Paradigma hacia el diseño y desarrollo de algoritmos y sistemas de control para clonación artificial en procesos industriales

Autores/as

  • Jairo Amador Fundación Universitaria Juan de Castellanos
  • Wilman Pineda Fundación Universitaria Juan de Castellanos

Resumen

Haciendo uso de la tecnología inteligente basada en la lógica difusa, las redes neuronales y los algoritmos genéticos, se pretende plantear un paradigma para la clonación artificial de dispositivos en procesos industriales, específicamente para sensores, los cuales deberán replicar las mismas o mejores funciones de los dispositivos reales mediante la evolución de su comportamiento.

Biografía del autor/a

Jairo Amador, Fundación Universitaria Juan de Castellanos

Maestría en Ciencias de la Computación (c), Universidad Autónoma de Bucaramanga. Instituto Tecnológico y de Estudios Superiores de Monterrey. Esp. en Telemática, Universidad de Boyacá. Ingeniero de Sistemas, Universidad Antonio Nariño. Lic. en Matemáticas y Física, Universidad Pedagógica y Tecnológica de Colombia. Profesor tiempo completo, Fundación Universitaria Juan de Castellanos.

Wilman Pineda, Fundación Universitaria Juan de Castellanos

Maestría en Ciencias de la computación (c) UNAB Instituto Tecnológico y de Estudios Superiores de Monterrey. Ingeniero Electrónico, UPTC. Profesor tiempo completo, Fundación Universitaria Juan de Castellanos.

Referencias bibliográficas

ADAMI, C. (1994). Learning and complexity in genetic autoadaptive systems. California Institute of Technology.

AIZAWA, A. (1998). In Foundations of Genetic Algorithms. Morgan Kaufmann.

DAVIS, L. (1991). Handbook of Genetic Algorithms. New York: Van Nostrand Reinhold.

DORIGO, M., Maniezzo, V. (1993). Parallel Genetic Algorithms: Theory and Applications. Amsterdam, lOS Press.

DORSEY, R. E., Johnson, J.D., & Mayer, W. J. (1994). The genetic adaptive neural network training (GANNT) algorithm for generic feedforward artificial neural systems (Technical Report). University, MS: The University of Mississippi.

GOLDBERG, D.E. (1989). Genetic Algorithms in Search, Optimization & Machine Learning. Reading: Addison-Wesley.

GOLDBERG, D.E. (2001). Genetic Algorithms. Reading: Addison-Wesley.

HOLLAND, J. H. (1987). Genetic algorithms and classifier systems: Foundations and future directions. Proceedings of the Second International Conference on Genetic Algorithms. Erlbaum Associates.

HOLLAND, J.H. (1992). Adaptation in Natural and Artificial Systems. Second edition. Cambridge: MIT Press.

MARTIN DEL BRIO, B., £ SANZ, M.A. (2002). REDES NEURONALES Y SISTEMAS DIFUSOS. Reading: Alfaomega, Edición segunda.

MUÑOZ, A. F. (1998). Aplicación de los algoritmos genéticos en la identificación y control de bioprocesos por clonación artificial. IEEE Transactions on Systems, Man, and Cybernetic V 19 No. 2 58-76.

MUNOZ, A. F. (2000). Tecnología de clonación artificial on-line de sensores y controladores. Oficina Internacional de Invenciones, Patentes y Marcas, República de Cuba. Registros No. 7-789735.

MUNOZ, A.F. (2001). Equipo de control genético de la composición en medias continuos on-line. Oficina Internacional de Invenciones, Patentes y Marcas, Republica de Cuba. Registros No. 7•789734.

MITCHELL, M. (2002). An Introduction To Genetic Algonthms. Eight edition. Cambridge: MIT Press.

PARK, Y. J., Cho, H. S., £ Cha, D. H. (1995). Genetic algorithm based optimization of fuzzy logic controller using characteristic parameters. In 1995 IEEE International Conference on Evolutionary Computation, IEEE Service Center.

Cómo citar

Amador, J., & Pineda, W. (2004). Paradigma hacia el diseño y desarrollo de algoritmos y sistemas de control para clonación artificial en procesos industriales. Cultura Científica, (2), 66–72. Recuperado a partir de https://revista.jdc.edu.co/index.php/Cult_cient/article/view/486

Descargas

Los datos de descargas todavía no están disponibles.

Descargas

Publicado

2004-10-25

Número

Sección

Artículo de Investigación Científica y Tecnológica