2014
Lara-Ordaz H.,Hernández-Romero N.,Seck Touh-Mora J.C.y Medina-Marín J.
Abstract
El CMA-es (Covariance Matrix Adaptation evolution strategy) es un método de optimización relativamente nuevo y hasta el momento de elaborar este trabajo no existe literatura que reporte el uso de esta técnica para la obtención de parámetros del motor de inducción. Los resultados de este método son comparados con los obtenidos por otras técnicas evolutivas como los Algoritmos Genéticos (AGs) y los Cúmulos de Partículas (PSO Particle Swarm Optimization)para presentar las ventajas del CMA-es.
Reproducing the Cyclic Tag System Developed by Matthew Cook with Rule 110 Using the Phases f(i-)1.
Modeling a Nonlinear Liquid Level System by Cellular Neural Networks
Unconventional invertible behaviors in reversible one-dimensional cellular automata.
Complex Dynamics Emerging in Rule 30 with Majority Memory
Pair Diagram and Cyclic Properties Characterizing the Inverse of Reversible Automata
How to Make Dull Cellular Automata Complex by Adding Memory: Rule 126 Case Study
Elementary cellular automaton Rule 110 explained as a block substitution system