tarea 5
DESCRIPTION
TareaTRANSCRIPT
CENTRO NACIONAL DE INVESTIGACIN Y
DESARROLLO TECNOLGICO
POSGRADO DE ELECTRNICA
CONTROL INTELIGENTE
TAREA # 5
TEMA:
Derivate-based Optimization
CATEDRTICO:DR. ENRIQUE QUINTERO-MRMOL MRQUEZ
ALUMNO(S):NAMIGTLE JIMNEZ JESS ROS RUIZ CARLOS SNCHEZ GOMEZ ARNOLD JONATHAN TORRECILLA COPTO ERIK FRANCISCO
CUERNAVACA MOR., A 12 DE MARZO DEL 2015.
ContenidoProblema 12Problema 22Bibliografa4
Problema 1Obtenga el Hessiano de la ecuacin (5.65).
Problema 2Modifique el programa del ejemplo 5.6 para que se resuelva con el mtodo de Newton, ec. (6.15)
Solucint2 = [0 0.80 1.84 2.90 4.06 4.81 6.07 7.06 8.15 8.87 9.98]';y2 = [0.98 0.69 0.47 0.46 0.29 0.16 0.23 0.10 0.03 0.12 0.01]'; % by LSE on linearlized modelB = log(y2);A = [ones(size(t2)) t2];para1 = A\B % multiplicacin de B por la inversa de Aa = exp(para1(1,1))b = para1(2,1)y3 = a*exp(b*t2); %plot(t2,y2,'*');%gradientepara3 = gd([a b], t2, y2);aaa = para3(1);bbb = para3(2);y5 = aaa*exp(bbb*t2);%plot(t2,y2,'*',t2,y5) %hessiano func=hs([a b], t2, y2);aaaa = func(1)bbbb = func(2)y6 = aaaa*exp(bbbb*t2);%plot(t2,y2,'*',t2,y6)plot(t2, y2, '*', t2, y5, '--', t2, y6, '-');legend('Dato Tabla', 'Gradiente', 'Hessiano');xlabel('t');ylabel('y');
Figura 1 Mnimo obtenido a travs del mtodo de Newton
BibliografaJ.R. Jang, C. S. (1997). Neuro-Fuzzy and Soft Computing. Prentice Hall.
1