Resumen Teórico

Universidad de Buenos Aires
Facultad de Ingeniera
Indice
Inteligencia Artificial...................................................................................................................................................... 3
Test de Turing.......................................................................................................................................................3
Ramas................................................................................................................................................................... 3
Aplicaciones......................................................................................................................................................... 3
Sistemas Expertos.......................................................................................................................................................... 4
Ingeniera del Conocimiento.................................................................................................................................4
Clasificacin......................................................................................................................................................... 5
Encadenado Hacia Adelante................................................................................................................................5
Encadenado Hacia Atrs......................................................................................................................................6
Valor de la Regla...................................................................................................................................................6
Sistemas Basados en Conocimientos.............................................................................................................................6
Clasificacin de Requisitos..................................................................................................................................6
Metodologas Para la Construccin del SBC Ideal...............................................................................................7
1.Identificacin de las tareas....................................................................................................................7
2.Desarrollo de Prototipos.........................................................................................................................7
3.Integracin al Sistema............................................................................................................................7
4.Mantenimiento.........................................................................................................................................8
5.Transferencia Tecnolgica.....................................................................................................................8
Conocimientos.................................................................................................................................................................9
Niveles.................................................................................................................................................................. 9
Clasificacin......................................................................................................................................................... 9
Formas de Alimentar la Base de Conocimientos.................................................................................................9
Tipos de Entrevista...............................................................................................................................................9
Algoritmos Genticos o Evolutivos...............................................................................................................................10
Seleccin............................................................................................................................................................ 10
Rueda de ruleta........................................................................................................................................10
Seleccin por torneo ...............................................................................................................................10
Basado en el rango ..................................................................................................................................10
Reproduccin......................................................................................................................................................11
Cruza Simple.............................................................................................................................................11
Cruza de dos puntos.................................................................................................................................11
Cruza Multipunto......................................................................................................................................11
Cruza binomial .........................................................................................................................................11
Mutacin............................................................................................................................................................. 12
Sistemas de Produccin................................................................................................................................................12
Base de Datos Global (BDG) ..............................................................................................................................12
Reglas de Produccin.........................................................................................................................................12
Estrategia de Control..........................................................................................................................................13
Primero a lo Acho (PA).............................................................................................................................13
Primero en Profundidad (PP)....................................................................................................................13
Hill Climbing (HC).....................................................................................................................................13
A*..............................................................................................................................................................13
Descensos Iterativos................................................................................................................................14
Redes Neuronales......................................................................................................................................................... 14
Seal total de entrada........................................................................................................................................14
Funcin de Activacin........................................................................................................................................15
Funcin Escaln.......................................................................................................................................15
Funcin Sigmoide.....................................................................................................................................15
75.23 Inteligencia Artificial

Javier Persico
Pgina 1

Aplicacin........................................................................................................................................................... 15
Aprendizaje de la Red.........................................................................................................................................15
Aprendizaje Supervisado..........................................................................................................................16
Aprendizaje No Supervisado....................................................................................................................16
Perceptrn.......................................................................................................................................................... 16
Lgica Difusa................................................................................................................................................................. 16
Funciones de Membresa ()...............................................................................................................................16
Operadores de la Lgica Difusa..........................................................................................................................16
And............................................................................................................................................................16
Or.............................................................................................................................................................. 17
Not............................................................................................................................................................ 17
Propiedades........................................................................................................................................................ 17

Javier Persico
Pgina 2

Inteligencia Artificial
Trata de armar sistemas para resolver problemas que tratan de utilizar mtodos similares a los que
utilizara una persona.
La inteligencia artificial puede tener distintos enfoques:
1) Enfoque Cientfico: Trata de entender la forma de actuar de las personas.
2) Enfoque Ingeniera: Trata de seguir la misma lnea de razonamiento que seguira una persona.
Test de Turing
Indica si un programa es inteligente o no. Consiste en poner a una persona y a una computadora y
de un evaluador que realiza preguntas tanto a la persona como a la mquina sin saber a quien se las
est haciendo.
Si el evaluador no logra detectar diferencias entre las respuestas de ambos, sin poder detectar quien
es la persona y quien es la mquina, entonces se considera que el sistema es inteligente.
Ramas
Sistemas Expertos
Redes Neuronales
Algoritmos Genticos o Evolutivos
Lgica Difusa
Aplicaciones
Juegos.
GPS -> Resolvedor General de Problemas.
Procesamiento de Imgenes.
o Imgenes de Medicina.
o Fotos Satelitales.
Procesamiento del Lenguaje Natural.
Procesamiento del Sonido.
Demostracin de Teoremas.

Javier Persico
Pgina 3

Sistemas Expertos
Trata de simular lo que hara un experto humano en un determinado tema.
Para armar un Sistema Experto hay que recolectar conocimiento.
Todo Sistema Experto tiene en la Base de Conocimientos, la base de conocimientos es una base
de datos que contiene la informacin relativa al tema que maneja el Sistema Experto.
Los Sistemas Expertos poseen adems un mecanismo para analizar los datos contenidos en la base
de Conocimientos, este mecanismo es conocido como el Motor de Inferencia, que es un conjunto
de algoritmos que permite recorrer los conocimientos.
Base
de
Conoci
miento
s
Totalmente
dependiente del
tema
Motor de
Inferenci
a
Parte Genrica
Parte Dependiente
E
/
S
Problema
Salida
Muchas veces una vez que el Sistema Experto resolvi el problema guarda en la base de
conocimiento la forma en que solucion un determinado problema, dependiendo de esto los
Sistemas Expertos puede ser clasificados en Sistemas Expertos con Aprendizaje Autnomo o
Sistemas Expertos sin Aprendizaje Autnomo.
Ingeniera del Conocimiento
Su objetivo es extraer el conocimiento del ser humano para volcarlo a la base de conocimientos.
Busca la mejor forma de volcar el conocimiento adquirido a la base de conocimientos.

Javier Persico
Pgina 4

Clasificacin
1) Encadenado hacia adelante (manejado por los datos).
2) Encadenado hacia atrs (manejado por los objetos).
3) Valor de regla.
Objeto: Elemento sobre el cual es necesario tener conocimiento. Las caractersticas o propiedades
nos van a permitir diferenciar a los objetos.
Objeto 1
Propiedad 1
Propiedad 2
Propiedad 3
-Propiedad m
Objeto 2
Objeto 3
Objeto 4
Objeto n
Tres posibles valores para las relaciones entre objetos y propiedades.

: Tiene
: No Tiene
--: Indistinto
Encadenado Hacia Adelante
Pide al usuario los valores para todas las posibles propiedades (para las m propiedades). El usuario
responde si o no.
Propiedad 1
Propiedad 2
Propiedad 3
Propiedad 4
Propiedad 5
Propiedad 6
Propiedad m

Javier Persico
Propiedades
Pgina 5

El Sistema Experto recorre la matriz y compara el patrn ingresado por el usuario, cuando
encuentra la columna que coincide con lo indicado termina.
Tambin el Sistema Experto puede preguntar de antemano el porcentaje de certeza con el cual se
desea buscar.
Se puede preguntar adems que hacer en el caso de encontrar ms de una solucin.
Encadenado Hacia Atrs
La informacin se pide a medida que se va necesitando.
Se toma un objeto que se cree que es la solucin, este objeto es proporcionado por el usuario,
luego se va preguntando al usuario los valores de las propiedades que tengan si o no, se va pasando
a los objetos siguientes y se pregunta al usuario sobre las propiedades que no tienen respuesta.
Para optimizar las bsqueda se pueden ordenar los objetos de acuerdo a su probabilidad y se
comienza por el mas probable.
Valor de la Regla
Es una variante del encadenado hacia atrs.
Reordena dinmicamente los objetos por probabilidad basado en las propiedades que fue cargando
el usuario. Se puede refinar la matriz ponderando las propiedades.
El costo de desarrollo es mayor que el del encadenado hacia atrs.
Sistemas Basados en Conocimientos
Requisitos
Metodologa
Sistema
Mantenimiento
Clasificacin de Requisitos
1) Abiertos: No se conoce perfectamente desde el inicio. Vara en funcin del tiempo.
2) Cerrados: Dice exactamente los quiere. No vara con el tiempo.
En los Sistemas Basados en Conocimientos se trabaja con requisitos abiertos, por lo tanto las
metodologas con las cuales se trabajen deben tener en cuenta el hecho que los requisitos tengan
esta caracterstica.

Javier Persico
Pgina 6

Metodologas Para la Construccin del SBC Ideal
Consta de 5 pasos:
1. Identificacin de las tareas
Corresponde al anlisis, se determina la conveniencia de realizar un sbc y si es posible

realizarlo.
1.1.- Plan de requisitos y adquisicin de conocimientos, la adquisicin de los conocimientos es
a nivel global.
1.2.- Evaluacin de las tareas (viabilidad). Se analizan los requisitos y se concluye la
viabilidad.
1.3.- Definicin de las caractersticas de las tareas. Se formalizan las definiciones obtenidas en
la etapa 1.1.
2. Desarrollo de Prototipos
Se realizan los prototipos para discutir con el usuario.

2.1.- Concepcin de la solucin de los subproblemas. Se toma el producto obtenido en la etapa
1 y se ve como implemetar el sistema.
2.2.- Adquisicin de conocimientos. El ingeniero del conocimiento adquiere el mismo a nivel
de detalle.
2.3.- Formalizacin de los conocimientos. Se le da forma a los conocimientos obtenidos en el
punto 2.2
2.4.- Seleccin de la herramienta de implementacin
Se busca la herramienta para armar el SBC
A) Herramientas especficas para SBC
a. Costo de la herramienta alto.
b. Costo de desarrollo bajo.
c. Dependencia total hacia la herramienta.
B) Herramientas tradicionales
a. Costo de la herramienta bajo.
b. Costo de desarrollo alto.
c. No hay limitaciones por parte de la herramienta.
2.5.- Validacin del prototipo. Se muestra el prototipo al usuario quien lo evalua y determina si
el conocimiento es correcto o no.
2.6.- Nuevo prototipo. Se define que funcionalidad se va a agregar al prototipo para generar un
nuevo prototipo. Se vuelve al paso 2.2.
Como resultado se obtiene un SBC que podra empezar a trabajar.
3. Integracin al Sistema
Se busca la integracin del SBC con los dems sistemas de la empresa.

Javier Persico
Pgina 7

3.1.- Requisitos de la integracin. Se obtienen las interfaces con los dems sistemas.
3.2.- Implementacin y evaluacin. Se implementan las interfaces.
3.3.- Aceptacin. El usuario da el visto bueno final.
Como resultado se obtiene la primer versin del SBC.
4. Mantenimiento
Puede ser:
A) Corretivo: Se corrigen los errores detectados en produccin
B) Perfectivo: Agrega funcionalidad. En el SBC se agregan conocimientos a la base.
4.1.- Mantenimiento del sistema global.
4.2.- Mantenimiento de la base de conocimientos.
4.3.- Adquisicin de nuevos conocimientos.
5. Transferencia Tecnolgica
En paralelo con la etapa 4.

5.1.- Transferencia tecnolgica capacitacin. Lograr que se comienza a usar el sistema y
capacitar a usuario.
5.2.- Documentacin. Se arma la documentacin del sistema (tcnica, funcional).

Javier Persico
Pgina 8

Conocimientos
Informacin: Es todo aquello que incrementa nuestro conocimiento.
Niveles
Datos
o Es la informacin vista como smbolos.
o Es independiente del significado y del idioma.
o Es el nivel mas bajo de la informacin
Noticias (Nivel semntico)
o Depende del idioma
o Se interpreta la informacin
Conocimiento
o No solo se entiende el significado sino que se le da un fin prctico
o Es el nivel mas alto de la informacin
Clasificacin
Declarativos: Dicen como son las cosas.
Procedurales: Dicen como se puede proceder para resolver distintos problemas.
Formas de Alimentar la Base de Conocimientos
Extraccin
Es obtener el conocimiento de libros, publicaciones, papers. De un medio escrito.

Anlisis estructurado de textos
o Bsqueda de palabras claves. Buscar palabras genricas (se define como). Se
pueden fijar algunas palabras claves dependientes del campo de accin.
o Detectar objetos o entidades (se define x)
o Relacionar objetos entre s (pertenece a)
o Obtener atributos (pesa)
Educcin
Directa: Se le pide al experto el conocimiento. Basado en entrevistas

Indirecta: Son tcnicas de observacin. Deduccin de informacin no especificada.
Tipos de Entrevista
Abierta: No est completamente pensada de antemano. No se tiene detalle de las preguntas.

Javier Persico
Pgina 9

Estructurada: No solo se saben de antemano los objetivos de la entrevista sino que conoce
el detalle de las preguntas que se harn.
Algoritmos Genticos o Evolutivos
Poblacin: Conjunto de elementos del mismo tipo.

Proceso de Seleccin Natural: Sobrevive el mas apto.
Proceso de Reproduccin.
Proceso de Mutacin: Algn individuo cambia sus caractersticas (el cambio puede ser para
peor o para mejor).
Todo algoritmo gentico debe tener una funcin de aptitud que recibe como parmetro un
individuo y devuelve cuan apto es dicho individuo.
Seleccin
Rueda de ruleta
Este mtodo consiste en construir una ruleta particionada en ranuras de igual tamao, las cuales se
numeran. A cada individuo de la poblacin se le asigna una cantidad de ranuras proporcional a su
aptitud.
El proceso se repite hasta completar la cantidad de individuos deseados. Este mtodo de seleccin
otorga mayor probabilidad de contribuir a la siguiente generacin a los individuos con mayor
aptitud.
Hay algunas otras variantes como por ejemplo, incluir en la nueva generacin el mejor
representante de la generacin actual. En este caso, se denomina mtodo elitista.
Seleccin por torneo
En este caso dos individuos son elegidos al azar de la poblacin actual y el mejor o ms apto de los
dos se coloca en la generacin siguiente. Esto contina hasta que se complete la nueva poblacin.
Basado en el rango
En este esquema se mantiene un porcentaje de la poblacin, generalmente la mayora, para la

siguiente generacin. Se coloca toda la poblacin por orden de aptitud, y los M menos dignos son
eliminados y sustituidos por la descendencia de alguno de los M mejores con algn otro individuo
de la poblacin.
Mtodo Estocstico
Por cada individuo se calcula la aptitud relativa al promedio de aptitudes de la poblacin, y en

funcin de esto se asignan las copias. Por ejemplo, si la aptitud promedio de la poblacin es 15 y la
aptitud del individuo es 10; entonces su aptitud relativa es 1.5. Esto significa que se colocar una

Javier Persico
Pgina 10

copia en la prxima generacin y que se tiene el 0.5 (50 %) de chance de colocar una segunda
copia.
Reproduccin
Consiste en el intercambio de material gentico entre dos cromosomas.
Cruza Simple
Los dos cromosomas padres se cortan por un punto, y el material gentico situado entre ellos se
intercambia.
Dada las siguientes estructuras de longitud 1 = 8, y eligiendo 3 como el punto de cruza se
intercambian los segmentos de cromosoma separados por este punto.
XYX | XYYYX
YYX | YYXXY
XYX | YYXXY
YYX | XYYYX
Cruza de dos puntos
En este mtodo de cruza de dos puntos, se seleccionan dos puntos aleatoriamente a lo largo de la
longitud de los cromosomas y los dos padres intercambian los segmentos entre estos puntos.
Cruza Multipunto
El cromosoma es considerado un anillo, y se eligen n puntos de cruza en forma aleatoria. Si la

cantidad de puntos de cruza es par, se intercambian las porciones de cromosomas definidas entre
cada par de puntos consecutivos, si es impar se asume un punto de cruza adicional en la posicin
cero y se procede de igual modo.
Dadas dos estructuras de longitud 1 = 8, con n = 4 puntos de cruza. Intercambiando los segmentos
de la posicin 2 a 4 y 6 a 7, se tiene:
X | YXX | Y | YY | X
Y | YXY | Y | XX | Y
X | YXY | Y | XX | X
Y | YXX | Y | YY | Y
Cruza binomial
Para generar un cromosoma hijo por cruza binomial, se define la probabilidad P0 como la
probabilidad de que el Alelo de cualquier posicin del descendiente se herede del padre, y 1 P0
como la probabilidad de que lo herede de la madre1.
En este caso se puede construir un nico hijo por cada aplicacin del operador, o bien generar un
segundo hijo como complemento del primero.

Javier Persico
Pgina 11

Cuando existe igual probabilidad de heredar del padre como de la madre, P0 = 0,5 la cruza se
denomina uniforme. Para estructuras de longitud l la cruza uniforme implica un promedio de l/2
puntos de cruza.
Mutacin
En la Evolucin, una mutacin es un suceso bastante poco comn (sucede aproximadamente una
de cada mil replicaciones), en la mayora de los casos las mutaciones son letales, pero en
promedio, contribuyen a la diversidad gentica de la especie. En un algoritmo gentico tendrn el
mismo papel, y la misma frecuencia (es decir, muy baja).
Una vez establecida la frecuencia de mutacin, por ejemplo, uno por mil, se examina cada bit de
cada cadena. Si un nmero generado aleatoriamente est por debajo de esa probabilidad, se
cambiar el bit (es decir, de 0 a 1 o de 1 a 0). Si no, se dejar como est. Dependiendo del nmero
de individuos que haya y del nmero de bits por individuo, puede resultar que las mutaciones sean
extremadamente raras en una sola generacin.
No hace falta decir que no conviene abusar de la mutacin. Es cierto que es un mecanismo
generador de diversidad, y, por tanto, la solucin cuando un algoritmo gentico est estancado,
pero tambin es cierto que reduce el algoritmo gentico a una bsqueda aleatoria. Siempre es ms
conveniente usar otros mecanismos de generacin de diversidad, como aumentar el tamao de la
poblacin, o garantizar la aleatoriedad de la poblacin inicial.
Sistemas de Produccin
Permiten resolver problemas basados en estados. El grafo implicito es el grafo completo de todas
las posibilidades de cambios de estado.
Si se toma solo un parte del grafo se obtiene el grafo explicito.
Un Sistema de Produccin est formado por tres componentes:
Base de Datos Global (BDG)
Es un esquema de Base de Datos que permite representar el estado del problema (conjunto de
variables de estado).
El ejemplo de la BDG podra ser una matriz de 3 X 3. Se define adems el rango de valores vlidos
que tiene cada variable y el significado de cada valor.
Estados a considerar:
Estado Inicial (BDGi): Se debe definir antes de iniciar el Sistema de Produccin.

Condicin de Fin (BDGf).
Reglas de Produccin
En general para cambiar el estado se debe realizar alguna accin.
Definir acciones posibles

o Mover arriba, abajo, izquierda, derecha.

Javier Persico
Pgina 12

o En funcin del estado puede saberse si la accin podr realizarse o no.

Formato general de una regla
o En el rbol cada nodo es un estado y cada arco es una regla.
Estrategia de Control
Es el algoritmo que permite obtener que reglas se van a aplicar y en que orden.
Condiciones de toda estrategia de control:
Ninguna regla puede ser elegida al azar.
No se puede elegir una sola regla.
Existen distintos mtodos para implementar una estrategia de control, estos mtodos tienen
determinadas caractersticas:
Informado: Un mtodo es informado si posee informacin dependiente del problema.

Tentativo: Un mtodo es tentativo si guarda informacin de los estados por los que paso,
para volver a buscar alguna solucin distinta.
Primero a lo Acho (PA)
Paso 1: Se aplican todas las reglas aplicables al primer estado.

Paso 2: Luego se hace lo mismo barriendo el rbol a lo ancho.
Es el peor de los mtodos pues el rbol explicito es igual que el implicito.
Recorre todo el rbol de manera que es ineficiente, aunque es muy eficaz pues siempre encuentra
la mejor solucin.
Este mtodo es admisible pues la primer solucin que encuentra es la mejor.
Primero en Profundidad (PP)
Paso 1: Aplica la primer regla aplicable.

Paso 2: Luego se generan los siguientes nodos aplicando la primer regla aplicable a los nodos que
se van creando.
Paso 3: Hasta encontrar la solucin o no tener reglas aplicables (llego hasta la hoja), se vuelve
hacia atrs y se aplica la siguiente regla aplicable.
Siempre que se utiliza este mtodo se fija un nivel mximo de profundidad desde el comienzo.
En este mtodo el rbol explicito es un subconjuto del rbol implicito.
No se puede decir que este mtodo sea admisible.
Hill Climbing (HC)
Para este mtodo es necesaria una funcin de evaluacin (son funciones heursticas basadas en la
experiencia). Si la funcin es buena se llega a la solucin de forma directa.
Este mtodo no es admisible, es informado y no es tentativo.
A*

Javier Persico
Pgina 13

Este mtodo utiliza una funcin de evaluacin formada por la suma de dos funciones.
F=G+H
G tiene un valor que se puede calcular.
H es totalmente heurstica.
Es como PP pero con una funcin de evaluacin.
Este mtodo es admisible, informado y tentativo.
Descensos Iterativos
Consiste en aplicar varias veces PP pero en iteracin se va variando el nivel.
Redes Neuronales
El modelo de redes neuronales copia la arquitectura del cerebro.
Sinapsis: Relaciona la salida de una neurona con la entrada de otra.
Parmetros:
Cantidad de entradas.
Peso de la sinapsis (A cada sinapsis se le asigna un peso).
Wc1
E1
Wxa
Wc2
S1
E2
B
S2
Wcn
En
Modelo en capas
Distintas capas de neuronas y las neuronas de una capa exitan a la de la otra.

Wnm modifica la seal que envia En.
Seal total de entrada
E1
W
A1
A
E2
Javier Persico
W
A2
Pgina 14

Sent = E1 * WA1 + E2 * WA2

Funcin de Activacin
Recibe una seal de entrada y devuelve una seal de salida (activacin).
Esta funcin en general no es lineal y acota los valores de salida.
Funcin Escaln
Funcin Sigmoide
f (x) = 1 / 1 + -x
Aplicacin
Deteccin de objetos en imgenes. Cada bit es una entrada, en realidad, cada punto de la imagen es
una entrada.
Las salidas son los posibles elementos que puede detectar la red.
Aprendizaje de la Red
Consiste en darle valores a los pesos, dependiendo de los mismos, la red servira para distintas
tareas.
Tipos de aprendizaje:
Javier Persico
Pgina 15

Aprendizaje Supervisado
Quiere decir que hay una asistente.

Se asignan ciertos pesos y se definen pares de entrada salida, luego se ingresan las entradas y se
comparan las salidas con las salidas esperadas, sino coinciden los pesos debern ser modificados.
Aprendizaje No Supervisado
Se le da una gran cantidad de datos de entrada y la red intenta realizar asociaciones.

Perceptrn
Red ms elemental. Consta de una sola neurona con n cantidad de entradas.
Funcin de activacin: Funcin Escaln.
El perceptrn sirve para resolver problemas que sean linealmente separables.
Lgica Difusa
Tiene un conjunto finito de valores o tiene un cierto rango de valores que puede tener la variable.
Conjuntos o variables difusas, estn asociados a una variable base, en este caso la edad. La
variable base representa los elementos que se pueden medir.
Funciones de Membresa ()
Indican que tanto una varible pertenece al conjunto.
Operadores de la Lgica Difusa
And
1 ^ 2 3
Javier Persico
Pgina 16

3 = min(1, 2) (punto a punto)
3(x) = min(1(x), 2(x))
Tabla de verdad del And
0
0.5
1
0
0
0
0
0.5
0
0.5
0.5
1
0
0.5
1
0
0
0.5
1
0.5
0.5
0.5
1
1
1
1
1
Or
1 v 2 4
4 = max(1, 2) (punto a punto)
4(x) = max(1(x), 2(x))
Tabla de verdad del Or
0
0.5
1
Not
Not(1) 5
5(x) = 1 - 1(x)
Propiedades
A U Not(A) <> 1
A Not(A) <> 0

Javier Persico
Pgina 17

Resumen Teórico

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Resumen Teórico

Transféré par

Droits d'auteur :

Formats disponibles

Universidad de Buenos Aires

75.23 Inteligencia Artificial

Universidad de Buenos Aires

75.23 Inteligencia Artificial

Universidad de Buenos Aires

75.23 Inteligencia Artificial

Universidad de Buenos Aires

75.23 Inteligencia Artificial

Universidad de Buenos Aires

Tres posibles valores para las relaciones entre objetos y propiedades.

75.23 Inteligencia Artificial

Universidad de Buenos Aires

Sistemas Basados en Conocimientos

75.23 Inteligencia Artificial

Universidad de Buenos Aires

Corresponde al anlisis, se determina la conveniencia de realizar un sbc y si es posible

Se realizan los prototipos para discutir con el usuario.

Se busca la integracin del SBC con los dems sistemas de la empresa.

Universidad de Buenos Aires

En paralelo con la etapa 4.

75.23 Inteligencia Artificial

Universidad de Buenos Aires

Es obtener el conocimiento de libros, publicaciones, papers. De un medio escrito.

Directa: Se le pide al experto el conocimiento. Basado en entrevistas

Abierta: No est completamente pensada de antemano. No se tiene detalle de las preguntas.

75.23 Inteligencia Artificial

Universidad de Buenos Aires

Algoritmos Genticos o Evolutivos

Poblacin: Conjunto de elementos del mismo tipo.

En este esquema se mantiene un porcentaje de la poblacin, generalmente la mayora, para la

Por cada individuo se calcula la aptitud relativa al promedio de aptitudes de la poblacin, y en

75.23 Inteligencia Artificial

Universidad de Buenos Aires

Cruza de dos puntos

El cromosoma es considerado un anillo, y se eligen n puntos de cruza en forma aleatoria. Si la

75.23 Inteligencia Artificial

Universidad de Buenos Aires

Estado Inicial (BDGi): Se debe definir antes de iniciar el Sistema de Produccin.

Definir acciones posibles

75.23 Inteligencia Artificial

Universidad de Buenos Aires

o En funcin del estado puede saberse si la accin podr realizarse o no.

Informado: Un mtodo es informado si posee informacin dependiente del problema.

Primero a lo Acho (PA)

Paso 1: Se aplican todas las reglas aplicables al primer estado.

Paso 1: Aplica la primer regla aplicable.

75.23 Inteligencia Artificial

Universidad de Buenos Aires

Consiste en aplicar varias veces PP pero en iteracin se va variando el nivel.

Distintas capas de neuronas y las neuronas de una capa exitan a la de la otra.

Universidad de Buenos Aires

Sent = E1 * WA1 + E2 * WA2

Universidad de Buenos Aires

Quiere decir que hay una asistente.

Se le da una gran cantidad de datos de entrada y la red intenta realizar asociaciones.

Universidad de Buenos Aires

75.23 Inteligencia Artificial

Vous aimerez peut-être aussi