User:
Köppen A (tropical)
Equation 
El clima es del tipo tropical (A) si la temperatura $T_{cold} es mayor que 18 grados.
$T_{cold}\geq 18$
ID:(4909, 0)
Köppen A Tropical f Rainforest
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4879, 0)
Köppen A Tropical m Monsoon
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4880, 0)
Köppen A Tropical w Savannah
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4881, 0)
Köppen B (arido)
Equation
Si el promedio anual de precipitaciones $MAP$ es menor a diez veces el valor $P_{threshold}$
$MAP<10\times P_{threshold}$
Este último se define como
ID:(4910, 0)
Köppen B (arido) S (estepa)
Equation
$MAP<10\times P_{threshold}$
$MAP\geq 5\times P_{threshold}$
ID:(4911, 0)
Köppen B Arid S Steppe (Estepa)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4884, 0)
Köppen B Arid (Arido) S Steppe (Estepa) k Cold (Frio)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4888, 0)
Köppen B (arido) S (estepa)
Equation
$MAP<10\times P_{threshold}$
$MAP\geq 5\times P_{threshold}$
ID:(4912, 0)
Köppen B Arid W Desert (Desierto)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4883, 0)
Köppen B Arid W/S h Hot (Caliente)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4885, 0)
Köppen C (templado)
Equation
$T_{hot}>10$
$0 $T_{cold}<18$ $P_{sday}\geq 40 || P_{sday}\geq\displaystyle\frac{P_{wwet}}{3} || P_{wdry}\geq \displaystyle\frac{P_{swet}}{10}$ $T_{hot}\geq 22$
ID:(4913, 0)
Köppen C (templado) s (verano seco)
Equation
$T_{hot}>10$
$0 $T_{cold}<18$ $P_{sdry}<40$ $P_{sdry}< \displaystyle\frac{P_{wwet}}{3}$ $T_{hot}\geq 22$
ID:(4915, 0)
Köppen C Template (Templado)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4887, 0)
Köppen C (templado) s (verano seco) a (verano caliente) b (verano calido)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4891, 0)
Köppen C (templado) s (verano seco) c (verano frio)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4893, 0)
Köppen C (templado) w (invierno seco)
Equation
$T_{hot}>10$
$0 $T_{cold}<18$ $P_{wdry}<\displaystyle\frac{P_{swet}}{10}$ $T_{hot}\geq 22$
ID:(4916, 0)
Köppen B Arid (Arido)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4882, 0)
Köppen C (templado) w (invierno seco) b (verano calido)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4892, 0)
Köppen C (templado) w (invierno seco) c (verano frio)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4894, 0)
Köppen C (templado) f (sin epoca seca)
Equation
$T_{hot}>10$
$0 $T_{cold}<18$ $P_{sday}\geq 40 || P_{sday}\geq\displaystyle\frac{P_{wwet}}{3} || P_{wdry}\geq \displaystyle\frac{P_{swet}}{10}$ $T_{hot}\geq 22$
ID:(4914, 0)
Köppen B Arid W/S k Cold (Frio)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4886, 0)
Köppen C (templado) f (sin epoca seca) b (verano calido)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4889, 0)
Köppen C (templado) f (sin epoca seca) c (verano frio)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4890, 0)
Köppen D (frio)
Equation
$T_{hot}>10$
$T_{cold}\leq 0$
$(P_{sdry}\geq 40 || P_{sdry}\geq\displaystyle\frac{P_{wwet}}{3} || P_{wdry}\leq\displaystyle\frac{P_{swet}}{10})$
$T_{hot}\geq 22$
ID:(4917, 0)
Köppen D (frio) s (verano seco)
Equation
$T_{hot}>10$
$T_{cold}\leq 0$
$P_{sdry}<40$
$P_{sdry}<\displaystyle\frac{P_{wwet}}{3}$
$T_{hot}\geq 22$
ID:(4920, 0)
Köppen D (frio)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4895, 0)
Köppen D (frio) s (verano seco) b (verano calido)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4899, 0)
Köppen D (frio) s (verano seco) c (verano frio)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4902, 0)
Köppen D (frio) s (verano seco) d (verano muy frio)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4905, 0)
Köppen D (frio) w (invierno seco)
Equation
$T_{hot}>10$
$T_{cold}\leq 0$
$P_{wdry}<\displaystyle\frac{P_{swet}}{10}$
$T_{hot}\geq 22$
ID:(4921, 0)
Köppen D (frio) w (invierno seco)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4896, 0)
Köppen D (frio) w (invierno seco) b (verano calido)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4900, 0)
Köppen D (frio) w (invierno seco) c (verano frio)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4903, 0)
Köppen D (frio) w (invierno seco) d (verano muy frio)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4906, 0)
Köppen D (frio) f (sin temporada)
Equation
$T_{hot}>10$
$T_{cold}\leq 0$
$(P_{sdry}\geq 40 || P_{sdry}\geq\displaystyle\frac{P_{wwet}}{3} || P_{wdry}\leq\displaystyle\frac{P_{swet}}{10})$
$T_{hot}\geq 22$
ID:(4919, 0)
Köppen D (frio) f (sin temporada)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4897, 0)
Köppen D (frio) f (sin temporada) b (verano calido)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4898, 0)
Köppen D (frio) f (sin temporada) c (verano frio)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4901, 0)
Köppen D (frio) f (sin temporada) d (verano muy frio)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4904, 0)
Köppen E (polar) F (helada)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4908, 0)
Köppen E (polar) T (tundra)
Equation
La regla de Hebb se basa en un fenómeno observado en neuronas reales. Cada vez que dos sinapsis tienen a actuar en forma sincronizada se refuerza el lazo. Si no existe una real correlación se tiende a debilitar la conexión. Este comportamiento se puede modelar calculando el peso $\omega_{ij}$ entre el nodo $i$ y $j$ calculando con los valores ingresados $x_i(t)$ y entregados $y_j(t)$ mediante
$\omega_{ij}(t+\Delta t)=\omega_{ij}(t)+\eta x_i(t)y_j(t)$
ID:(4907, 0)