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