Descargar

Modelado de sistemas de complejidad en ciencias sociales y políticas públicas (página 2)

Enviado por Pablo Turmero


Partes: 1, 2, 3
edu.red

17 Reconocimiento gestáltico de patrones Pawan Sinha: Ineficiencia del método por piezas tradicional

Identikits de Bill Cosby, Tom Cruise, Ronald Reagan y Michael Jordan

edu.red

18 Reconocimiento (gestáltico) de rostros Y a la inversa, eficiencia del reconocimiento humano aún en casos de ruido

Habitualmente muchos pueden reconocer al príncipe Carlos, Woody Allen, Bill Clinton, Saddam Hussein, Richard Nixon y Ladi Di Inmensa importancia estratégica del reconocimiento automático.

edu.red

19 Red neuronalUsos de redes neuronales en minería de gestión

edu.red

20 Conclusiones provisionales Algunas problemáticas de gestión y políticas públicas responden al principio analítico Problemas lineales de capacidad de tráfico Problemas que admiten análisis y composición Otras, en cambio, necesitan aproximaciones holísticas Establecer el parecido entre dos mapas o territorios Generalizar Reconocer un patrón global Data mining, knowledge discovery, aprendizaje de máquina Una proporción creciente requiere modelado complejo, o una combinación de modelos

edu.red

21 Tipos de algoritmos complejos Dinámica no lineal – Caos determinista Sistemas complejos adaptativos Autómatas celulares Modelado basado en agentes Vida artificial Sociedades y culturas artificiales Dimensión & Geometría fractal Metaheurísticas evolucionarias Algoritmo genético, algoritmo cultural Inteligencia de enjambre Colonia de hormigas Simulación de templado Búsqueda tabú Gramáticas recursivas complejas – Sistemas-L Redes complejas Sintaxis espacial

edu.red

22 Propiedades de los fenómenos complejos Procesos dinámicos, no sólo estructurales Sensitividad extrema a las condiciones iniciales (caos determinista) Fractalidad – Autosimilitud Independencia de escala (ley de potencia) Impenetrables a la estadística convencional Propiedades emergentes Transiciones de fase Refractarios al sentido común

edu.red

23 Distribución normal Cerca del 68% del conjunto se encuentra a 1 desviación estándar de la media, 95 a 2 y 99,7 a 3 Las desviaciones que excedan 2 veces la DE se considerarán significativas Regla de 68-95-99,7 Mal llamada “curva de Bell”

edu.red

24 Mandelbrot & Hudson

edu.red

25 Ley de potencia Independiente de escala = No hay valores normales, ni una media, ni una escala característica La dispersión de los valores puede ser de orden astronómico

edu.red

26 Escenarios independientes de escala Leyes de Pareto, Gutenberg-Richter, Omori, Zipf, Richardson Citas bibliográficas entre miembros de la comunidad académica, colaboraciones en reportes de investigación Relaciones sexuales (!!), agendas telefónicas Nexos sintácticos entre palabras en un texto o discurso Clientelismo, influencia Alianzas tecnológicas Relaciones entre actores de cine Sinapsis neuronales Contactos entre personas de una organización Cadenas alimentarias Conexiones entre organismos vinculados al metabolismo o proteínas reguladoras Propagación de enfermedades y virus informáticos Alternativa al concepto de epidemiología de las representaciones (Dan Sperber)

edu.red

27 Complejidad no es… Un paradigma envolvente Una “teoría” o conjunto de “teorías” Es independiente de objeto y de marco teórico Termodinámica y estructuras disipativas (Prigogine) Una ciencia posmoderna Investigación social de segundo orden Autopoiesis Modelo de estasis, especificidad biótica (reduccionismo), confusión entre cognición y lenguaje, inexistencia de herramientas concomitantes, constructivismo No tiene presencia en ciencia cognitiva, en sistemas complejos adaptativos o en biología Numerosidad, incertidumbre y azar Indeterminismo: Caos determinista

edu.red

28 Complejidad no implica… Sólo complejidad desorganizada Encontrar “fractales” en patrones de asentamiento o en motivos ornamentales La negación o superación de los modelos mecánicos o estadísticos Cuantificación extrema Estadísticas multivaluadas El pensamiento de la complejidad de Edgar Morin

edu.red

Dinámica no lineal

edu.red

30 Ecuación logística

Xt+1 = k * xt * (1 – xt) X: Población – entre 0 y 1 K: Tasa de crecimiento – entre 0 y 4

edu.red

31 Ecuación logística Modelo poblacional Alternativa a ecuación de Malthus Ecuación de Verhulst Otras aplicaciones: gotas a chorros, comportamiento de gases, motines, catástrofes, sucesión de estados climáticos (sequías, corrientes marinas) Atractor de punto fijo Atractor periódico Aperiodicidad (caos determinista) Atractor de Lorenz Período 3 implica caos Irreversibilidad Conociendo una serie tan larga como se quiera, no se puede predecir el valor siguiente (Bateson)

edu.red

32 Ejercicios Dinámica no lineal: Chaos for Java > Bifurcation diagrams > Logistic map

edu.red

33 Bifurcación de Feigenbaum

edu.red

34 Constante universal de Feigenbaum Bifurcación Camino hacia el caos Duplicación de períodos 4.6692016090… ¿Ley de Moore? Experiencia de Hoggard

edu.red

35 Número de Feigenbaum(Nick Hoggard)

edu.red

36 Ley de Moore – Loglineal

edu.red

37 Relación entre mapa logístico y Mandelbrot/Buddhabrot* El conjunto de Mandelbrot (z2+c) y el mapa logístico se vinculan mediante una transformación cuadrática Melinda Green descubrió por accidente que el Buddhabrot se integra a la ecuación cuadrática por completo **

edu.red

38 Atractores Atractor de punto fijo Atractor periódico Atractor de torus o semi-periódico Atractor extraño (Ruelle) o de mariposa Atractor de Lorenz (*Chaos for Java) Dimensión 2.05 (en 3D): 0 volumen, superficie infinita Ergodicidad: cubre la región, pero no pasa por el mismo estado más de una vez

edu.red

39 Ejercicios Chaos for Java > ODE orbits > Lorenz

edu.red

Criticalidad auto-organizada*

Partes: 1, 2, 3
 Página anterior Volver al principio del trabajoPágina siguiente