevante sobre el problema de clasificacin.
2.2 Weka
Weka (Waikato Environment for Knowledge Analysis) es un paquete de software de distribucin libre desarrollado por la universidad de Waikato Hamilton, Nueva Zelanda [4]. Este paquete contiene herramientas para hacer pre-procesamiento, clasificacin, regresin, agrupamiento y visualiacin de datos; todas stas se encuentran agrupadas en cuatro mdulos (Figura 2): simple CLI, Explorer, Experimenter y KnowledgeFlow.
Figura 2. Mdulos que integran a Weka.
Para este trabajo se utiliz el mdulo de Explorer (Figura 3), que permite abrir un archivo, experimentar con diversos algoritmos de aprendizaje, visualizar la distribucin del conjunto de datos, entre otras funcionalidades.
Figura 3. El mdulo de Explorer, que incorpora varias funcionalidades para experimentar con datos.
Weka puede leer distintos formatos para los conjuntos de datos, sin embargo, el que usa por omisin es el .arff (atribute-relation file format). Este tipo de archivo utiliza texto ASCII que describe una lista de ejemplos con sus respectivos atributos.
13
Visin Politcnica
3.2 Creacin de archivos .arff
3. Metodologa
Para realizar la clasificacin de los diferentes conjuntos de datos, se realizaron tres etapas: 1) Seleccin del conjunto de datos, 2) Creacin de archivos .arff para los conjuntos, y 3) Clasificacin de datos con Weka. A continuacin se describe con ms detalles cada una de las etapas mencionadas.
3.1 Seleccin de datos

Los conjuntos de datos se obtuvieron del UCI Machine Learning Repository de la Universidad de California en Irvine, y disponibles en http://archive.ics.uci.edu.ml. Estos datos se encuentran organizados en dos grupos: datos para clasificacin y datos para regresin. En este trabajo se usaron aquellos de la seccin de clasificacin. Los conjuntos se eligieron al azar, sin embargo, se prefirieron aquellos que no les faltaran atributos. As, en la Tabla 1 se muestran los conjuntos elegidos y se dan algunas caractersticas de los mismos.
Nombre conjunto del No. de ejemplos 1728 270 214 209 24 961 768 958 748 528 690 946 160 699 306 106 120 625 151 351 No. de atributos 6 14 10 8 4 6 8 9 5 10 15 19 5 10 3 10 6 7 8 7 No. de clases 4 2 7 8 3 2 2 2 2 10 2 4 3 2 2 6 2 3 3 2
Una vez obtenidos los conjuntos de datos, stos se deben convertir al formato que reconoce Weka para poder procesarlos [2]. En la figura 4 se muestran las partes que componen un archivo .arff. La primera de ellas es el nombre del conjunto de datos (@relation), para nuestro ejemplo se llama heart-diseasesimplified. Enseguida se listan todos los atributos que tiene el cojunto de datos (@attribute), as como sus tipos; en este caso se tienen cinco, y uno ms que corresponde a la clase. Por ltimo se listan todos los ejemplos del conjunto de datos (@data), donde cada rengln corresponde a cada uno de ellos, considerando el orden de los atributos descritos anterioremente. Por ejemplo, el primer rengln estara describiendo a un ejemplo con las carctersticas de age=62, sex=male, chest_pain_type=typ_angina, cholesterol=233 y exercise_induced_angina=no. Y su clasificacin para este ejemplo sera not_present.
@relation heart-disease-simplified @attribute age numeric @attribute sex {female, male} @attribute chest_pain_type {typ_angina, sympt, atyp_angina} @attribute cholesterol numeric @attribute exercise_induced_angina { no, yes} @attribute class { present, not_present} @data 63,male,typ_angina,233,no,not_present 67,male,asympt,286,yes,present 67,male,asympt,229,yes,present 38,female,non_anginal,?,no,not_present ...
non_anginal,
Car Heart Glass CPU Lenses Mammographic Diabetes Tic tac toe Blood Vowel Credit Statlog Hayes-Roth Breast cancer Wisconsin Habermans Survival Breast Tissue Acute inflammations Balance scale Teaching assistant evaluation Ionosphere
Figura 4. Estructra de un archivo .arff.
3.1 Clasificacin de datos con Weka

Como anteriormente se ha mencionado, el mdulo de Explorer es el que servir para ejecutar la clasificacin de los datos. Para ello, los siguientes pasos deben llevarse a cabo:
1. 2. Elegir la pestaa de Preprocess y enseguida seleccionar Open file para abrir el archivo que contiene el conjunto de datos por clasificar. Elegir la pestaa de Classify y luego la opcin de Choose para seleccionar el algoritmo de aprendizaje automtico. Dependiendo del algoritmo seleccionado, varios parmetros pueden modificarse. Por ltimo, ejecutar el algoritmo sobre el conjunto de datos para clasificarlos seleccionando Start.
3.
Tabla 1. Conjuntos de datos usados en los experimentos.
14
Visin Politcnica
Como resultado de la ejecucin del algoritmo se mostrar informacin sobre el nmero de ejemplos usados, el porcentaje de ejemplos correctamente clasificados, el porcentaje de ejemplos incorrectamente clasificados, una matriz de confusin, y otras mtricas de evaluacin (Ver Figura 5).
Algunos parmetros fueron modificados para los algoritmos. Para el caso de las mquinas de vectores de soporte se usaron kernels polinomiales de grado 2 y 3, as como una funcin de base radial. Para los mtodos basados en instancias, en el caso de vecinos ms cercanos (IBL) se usaron 3 y 5 vecinos ms cercanos; mientras que para regresin lineal (LWL) se consideraron todos los puntos para hacer la aproximacin, y en ambos casos se consider la distancia Euclidiana sin ponderacin. Para los mtodos de redes neuronales, rboles de decisin y Bayes, se dejaron los parmetros que se presentaban por omisin. La Tabla 2 muestra la exactitud obtenida por cada algoritmo, la cual esta simplemente definida como el nmero de ejemplos correctamente clasificados entre el total de los mismos. Cabe mencionar que existen otras mtricas que proporcionan una mejor informacin sobre el desempeo de los clasificadores, sin embargo, por el momento es suficiente con los resultados mostrados por sta mtrica para tener una idea de cmo se desempean los algoritmos utilizados.
Figura 5. Una vez ejecutado el algoritmo de clasificacin, se mostrarn los resultados obtenidos.
4. Resultados
Para realizar los experimentos se us la tcnica de validacin cruzada (cross-validation), en particular se us 10-fold cross-validation. Esta tcnica consiste en dividir el conjunto de datos original en diez partes iguales, de las cuales nueve partes son tomadas como conjunto de entrenamiento y una parte como conjunto de prueba. As, cada experimento se repite diez veces de tal manera que todo el conjunto de datos es utilizado como entrenamiento y prueba. Para que Weka ejecut esta tcnica de experimentacin se le debe indicar en la opcin correspondiente dentro de la pestaa de Classify. Los resultados que a continuacin se presentan corresponden al promedio de realizar diez ejecuciones de 10-fold cross-validation para cada algoritmo, teniendo cuidado de generar diferentes semillas para cada experimento. Las implementaciones de los algoritmos usados tienen los siguientes nombres en Weka: multilayerPerceptron (redes neuronales), J48 (rboles de decisin), IBL/LWL (mtodos basados en instancias), naive Bayes (clasificador de Bayes) y SMO (mquinas de vectores de soporte).
Como se puede observar, los algoritmos que mejores resultados obtuvieron fueron redes neuronales y support vector machines para polinomios de grado 2 y 3; con 84.09%, 82.88% y 80.66% en promedio de exactitud, respectivamente. Sin embargo, los rboles de decisin obtienen en promedio resultados por encima del 80%, esto es, muy cercanos a los mejores. En contraste, el algoritmo que peor se desempe fue support vector machines usando una funcin de base radial como kernel, obteniendo en promedio una exactitud del 65.19%; y adems obteniendo el peor resultado de todos los algoritmos con un 23.70% para el conjunto de Breast cancer Wisconsin. Analizando los resultados por conjunto de datos, se puede observar que Acute inflammations fue el mejor clasificado con un promedio de 97.62%, y obteniendo hasta un 100%. Por otro lado el conjunto de Teaching assistant evaluation fue en promedio el peor clasificado con un 49.43%. En el caso del conjunto de Vowel, que tiene ms clases, se obtuvo un promedio de clasificacin del 76.58%, aunque support vector machines con un polinomio de tercer grado logr clasificarlo en un 99.28%. En cuanto al nmero de atributos, Statlog fue el que ms tena con 19, y en promedio fue clasificado con un 59.77% de exactitud.
15
Visin Politcnica
Algoritmos
Datos Car Heart Glass CPU Lenses Mammographic Diabetes Tic tac toe Blood Vowel Credit Statlog Hayes-Roth Breast cancer Wisconsin Habermans Survival Breast Tissue Acute inflammations Balance scale Teaching assistant evaluation Ionosphere Promedio J48
92.46 78.00 97.60 89.76 83.30 82.22 74.08 85.64 77.86 80.06 85.56 69.36 71.38 64.90 71.46 94.78 100 64.64 50.44 89.30 80.14
Multilayer Perceptron
99.32 79.92 95.62 86.02 77.52 79.72 75.52 97.26 78.58 92.10 82.44 69.98 84.08 64.70 74.14 95.28 100 98.48 60.40 90.78 84.09
3 vecinos 93.24 78.66 90.94 88.70 77.50 77.28 73.24 98.72 74.60 97.12 84.96 58.94 60.46 65.90 69.82 96.76 100 84.90 33.26 54.88 77.99
IBL
5 vecinos 93.08 79.80 88.42 90.04 75.00 79.96 73.90 98.72 77.02 93.14 86.74 61.26 60.00 67.20 70.08 97.04 100 85.28 33.26 53.44 78.16
LWL
70.00 70.74 80.80 73.30 71.68 81.80 71.86 69.90 76.20 35.72 85.50 57.64 80.92 42.50 71.96 91.74 100 79.58 63.18 86.60 73.08
Polinomo grado 2 99.24 79.64 91.42 68.98 77.52 79.56 77.24 99.80 76.54 97.42 84.92 74.24 83.48 58.80 73.20 96.36 100 94.14 54.30 90.82 82.88
Polinomio grado 3 99.94 75.06 94.00 68.04 69.16 79.22 77.20 99.82 76.52 99.28 82.14 68.48 81.22 53.40 73.32 95.72 100 73.78 59.62 87.46 80.66
SMO
RBF 84.36 82.38 35.50 64.60 62.50 77.94 65.10 75.42 76.20 31.54 87.90 26.38 51.08 23.70 73.50 96.06 83.00 91.40 39.34 76.02 65.19
Naive Bayes
85.42 83.56 82.98 81.36 74.16 83.16 75.32 70.12 75.22 62.88 83.10 51.70 79.54 68.70 74.48 96.12 95.66 91.22 51.12 82.40 77.41
Promedio 90.78 78.64 84.14 78.97 74.26 80.09 73.71 88.37 76.52 76.58 84.80 59.77 72.46 56.64 72.44 95.54 97.62 84.82 49.43 79.07
Tabla 2. Exactitud obtenida por los algoritmos sobre los diferentes conjuntos de datos. Se muestra tambin el promedio de la exactitud obtenida por algoritmo y por conjunto de datos.
5. Conclusiones
Se ha presentado un estudio experimental sobre el desempeo de cinco algoritmos de aprendizaje automtico para clasificar veinte conjuntos distintos de datos. De acuerdo con los resultados obtenidos se puede concluir que el algoritmo de redes neuronales artificiales fue el que mejor desempeo mostr. Por el contrario, el algoritmo de support vector machines, usando una funcin de base radial como kernel, fue el que peores resultados obtuvo. Tres conjuntos de datos fueron clasificados en promedio por arriba del 90%, Car, Breast Tissue y Acute inflammations. Se puede tambin comentar que el algoritmo de k-vecinos ms cercanos obtiene resultados no muy lejanos a los obtenidos por support vector machines, y prcticamente es un algoritmo mucho ms sencillo de comprender e implementar.
[2] E. F. Remco R. Bouckaert, R. K. Mark Hall, A. S. Peter Reutemann, and D. Scuse, WEKA Manual for version 3-7-3. University of Waikato, Hamilton, New Zealand, December 2010. [3] F. R. Bach, G. R. G. Lanckriet, and M. I. Jordan, Multiple kernel learning, conic duality, and the smo algorithm, in Proceedings of the twenty first international conference on Machine learning, ICML 04, (New York, NY, USA), ACM, 2004. [4] Herramienta de software Weka. Universidad de Waikato, Nueva Zelanda. 2011. http://www.cs.waikato.ac.nz/ml/weka/ [5] Mitchell, T. Machine Learning. McGraw Hill, 1997. [6] The UCI Machine Learning Repository. Universidad de California en Irvine. 2011. http://archive.ics.uci.edu/ml/
Agradecimientos
La experimentacin para este trabajo fue realizada por alumnos de la maestra de Ingeniera en Sistemas y Cmputo Inteligente de esta Universidad durante el curso de aprendizaje automtico.
Referencias
[1] E. Alpaydin, Introduction to Machine Learning. Cambridge, Massachuset: The MIT Press, 2004.
16
Visin Politcnica
Generacin de calor por induccin magntica

Vicente Chapuli Cuetlach, Mara Luisa Snchez Collantes Obed Corts Aburto, Isaas Zagoya Mellado (1) Universidad Politcnica de Puebla, Juan C. Bonilla, Puebla, Mxico
Obedca@uppuebla.edu.mx, zagoyami@hotmail.com, ingvicente_11@live.com.mx, ingmlsc_@hotmail.com
Abstract
The induction heating source is based on the Joule effect, which is that a driver will induce an electrical current, producing the motion of electrons due to the kinetic energy stored in these, resulting in heat shock that experience between them. The high-frequency electromagnetic waves are manipulated by a PWM is to generate a pulse train that varies its width. Our input power is 1000 watts, with a voltage of 110V and a current of 9.09A. We also use copper tube of 0.003 m for the coil surrounding the material to be heated
Fue descubierto por Michael Faraday y Joseph Henry en 1831. La ley de Faraday de la induccin magntica, que relaciona el flujo de voltaje y el flujo magntico en un circuito, establece lo siguiente. [12] 1. - Si el flujo eslabonado de un lazo (o espira) vara con el tiempo, se induce un voltaje entre sus terminales. 2. - El valor del voltaje inducido es proporcional al ndice o capacidad de cambio de flujo. El calentamiento por induccin magntica es usado para unir, endurecer o ablandar materiales ferromagnticos, en los procesos industriales modernos, utiliza por la velocidad y el ahorro de material. Algunas aplicaciones del calentamiento inductivo, se han empleado desde 1940, durante la segunda guerra mundial, para el desarrollo rpido de armas para la guerra y el endurecimiento de partes metlicas.
1. Introduccin
El calentamiento por induccin es un proceso de calentamiento sin contacto, que utiliza ondas electromagnticas de alta frecuencia para calentar los materiales ferromagnticos que conduzcan electricidad. Porque el contacto no es requerido, el proceso de calentamiento no contamina el material que se calienta. Tambin es muy eficiente ya que el calor se genera desde el interior de la pieza. Existen otros mtodos de calentamiento, donde el calor se genera por medio de flama o elementos calientes, los cuales se aplican a la pieza metlica, como lo son el uso de resistencias, lser o arco elctrico, fusin con electrodo o autgena entre otros. Por estas y otras razones el calentamiento por induccin nos brinda algunas aplicaciones nicas en la industria.
3. Efecto Joule
Este fenmeno es cuando a un conductor se le induce una corriente elctrica produciendo as el movimiento de los electrones debido a la energa cintica almacenada en estos, traducindose en calor por el choque que sufren entre ellos, de esta manera elevando la temperatura del conductor. Figura 1. [4]
2. Principio de induccin magntica
17
Visin Politcnica
Figura 1. Efecto Joule.
contamos, adems de los conocimientos obtenidos en los antecedentes y en el marco terico. Para el diseo del sistema consideramos los clculos obtenidos del flujo de calor y de campo magntico, tomando en cuenta la potencia suministrada desde la fuente de potencia hacia nuestro circuito de control y el de potencia hacia el circuito de resonancia. El diseo y construccin se dividi en tres etapas las cuales son: El circuito de control que utiliza un PWM para el control de las frecuencias altas, para la generacin de calor en la pieza. El anlisis de transferencia de calor con los datos obtenidos del campo magntico generado por la espira en nuestra pieza. Dentro de la construccin y validacin del prototipo, se comprob el funcionamiento de ste, con una fuente de potencia de 60W dando as una frecuencia de resonancia en la espira de 500 kHz y un voltaje de salida 30Vpp.
4. Componentes del calentamiento por induccin magntica

Para el calentamiento por induccin magntica es necesario conocer los componentes que son: Figura 2. 1) Fuente de potencia. 2) Estacin de Calentamiento. 3) Espiral del conductor. 4) Pieza del material a calentar.
3 Figura 2. Componentes del sistema La fuente de potencia utiliza una corriente alterna, que es recitada y regulada, y sta alimenta al conversor de frecuencia, que es la que genera el campo magntico en la espira. La estacin de calentamiento posee una serie de capacitores de resonancia con la finalidad de ajustar las frecuencias o el voltaje de operacin, sabiendo el material a calentar. Las espirales son tubos de cobre con un dimetro de 0.003m y la forma depende del material a calentar como se muestra en la Figura 3.
6. Diseo y construccin del prototipo

De manera general se tiene una fuente de alimentacin que es utilizada para el abastecimiento de energa en la entrada del circuito de control y de potencia. [5] El circuito de control se encarga de modular la frecuencia por un PWM. El circuito de potencia, convierte el voltaje de salida del circuito de control de 12 VCD a 30 Vpp, por medio de MOSFET. El circuito de resonancia est conformado por capacitores en paralelo hasta la espira de cobre, alimentado a 30 Vpp en sus dos terminales. El circuito de realimentacin se encarga de enviar las frecuencias dadas en el circuito de potencia al de control. Figura 4.
Figura 3. Diferentes formas de espiras. La pieza a calentar debe de ser de un material ferromagnticos. [11]
5. Metodologa
Para el desarrollo de nuestro prototipo, consideramos la solucin del problema, de acuerdo con los parmetros de la necesidad, tales como los recursos elctricos y electrnicos disponibles con los que
18
Visin Politcnica
Q = 0.24*W * t
Q = Cantidad de calor obtenida. V = Voltaje. I = Corriente t = Tiempo. Obtenemos:
(3)
Q = 318.78cal
Figura 4.Diagrama a bloques del prototipo.
7. Anlisis Termomagntico
Campo magntico La excitacin magntica (tambin fuerza o campo magnetizante), relacionado con el movimiento de cargas libres y en los polos magnticos, frmula 1.
NI H= L
Temperatura en la pieza Para obtener la diferencia de temperatura de la pieza con respecto al calor aplicado, se utiliza la frmula 4.
T = Q mCe
(4)
Q = Calor en caloras
(1)
H = Campo magntico en amperio-vuelta/metro (Av/m). N = Nmero de vueltas de la espira. I = Corriente en Amper (A). L = Longitud de la bobina en metros (m). Obtenemos al sustituir:
H = 3.384 Av m
Ce =Calor especfico en caloras sobre gramos sobre grado. T =Variacin de la temperatura en grados centgrados, que es a su vez temperatura final menos temperatura inicial.
Dando como resultado:
m = Masa en gramos
T = 19.299 C
Despejando sta frmula (5), obtenemos:
T final = T + Tinicial
Donde la temperature final de la pieza es:
(5)
Trabajo magntico Es la potencia que se genera dentro del circuito resonante, frmula 2.
T final = 19.299 + 22 = 41.299 C

Considerando un sistema ideal medio ambiente. sin perdidas por el
W = *I
W = Potencia (Joule). = Flujo magntico (Weber). I = Corriente (Amper). Sustituyendo:
(2)
8. Prueba fsica del diseo

Como resultado de estas pruebas obtuvimos que la pieza a calentar, elev su temperatura alrededor de los 12C, con una temperatura inicial de 22C y una temperatura alcanzada alrededor de los 34C, en un tiempo estimado de 4 minutos, como se puede ver en la figura 5.
W = 1.3290 x1012 J
Flujo de calor en la pieza Es la cantidad de calor que puede producir una corriente elctrica en cierto tiempo en la pieza, por medio de la Ley de Joule, que relaciona la potencia elctrica con las caloras, frmula 3.
19
Visin Politcnica
[10] Garca, J. M. (1996). Electrnica de PotenciaTeora y Aplicaciones . Mxico: Alfaomega. [11] Gonzalez, G. (2005). Microsoft Word Inducci.n.doc. [12] Harper, E. (2006). Mquinas electricas. Mxico: Limusa, S.A de C.V.
Figura 5. Temperatura obtenida en la prueba fsica.
9. Conclusiones
Para obtener una temperatura deseada o de mayor proporcin se puede considerar utilizar una fuente de potencia mayor o simplemente hacer un estudio de frecuencia, considerando que entre mayor sea la frecuencia, mayor ser la resonancia que tendr la pieza ferromagnticas. Para el calentamiento de una pieza ferromagntica, es necesario conocer las propiedades del material y la temperatura deseada.
10. Referencias
[1] Bastian, P. (1996). Electronica. Madrid: AKAL. [2] circuitos rectificadores. (2003). [3] distorciones armonicas. (2003). [4] EFECTO JOULE. (2003). [5] Electrnica de Potencia Teora y Aplicaciones. Alfaomega. [6] electrnico/circuitos. (2011). http://members.fortunecity.es/electronico/circ uitos/modulador/modulador.html. [7] http://members.fortunecity.es/electronico/circ uitos/modulador/modulador.html. [8] factor de calidad . (2011). [9] Garca, J. M. (1998). Electrnica de Potencia Teora y Aplicaciones . Mxico: Alfaomega.
20
Visin Politcnica
Robtica reactiva a travs de una herramienta grfica de simulacin

Antonio Benitez1, Rodolfo Vasconcelos Lpez3, Ma. Concepcin de la Cruz Gmez3 Ma. Auxilio Medina2, Jorge de la Calleja2 1 Maestra en Ingeniera, 2Ingeniera en Informtica, Universidad Politcnica de Puebla 3 Licenciatura en Sistemas Computacionales, Universidad Jurez Autnoma de Tabasco
{antonio.benitezruiz, mauxmedina, jorgedelacalleja}@gmail.com
Resumen
La robtica es una rea de desarrollo interesante pero desafiante. Un problema de inters en esta rea es la robtica mvil, aquella en donde se busca el desarrollo de algoritmos capaces de mover a un vehculo sujeto a restricciones. Este tipo de proyectos puede resultar costosos, por lo que una alternativa es proponer una solucin desde la simulacin por computadora. Este documento describe los elementos bsicos necesarios para simular de manera grfica un robot mvil tipo diferencial. Esta simulacin incluye el diseo del robot, los elementos algebraicos para la solucin del problema cinemtico, la interfaz de usuario para mover a este robot y las aplicaciones desarrolladas a partir de los movimientos bsicos.
Sin embargo, realizar pruebas de comportamiento con robots mviles de manera fsica implica gastos econmicos elevados y posiblemente la mala utilizacin de stos dispositivos. Por esta razn, el presente trabajo propone el desarrollo de un ambiente grfico de simulacin para representar un robot mvil con caractersticas similares a las que ofrece el Robot comercial Pololu 3Pi [2]. As, este simulador podr utilizarse para reproducir el mismo tipo de comportamientos que pueden implementarse sobre la plataforma Pololu 3 Pi. La propuesta de este simulador se soporta en un ambiente grfico desarrollado con anterioridad. Por otro lado, esta propuesta puede utilizarse como una herramienta de soporte didctico para explicar conceptos de cinemtica de cuerpos rgidos en el rea de la robtica y elementos bsicos del rea de graficacin por computadora. As, simulacin por computadora se convierte en una alternativa importante. Este artculo esta organizado de la siguiente manera. En la seccin 2, se describe el diseo de la herramienta de simulacin. Los elementos matemticos necesarios para el control cinemtico del robot se presentan en la seccin 3. En la seccin 4, se describe el desarrollo de la interfaz de usuario propuesta para el envi de comandos al robot. En la seccin 5. Se presentan los resultados obtenidos de dos aplicaciones desarrolladas para este robot, y finalmente se concluye el trabajo propuesto.
1. Introduccin
Hoy en da la graficacin por computadora juega un papel importante en el desarrollo de las tecnologas y en la perfeccin de las mismas. La graficacin por computadora tiene un gran campo de aplicacin, por mencionar algunas: la representacin de ambientes mediante grficos, en la produccin de videos musicales, anuncios de televisin, en pelculas, en el anlisis de datos, claro sin dejar de mencionar la importancia de los simuladores virtuales en 2D y 3D, estos ltimos teniendo gran impacto por el realismo que reproducen. Una de las reas ms interesantes de la robtica es la relacionada con los robots mviles. Estos cuentan con gran capacidad de desplazamiento, basados en carros o plataformas y dotados de un sistema locomotor de tipo rodante. Siguen su camino por telemando o guindose por la informacin recibida de su entorno a travs de sus sensores.
2. Desarrollo del Ambiente Grfico

Los ambientes grficos de simulacin requieren de un diseo que vaya de acuerdo a su aplicacin. Este proyecto se soporta en un ambiente grfico llamado
21
Visin Politcnica
GEMPA (Graphic Environment for Motion Planning Algorithm) [1].
procesadas por un mdulo de pintado (vrtice por vrtice) que posee el GEMPA. Estas mallas tienen una estructura bien definida [1]. En la Figura 2. Se muestra la forma en la que se proporciona la informacin necesaria para la estructura del robot al simulador. En esta estructura se pueden diferenciar elementos como las mallas de tringulos asociadas a cada una de sus partes, as como los parmetros necesarios de posicin, orientacin, escala y color. El concepto de configuracin se asocia a un cuerpo rgido en un espacio tridimensional. Esta configuracin esta formada por tres parmetros (dos de ellos determinan posicin y uno de ellos determina orientacin). As, una configuracin puede ser presentada como (x, y, alfa).
2.1 Ambiente grfico de soporte

GEMPA es una herramienta grfica creada para simular entornos virtuales tridimensionales. GEMPA fue desarrollado para simular el comportamiento de algoritmos de planificacin de movimientos de cuerpos rgidos. Para ello, esta herramienta incluye; la representacin de objetos utilizando distintos tipos de archivos; la animacin de la ruta libre de colisin de un problema de planificacin de movimientos, y el desarrollo de una interfaz grfica de usuario para navegar a travs del entorno virtual [1]. El presente proyecto se soporta el IDE de Dev C++ y Libreras de OpenGL, ya que son las herramientas de desarrollo de GEMPA. OpenGL es una especificacin estndar que define una API multilenguaje y multiplataforma para escribir aplicaciones que produzcan grficos 2D y 3D [5].
2.2 Caractersticas del robot a simular

El Pololu 3pi [4] es un pequeo robot mvil autnomo de alto rendimiento, diseado para competencias de seguimiento de lneas, resolucin de laberintos y deteccin de obstculos. El robot tiene una arquitectura diferencial (ver Figura 1.) y algunas aplicaciones interesantes sobre esta plataforma pueden verse en [2]. Por la simplicidad y versatilidad de la plataforma asociada al Pololu 3pi, se selecciono a este robot como el primer candidato a ser simulado a travs del ambiente grfico.
Nombre de malla
Posicin
Escala
Rotacin
Color
Figura. 2. Archivo de datos con las especificaciones necesarias para que el ambiente grfico pinte cada una de las partes que integran al robot.
Esta configuracin nos permite especificar de manera completa la localizacin del robot dentro del ambiente. Para ello, se utiliza un sistema de referencia global, as el robot simulado puede verse dentro del ambiente como se muestra en la Figura 3.
2.3 Dimensiones y estructura del Ambiente

La dimensin del ambiente en el que el robot se desplaza es finita, por esta razn se proponen tres dimensiones diferentes, una de tamao reducido, una de tamao regular y una ms de gran tamao. As, se dibuja un piso sobre el cual trabaja el robot. El tamao del ambiente esta determinado por el nmero de cuadros de tamao finito que lo componen. Se sugiere que cada cuadro no sea mayor a las dimensiones
Figura. 1. Robot Pololu 3Pi utilizado para la simulacin.
Para la simulacin del robot es necesario asociarle una malla de tringulos a cada uno de los elementos que lo conforman, por ejemplo, las llantas, el cuerpo del robot, los sensores, etc. Estas mallas son
22
Visin Politcnica
asociadas al robot, de esta manera el robot avanzar o retroceder distancias no mayores a su dimensin. Es importante decir que esta es una primera versin del ambiente, en el que la locomocin del robot se hace en trminos distancias fijas, por lo que una secuencia de distancias fijas provocaran un desplazamiento mayor para el robot.
1.- Avanzar: Consiste en desplazar el robot hacia adelante el nmero de cuadros que se le indique. 2.- Retroceder: Consiste en desplazar el robot hacia atrs el nmero de cuadros que se le indique. 3.- Vuelta a la Izquierda: Consiste en dar un giro de 90 grados en sentido contrario a las manecillas del reloj. 4.- Vuelta a la Derecha: Consiste en dar un giro de 90 grados en sentido de las manecillas del reloj. Los cuatro movimientos propuestos se resuelven de manera finita y discreta. Por esta razn el piso en el que se desplaza el robot es cuadriculado, ya que para los movimientos de avanzar y retroceder se resuelven de manera reducida para un solo cuadro en el ambiente. En el caso de los movimientos de vuelta a la izquierda y a la derecha solo se gira en un rango de 90 grados. El esquema de la Figura 5. muestra las direcciones hacia las que el robot se puede desplazar sobre el plano XZ.
Figura. 3. Simulacin del Robot Pololu 3Pi.
As, las dimensiones propuestas para esta primera versin del ambiente son, piso de 4 x 4 cuadros, piso de 8 x 8 cuadros y piso de 12 x 12 cuadros. La Figura 4. muestra un ejemplo de ambiente de dimensin 8x8.
Figura. 5. Vista superior del ambiente y plano XZ sobre el que se desplaza el robot.
Figura. 4. Vista de ambiente grfico de dimensiones 8x8.
3. Locomocin del Robot

El Robot en el ambiente es capaz de realizar cuatro movimientos bsicos para navegar dentro de l. Sin embargo, aunque se propone una interfaz que le permite al usuario de manera muy sencilla enviar estos comandos hacia el robot, es necesario implementar estos movimientos a travs del concepto de cinemtica de un cuerpo rgido. 3.1 Movimientos propuestos
Para resolver los problemas asociados con los movimientos de avanzar y retroceder se hace la discretizacin de una recta entre las coordenadas del centro de dos cuadros adyacentes dentro del ambiente. El proceso consiste en trazar un segmento de recta dirigido y dividirlo en un nmero finito de partes, en donde cada una de estas partes se convertir en la configuracin en donde se pintar al robot para generar la simulacin grfica deseada. La Figura 6. muestra la idea de este proceso de discretizacin en donde el nmero de partes en el que se divide la lnea recta es de 17. Es importante mencionar que el grado de discretizacin, es decir el nmero de partes en las que el segmento de recta ser dividido puede ser
23
Visin Politcnica
proporcionado por el usuario, sin embargo hay que considerar que mientras ms fina sea la discretizacin la animacin ser mas costosa (tiempo de procesamiento y velocidad a la que la simulacin es presentada). Los movimientos vuelta a la derecha y vuelta a la izquierda, los cuales estn acotados a vueltas de 90 grados consisten en la discretizacin del ngulo dado en radianes. Para esto, se divide /2 en sentido contrario a las manecillas del reloj; de esta manera tenemos un movimiento de 90 grados que se fracciona en tantas partes como se desee (con las mimas restricciones que la discretizacin de la lnea recta). Esto puede verse en la Figura 7.
lineales. Estas operaciones de transformacin son siempre matriciales, pueden descomponerse en sumas y multiplicaciones, y por tanto caen dentro de la categora de operaciones lineales que podemos incluir de forma eficiente en el procesamiento grfico de los vrtices que definen a los objetos [3]. Estas transformaciones deben aplicarse a cada uno de los vrtices de los objetos que se desea manipular y es importante que cada vez que un objeto se mueve, rota o se escala, los vrtices asociados al objeto debern recalcularse. A continuacin se describe brevemente cada una de las transformaciones utilizadas. Traslacin La transformacin de traslacin consiste en mover una cierta distancia un objeto en una direccin determinada, como consecuencia el objeto se encontrar en una nueva posicin. La expresin (1) muestra a transformacin necesaria para realizar dicha operacin (Tx, Ty, Tz representan el vector de traslacin).
Figura. 6. Discretizacin de un segmento de recta dirigido para la animacin del robot en las operaciones de avanzar y retroceder.
Rotacin
(1)
Figura. 7. Discretizacin de un ngulo dado en radianes para la animacin del robot en las operaciones de vuelta a la derecha y vuelta a la izquierda.
3.2 Matrices de Transformacin La graficacin por computadora tiene como base para su desarrollo las operaciones matriciales de traslacin, rotacin y escala de objetos en dos y en tres dimensiones. Estas transformaciones permiten el desarrollo de herramientas de animacin por computadora que se propagan en los ambientes de simulacin grfica. Las operaciones matriciales de traslacin, rotacin y escala se utilizan para calcular la posicin y/o el tamao de los objetos, con respecto a los sistemas de referencia, son tambin llamadas transformaciones
Para realizar una rotacin o giro de los objetos en 3D, el usuario debe establecer un eje de rotacin, as como el ngulo y el sentido de giro alrededor de dicho eje. Segn sea la naturaleza del ngulo, los giros podrn ser relativos, o bien absolutos. As, cuando se deba rotar el objeto un ngulo sobre un eje dado, partiendo de la posicin actual del objeto, el giro ser relativo. En cambio, si el objeto se ha de girar un ngulo a partir del estado cero entonces se tratar de un giro absoluto. En las rotaciones, es especialmente importante el sentido en el que giran los objetos y esta es la razn por la cual se trata de seguir una convencin para que no se produzcan ambigedades. En general, las medidas de ngulos de rotacin positiva generan giros en sentido anti horario (cuando se mira hacia el origen, desde una posicin con coordenadas positivas). La expresin (2) permite rotar un objeto con respecto al eje Z un ngulo . Los valores de XR, YR y ZR, corresponden a un punto dentro del objeto, mismo que
24
Visin Politcnica
ser considerado como un punto fijo [3]. De esta manera la transformacin esta formada por una traslacin del objeto hacia el origen de sistema, posteriormente se aplica una rotacin respecto al eje Z y finalmente se regresa el objeto a su posicin inicial con una transformacin de traslacin.
4. Funcionalidades e Interfaz
Uno de los objetivos iniciales del proyecto es implementar locomocin para un robot mvil. Por ello, es necesario que estas funcionalidades se presenten al usuario a travs de una interfaz bsica que le permita mover el robot dentro del ambiente. Sin embargo, fue necesario incorporar otras funcionalidades con el objetivo de enriquecer la herramienta de simulacin grfica para ofrecer al usuario mayor flexibilidad. 4.1 Interfaz En la Figura 8. se presenta la interfaz de usuario, misma que permite enviar comandos al robot, enviando parmetros a travs de botones que permiten la manipulacin directa con el robot para realizar los movimientos deseados. Es importante decir que existe un estado inicial para el robot, en este estado el robot se coloca en una posicin inicial con una orientacin especfica, lo que determina una configuracin inicial. A partir de esta configuracin, despus de la ejecucin de un comando de movimiento cualesquiera, la configuracin del robot cambia. El usuario puede enviar el nmero de comandos que desee y todos estos comandos son almacenados como un histrico para que cuando el usuario lo solicite pueda ejecutar de una sola vez toda la secuencia solicitada.
(2) Escala Dentro de un espacio de referencia los objetos pueden modificar su tamao relativo en uno, dos, o los tres ejes. Para ello se utiliza la matriz de escala. Si no se toman precauciones, los cambios de escala (como los de rotacin), adems de suponer una variacin en las proporciones de los objetos, tambin implican una traslacin de los mismos, un efecto colateral no deseado en muchas ocasiones. Para evitar este efecto no deseado, la escala se realiza con respecto a un punto fijo, esta tcnica consiste en escalar un objeto, sin que ste se vea afectado por un cambio de posicin, respecto a un punto establecido. Para llevar a cabo un escalamiento respecto a un punto fijo, se procede multiplicando una matriz de traslacin para llevar el punto fijo al origen, despus se multiplica por una matriz de escalamiento y posteriormente por otra de traslacin para llevar al punto fijo a su posicin original. La expresin (3) presenta la transformacin mencionada, en donde los valores de XF, YF y ZF, representan un punto dentro del objeto (punto fijo) y los valores de Sx, Sy y Sz representan los factores de escala con respecto a cada uno de los ejes [3].
Figura. 8. Interfaz de usuario que permite el envi de comandos para la locomocin del robot.
Adems de permitir la manipulacin del robot a travs de la interfaz, esta aplicacin tambin ofrece al usuario las siguientes operaciones: (3) Guardar secuencia de movimientos ejecutados en un archivo. Esta funcionalidad permite al usuario almacenar la secuencia de
25
Visin Politcnica
movimientos que ejecuto sobre el robot para que pueda volver a utilizarla cuando lo requiera, recuperndola desde el mismo archivo. Recuperar desde un archivo la secuencia de movimientos a ejecutar. Esta opcin le permite al usuario recuperar desde un archivo de texto, una secuencia de comandos especfica para el robot, sin importar que la secuencia de comando sea grande. Ejecutar nuevamente la secuencia de movimientos solicitada. Esta tarea permite al usuario ejecutar nuevamente la secuencia de comandos cargada o actual. Tomando en cuenta que la secuencia actual es aquella que el usuario fue construyendo con cada comando solicitado o bien una secuencia recuperada desde un archivo. Reiniciar al robot para ejecutar una nueva secuencia de movimientos. Esta funcionalidad permite restaurar las condiciones iniciales para el robot, borrando la secuencia de movimientos que exista e inicializa su configuracin inicial.
El nmero de obstculos a generar lo proporciona el usuario y este nmero se valida contra el nmero de cuadros que forman el ambiente activo. La Figura 9. muestra la simulacin dentro del ambiente grfico del robot desempeando las dos tareas a la vez, por una lado la generacin aleatoria de comandos y por otro la evasin de obstculos a travs de la simulacin de un sensor de proximidad. Es importante sealar que todas estas funcionalidades ya han sido desarrolladas sobre la plataforma real del Pololu 3Pi [2], por lo que es posible inicialmente comparar el comportamiento de los robots en ambos ambientes. Un ejemplo de la navegacin aleatoria evitando obstculos desde el ambiente grfico y desde un ambiente real puede verse en la Figura 10.
5. Resultados Conclusiones y Trabajo Futuro

Este proyecto logr la implementacin satisfactoria de la simulacin del robot en un ambiente grfico, la adecuacin de una plataforma grfica para robots mviles y establecimiento de varias dimensiones para el ambiente de trabajo. Por otro lado, se implement y prob las funcionalidades que permiten al robot desplazarse dentro del ambiente, esto es; moverse hacia adelante, hacia atrs, dar vuelta a la derecha o hacia la izquierda. Estas funcionalidades se proponen operar a travs de una interfaz grfica de usuario, facilitando el envi o recuperacin de comandos hacia el robot. Con estas funcionalidades se propusieron tareas ms complejas como la navegacin aleatoria y la navegacin evitando obstculos.
4.2 Navegacin Aleatoria Esta opcin no requiere que el usuario enve ningn comando al robot, ya que automticamente y de manera aleatoria se genera el comando a ejecutarse y en su caso (para comandos de avanza y retrocede) el nmero de cuadros sobre el que se aplica dicho comando. Esto permite que el robot se desplace dentro del ambiente de manera continua y de forma aleatoria. Esta operacin se ejecuta hasta que el usuario lo desee, ya que para detener dicha operacin deber hacerlo de manera manual a travs de la interfaz. Como consecuencia de esta navegacin aleatoria, se propuso simular a travs del uso de una estructura de datos, un sensor de proximidad. Este sensor tiene la tarea de generar un evento cada vez que el robot se acerque a un obstculo. As, se integra la opcin de navegacin aleatoria junto con la evasin de obstculos. Para ello, el usuario puede generar de manera aleatoria la posicin de los obstculos dentro del ambiente. En esta primera versin del proyecto, las dimensiones de los obstculos sern idnticas a la dimensin de un cuadro dentro del ambiente.
Figura. 9. Simulacin de navegacin aleatoria evitando obstculos, simulando un sensor de proximidad.
26
Visin Politcnica
Figura 10. Navegacin aleatoria evitando obstculos en un ambiente real (lado izq.) y en el ambiente virtual (lado der.)
Con la implementacin de este proyecto se cumplen todas las expectativas propuestas dado que el objetivo principal es implementar los movimientos bsicos del Pololu 3Pi (rotacin derecha-izquierda, avanzar y retroceder), as como la conformacin de su estructura dentro del ambiente donde pueda ejecutar diferentes secuencias de movimiento. Este proyecto tiene la posibilidad de continuar con nuevas propuestas de simulacin. Por ejemplo; la programacin de un sigue lneas a travs de la simulacin de sensores infrarrojos; la programacin de algoritmo de sigue muros utilizando los sensores de proximidad; mejorar la simulacin de los sensores de proximidad; incrementar el realismo dentro del ambiente incorporando elementos de iluminacin y texturas. Este proyecto se ha realizado con el propsito de hacer nuevas aportaciones a la herramienta GEMPA, con lo que se permite la simulacin de un robot Pololu 3Pi en un ambiente en 3D.
7. Referencias
[1] Antonio Benitez and Alejandro Mugarte. GEMPA: Graphic Environment for Motion Planning algorithm, In Research in Computer Science and Engineering. Volumen 42, pag. 225-236., Mayo 2009. [2] Antonio Benitez et al. Programacin de Vehculos mviles bajo Plataforma Pololu 3Pi., en Revista Visin Politcnica. Ao 6/Nm. 1. Pag. 23-27. Junio del 2011. [3] Informtica Grfica, Manipulacin del espacio: Trasformaciones y proyecciones, Universidad de Salamanca Facultad de Ciencias Ingeniera en Informtica, Disponible: < http://gsii.usal.es/~igrafica/> Recuperado el da 15 de enero de 2011. [4] Pololu Corporation. (2009). Pololu 3pi Robot Users Guide. Robot Pololu 3pi Gua de usuario (pp. 1-48). Con direccin electrnica en: <http://www.pololu.com/docs>. [5] Wright Haemel, Sellers Lipchak, OPpenGL Superbible, Fifth Edition. 2011.
6. Reconocimientos
Este proyecto se lleva a cabo con la colaboracin de el cuerpo acadmico de Sistemas y Cmputo Inteligente de la Univeridad Politcnica de Puebla y el Cuepro Acadmico de Sistemas Inteligentes de la Universidad Jurez Autnoma de Tabasco (UJAT). De manera particular se agradece la colaboracin de los alumnos Rodolfo Vasconcelos Lpez y Mara Concepcin de la Cruz Gmez, estudiantes de la licenciatura en Sistemas Computacionales de la UJAT, ya que el trabajo presentado aqu es parte de su tesis de licenciatura.
27
Visin Politcnica
Galilei, el gran rebelde

Susana Snchez Snchez Academia de Desarrollo Humano, Universidad Politcnica de Puebla J. C. Bonilla, Puebla, Mxico
En busca de un mejor futuro econmico para su hijo, Vicencio Galilei, profesor de msica y comerciante de la baja nobleza florentina casado con Guilia Ammannati sac a su vstago del Monasterio Camaldolese de Vallombrosa para que estudiara Medicina. As, en 1581 y con 17 aos de edad, el joven Galileo Galilei entra a la Universidad de Pisa. Tras cuatro aos de estudio, no cumple con los deseos de su padre; prefiri las Matemticas y la Filosofa Natural (Fsica); dej trunca la carrera impuesta, no as la elegida por vocacin.
in ttulo de mdico, pero hbil para las matemticas y curioso acrrimo, Galilei empez a dudar sobre el precepto de que la Tierra era el centro de todo como lo propona la teora aristtelica-tolemaico, originada en la cultura griega (en el siglo IV a.C.) y se inclinaba ms por la idea de que el Sol era el centro, y la Tierra (como el resto de los planetas) giraba alrededor de l, tal y como ya lo haba planteado Nicols Coprnico, slo que haca falta probarlo. Galileo lo hizo! En los trminos de este siglo XXI, Galilei era oo y matado; pero para su tiempo, siglo XVII, cuando la Santa Inquisicin estaba en auge: estudiar, investigar y, sobre todo, romper con paradigmas era sinnimo de hereja. Doa Guilia Ammannati era la primera en oponerse a las prcticas de su hijo, quien adems no iba a misa, lo que la llev a actuar contra l en el Santo Oficio (de Florencia), cuando la edad del joven oscilaba entre los 18 y 25 aos. La demanda no tuvo repercusiones; Galileo Galilei sigui con sus investigaciones, de tal suerte que en 1589 consigui la ctedra de Matemticas de la Universidad de Pisa y, en 1592, la de Padua (en la que se mantuvo hasta 1610). No obstante, su progenitora segua al acecho, ahora a travs de Silvestro Pagnoni, quien funga como ayudante de Galilei en la produccin de copias cientficas para los alumnos y, de paso, informaba a la seora Ammannati del comportamiento de su hijo. Pagnoni, en 1604, en el Santo Oficio (de Padua) denuncia a Galileo: () le he visto hacer horscopos en su habitacin () he estado 18 meses en su casa y no lo he visto ir nunca misa () He sabido por su madre que nunca se confiesa ni comulga: ella a veces haca que averiguara si en las fiestas iba a misa y yo, al seguirlo, vi que en lugar de ir a misa iba a casa de Marina [Gamboa], su puta veneciana () [1] quien fue la madre de los tres hijos (dos mujeres y un varn) de Galileo. Aunque la relacin entre madre e hijo ya no era muy buena, Galileo se hizo cargo de su familia a la muerte de su padre (en 1591). En cuestin de dineros, el joven se enfrentaba a una situacin difcil, pues tena que pagar la dote de sus dos hermanas, mantener a su hermano msico y a su mam. Las ctedras de matemticas le aligeraban la carga, pero no era suficiente. Por ello venda compases geomtricos para hacer clculos, hospedaba a alumnos y daba clases particulares [2]. Consciente de su situacin econmica, Galileo supo que deba trabajar ms en sus contactos con el poder, si deseaba adquirir prestigio. El mecenazgo fue una institucin social
28
Visin Politcnica
generalizada en Europa. Aquellos que no tenan mecenas no tenan movilidad social ni la posibilidad de una carrera profesional. Fue gracias a sus relaciones sociales que Galileo obtuvo la ctedra de matemticas en ambas universidades. Empero requera de alguien muy poderoso en trminos sociales, polticos y econmicos, y ya lo tena en la mira desde hace tiempo: Csimo, uno de sus alumnos, era parte de la Corte y, en 1609, lo coronaron, justo cuando Galileo desarrollaba con mayor precisin sus estudios astronmicos. As, en 1610, a sus 46 aos de edad, el cientfico renunci a la ctedra y se transform en el filsofo y matemtico del gran duque de Toscana; lleg a obtener el ttulo de Molto Ilustre [3] equivalente a un grado de postdoctorado en nuestro tiempo. En ese periodo, la popularidad de Galileo se extendi rpidamente con la publicacin de su libro Sidereus Nuncius (Mensajero Sideral), cuyos ejemplares se vendieron como pan caliente, pues en ellos se planteaba una teora heliocntrica que, por supuesto, desbancaba la idea geocntrica de la Tierra, segn doctrinas de la Iglesia. En ese tratado, el cientfico mencion que a travs de la invencin del telescopio pudo ver que: la Luna no es lisa, sino que mostraba montaas y valles; muchas y nuevas estrellas aparecan en donde antes slo haba oscuridad, la Va Lctea no era una mancha lechosa sino un conjunto casi infinito de pequeos puntos luminosos y el planeta Jpiter ya no estaba solo, sino acompaado por cuatro pequeos puntos que giran a su alrededor [4]. Su sapiencia, aunada ahora a una buena posicin, hicieron famoso a Galileo en toda Europa. Ya no tena que buscar mecenazgos, pues las cortes ms importante de ese continente se peleaban por tenerlo entre sus miembros, lo que lo convirti en un cientfico independiente. La popularidad era tal que incluso Kepler uno de los investigadores ms importantes del momento lo felicit y entabl comunicacin con l a travs de cartas; en Roma donde en principio no se aceptaba el descubrimiento de Galileo, Ceci, un joven de la nobleza romana, invit al italiano a formar parte de la Academia de los Linceos. El rpido avance, no obstante, tambin le sum opositores, la Iglesia y su Santa Inquisicin, fueron los ms atroces. El clero no estaba de acuerdo con las ideas copernicanas ni con los seguidores de stas, por su oposicin a las Sagradas Escrituras, lo que era tildado de hereja. Si bien Galilei respaldado por algunas cortes y cientficos defendi los resultados de sus investigaciones, tuvo que abjurar de stas en 1633 [5], cuando se enfrent al Santo Oficio. (Se dice que al final del juicio espet: y sin embargo se mueve). La Santa Inquisicin no lo mat, pero lo desterr en su casa de Arcetri, cerca de Florencia, donde muri en 1642, a los 78 aos.
Referencias bibliogrficas: [1] Beltrn Mar, Antonio. Talento y poder. Historias de las relaciones entre Galileo y la Iglesia catlica, Unin Europea: Laetoli, 2006, pp. 16. [2] Biro, Susana. La mirada de Galileo, Mxico: Fondo de Cultura Econmica, 2009. [3] Biagioli, Mario. Galileo cortesano. La prctica de la ciencia en la cultura del absolutismo, Madrid: Katz, 2008. [4] Esteban Pieiro, Mariano. Galileo, los precursores espaoles del genio, La aventura de la Historia, Vol. 11, No. 126, 2009, pp. 18-23. [5] Finocchiaro, Maurice A. The Church and Galileo. Catholic Historical Review. Vol. 94. No. 2, 2008, pp. 260282. [artculo disponible en: www.bibliotecas.buap.mx]
29
Visin Politcnica
A hombros de gigantes
Vicente Soriano Tlachi
Editorial: CRITICA Lengua: CASTELLANO ISBN: 9788484324355 Ao edicin: 2003 Plaza de edicin: BARCELONA
as matemticas, como todo quehacer humano, requieren de su historia para entender su desarrollo. La historia de la ciencia es, sin lugar a dudas, su respuesta. Sobre todo hoy da, cuando se nos ocurre decir que vivimos en la era de la ciencia y la tecnologa. Difcil es encontrar ya algn aspecto de nuestra vida personal o social que no se encuentre condicionado o determinado en buena medida por el desarrollo cientfico y tecnolgico. Sin embargo, parece costarnos ms apreciar que vivimos en el futuro del pasado, o que nuestro presente tecnolgico no es ms que la culminacin de un sueoo una pesadilla esbozado por filsofos griegos, muchos de ellos, conocidos como presocrticos y, despus, cmo grandes herederos del pensamiento pitagrico. Entender, no obstante, nuestro presente, quines somos y qu podemos llegar a ser requiere de una reflexin sobre nuestra historia cientfica. Bien mirado, nosotros somos el resultado del proceso histrico que la ciencia ha vivido desde su nacimiento, en especial las ciencias que tienen como piedra angular a las matemticas. Sin embargo, es necesario que sepamos cmo se dio tal surgimiento. La concepcin del mundo, desde el punto de vista fsico, cosmolgico y astronmico, transmitida por la universidad medieval a partir de su fundacin no es otra que la heredada fundamentalmente de Ptolomeo de Alejandra (s. II d. C.), por un lado, y de Aristteles (s. IV a. C.), por otro. Es bien conocido que en el siglo V d. C., tras la disolucin de la parte occidental del Imperio romano (que no inclua ni Grecia ni Egipto), el saber griego qued fuera del alcance de los cristianos occidentales y no comenz a recuperarse hasta el siglo XII gracias a los musulmanes (como Abu Abdallah MuhammadibnMs al-Jwrizm. quien fuera la portada, por aos del libro de cabecera para cualquier estudiante de matemticas, el Baldor de Algebra). As, la gran obra astronmica de Ptolomeo, Almagesto, fue vertida al latn en la segunda mitad del mencionado siglo en Sicilia primero y en Toledo despus. El mismo traductor de dicha obra del rabe al latn, Gerardo de Cremona, puso en esta lengua obras de Aristteles como la Physica y el De Caelo. Las incipientes facultades de artes de las universidades medievales, en las que se estudiaba tanto matemticas como filosofa natural, seran las responsables de la difusin en Europea de la ciencia griega junto con las aportaciones a la misma de tratadistas rabes de la categora de Alfarabi, Alhazn, Averroes o Alpetragius, entre otros. Como resultado puede afirmarse que tanto la descripcin del cosmos como los principios explicativos del mismo que poda barajar un cristiano de la Baja Edad Media no diferan en extremo de lo que se saba en el contexto helenstico a finales del siglo II d. C. Ms an, lo que Coprnico pudo aprender de astronoma en las universidades de Cracovia o de Bolonia no se apartaba excesivamente de lo que era conocido en el Museo de Alejandra trece siglos antes. Para adentrarnos en ese saber griego acerca del cosmos del que arranca la ciencia occidental, lo primero a subrayar es una dualidad de enfoques u objetivos, no siempre compatibles entre s, que tenan como mximos representantes dos nombres propios citados con anterioridad: Aristteles y Ptolomeo. En efecto, desde los tiempos de Eudoxo de Cnido, gemetra de la Academia platnica, y de Aristteles fue esbozndose lo que de modo algo anacrnico podemos denominar el punto de vista del astrnomo-gemetra, por un lado, y del fsicocosmlogo, por otro. En Coprnico hallamos la decidida voluntad de
30
Visin Politcnica
aunar ambos planteamientos en un modelo de universo respetuoso con la tradicin (aun cuando habitualmente se hable de la revolucin copernicana, nada puede convenir menos a este personaje que el trmino revolucin aplicado a su vida o a su pensamiento), pero capaz de sintetizar astronoma y cosmologa sin perder el rigor y la exactitud en los clculos de los movimientos planetarios. A cambio, por esta y otras razones, se mostraba dispuesto a pagar un alto precio: arrojar a la Tierra del centro del mundo y obligarla a describir un triple movimiento alrededor del Sol. Que quede claro: la fsica heredada de los griegos es ajena a cualquier tipo de matematizacin, todo lo contrario sucede con la astronoma, estrechamente emparentada con la geometra. Ahora bien, mientras que el fsico (entindase como filsofo de la naturaleza) y filsofo peripattico (el que est sumido en la reflexin y meditacin) pretende decir cmo es el mundo, qu forma tiene, de qu estn hechos los astros, etc., el gemetra y astrnomo ptolemaico da cuenta de sus movimientos actuales y futuros con un rigor y una precisin fuera por completo del alcance del fsico, sirvindose para ello de cuantas herramientas de clculo (esto es, del conjunto de crculos epicclicos, deferentes, etc.) estime oportunas sin importar si ha de concedrseles o no realidad fsica. Si a esta dualidad de planteamientos sobre un mismo objeto, el cielo, aadimos la implcita o explcita incompatiblidad existente entre ellos, se comprende que el conflicto terico entre disciplinas y la disputa entre los cultivadores de una u otra est servido. Qu tiene de especial el sistema copernicano? En un contexto de franco divorcio entre astronoma y cosmologa, el autor del De Revolutionibus, segn nos dice en el Prefacio dedicado a Pablo III, manifiesta que entre las razones que le han movido a suponer una Tierra en movimiento se encuentra tanto la necesidad de fijar la duracin constante de la revolucin anual [del Sol] (o sea, el ao trpico), como el hecho de que los astrnomos no hayan logrado encontrar la forma exacta del mundo y la simetra de sus partes. Dicho de otra manera, se trataba de aunar prediccin astronmica y explicacin cosmolgica, poniendo fin al divorcio institucional que otorgaba al filsofo el derecho exclusivo a pronunciarse sobre cuestiones cosmolgicas, en tanto que toda aportacin a la astronoma estaba reservada al gemetra. Descripcin astronmica y explicacin cosmolgica haban de ser compatibles. Pero para ello el astrnomo debera nada menos que abandonar el sistema ptolemaico vigente desde la Antigedad griega (a excepcin del largo parntesis de la Alta Edad Media, al menos en el occidente cristiano) y adentrarse por caminos muy poco explorados. Coprnico emprende as una tarea a la que dedicar buena parte de su vida, si bien uno piensa que, dada la magnitud del desafo, quiz podra haber servido de ocupacin para muchas ms. Qu es la astronoma heliocntrica? Si limitamos la tarea astronmica a lo que podramos denominar un reducido sistema solar con los planetas y satlites que pueden observarse sin telescopio, contamos con seis planetas (Mercurio, Venus, la Tierra, Marte, Jpiter y Saturno) y un slo satlite, la Luna. En cuanto a los cometas, para los griegos, su aparicin era considerada como un suceso sublunar de carcter meteorolgico que, como tal, no era incumbencia del astrnomo. Puesto que se trata de dar cuenta de los movimientos de los cuerpos celestes a fin de poderlos calcular y predecir, si partimos de la descripcin heliocntrica a la que todo lector est habituado, se convendr fcilmente en que los movimientos ms obvios son los orbitales de los planetas alrededor del Sol, adems del de la Luna en torno a la Tierra. As, en funcin de su distancia a ese astro, los planetas recorrern rbitas de desigual tamao desde el ms prximo, Mercurio, hasta el ms alejado, Saturno, y les corresponder asimismo periodos orbitales diferentes que oscilan, segn los clculos de Coprnico, desde los ochenta das de aqul a los treinta aos de este ltimo. Ahora bien, stos son los que podramos denominar movimientos reales de los planetas. Pero los movimientos aparentes se dan en mayor nmero. En efecto, es incuestionable que el doble movimiento de la Tierra no es directamente perceptible para nosotros sus habitantes, mientras que s parece, en cambio, serlo el del Sol hacia el este y el del conjunto de la bveda celeste hacia el oeste que arrastra con ella a estrellas y planetas. Y lo cierto es que, desde un punto de vista meramente emprico, tanto da que rote el conjunto de lo observado en un sentido o el observador en sentido contrario. En pura teora es posible pues elegir entre el reposo del observador y el giro diario de los cielos hacia el oeste, o el movimiento de rotacin de la Tierra hacia el este responsable de la ilusin ptica de que todo gira en sentido contrario. En el primer caso nos habremos instalado en un tipo de descripcin geocntrica, mientras que en el segundo habremos optado por una descripcin heliocntrica. Recapitulando lo dicho, se advierte que mientras en el marco de una astronoma heliocntrica los movimientos reales a describir y predecir, adems del de la Luna, son nicamente los de los cinco antiguos planetas, a los que ahora
En Coprnico hallamos la decidida voluntad de aunar ambos planteamientos en un modelo de universo respetuoso con la tradicin
31
Visin Politcnica
Se trata del llamado problema de Platn, tambin denominado (por el propio Coprnico, por ejemplo) principio del movimiento perfecto
hay que aadir la rotacin y la traslacin de la Tierra, una astronoma geocntrica ha de dar adems razn de ciertos movimientos aparentes como son el movimiento diurno de estrellas, planetas, Sol y Luna hacia el oeste (explicable en trminos heliocntricos por el de rotacin de la Tierra), el movimiento anual del Sol hacia el este (responsable de las estaciones y que una astronoma heliocntrica lo sustituye por el de traslacin de la Tierra) y el movimiento de retrogradacin de los planetas con respecto a su movimiento orbital a lo largo de la eclptica (justificable por la combinacin de dicho movimiento orbital junto con el de traslacin de la Tierra). Si a esta profusin de movimientos aadimos el hecho de que, salvo el diurno, los restantes son aparentemente no uniformes, puede dar la impresin de que los griegos aceptaron un complejo, desordenado e irregular comportamiento del mundo celeste, incapaz de ser sometido a orden, regularidad, simetra, en definitiva, a ley. Sin embargo, nada ms lejos de la realidad. La tradicin ha plasmado en una expresin la decidida voluntad emanada de la Academia de Platn de ordenar racionalmente los cielos. Se trata del llamado problema de Platn, tambin denominado (por el propio Coprnico, por ejemplo) principio del movimiento perfecto. En virtud de dicho principio, todos los movimientos celestes, los percibamos as o no, han de ser descritos en trminos de movimientos perfectamente circulares, uniformes y regulares (la regularidad se entiende en cuanto ausencia de inversiones de sentido) o combinacin de dichos movimientos. En consecuencia, el problema de Platn no es otro que el de dar razn de los movimientos aparentemente no circulares, con variaciones de velocidad e inversiones de sentido mediante movimientos que se atengan rigurosamente al principio mencionado. Tras esta prescripcin se esconde el modo de conocimiento que caracterizar a la ciencia posterior. En efecto, el conocimiento cientfico es algo ms que la mera acumulacin de fenmenos empricos (astronmicos, pticos, elctricos, etc.); supone un modo de ordenacin de dichos fenmenos estrechamente ligado a la nocin de ley y expresable en trminos matemticos. Hacer ciencia es formular matemticamente leyes de la mxima generalidad posible, las cuales no siempre se muestran espontneamente a la observacin Cuanto ms sofisticada es una disciplina cientfica, ms lejos se halla de la experiencia inmediata, lo que por supuesto no implica negar el fundamental papel de la contrastacin emprica. En ese sentido, hay que reconocer la admiracin y el asombro que produce la astronoma geomtrica griega, sin la cual no puede comprenderse la historia de la ciencia posterior. Desde los tiempos de Eudoxo en el siglo IV a. C., la tarea del astrnomo griego no fue otra que la construccin de modelos geomtricos aptos para describir los movimientos celestes conforme al principio del movimiento perfecto, tomando para ello como base esferas en rotacin con un nico centro (Eudoxo, Polemarco, Calipo) o crculos mviles concntricos o excntricos y con diferentes centros (Apolonio de Perga, Hiparco de Rodas, Ptolomeo de Alejandra).Coprnico, por su parte, hizo ntegramente suyos los preceptos que, desde Platn, haban presidido el desarrollo de la astronoma planetaria. As, por ejemplo, en el captulo 4 del Libro I de su De Revolutionibus afirma lo siguiente: el movimiento de los cuerpos celestes es regular, circular y perpetuo, o compuesto por movimientos circulares. Y en la pgina siguiente aade que la mera posibilidad de que un cuerpo celeste recorra su rbita con movimiento no uniforme repugna a la inteligencia, o sea, es completamente irracional. Partiendo de estas premisas perfectamente ancladas en la tradicin, el astrnomo polaco se propuso construir una nueva astronoma que no adoleciera de los mismos problemas que las de sus antecesores. La teora de esferas homocntricas, pese a que haba tenido algunos partidarios en la Edad Media, en modo alguno poda equipararse a la de los ptolemaicos en cuanto a rigor y exactitud se refiere. De hecho, ya los griegos desde finales del siglo IV a. C. haban comprendido que resultaba extremadamente difcil poder dar razn de las apariencias celestes con la sola combinacin de esferas concntricas en rotacin. Otra cosa era cuando se trataba de describir cosmolgicamente la forma del mundo. Entonces, tanto en la Antigedad griega como en la Edad Media se acudi a una representacin simplificada de las esferas, que incluso permita a los cristianos medievales ubicar espacialmente el Paraso, el Purgatorio y el Infierno, tal como Dante nos muestra en su Divina Comedia. Los astrnomos ptolemaicos, por su parte, haban construido un tipo de geometra enteramente diferente basada en la utilizacin de decenas de crculos, pero sin pretender que todos ellos fueran compatibles entre s o tuvieran realidad fsica, segn ha sido dicho ya. Este planteamiento es el que iba a experimentar un giro inesperado por
32
Visin Politcnica
obra y gracia de Coprnico. En efecto, la atribucin a la Tierra del doble movimiento de traslacin y rotacin traera consigo una simplificacin del nmero de movimientos celestes, lo que permitira aunar ambos planteamientos bajo la presencia dominante (aunque no exclusiva) de las esfera. Resumiendo, con Coprnico reencontramos la teora de las esferas homocntricas tambin desde la perspectiva astronmica, si bien en el centro comn a todas ellas est el Sol, y no la Tierra. Pese a los esfuerzos de muchos filsofos e historiadores de la ciencia por presentarnos la contribucin de este astrnomo como el primer captulo de la astronoma moderna, a la vista de lo expuesto ms bien habra que concluir que nos hallamos ante los epgonos del cosmos alumbrado por los griegos y presidido por la armona de orbes celestes en rotacin. Qu pasa despus de la llamada Revolucin Copernicana? En el lenguaje coloquial se emplea la expresin giro copernicano para aludir a una transformacin muy radical. En efecto, Coprnico imprimi una profunda modificacin a la astronoma al desplazar al observador del lugar reservado para la pesada Tierra, el centro de la esfera estelar, y situarla en la posicin que antes ocupaba el Sol (entre Venus y Marte). La Tierra haba pasado a estar suspendida de los cielos. Ahora bien, acaso no constatamos empricamente que una cosa es la plataforma que pisamos y otra muy distinta la semibveda que se alza sobre nuestras cabezas? Adems, si la Tierra se moviera velozmente no debera ese movimiento ser perceptible para nosotros sus habitantes? Estos y otros interrogantes convertan la hiptesis copernicana en una novedad muy difcil de asumir por sus contemporneos, incluso al margen de las disputas bblicas. Pero la proeza del astrnomo polaco no habra sido tal si su propuesta cosmolgica no hubiera venido acompaada de la construccin de una nueva astronoma geomtrica, no menos predictiva que la anterior. Por primera vez se pona a disposicin de los expertos una descripcin cuantitativa, rigurosa y precisa (o al menos tan precisa como la ptolemaica) del comportamiento de los cuerpos celestes tomando como referencia el Sol y no la Tierra. Luego, el movimiento de la Tierra era al menos posible. Argumentos no slo astronmicos sino tambin fsicos (mecnicos) inclinarn posteriormente la balanza en favor de esta hiptesis que culminar en la teora de la gravitacin universal de Newton. A lo largo de los 144 aos que separan la publicacin de la obra de Coprnico, De RevolutionibusOrbiumCoelestium (1543), de los PhilosophiaeNaturalisPrincipia Mathematica (1687) de Newton, la concepcin del universo experimentar una profunda transformacin que definitivamente llevar a abandonar el tipo de cosmos heredado de los griegos en el que an se desenvolva el pensamiento copernicano. Desde finales del siglo XVI y a lo largo del siglo XVII gradualmente la esfera de las estrellas, que en un mundo heliocntrico ya no cumpla papel mecnico alguno (puesto que no gira ella sino el observador), comenz a ser cuestionada hasta desaparecer y permitir que las estrellas se diseminaran en un espacio vaco infinito, tal como lo concibi (no por primera vez) Newton. La misma suerte corrieron las antiguas esferas cristalinas, todava mantenidas por Coprnico, que transportaban a los planetas en su cara interna. As, las rbitas planetarias pasaron a ser la trayectoria descrita en el espacio por un cuerpo celeste, en vez de asociarse a cuerpos slidos fsicamente existentes. Por otro lado, desde principios del siglo XVII el telescopio permiti aumentar el nmero de satlites, evitando la situacin de excepcionalidad que la Luna tena en Coprnico (nico cuerpo que no giraba alrededor del Sol). En cuanto a los cometas, dejaron de ser fenmenos meteorolgicos que acontecen entra la Luna y la Tierra para convertirse en los ms viajeros integrantes del sistema solar, capaces de rebasar sus lmites y describir gigantescas rbitas comparadas con las de los planetas. Tambin el Sol modific su estatuto puesto que se transform en algo que nunca antes haba sido en la astronoma ptolemaica ni en el propio Coprnico: una estrella entre otras muchsimas, alrededor de la cual giran los planetas. Haba otros mundos como el nuestro? Podran estar habitados? En este punto barrocos e ilustrados dieron rienda suelta a una imaginacin que durante muchos siglos no haba sido estimulada debido a la conviccin antigua y medieval de que exista una sola Tierra alrededor de la cual giraban los cinco nicos planetas existentes, adems del Sol, la Luna y una infinidad de estrellas equidistantes de ella que en ningn caso eran concebidas como otros soles en torno a los cuales girasen desconocidos planetas. En resumen, mucho habran de variar las cosas tras la publicacin del De Revoltionibus desde el punto de vista astronmico, cosmolgico y fsico. Concretamente en astronoma, en la medida en que Coprnico segua concibiendo rbitas circulares y movimientos angulares uniformes, no fue fcil lograr un grado de precisin mucho
La teora de esferas homocntricas, pese a que haba tenido algunos partidarios en la Edad Media, en modo alguno poda equipararse a la de los ptolemaicos en cuanto a rigor y exactitud se refiere.
33
Visin Politcnica
mayor que el ya alcanzado por sus antecesores, y ello gracias al recurso a herramientas de cmputo ptolemaicas (crculos epicclicos, deferentes, etc.) a las que este autor se vio obligado an a recurrir pese a su decidida opcin por las esfricas concntricas al Sol. De hecho, hasta la formulacin por Kepler de lo que conocemos como primera y segunda ley de los movimientos planetarios, esas herramientas geomtricas no desaparecieron por completo de la astronoma. En cosmologa ya se ha aludido a algunas de las modificaciones por venir. Finalmente, la fsica aristotlica definitivamente result incompatible con una Tierra mvil. Nuevos planteamientos debern abrirse camino en la obra de Johanes Kepler (quien vivi de una forma desaforada, acosado por la pobreza, por el conflicto catlico-protestante, que hizo que su obra no tuviera el respaldo econmico como con el que cont Coprnico, pero gracias a l, se cambi el punto de vista copernicano en torno a las rbitas celestes, todava circulares, por las elpticas); de Galileo (quien present una firme defensa de la ciencia ante la Inquisicin, obligndolo a callar y morir en el silencio, pero que nos dej como legado y norma que la ciencia sin experimentacin, no se le puede llamar como tal), en la primera mitad del siglo XVII, hasta desembocar en los PhilosophiaeNaturalis Principia Mathematica de Newton de la segunda mitad del mencionado siglo. Nicols Coprnico, Johanes Kepler, Galileo Galilei, Isaac Newton, pueden y deben ser definidos como uno de los gigantes de la ciencia. Los que hemos seguido sus pasos en la aventura matemtica en pro de la ciencia y tecnologa, vamos mirando el mundo desde sus hombros, es decir, desde sus aportes. A ellos, hay que agregar a Albert Einstein (quien, de ser un don nadie, o sea, un humilde oficinista en Alemania, pasara a ser la referencia obligada a partir de 1915, cuando se demuestra que la luz del sol, tuerce la luz de las estrellas, Einstein afirmaba el tiempo y espacio estaban inextricablemente interconectados). Finalmente, debemos decir que A hombros de gigantes, es un libro que bien podramos llamar como una pieza nica, dado su contenido y por quien lo ha compilado. En efecto, el gran cientfico Stephen Hawking ha reunido en l, por primera vez en la historia de la edicin, las cinco obras que a su juicio representan el canon de la cultura universal en el campo de la Fsica y la Astronoma y ha escrito una introduccin a cada una, explicando lo que han significado para la ciencia, vinculndolas entre s y ofrecindonos cinco soberbios retratos de los genios que las escribieron: Nicols Coprnico, Sobre las revoluciones de las esferas celestiales Galileo Galilei, Dilogos sobre las dos ciencias Johannes Kepler, Armona del mundo Isaac Newton, Principia Albert Einstein, El principio de la relatividad En su conjunto, estas obras, escritas por los mayores pensadores de la historia de la Humanidad, constituyen un tesoro de conocimientos cientficos que nadie puede ignorar. Son las piedras miliares de la ciencia moderna que nos ensean cmo cada uno de los grandes hombres que las escribieron construy sus teoras a partir de las contribuciones geniales de sus predecesores, en una cadena de gigantes de la inteligencia que llega hasta nuestros das con el propio Stephen Hawking, el gran fsico terico ingls autor de los best-sellers mundiales Historia del tiempo y El Universo en una cscara de nuez.
Nicols Coprnico, Johanes Kepler, Galileo Galilei, Isaac Newton, pueden y deben ser definidos como uno de los gigantes de la ciencia.
34
Visin Politcnica
El Espacio Comn de la Educacin Superior Tecnolgica (ECEST), conformado porlos tres Subsistemas de Educacin Superior Tecnolgica (los Institutos Tecnolgicos, las Universidades Politcnicas y las Universidades Tecnolgicas), tiene como objetivo establecer un espacio integrado que permita el intercambio y la cooperacin, para elevar la calidad de la educacin en beneficio de la comunidad estudiantil y acadmica. A travs de la Comisin de Mejoramiento del Profesorado del ECEST se desarrollan y consolidan actividades acadmicas que, entre otros aspectos, promueven los estudios de posgrado, como la Maestra en Enseanza de las Ciencias. Este Programa se ha desarrollado en modalidad mixta (presencial y en lnea) con una duracin de seis cuatrimestres y est enfocado al estudio de una de las reas temticas del Proceso Enseanza Aprendizaje de Fsica, Qumica, Matemticas o Biologa. Estos estudios permitirn: planear y disear ambientes de aprendizaje desde una perspectiva interdisciplinar para desarrollar un pensamiento integrador y creativo en los educandos; promover la realizacin de experimentos de alto impacto didctico, capaces de atraer la atencin del alumno como punto de partida para el aprendizaje, con recursos materiales de fcil adquisicin e incorporar las nuevas tecnologas de informacin y comunicacin en la enseanza de las ciencias.
Inters en la docencia e investigacin educativa. Utilizar tcnicas autodidactas que le permitan aprender a Habilidades para el estudio independiente, autogestin y Uso y manejo de herramientas ofimticas (paquetera de
aprender.
trabajo colaborativo.
Word, Excel,PowerPoint, correo electrnico e internet).
Perfil de Egreso: El maestro en enseanza de las ciencias ser capaz de: Aplicar las estrategias de enseanza- aprendizaje para el desarrollo de su labor docente incorporando el uso de nuevas tecnologas para la educacin. Disear experiencias de aprendizaje significativo, dentro y fuera del aula, que faciliten la generacin de conocimiento. Aplicar las metodologas de investigacin educativa para identificar e implementar las actividades docentes que mejoren el desempeo acadmico. Los aspirantes debern sujetarse al siguiente procedimiento:
Copia simple del Ttulo y Cdula Profesional de Currculum vitae. Carta de exposicin de motivos para el ingreso al Carta de postulacin firmada por el titular de la Carta compromiso del alumno para dedicacin al Dems documentos y requisitos que solicite la
1. Entregar documentos de pre-registro

licenciatura afn al programa. posgrado.
Objetivo general:
institucin de origen. programa.
Formar profesores competentes en el diseo e implementacin de ambientes de aprendizaje cientficotecnolgico que permitan el desarrollo de las competencias establecidas en las asignaturas de las reas de Matemticas, Biologa, Fsica y Qumica, utilizando metodologas de investigacin educativa.
institucin sede.
Perfil de Ingreso:
inters en las reas de Matemticas, Fsica, Qumica o Biologa. Manejo de las nuevas tecnologas de informacin y comunicacin.
Profesor adscrito a los subsistemas participantes, con
El curso propedutico se desarrollar bajo la modalidad en lnea y tendr una duracin de 60 horas distribuidas en seis semanas, el cual permitir la elaboracin de un protocolo de investigacin educativa en el rea de Matemticas, Fsica, Qumica o Biologa.
2. Cursar el propedutico
35
Visin Politcnica
Al finalizar el curso el aspirante dispondr de una semana adicional para entregar el protocolo al que hace referencia el prrafo anterior. Fecha de inicio: del 16 de enero al 24 de febrero.

Universidad Politcnica de Tulancingo. Mtra. Amparo Nidia Castillo Santos. Directora de Generacin de Aplicacin del Conocimiento. acastillo@upt.edu.mx Universidad Politcnica del Estado de Morelos Mtra. Silvia Melbi Gaona sgaona@upemor.edu.mx Universidad Tecnolgica de Aguascalientes Mtro. Pablo de Jess Medina Llamas, Secretario Acadmico pmdina@utags.gob.mx Universidad Tecnolgica de la Riviera Maya Mtro. Gustavo Silva Mendoza Coordinador Acadmico de la UT de la Riviera Maya gustavo.silva@utrivieramaya.edu.mx Universidad Tecnolgica de Tabasco Mtro. Juan Ismael Ledesma Herrera clasificado_spt@hotmail.com
3. Cumplir con los requisitos de Ingreso
Aprobar el curso propedutico. Realizar entrevista con los miembros del Comit de Ingreso correspondiente. Presentar la documentacin correspondiente en original.
Interesados registrarse del 14 al 30 de Noviembre de 2011.} Periodo de evaluacin y entrevistas a aspirantes: del 5 al 30 de marzo de 2012. Publicacin de resultados: 2 de abril de 2012. Inscripciones: 03 al 13 de abril. Inicio del primer cuatrimestre: 30 de abril al 10 de agosto. Posibilidad de beca de movilidad del ECEST, en la categora de alumno. Para mayor informacin visite la pgina http://www.ecest.gob.mx/ o comunquese con los contactos de las sedes: Instituto Tecnolgico de Ciudad Guzmn. Dr. Guillermo De Anda Rodrguez. Sub Director Acadmico. guillermo.deanda@gmail.com Universidad Politcnica de Aguascalientes. Dr. Marco Paz Ramos. Encargado de Investigacin y Posgrado. marco.paz@upa.edu.mx Universidad Politcnica de Baja California. Dr. Abelardo Mercado Herrera. Secretario Acadmico amercadoh@upbc.edu.mx Universidad Politcnica de Pachuca. Dr. Marco Flores Gonzlez. Encargado de Investigacin y Posgrado. flores@upp.edu.mx Universidad Politcnica de Puebla. Dr. Miguel ngel Celis Flores. Secretario Acadmico. macelis@uppuebla.edu.mx Dr. Antonio Bentez. Encargado de Posgrado. abenitez@uppuebla.edu.mx Universidad Politcnica de Sinaloa. Mtro. Jos Isidro Osuna Lpez. Secretario Acadmico josuna@upsin.edu.mx
36

Revista Vision Politecnica

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Revista Vision Politecnica

Cargado por

Copyright:

Formatos disponibles

Ao 6/ Nm.

Comparacin de algoritmos de aprendizaje automtico para la clasificacin de datos

Generacin de calor por induccin magntica

Robtica reactiva a travs de una herramienta grfica de simulacin

Galilei, el gran rebelde

Ao 6/ Nm. 2 Julio-Diciembre 2011

Ao 6/ Nm. 2 Julio-Diciembre 2011

Acerca de los sistemas

Ao 6/ Nm. 2 Julio-Diciembre 2011

Marbeteado en el fenmeno de los grupos delincuenciales

Agregacin en el fenmeno de los grupos delincuenciales

Ao 6/ Nm. 2 Julio-Diciembre 2011

La no-linealidad en el fenmeno de los grupos delincuenciales

Ao 6/ Nm. 2 Julio-Diciembre 2011

C(t + 1) = C(t ) dC(t ) + bC(t ) + r[eC(t )U (t )]

Los flujos en el fenmeno de los grupos delincuenciales

Ao 6/ Nm. 2 Julio-Diciembre 2011

Sustituyendo en (8) el valor de 0.5 analizado anteriormente obtenemos:

VIOLACIN DEL PROCESO

ESTIMACIN DE ALTO VALOR ECONMICO DEL PROCESO EN LA COMISIN DE UN ACTO DE CORRUPCIN

La diversidad en el fenmeno de los grupos delincuenciales

Ao 6/ Nm. 2 Julio-Diciembre 2011

Disposicin del mecanismo de anticipacin.

Gran cmulo de informacin proveniente del entorno. Seleccin de patrones.

Cambios en la estructura interna.

Figura 2. Ciclo para la creacin de modelos internos.

Los modelos internos en el fenmeno de los grupos delincuenciales

Comisin del acto delincuencial. Cambio en la estructura interna.

Estimacin de alto valor econmico en la comisin de un acto delincuencial.

Informacin sobre el valor econmico de un acto delincuencial y memoria de experiencias.

Seleccin del patrn.

Ao 6/ Nm. 2 Julio-Diciembre 2011

Los bloques de construccin en el fenmeno de los grupos delincuenciales

Ao 6/ Nm. 2 Julio-Diciembre 2011

Ao 6/ Nm. 2 Julio-Diciembre 2011

Comparacin de algoritmos de aprendizaje automtico para la clasificacin de datos

Ao 6/ Nm. 2 Julio-Diciembre 2011

2.1 Algoritmos de aprendizaje automtico

Figura 1. Proceso para aprender la tarea de reconocer la letra B.

Ao 6/ Nm. 2 Julio-Diciembre 2011

Figura 2. Mdulos que integran a Weka.

Ao 6/ Nm. 2 Julio-Diciembre 2011

3.2 Creacin de archivos .arff

3.1 Seleccin de datos

Figura 4. Estructra de un archivo .arff.

3.1 Clasificacin de datos con Weka

Tabla 1. Conjuntos de datos usados en los experimentos.

Ao 6/ Nm. 2 Julio-Diciembre 2011

Ao 6/ Nm. 2 Julio-Diciembre 2011

Ao 6/ Nm. 2 Julio-Diciembre 2011

Generacin de calor por induccin magntica

Obedca@uppuebla.edu.mx, zagoyami@hotmail.com, ingvicente_11@live.com.mx, ingmlsc_@hotmail.com

2. Principio de induccin magntica

Ao 6/ Nm. 2 Julio-Diciembre 2011

Figura 1. Efecto Joule.

4. Componentes del calentamiento por induccin magntica

6. Diseo y construccin del prototipo

Ao 6/ Nm. 2 Julio-Diciembre 2011

Figura 4.Diagrama a bloques del prototipo.

T final = 19.299 + 22 = 41.299 C

8. Prueba fsica del diseo

Ao 6/ Nm. 2 Julio-Diciembre 2011

Figura 5. Temperatura obtenida en la prueba fsica.