XiaoMi-AI文件搜索系统
World File Search SystemFacultad
神经科学 - 心理学学院 - UBA
单元1：神经科学和心理学的基本原理。 div>神经科学和心理学：定义，目标，主题，问题和应用。 div>思想哲学，神经性哲学和神经哲学的基础。 div>思维 - 核心问题。 div>意识问题。 div>二元论理论：物质互动主义，epiphenomenalism，财产二元论。 div>唯物主义理论：物理主义，功能主义，消除主义。 div>生物自然主义。 div>神经系统解剖学和生理学的基本原理。 div>脑动力学和神经元理论。 div>mc trill脑论文。 div>精益：爬行动物复合物，边缘系统和新皮层；范围和限制。 div>大脑皮层的解剖及其相关功能。 div>作为生物电和生化系统的人脑。 div>神经元可塑性的概念。 div>半球专业化和脑间交流：Sperry和Gazzaniga的论文以及对大脑分裂的研究。 div>无意识的神经科学和心理学：弗洛伊德无意识，代表性的无意识和认知计算的无意识，鉴于当前的神经科学知识。 div>化学大脑。 div>神经元，突触和神经递质。 div>皮质醇和焦虑和压力的生物化学。 div>参考书目：Blanco，C。（2014）。 div>神经科学的历史。 div>马德里：新Giménez-Amaya图书馆，J。M。和Murillo，J.I。（2007）。 div>当代神经科学中的思想和大脑。 div>其跨学科研究的方法。 div>González，F.，Váttimo，S.，Fernández，H.，Azzollini，S.，Miravalles，G。，＆Caimi，C。（2017）。 div> 心理神经守则的问题及其对认知神经心理学的影响。 div> 心理学电子杂志Iztacala，18（2），663-680。 Seth，A。 div> （2015）。 div> 简短指南。 div> 50个引人入胜的神经科学主题。 div> Vidal，F。（2015）。 div> Neurouterdougharity：富有成果的现实还是误导性广告？ div> 思维和大脑，（73），44-47。 div>González，F.，Váttimo，S.，Fernández，H.，Azzollini，S.，Miravalles，G。，＆Caimi，C。（2017）。 div>心理神经守则的问题及其对认知神经心理学的影响。 div>心理学电子杂志Iztacala，18（2），663-680。Seth，A。 div>（2015）。 div>简短指南。 div>50个引人入胜的神经科学主题。 div>Vidal，F。（2015）。 div>Neurouterdougharity：富有成果的现实还是误导性广告？ div>思维和大脑，（73），44-47。 div>
通过人工智能技术预测学业成绩 Omar D. Castrillón、William Sarache 和 Santiago Ruiz-Herrera 哥伦比亚国立大学 - 马尼萨莱斯校区，工程与建筑学院，工业工程系，创新与技术发展组，Q 区拉努比亚校区，马尼萨莱斯，170001 - 哥伦比亚。 （电子邮件：odcastrillong@unal.edu.co；wasarachec@unal.edu.co；sruizhe@unal.edu.co） 五月收到。 9，2019； 2019 年 7 月 8 日接受；最终版本 2019 年 8 月 12 日，2020 年 2 月发布 摘要 本文的目的是利用人工智能技术（分类器）根据各种影响因素预测高等教育学生的学业成绩。尽管对这些因素的研究已从定量和定性方法进行了广泛的分析，但仍然提供了使用人工智能提供的工具进行研究的机会，特别是在预测学业成绩方面。通过定义的因素（教育、家庭、社会经济、习惯和风俗等），设计了一种方法，可以训练一个系统，该系统能够预先将新生分类到五个预定的学业成绩类别之一中。这种分类可以让教育机构提前识别出可能存在学业成绩问题的学生。由此，可以部署立即的支持和缓解行动。该方法被应用于哥伦比亚一所公立大学的学生样本，成功率达到 91.7%。关键词：学业成绩；人工智能;分类器；成功；使用人工智能技术预测学业成绩摘要本文的目的是通过应用人工智能技术（分类器）来预测高等教育学生的学业成绩，考虑几个影响因素。尽管这些因素已从定量和定性方法进行了广泛的分析，但它们仍然代表了使用人工智能工具的研究机会，特别是在学业成绩预测方面。通过定义影响因素（教育、家庭背景、社会经济、习惯和风俗等），设计了一种方法，以训练一个系统，该系统能够预先将新生分类为五个学业成绩类别之一。这种分类使教育机构能够尽早发现可能存在学业成绩问题的学生。根据这些了解，该机构可以立即采取缓解措施。该方法被应用于哥伦比亚一所公立大学的学生样本，成功率达到 91.7%。关键字：学业成绩；人工智能；分类器；成功；预测
通过人工智能技术预测学业成绩 Omar D. Castrillón、William Sarache 和 Santiago Ruiz-Herrera 哥伦比亚国立大学 - 马尼萨莱斯校区，工程与建筑学院，工业工程系，创新与技术发展组，Q 区拉努比亚校区，马尼萨莱斯，170001 - 哥伦比亚。 （电子邮件：odcastrillong@unal.edu.co；wasarachec@unal.edu.co；sruizhe@unal.edu.co） 五月收到。 9，2019； 2019 年 7 月 8 日接受；最终版本 2019 年 8 月 12 日，2020 年 2 月发布 摘要 本文的目的是利用人工智能技术（分类器）根据各种影响因素预测高等教育学生的学业成绩。尽管对这些因素的研究已从定量和定性方法进行了广泛的分析，但仍然提供了使用人工智能提供的工具进行研究的机会，特别是在预测学业成绩方面。通过定义的因素（教育、家庭、社会经济、习惯和风俗等），设计了一种方法，可以训练一个系统，该系统能够预先将新生分类到五个预定的学业成绩类别之一中。这种分类可以让教育机构提前识别出可能存在学业成绩问题的学生。由此，可以部署立即的支持和缓解行动。该方法被应用于哥伦比亚一所公立大学的学生样本，成功率达到 91.7%。关键词：学业成绩；人工智能;分类器；成功；使用人工智能技术预测学业成绩摘要本文的目的是通过应用人工智能技术（分类器）来预测高等教育学生的学业成绩，考虑几个影响因素。尽管这些因素已从定量和定性方法进行了广泛的分析，但它们仍然代表了使用人工智能工具的研究机会，特别是在学业成绩预测方面。通过定义影响因素（教育、家庭背景、社会经济、习惯和风俗等），设计了一种方法，以训练一个系统，该系统能够预先将新生分类为五个学业成绩类别之一。这种分类使教育机构能够尽早发现可能存在学业成绩问题的学生。根据这些了解，该机构可以立即采取缓解措施。该方法被应用于哥伦比亚一所公立大学的学生样本，成功率达到 91.7%。关键字：学业成绩；人工智能；分类器；成功；预测
数字系统II-理工学院
3.6。 div>RS232，RS422和RS485。 div>4。编程。 div>4.1。 div>结构化编程。 div>4.2。 div>汇编语言。 div>4.3。 div>语言C. 5。其他微控制器。 div>5.1。 div>PIC 16F877。 div>5.2。 div>64HC11。 div>5.3。 div>AT89S8252。 div>6。实时系统简介。 div>6.1。 div>实时定义（实时）。 div>6.2。 div>实时系统的示例。 div>6.3。 div>实时设计设计技术。 div>6.4。 div>操作系统简介。 div>6.5。 div><实时内核。 div>7。<实时内核。 div>7.1。 div>调查的循环系统。 div>7.2。 div>由中断管理的系统。 div>7.3。 div>缓冲数据。 div>7.4。 div>邮箱。 div>7.5。 div><消息的发言人。 div>7.6。 div>交通信号灯。 div>7.7。 div>关键区域。 div>7.8。 div>事件标志。 div>7.9。 div>内存管理。 div>7.10。 div>任务管理。 div>7.11。 div>时间管理。 div>8。带有微控制器的项目。 div>