Email-InterMetmetalurgia@intermetperu.com

Telefono-InterMet(51 1) 489 3145   |   (51) 987975959

  ¿Cómo podemos ayudarte?

Las redes neuronales artificiales son un modelo inspirado en el funcionamiento del cerebro humano. Está formada por un conjunto de nodos conocidos como neuronas artificiales que están conectadas y transmiten señales entre sí. Estas señales se transmiten desde la entrada hasta generar una salida.

¿Cómo funcionan las redes neuronales?

Una red neuronal combina diversas capas de procesamiento y utiliza elementos simples que operan en paralelo, y están inspiradas en los sistemas nerviosos biológicos. Consta de una capa de entrada, una o varias capas ocultas y una capa de salida. Las capas están interconectadas mediante nodos, o neuronas; cada capa utiliza la salida de la capa anterior como entrada.

Desarrollo de redes neuronales superficiales con MATLAB

Con herramientas y funciones para administrar grandes conjuntos de datos, MATLAB® ofrece toolboxes especializadas para trabajar con machine learning, redes neuronales, deep learning, visión artificial y conducción autónoma.

Con unas pocas líneas de código, MATLAB permite desarrollar redes neuronales sin ser un experto. Podrá ponerse en marcha rápidamente, crear y visualizar modelos o desplegar modelos en servidores y dispositivos embebidos.

MATLAB permite integrar los resultados en sus aplicaciones existentes. MATLAB automatiza la implementación de sus modelos de redes neuronales en sistemas de empresa, clusters, nubes y dispositivos embebidos.

Dirigido a

Técnicos, ingenieros y personas interesadas en conocer el funcionamiento y diseño de sistemas de redes neuronales utilizando software de simulación.

DEJANOS TUS COMENTARIOS

TEMARIO

Flujo de trabajo típico para diseñar redes neuronales.

Cada aplicación de red neuronal es única, pero el desarrollo de la red suele implicar los pasos siguientes:

  • Acceder a los datos y prepararlos.
  • Crear la red neuronal.
  • Configurar las entradas y salidas de la red.
  • Ajustar los parámetros de la red (las ponderaciones y tendencias) para optimizar el rendimiento.
  • Entrenar la red.
  • Validar los resultados de la red.
  • Integrar la red en un sistema de producción.
  • creación de redes neuronales con los programas de simulación Labview y simulink.

DISEÑO DE UN CONTROLADOR PREDICTIVO DE REDES NEURONALES EN SIMULINK.

La primera etapa del control predictivo del modelo es entrenar una red neuronal para representar la dinámica directa de la planta. El error de predicción entre la salida de la planta y la salida de la red neuronal se utiliza como señal de entrenamiento de la red neuronal.

USO DEL PROGRAMA LABVIEW.

Diseño de instrumentos El VI (Instrumento Virtual) de entrenamiento de redes neuronales artificiales en LabVIEW se diseñó con las siguientes características: • Crear una red neuronal artificial con una estructura deseada (número de capas, neuronas por capa, funciones de activación). • Entrenar la red con el algoritmo de retropropagación. • Visualizar la respuesta de la red y la señal a aprender durante el entrenamiento. • La posibilidad de cargar una red existente o guardar la red entrenada. • Calcular el promedio del error al cuadrado (MSE). • Visualizar los pesos de la red. • Controlar manual o automáticamente (amplitud y tiempo de cambio aleatorios) el voltaje de salida de la DAQ para alimentar la entrada de un sistema dinámico. • Adquirir mediante la DAQ la respuesta en voltaje del sistema a identificar. • Modificar la tasa de aprendizaje y el momento durante el entrenamiento.























Ing. Carlos De La Torre Vivar

Ingeniero Químico, con más de 25 años de experiencia profesional. Graduado de las Facultades de Química e Ingeniería Química de las universidades Católica y de Ingeniería (Lima, Perú) respectivamente. Magíster en Química (PUCP) y Magíster en Ingeniería Química (UNI).y actualmente haciendo estudios de doctorado en Ingeniería Química. Asimismo ha seguido diferentes cursos que complementan y actualizan sus conocimientos teórico-prácticos en la materia.

Conocimientos de electrónica digital y computación. Amplios conocimientos de Software de Simulación: Super Prodesigner, Chemcad, Aspen Plus, Hisys,Mathlab, Simulink, Modsim, LIMM , JKSimmet , Software de Aplicación: Microsoft Office XP, Auto Cad, Lenguaje C, Visual Basic, Pascal, Corel, flash, PhotoShop, etc.

Amplia experiencia como Leader de diseño de procesos mineros e industriales, habiendo desarrollado y dirigido los diseños en su especialidad para los proyectos ejecutados por las compañías mineras: Antamina, Buenaventura, El Brocal, Shougang, entre otras. Experiencia en instrumentación química y desarrollo de proyectos. Analista químico con experiencia en procesos industriales de fabricación de cal, cemento, ladrillos, morteros, concreto; así como procesos metalúrgicos en aspectos relevantes a diseño de procesos, control de calidad, combustión, análisis de materias primas y mezclas. Conocimiento práctico de la gestión de proyectos bajo el PMP (Project Management Professional), especialmente en proyectos minero metalúrgico.

Conocimientos avanzados del idioma Inglés y desarrollo de programas de control de calidad en Visual Basic.

Experiencia en implementación, ampliación y optimización en plantas de procesos químicos así como desarrollo de simulaciones con software en diversas empresas mineras así como de cal, ladrillos y de cemento portland.

Actualmente es Ingeniero Senior de Procesos en AMEC Foster Wheeler (WOOD).













INVERSIÓN : S/.990

FECHA DE INICIO :

24 AL 28 DE ENERO DEL 2022

HORA :

06:00PM a 10:15PM

MODALIDAD :

CURSO EN VIVO
100% EN TIEMPO REAL

FORMULARIO CONSULTAS DEL CURSO

No dude en comunicarce con nosotros y de inmediato lo vamos a guiar en todo lo necesario.

NOTA : Los campos que poseen (*) son considerados obligatorios.

EMPRESAS PARTICIPANTES

© Copyright 2021 International Metallurgical Consultants     |     Todos los derechos reservados     |     Web desarrollada por : InterMet

© Copyright 2021 International Metallurgical Consultants

Todos los derechos reservados

Web desarrollada por : InterMet