Modelo matemático sobre la cooperación

La investigación, llevada a cabo por científicos de la Universidad Carlos III de Madrid, se basa en el dilema del prisionero. Tras el estudio, la conclusión es clara: la cooperación se aprende, sobre todo con práctica. Parece que se hace realidad ese dicho que si tú tratas bien, te tratarán bien. El trabajo se publica en la revista Journal of the Royal Society Interface.cooperacion Read More

Actividad cerebral en el coma profundo

Detectan actividad cerebral en el coma profundo asociado con encefalograma plano.

 

Investigadores de la Universidad de Montreal, en Canadá, y colegas encontraron actividad cerebral más allá de una línea plana de electroencefalograma (EEG), que han llamado Nu-complejos. Read More

¿Por qué los bancos contratan neurólogos?

cerebro_socialLos expertos en neurología social entran en las empresas para hablar a sus empleados de la implicación de esta ciencia en los negocios y de cómo influye en la motivación, los prejuicios y la cooperación. Read More

Intercambio económico y ecuación de Boltzmann

An important class of economic models involve agents whose wealth changes due to transactions with other agents. Several authors have pointed out an analogy with kinetic theory, which describes molecules whose momentum and energy change due to interactions with other molecules. 

pareto eeuu economic Read More

Diferencia entre complejo y complicado

Last week I listened to a panelist speak about the future of digital marketing. His opening remarks—“the world is a complex place” and later “the world is complicated”—were familiar, but I wondered what they meant.

When we say that something is “complicated” we’re usually venting about decision fatigue—what used to take one step now takes five. Think about watching TV today versus fifty years ago. In 1964, there were a few channels and to pick from. Today we plug in Apple TV or Xbox One to watch shows on demand. We need to pick between different payment options, provide credit card information and remember passwords. Read More

Historia redes neuronales

UN POCO DE HISTORIA

Desde la década de los 40, en la que nació y comenzó a desarrollarse la informática, el modelo neuronal la ha acompañado. De hecho, la aparición de los computadores digitales y el desarrollo de las teorías modernas acerca del aprendizaje y del procesamiento neuronal se produjeron aproximadamente al mismo tiempo, a finales de los años cuarenta. Read More

Sistemas dinámicos en el premio «nobel» de las matemáticas

El ruso Yakov G. Sinai ha sido distinguido hoy con el premio Abel, considerado el «Nobel» de las matemáticas, por «sus contribuciones fundamentales a los sistemas dinámicos, la teoría ergódica y la física matemática».

Yakov Sinai-Premio Abel

“Sinai es una figura capital en el desarrollo de la comprensión del caos y la turbulencia en sistemas dinámicos”, señala Daniel Peralta, investigador del ICMAT.  El Comité del premio destaca el amplio y profundo impacto de las obras de Sinai en matemáticas y física, y en la interacción de estos dos campos.

Read More

Book: Business Dynamics

Accelerating economic, technological, social, and environmental change challenge managers and policy makers to learn at increasing rates, while at the same time the complexity of the systems in which we live is growing. Many of the problems we now face arise as unanticipated side effects of our own past actions. All too often the policies we implement to solve important problems fail, make the problem worse, or create new problems.

Read More

Redes neuronales

Las redes neuronales son un elemento importante de las denominadas tecnologías de Inteligencia Artificial (IA).

La IA es «la disciplina científica y técnica que se ocupa del estudio de las ideas que permiten ser inteligentes a los ordenadores» (definición de H. Winston).

Otra posible definición de la IA sería: rama de la computación que se encarga, entre otras cosas, de los problemas de percepción, razonamiento y aprendizaje en relación con sistemas artificiales, y que tiene como áreas de investigación a los sistemas expertos y de conocimiento, la robótica, los lenguajes naturales y las redes neuronales.

Y a pesar de que el objetivo final de la IA, dotar de autentica inteligencia a las máquinas, queda todavía muy lejos (e incluso hay autores que defienden que esto nunca será posible), la ciencia de laInteligencia Artificial ha generado numerosas herramientas prácticas, entre las que se encuentran las redes neuronales.

Las redes neuronales, también llamadas «redes de neuronas artificiales«, son modelos bastante simplificados de las redes de neuronas que forman el cerebro. Y, al igual que este, intentan «aprender» a partir de los datos que se le suministran.Red neuronal Read More

Índice calidad democrática

INDICE DE CALIDAD DEMOCRÁTICA (I)

«Nabucco Center estudia la modelización de un índice de calidad democrática que sirva a valoraciones de tipo políticas, sociológicas y económicas fundamentalmente»

   La “calidad de la democracia” es una noción que se ha incorporado recientemente al lenguaje científico y que ha revigorizado el debate teórico de la democracia en la ciencia política. En concreto, es un término que “comienza a abrirse paso hace apenas una década”, pero que se distingue por su “carácter complejo”, ya que en él se suelen integrar “visiones dispares del concepto de democracia” (Alcántara, 2009: 13).

   Por ello, en esta perspectiva teórica no solo se abordan losaspectos procedimentales o institucionales de la democracia, sino también los valorativos y de resultados.

   Morlino (2005; 2007) se ha aventurado a definir la “buena democracia” o la democracia de calidad como “esa ordenación institucional estable que a través de instituciones y mecanismos que funcionan correctamente, realiza la libertad y la igualdad de los ciudadanos” (Morlino, 2005: 260; 2007: 5).

   Diamond y Morlino (2004: 21) han profundizado en esta definición al especificar que el concepto de calidad se puede vincular a tres dimensiones: al procedimiento, por lo que un producto de calidad es el resultado de un proceso riguroso de acuerdo con un protocolo preciso; al contenido, es decir, a las características estructurales del producto; a los resultados, al grado de satisfacción de los usuarios. Estas tres vertientes de la calidad son aplicables a la teoría de la democracia.

 

 

Gestionar la complejidad, la nueva frontera del management

Una de las nuevas fronteras del management será la gestión de la complejidad en unas organizaciones que son más poliédricas, que se mueven en contextos de cambio acelerado, y en escenarios de comunicación con multiplicidad de interlocutores significativos.

¿Las organizaciones y su gestión son realmente hoy más complejas? En buena medida, sí. Los factores que incrementan la complejidad de las organizaciones son diversos.

Read More

El coeficiente de agrupamiento

El coeficiente de agrupamiento (mencionado en la literatura también como clustering coefficient) de un vértice en un grafo cuantifica qué tanto está de agrupado (o interconectado) con sus vecinos. Se puede decir que si el vértice está agrupado como un clique (grafo completo) su valor es máximo, mientras que un valor pequeño indica un vértice poco agrupado en la red. Duncan J. Watts y Steven Strogatz fueron los primeros en idear este coeficiente, en 19981 para determinar si un grafo es una red de mundo pequeño. Se suele representar formalmente como C_i. En algunas ocasiones dentro del mundo de la teoría de redes se denomina a este coeficiente también como transitividad

.

Investigan sistemas complejos neuronales

Investigadores de la Universidad de Sevilla aplican las matemáticas a la neurociencia

 

Miembros del grupo Investigación en Sistemas Dinámicos en Ingeniería de la Universidad de Sevilla han publicado recientemente un artículo científico sobre la Teoría de Melnikov aplicada a sistemas híbridos planos y que les ha otorgado el reconocimiento de la comunidad científica internacional además de abrir nuevos vías de investigación en el campo de la medicina.

En concreto, el profesor Jonathan E. Rubin, perteneciente al Departamento de Matemáticas de la Universidad de Pittsburgh (Pensilvania, EEUU) junto a otro grupo de profesores, se ha interesado por la aplicación de los sistemas dinámicos lineales a trozos e híbridos en el estudio de los mecanismos neuronales en la locomoción. Read More

Redes neuronales complejas

Una red neuronal se compone de unidades llamadas neuronas. Cada neurona recibe una serie de entradas a través de interconexiones y emite una salida. Esta salida viene dada por tres funciones:

  1. Una función de propagación (también conocida como función de excitación), que por lo general consiste en el sumatorio de cada entrada multiplicada por el peso de su interconexión (valor neto). Si el peso es positivo, la conexión se denomina excitatoria; si es negativo, se denomina inhibitoria.
  2. Una función de activación, que modifica a la anterior. Puede no existir, siendo en este caso la salida la misma función de propagación.
  3. Una función de transferencia, que se aplica al valor devuelto por la función de activación. Se utiliza para acotar la salida de la neurona y generalmente viene dada por la interpretación que queramos darle a dichas salidas. Algunas de las más utilizadas son la función sigmoidea (para obtener valores en el intervalo [0,1]) y la tangente hiperbólica (para obtener valores en el intervalo [-1,1]).

Con un paradigma convencional de programación en ingeniería del software, el objetivo del programador es modelar matemáticamente (con distintos grados de formalismo) el problema en cuestión y posteriormente formular una solución (programa) mediante un algoritmo codificado que tenga una serie de propiedades que permitan resolver dicho problema. En contraposición, la aproximación basada en las RNA parte de un conjunto de datos de entrada suficientemente significativo y el objetivo es conseguir que la red aprenda automáticamente las propiedades deseadas. En este sentido, el diseño de la red tiene menos que ver con cuestiones como los flujos de datos y la detección de condiciones, y más que ver con cuestiones tales como la selección del modelo de red, la de las variables a incorporar y el preprocesamiento de la información que formará el conjunto de entrenamiento. Asimismo, el proceso por el que los parámetros de la red se adecuan a la resolución de cada problema no se denomina genéricamente programación sino que se suele denominar entrenamiento neuronal.

Por ejemplo en una red que se va a aplicar al diagnóstico de imágenes médicas; durante la fase de entrenamiento el sistema recibe imágenes de tejidos que se sabe son cancerígenos y tejidos que se sabe son sanos, así como las respectivas clasificaciones de dichas imágenes. Si el entrenamiento es el adecuado, una vez concluido, el sistema podrá recibir imágenes de tejidos no clasificados y obtener su clasificación sano/no sano con un buen grado de seguridad. Las variables de entrada pueden ser desde los puntos individuales de cada imagen hasta un vector de características de las mismas que se puedan incorporar al sistema (por ejemplo, procedencia anatómica del tejido de la imagen o la edad del paciente al que se le extrajo la muestra).

Sistemas dinámicos lineales a trozos

Miembros del grupo Investigación en Sistemas Dinámicos en Ingeniería de la Universidad de Sevilla han publicado recientemente un artículo científico sobre la Teoría de Melnikov aplicada a sistemas híbridos planos que les ha otorgado el reconocimiento de la comunidad científica internacional además de abrir nuevos vías de investigación en el campo de la medicina. En concreto, el profesor Jonathan E Rubin, perteneciente al Departamento de Matemáticas de la Universidad de Pittsburgh (Pensilvania, EEUU) junto a otro grupo de profesores, se ha interesado por la aplicación de los sistemas dinámicos lineales a trozos e híbridos en el estudio de los mecanismos neuronales en la locomoción.

“Estos profesores estudian modelos que permiten describir la dinámica del sistema neuronal que controla la locomoción como sistemas dinámicos híbridos. Por este motivo, están interesados en nuestras últimas investigaciones al respecto y desean aplicar nuestros avances al estudio de este apartado de la neurociencia. Algunos de ellos también trabajan en el estudio de enfermedades neurodegenerativas como el Parkinson y, quién sabe, puede que en un futuro los éxitos en los sistemas lineales a trozos e híbridos puedan ayudar a entender mejor este tipo de enfermedades y conseguir así mejores terapias”, informa el responsable de esta investigación, el profesor de la Escuela Politécnica Superior Victoriano Carmona Centeno. Read More

Conferencias sobre complejidad en Barcelona- ECCS´13

ECCS’13 will be a major international conference and event in the area of complex systems and interdisciplinary science in general. It will offer unique opportunities to study novel scientific approaches in a multitude of application areas. Two days of the conference, 18 and 19 of September, are reserved for satellite meetings, which will cover a broad range of subjects on all aspects of Complex Systems, as reflected by the conference tracks.

Más información en:

Sistemas dinámicos

Describimos un enfoque para interpretar la realidad. Muy posiblemente no existe la que podríamos llamar «forma correcta» o «la mejor manera» de observar la realidad, puesto que es imposible señalar a una sola dirección como la mejor o la más correcta. Este enfoque tiene varios nombres, usaremos aquí el de «dinámica de sistemas» conscientes de que la palabra «sistemas» tiene diversos significados.

Filosofía de la dinámica de sistemaslorenz1

Es una manera de pensar, de cómo las cosas cambian a través del tiempo; muchos problemas y sus soluciones involucran cambios. En física, un péndulo oscila a los cambios en la posición y en su velocidad; una nave espacial acelera en respuesta a la propulsión a chorro y a la gravedad. En el medio ambiente, la polución cambia la luz solar que llega a la tierra, produciendo un cambio en el clima y la temperatura; la población crece y entonces crece la demanda de abastecimiento de agua y recursos; la sobre pesca conduce a la destrucción de los peces y colapsa la industria pesquera.

Cuando uno entiende la naturaleza básica de cómo las cosas cambian, este conocimiento es transferible a otros campos. Es entonces que los sistemas dinámicos nos entregan la movilidad entre estos campos, puesto que participan estructuras subyacentes comunes y tienen comportamientos asociados o análogos.

La dinámica de Sistemas es más que un conjunto de herramientas, puesto que entrega una filosofía y un modo de mirar el mundo para entender como el pasado nos conduce al presente y como las acciones del presente controlan el futuro, y se construye sobre la base y la experiencia de la gente, compensando la persistente costumbre de tomar decisiones basadas en modelos mentales, al considerar como interactúan las partes para constituir el todo en su evolución dinámica a través del tiempo. Los sistemas dinámicos entregan un armazón, una estructura, en la cual se puede ubicar detalladamente el conocimiento.

Y de esta forma este conocimiento es más significativo, y más recordado, si se puede interrelacionar dentro de una estructura que nos dé un significado de la vida real y para la vida real. Ejemplos de sistemas dinámicos son: Sistema Económico, Sistema Solar, Sistema de Comunicación, Sistema Fluvial, y en el cuerpo humano tenemos: el sistema óseo,
circulatorio, nervioso, etc.

School on Biological Complex Networks

                 The discovery of the laws governing the structure and dynamics of complex systems is one of the greatest challenges of modern science. These systems are characterized by the presence of different levels of self-organization, each of them determining the behavior of the next. The most important property of complex systems is the impossibility to predict their overall behavior from the knowledge of their individual properties or as if they were isolated system’s components. Understanding and predicting the behavior of these systems is of great importance in Biology since any living system is the result of the complex interaction between their fundamental components.

The Science of Complex Systems not only provides a way to answer open questions, but also promotes a new language and the introduction of concepts of great importance for the future. Read More

«Redes complejas: El mundo es un pañuelo»

«El mundo es un pañuelo», repite Bartolomé Luque, del Departamento de Matemática Aplicada y Estadística de la Universidad Politécnica de Madrid.

«La clave está en desentrañar el tamaño exacto de ese pañuelo», matiza el experto. Y claro, todo está en manos de los números.

La ponencia ‘Redes complejas: el mundo es un pañuelo’, con la que Luque continuó hace unos días el ciclo Matemáticas en Acción, desarrollado en el campus cántabro, tenía un experimento como base de su argumentación. «Un análisis con una población de más de 200 millones de personas desveló que tan solo hacían falta seis pasos intermedios para que dos personas que no se conocían de nada, conectaran. El experimento es real. Se entregó un sobre a una muestra de gente y se le dijo que tenía que llegar a otra persona. Pues tan solo hicieron falta seis pasos intermedios. El sobre paso solo por seis manos más antes de alcanzar al destinatario esperado», desvela el experto.

¿Qué aplicaciones podría tener esto? «Otro ejemplo claro lo tenemos con el modo en que funcionan las redes sociales. El mismo Facebook te ofrece posibilidades de ‘gente que quizá conozcas’. Y en los últimos años nos hemos dado cuenta de cómo funcionan estas redes de interrelación en Internet». La forma en que se propaga un virus virtual responde también a estas leyes matemáticas.

 

Fuente: Diario montañés