APRENDIZAJE

AUTOMTICO


TEMA DE EXPOSICIN:
APRENDIZAJE INDUCTIVO SUPERVISADO
INTEGRANTES

Jos Abenamar Domnguez Pimentel
Jorge Eduardo Daz Clemente
Lizbeth Guadalupe Arellano ngel
Flor Alicia Hernndez Lpez
Enoc Noverola Lpez
APRENDIZAJE
El aprendizaje podra ser definido como el mecanismo
que permite a un sistema mejorar su rendimiento. La
capacidad de aprendizaje es una de las caractersticas
mas importantes de los sistemas inteligentes [Maceri,
2001]
El principal problema que existe en la actualidad es la
adquisicin automtica de conocimiento (aprendizaje
automtico o machine learning).
APRENDIZAJE
La capacidad de aprendizaje es un aspecto crucial del
comportamiento inteligente de los seres humanos, que
les permite acumular experiencia y adaptarse a entornos
cambiantes frente a los que deben utilizarse nuevas
estrategias
Segn la Encyclopedia of Al, los cinco paradigmas
principales de aprendizaje automtico que han surgido
en las dos ultimas dcadas son las redes neuronales
artificiales, algoritmos genticos, mtodos empricos de
induccin de reglas y arboles de decisin, aprendizaje
analtico y mtodos basados en casos o por analoga.
APRENDIZAJE
INDUCTIVO
Estos pueden inferir propiedades de un nuevo caso a
partir de los casos analizados en la experiencia previa
utilizan representaciones estructurales y relacionales del
conocimiento obtenido por la experiencia y del
aprendido.
ALGUNO DE
SUS ASPECTOS
MAS
IMPORTANTES
Un aspecto importante en el aprendizaje inductivo es
obtener un modelo que represente el dominio de
conocimiento y que sea accesible para el usuario, en
particular, resulta importante obtener la informacion de
dependencia entre las variables (o caractersticas)
involucradas en el problema de estudio, en los sistemas
donde se desea predecir el comportamiento de algunas
variables desconocidas basados en otras conocidas.
APRENDIZAJE
Supervisado:
Se caracteriza por el existencia de un <<profesor>>
que controla el proceso de aprendizaje.
No Supervisado:
Se caracteriza por no necesitar supervisor.
TECNICAS
INDUCTIVAS
Arboles de Decisin:
Los arboles de decisin es una tcnica de aprendizaje
inductivo que representan un caso particular entre las
tcnicas de aprendizaje a partir de ejemplos, siendo su
cometido el inducir reglas a partir de los datos histricos
disponibles, para lo cual proceder a clasificar en la clase
correspondiente diferentes objetos basndose en el valor de
las caractersticas o atributos que los definen.
Redes Neuronales
Estos sistemas tratan de reproducir el comportamiento de algn
sistema real, siendo para ello entrenadas mediante conjuntos de
datos conocidos.
Bibliografa
Libro: Aplicacin de los sistemas neurodifusos a la interpretacin
automtica de imgenes de satlites.
Autor: Jos Antonio Piedra Fernndez

Libro: Introduccin a la inteligencia artificial: sistemas expertos, redes
neuronales artificiales y computacin evolutiva.
Autor: Ral Pino Dez, Alberto Gmez Gmez ,Nicols de Abajo
Martnez.

Libro: Bolsa y estadstica burstil
Autor: Benjamn Hernndez Blzquez

Libro: Aplicacin de un modelo de red neuronal no supervisado a la
clasificacin de consumidores elctricos.
Autor: Sergio Valero Verd, Carolina Senabre Blanes