Significados elementales y sistémicos de una ecuación de segundo grado

El presente trabajo consistió en caracterizar los significados elementales y sistémicos a los protocolos de respuestas dadas por un estudiante sobre ecuaciones de segundo grado y los puestos de manifiesto, en relación al mismo tema, por los autores del libro de texto que se utilizó de apoyo a la enseñanza y aprendizaje. Para tal fin aplicamos la técnica del análisis semiótico, generada del modelo ontológico semiótico de la cognición e instrucción matemática (Godino, 2003 y Godino y Arrieche, 2001), que nos permitió determinar el significado institucional de referencia y el significado personal declarado. También se identificaron conflictos semióticos, es decir; discordancias entre los significados personales e institucionales.

Ecuación vectorial de una recta: una propuesta didáctica desde la teoría antropológica de lo didáctico

La presente investigación surge en el programa “perfeccionamiento en matemática para profesores de enseñanza media” realizado en el IUFM le Mirail, Universidad de Toulouse, Francia. El estudio consiste en el diseño de una propuesta didáctica para el aprendizaje de la ecuación vectorial de una recta en el espacio, en estudiantes de 16 a 18 años, el interés nace por la incorporación de estos temas en el curriculum nacional. Para el diseño de la propuesta se utiliza elementos de la Teoría Antropológica de lo Didáctico (TAD), donde se entenderá como organización matemática, a un conjunto de tipos de tareas, de técnicas o procedimientos para resolver estas tareas y de definiciones, propiedades y teoremas que permitan describir y justificar la resolución de la tarea. Entre los elementos que aportan en el surgimiento de la organización matemática, se distinguen, tipos de tareas como, establecer si puntos del plano o el espacio son colineales y determinar las condiciones para que un tercer punto sea colineal a dos puntos dados, en el plano o en el espacio.

Ion-acoustic supersolitons in plasmas with two-temperature electrons: Boltzmann and kappa distributions

Acoustic supersolitons arise when a plasma model is able to support three consecutive local extrema of the Sagdeev pseudopotential between the undisturbed conditions and an accessible root. This leads to a characteristic electric field signature, where a simple bipolar shape is enriched by subsidiary maxima. Large-amplitude nonlinear acoustic modes are investigated, using a pseudopotential approach, for plasmas containing two-temperature electrons having Boltzmann or kappa distributions, in the presence of cold fluid ions. The existence domains for positive supersolitons are derived in a methodological way, both for structure velocities and amplitudes, in terms of plasma compositional parameters. In addition, typical pseudopotentials, soliton, and electric field profiles have been given to illustrate that positive supersolitons can be found in the whole range of electron distributions from Maxwellian to a very hard nonthermal spectrum in kappa. However, it is found that the parameter ranges that support supersolitons vary significantly over the wide range of kappa considered. VC 2013 AIP Publishing LLC. [http://dx.doi.org/10.1063/1.4818888]

Efeitos da embalagem em ar, sob vácuo e em atmosfera modificada sobre a qualidade de filetes de peixe-porco Balistes capriscus

Dissertação de mest, Tecnologia de Alimentos, Instituto Superior de Engenharia, Univ. do Algarve, 2013

Histoire d'Espagne (Nouvelle édition) / par le Cte Victor Du Hamel

Collection : Bibliothèque de la jeunesse chrétienne

Producción de cepas de Bacillus thuringiensis con actividad biológica modificada

Tesis (Maestría en Ciencias con Especialidad en Microbiología) UANL

Biblia Sacra vulgate editores Sixti V. et Clementis VII Pont. Max. auctroritate recognita, cum notis choronologieis et historicis exemplaris vitreani, et indice geographico J. B. Du-hamel

UANL

Obtención de la ecuación de velocidad de la descomposición de peroxisomicina A1, en presencia de Isoperoxisomicina A1

Tesis ( Doctorado en Ciencias con Especialidad en Química Biomédica) UANL

Improving sampling, optimization and feature extraction in Boltzmann machines

L’apprentissage supervisé de réseaux hiérarchiques à grande échelle connaît présentement un succès fulgurant. Malgré cette effervescence, l’apprentissage non-supervisé représente toujours, selon plusieurs chercheurs, un élément clé de l’Intelligence Artificielle, où les agents doivent apprendre à partir d’un nombre potentiellement limité de données. Cette thèse s’inscrit dans cette pensée et aborde divers sujets de recherche liés au problème d’estimation de densité par l’entremise des machines de Boltzmann (BM), modèles graphiques probabilistes au coeur de l’apprentissage profond. Nos contributions touchent les domaines de l’échantillonnage, l’estimation de fonctions de partition, l’optimisation ainsi que l’apprentissage de représentations invariantes. Cette thèse débute par l’exposition d’un nouvel algorithme d'échantillonnage adaptatif, qui ajuste (de fa ̧con automatique) la température des chaînes de Markov sous simulation, afin de maintenir une vitesse de convergence élevée tout au long de l’apprentissage. Lorsqu’utilisé dans le contexte de l’apprentissage par maximum de vraisemblance stochastique (SML), notre algorithme engendre une robustesse accrue face à la sélection du taux d’apprentissage, ainsi qu’une meilleure vitesse de convergence. Nos résultats sont présent ́es dans le domaine des BMs, mais la méthode est générale et applicable à l’apprentissage de tout modèle probabiliste exploitant l’échantillonnage par chaînes de Markov. Tandis que le gradient du maximum de vraisemblance peut-être approximé par échantillonnage, l’évaluation de la log-vraisemblance nécessite un estimé de la fonction de partition. Contrairement aux approches traditionnelles qui considèrent un modèle donné comme une boîte noire, nous proposons plutôt d’exploiter la dynamique de l’apprentissage en estimant les changements successifs de log-partition encourus à chaque mise à jour des paramètres. Le problème d’estimation est reformulé comme un problème d’inférence similaire au filtre de Kalman, mais sur un graphe bi-dimensionnel, où les dimensions correspondent aux axes du temps et au paramètre de température. Sur le thème de l’optimisation, nous présentons également un algorithme permettant d’appliquer, de manière efficace, le gradient naturel à des machines de Boltzmann comportant des milliers d’unités. Jusqu’à présent, son adoption était limitée par son haut coût computationel ainsi que sa demande en mémoire. Notre algorithme, Metric-Free Natural Gradient (MFNG), permet d’éviter le calcul explicite de la matrice d’information de Fisher (et son inverse) en exploitant un solveur linéaire combiné à un produit matrice-vecteur efficace. L’algorithme est prometteur: en terme du nombre d’évaluations de fonctions, MFNG converge plus rapidement que SML. Son implémentation demeure malheureusement inefficace en temps de calcul. Ces travaux explorent également les mécanismes sous-jacents à l’apprentissage de représentations invariantes. À cette fin, nous utilisons la famille de machines de Boltzmann restreintes “spike & slab” (ssRBM), que nous modifions afin de pouvoir modéliser des distributions binaires et parcimonieuses. Les variables latentes binaires de la ssRBM peuvent être rendues invariantes à un sous-espace vectoriel, en associant à chacune d’elles, un vecteur de variables latentes continues (dénommées “slabs”). Ceci se traduit par une invariance accrue au niveau de la représentation et un meilleur taux de classification lorsque peu de données étiquetées sont disponibles. Nous terminons cette thèse sur un sujet ambitieux: l’apprentissage de représentations pouvant séparer les facteurs de variations présents dans le signal d’entrée. Nous proposons une solution à base de ssRBM bilinéaire (avec deux groupes de facteurs latents) et formulons le problème comme l’un de “pooling” dans des sous-espaces vectoriels complémentaires.