REPBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA EDUCACIN UNIVERSITARIA UNIVERSIDAD POLITCNICA TERRITORIAL DEL NORTE

DE MONAGAS PROGRAMA NACIONAL DE FORMACIN DE INGENIEROS INFORMTICA CARIPITO, EDO-MONAGAS

Tcnicas de Inteligencia Avanzada

Profesor Ing Msc. Iraide Rodrguez Desarrollado por: T.S.U Alba Lpez T.S.U Andreina Guzmn T.S.U Penlope Vargas T.S.U Yorkshaire Rojas

Caripito, Mayo del 2012 5/20/12

A continuacin presentaremos tres aspectos que en estos ltimos aos se ha desarrollado entorno al rea de computacin Se define como el rea que disea y desarrolla inteligente:
sistemas artificiales que poseen caractersticas de seres vivientes

Haga clic para modificar el estilo de subttulo del patrn

5/20/12

Ambiente s Son los que el hombre ha hecho. los urbanos y los agrcolas. Los Artificiale primeros estn constituidos por los pueblos y ciudades. s Mientras que los otros son los que el
hombre construye para poder criar las especies domsticas.

Ecosiste mas Artificiale Son sitios donde viven seres biticos y seres abiticos o sea seres s vivos y no vivos

pero el ecosistema artificial es creado por el ser humano, por ejemplo una pecera.

VIDA ARTIFICIAL
5/20/12

La Vida Artificial se puede considerar como la parte de la Inteligencia Artificial que pretende reproducir los procesos y comportamientos tpicos de los seres vivos. Tambin podemos definirla como el intento de crear vida, o algo parecido a la vida, mediante la combinacin de smbolos (datos) y procesos de smbolos (programas) independientemente del soporte fsico de estos smbolos y procesos. El cientfico Christopher Langton fue el primero en utilizar el trmino a fines de la dcada de 1980 cuando se celebr la "Primera Conferencia Internacional de la Sntesis y Simulacin de Sistemas Vivientes" (tambin conocido como Vida Artificial I) en Laboratorio Nacional de Los lamos en 1987. Las aplicaciones de la vida artificial se pueden encontrar en alguno de estos casos:

Los sistemas complejos adaptativos, que han dado paso a una nueva generacin de sistemas expertos, que 5/20/12 son capaces de aprender y evolucionar.

En el conocimiento de comportamientos adaptativos, para el desarrollo de robots adaptativos.

VIDA ARTIFICIAL
1. 2. 3.
La vida artificial, trata de comprender la vida elaborando programas capaces de generar estructuras emergentes de apariencia biolgica. La vida artificial parte de abstracciones generadas artificialmente, las cuales no deben ser irrealistas para que puedan tener un paralelo con la manera de actuar de los sistemas naturales Las manifestaciones de los comportamientos artificialmente elaborados van a proveer nuevos hechos, e incluso fenmenos biolgicos, posibilitando evaluar teoras hasta ahora especulativas sobre muchos de esos fenmenos biolgicos. Fundacin Telefnica ha anunciado las obras ganadoras del certamen internacional VIDA, que a lo largo de sus trece ediciones se ha convertido en un referente mundial en la investigacin artstica de la vida artificial. El primer premio de la artista Sonia Cillari (Italia/Holanda) se le ha otorgado por el proyecto Sensitivetopleasure, que es una performance interactiva que plantea la percepcin del cuerpo a travs de complejos interfaces fsicos. 5/20/12

Por ejemplo, los sistemas Tierra y Avida consisten en poblaciones de programas que luchan por recursos en la computadora. Los programas que se reproduzcan ms rpido tendrn mejores oportunidades de sobrevivir. A travs de evolucin artificial, distintas estrategias emergen, incluyendo parasitismo y simbiosis El comportamiento de animales tambin se ha estudiado dentro de la Vida Artificial. No slo con simulaciones de ecosistemas virtuales. Tambin con robots que tratan de sobrevivir en medios ambientes simplificados. Con estos experimentos se han podido comprender mejor los mecanismos de adaptacin y aprendizaje que son naturales en animales, pero escasos y deseados en los sistemas que construimos. Ms all del software y del hardware, la Vida Artificial empieza a explorar el "wetware". Esto se refiere a la generacin de una Vida Artificial en el laboratorio. Empezando con molculas, se pretende sintetizar sistemas reales que posean las propiedades de un sistema vivo "simple": una clula

5/20/12

La Vida Artificial no slo ha sido til para comprender mejor a los sistemas biolgicos. El conocimiento adquirido se ha utilizado para construir sistemas tecnolgicos con diversas propiedades que son caractersticas de los sistemas vivos, tales como adaptacin, robustez, y autonoma. Ejemplo: los mecanismos de las colonias de hormigas se han usado para resolver diversos problemas de optimizacin.

Biomurfus V 1.3 12 de Mayo 1988 by B J Murphy: Este programa para MSDOS simula la evolucin gentica de un ser. Los genes son unos cuantos valores que representan las dimensiones de las formas que ir tomando. T vas seleccionando el ser que generar la siguiente evolucin.

La vida artificial es capaz de generar por primera vez en la historia de las ciencias, un universo de criaturas artificiales que se autoreproducen, evolucionan, aprenden e incluso se organizan colectivamente.

5/20/12

Inteligencia Artificial vs Vida Artificial

La I.A busca reproducir (Facultad cognitiva) que es slo un aspecto de la vida , mientras que la V.A, es ms complicado ya que intenta reproducir todo el sistema artificialmente, y no solo una parte. La I.A, tiene el problema de que numerosas funciones no estn directamente ligadas a la inteligencia (son hechas por otros subsistemas de los organismos biolgicos), por consiguiente, deben ser generadas desde el exterior (limitando su autonoma). Sin embargo, en la V.A todas las funciones deben ser incluidas en el sistema artificial lo q minimiza la dependencia de operadores externos.

Estn los intentos "hardware" de emulacin de vida. Por ejemplo, es posible construir un pequeo robot con aspecto de ratn capaz de encontrar la salida de un laberinto. Por otra parte estn las simulaciones "software". stas tienen la ventaja de que permiten construir un gran nmero de seres vivos y entornos en los que estos existen, de manera que es ms fcil estudiar comportamientos sociales.

5/20/12

La vida artificial nos ayuda a entender la vida... a travs de otras vidas posibles

La vida artificial hace aportes importantes a la biologa terica, ya que permite estudiar la vida tal como la conocemos, pero tambin tal como ella podra ser en cualquier universo (no solamente en la tierra). Las criaturas virtuales que se emulan en las computadoras aseguran caractersticas de los seres vivientes tal y como se conocen en la tierra (tienen metabolismo, se reproducen, mueren, se organizan colectivamente, aprenden a evolucionar.

5/20/12

Cuestin Filosfica de la Vida Artificial

La Vida Artificial tambin nos ofrece una "visin privilegiada" de nuestra realidad. No hace falta que las simulaciones por ordenador sean todava ms complejas, para poder tener el derecho a preguntarnos acerca de si nuestro propio mundo no ser tambin una "simulacin dentro de un cosmo-ordenador". De hecho, esta pregunta se ha planteado, desde tiempos remotos, de infinidad de maneras. Si los ordenadores son capaces de simular universos artificiales poblados por organismos que mediante la reproduccin, las mutaciones y la seleccin natural, evolucionan y se hacen cada vez ms inteligentes y conscientes, podramos interpretar nuestro propio mundo como un "superordenador" donde nosotros mismos somos los "seres artificiales" que lo habitan, siguiendo el curso de evolucin que El Programador ha deseado. Vida real (artificial): La Vida Artificial es tal porque son artificiales sus componentes y son artificiales porque estn construidos por el hombre. Sin embargo, el comportamiento de tales sistemas depende de sus propias reglas y en ese sentido es tan genuino como el comportamiento de cualquier sistema biolgico natural. 5/20/12

Tcnicas de Inteligencia Avanzada

Sistema Templado Algoritmo Artificial Simulado Gentico de Haga clic para modificar el estilo de subttulo del patrn Hormigas

5/20/12
T.S.U Yorkshaire Rojas

Sistemas Artificiales de Hormigas

Paradigma Computacional Enfoque estocstico Haga clic para Resolucin de problemas
Laoptimizacin combinatoriaes una rama de la optimizacin en matemticasaplicadas y en ciencias de modificar el computacin, relacionada a la estilo de subttulo del patrn la investigacin de operaciones, teora dealgoritmosy teora de lacomplejidad computacional. Tambin est relacionada con otros campos, como la inteligencia artificialeingeniera del software.

Colonias de hormigas

5/20/12

Optimizacin Combinatoria
T.S.U Yorkshaire Rojas

Caractersticas
Retroalimentacin Positiva Procesamiento Distribuido Heurstico Constructivo

Permite un rpido descubrimi ento de buenas soluciones

Evita una converge ncia prematur a

5/20/12

Ayuda al procedimie nto de bsquedas de soluciones

T.S.U Yorkshaire Rojas

APLICACIONES
El tipo de problemas que se pueden resolver por medio de hormigas artificiales pertenece al grupo (restringido) de problemas de camino mnimo .

Elproblema del viajero de comercio, es un ejemplo que muestra y analiza la problemtica que subyace tras algunos tipos de problemas matemticos que a priori parecen tener una solucin relativamente fcil y en la prctica presentan un gran problema. Es uno de los problemas ms famosos (y quizs el mejor estudiado) en el campo de la optimizacin combinatoriacomputacional. Se conoce la forma de resolverlo pero slo en teora, en la prctica la solucin no es aplicable debido al tiempo que computacionalmente se precisa para obtener su resultado

5/20/12

Propiedades Versatilid Puede ser aplicado a versiones ad similares del mismo problema, ejm: Robustez
El problema de Viajero de comercio. Puede ser aplicado, con pequeos cambios a otros problemas de Optimizacin Combinatoria. Viajero de Comercio --- Asignacin en esquema Cuadrtica

Basado poblacionalsu implementacin paralela, Esto hace fcil

posibilitando una explotacin eficiente de la retroalimentacin positiva como mecanismo 5/20/12 de bsqueda

Sistema Artificial de Hormigas

En este enfoque se distribuye la actividad de bsqueda en unos elementos llamados hormigas , es decir, agentes con simples capacidades que emulan en cierta forma el comportamiento de las Se determino que el hormigas reales medio usado por las hormigas para comunicarse informacin con respecto al camino a seguir, consista en 5/20/12 trazas de En particular el problema es entender como animales ciegos pueden establecer el camino mas corto entre su colonia y una fuente de alimentos.
Son un sistema indirecto de comunicacin qumica entre animales de una misma especie, que transmiten informacin acerca del estado fisiolgico, reproductivo y social, as como la edad, el sexo y el parentesco del animal emisor, las cuales son recibidas en el sistema olfativo del animal receptor, quien interpreta esas seales, jugando un papel importante en la organizacin y la supervivencia de muchas especies

Sistema Artificial de Hormigas

Las hormigas van dejando cantidades de pheromone en sus movimientos, marcando los caminos recorridos.

Las observaciones mostraron que mientras una hormiga aislada esencialmente haca un movimiento aleatorio, una hormiga que encontraba trazas previas poda Este ltimo proceso es detectarlas y decidir con una retroalimentacin alta probabilidad 5/20/12 postiva. seguirlas, de tal manera

El comportamiento colectivo que emerge es una forma de comportamiento autocataltico, donde entre ms hormigas decidan seguir una traza es ms atractiva seguir esa traza

Sistema Artificial de Hormigas

La metfora natural en la que se basan los algoritmos artificiales de hormigas es el de las colonias de hormigas. Las hormigas reales son capaces de encontrar el camino ms corto desde una fuente de alimentos a su nido, sin usar seales visuales sino explotando la informacin del pheromone.

Esto ha inspirado a los sistemas artificiales de hormigas. Algoritmo en el cual un grupo de hormigas cooperan entre si para solucionar un problema 5/20/12 intercambiando informacin a travs del pheromone depositado en los arcos de un grafo

Modelo de un Sistema de Hormigas

5/20/12

Algoritmo de colonia de hormigas La observacin de la naturaleza ha sido una de las As principales nacieron fuentes diversas Templado de inspiracin de para la propuesta de nuevos paradigmas computacionales. tcnicas Inteligencia (Simulated Artificial como: los Algoritmos Genticos (Genetic Algorithms), Simulado Annealing), Redes Neuronales (Neural Networks), y entre estas tcnicas, el sistema basado en Colonias de Hormigas (Ant Colony System).
5/20/12

As como las hormigas reales, las hormigas artificiales crean sus soluciones secuencialmente movindose de un estado del problema a otro. Las hormigas reales simplemente caminan, escogiendo una direccin basada en las concentraciones de feromona local y en una poltica de decisin aleatoria. Las hormigas artificiales tambin crean soluciones paso a paso, movindose a travs de estados del problema disponibles y tomando decisiones aleatorias a cada paso.

5/20/12

Sin embargo hay algunos diferencias importantes entre las hormigas reales y artificiales: Las hormigas artificiales viven en un mundo discretose mueven secuencialmente a travs de un conjunto finito de estados del problema. La actualizacin de feromona (es decir, el depsito y feromona) no se realiza exactamente de la misma manera artificiales como por las reales. A veces la actualizacin hecha solo por algunas de las hormigas artificiales, y despus de que una solucin se ha construido. evaporacin de por las hormigas de feromona es a menudo solo

Algunas implementaciones de hormigas artificiales usan mecanismos adicionales que no existen en el caso de las hormigas reales. Los ejemplos incluyen mirar-hacia-adelante, bsqueda local y vuelta atrs, entre otros.

5/20/12

Algoritmo de colonia de hormigas

Resulta realmente interesante analizar como las hormigas buscan su alimento y logran establecer el camino ms corto para luego regresar a su nido. Para esto, al moverse una hormiga, deposita una sustancia qumica denominada

feromona como una seal odorfera para que las dems puedan seguirla. Las feromonas son un sistema indirecto de comunicacin qumica entre animales de una misma especie, las cuales son recibidas en el sistema olfativo esas del animal receptor, un quien papel interpreta seales, jugando

importante en la organizacin y la supervivencia de muchas especies.

5/20/12

El algoritmo de hormigas es un algoritmo de optimizacin diseado, basndose en cmo encuentran las hormigas la ruta a seguir. Mientras mas hormigas pasan por una ruta mas hormona se acumula y por ende las dems hormigas van por la ruta que mas hormona tenga lo que hace es simular las alternativas de rutas mediante un grafo y los vrtices simulan la acumulacin de hormona.
5/20/12

Ant System
El Sistema de Hormigas (AS, por sus siglas en ingles, Ant System) fue el primer algoritmo ACO propuesto en la literatura. Inicialmente, se presentaron tres variantes distintas Inspirados en el comportamiento de las hormigas que bsicamente difieren en el momento y la modalidad en que actualizan la matriz de

feromonas

que

sirve

para

guiar

el

movimiento

de

los

agentes

Ant-density: con actualizacin constante de las feromonas por donde pasa una hormiga.

computacionales llamados hormigas; los cuales son los siguientes:

Ant-quantity: con actualizacin de feromonas inversamente proporcional a la distancia entre 2 ciudades recorridas. 5/20/12

Para este caso se consideraran un conjunto de MAXC ciudades y se define b (t) i como el nmero de hormigas en la ciudad i en el tiempo t, por consiguiente, el nmero total de hormigas MAXH estar dado por:

Para satisfacer la restriccin de que una hormiga visite todas las ciudades una sola vez, se asocia a cada hormiga k una estructura de datos llamada lista tab, tabuk, que guarda las ciudades ya visitadas por dicha hormiga. Una vez que todas las ciudades hayan sido recorridas, el trayecto o tour (ciclo) es completado, la lista tab se vaca y nuevamente la hormiga est libre para iniciar un nuevo tour. Se define como tabuk(s) al elemento s-esimo de la lista tab de la hormiga k.

5/20/12

El punto de partida para la solucin del problema en cuestin, es la matriz de distancias D = {di j -distancia entre la ciudad i y la ciudad j}, a partir de la cual se calcula la visibilidad Vij= 1/ dij. Por su parte, se denota como T = {Tij} a la matriz de feromonas a ser utilizada para consolidar la informacin que va siendo recogida por las hormigas; en otras palabras, la cantidad de feromona que se va almacenando entre cada par de ciudades i, j. Durante la ejecucin del algoritmo Ant System, cada hormiga elige en forma probabilstica la prxima ciudad a visitar, realizando un clculo de probabilidad que es funcin de la distancia y la cantidad de feromonas depositada en el arco que une a las ciudades origen-destino, esto es:

5/20/12

donde y son constantes que expresan la importancia relativa del sendero de feromonas y la distancia entre las ciudades respectivamente. As, un alto valor de significa que el sendero de feromonas es muy importante y que las hormigas tienden a elegir caminos por los cuales otras hormigas ya pasaron. Si por el contrario, el valor de es muy alto, una hormiga tiende a elegir la ciudad ms cercana. Se resalta aqu que cada hormiga debe realizar un tour legal o sea, no puede viajar a una ciudad ya visitada con anterioridad hasta que complete su tour.

5/20/12

En el instante t, las hormigas se mueven de una ciudad a la siguiente (movimiento llamado: iteracin), en donde se encontrarn en el instante t+1. Lgicamente, al cabo de (MAXC 1) iteraciones, las hormigas han visitado la ltima ciudad y estn en condiciones de regresar a su ciudad origen, posiblemente para actualizar la matriz de feromonas con la informacin recogida en el tour completo..

5/20/12

La matriz Tij(t) que especifica la intensidad de las feromonas del arco (i, j) en t, se actualiza segn la frmula: Tij (t + 1) = Tij (t) + ATij (t, t + 1) donde es el coeficiente de persistencia de las feromonas, de forma tal que (1-) representa la evaporacin de la substancia entre t y t+1, mientras que la cantidad de feromona depositada en un arco (i, j), est dada por:

con ATkij (t, t+1) representando la cantidad de feromonas por unidad de longitud, depositada en el arco (i,j) por la hormiga k-esima entre t y t+1. Cabe destacar aqu que la principal diferencia entre las diversas variantes del algoritmo Ant System, est dada justamente en la forma de calcular ATkij (t, t+1)

5/20/12

El proceso se repite iterativamente hasta que se cumpla algn criterio de parada. En este trabajo, el proceso termina si el contador de tour alcanza un nmero mximo de ciclos NCMAX (definido por el usuario) o todas las hormigas realizan el mismo tour. En este ltimo caso, es evidente que las hormigas han dejado de buscar nuevas soluciones, lo que constituye un criterio de convergencia del algoritmo (similar a la uniformizacin de la poblacin de un algoritmo gentico). Ant Quantity En esta variante del algoritmo, la hormiga k que viaja desde la ciudad i a la ciudad j, deposita en el trayecto una cantidad de feromonas inversamente proporcional a la distancia dij, esto es:

5/20/12

si la hormiga k esima camina por el arco entre y + 1 de otra manera donde Q1 es una constante. Ant-quantity secuencial.
t=0; /*t es contador de tiempo*/ nc=0; /*nc es el contador de ciclos*/ s=1; /*ndice de la lista tab*/ Para cada arco (i,j) inicializar T (t) c ij = ; /*c es una constante positiva pequea*/ Para cada arco (i,j) AT (t) ij = 0 ; Colocar las MAXH hormigas en las MAXC ciudades; Colocar la ciudad origen de la hormiga k-esima en tabuk(s) DO WHILE (nc<=NCMAX y que todas las hormigas no realicen el mismo tour) FOR t=1 hasta MAXC-1 /*se repite hasta que la lista tab este llena*/ s=s+1 FOR i=1 hasta i<=MAXC FOR k=1 hasta k<=b(t)

5/20/12

Elegir la ciudad j a mover, con probabilidad pij(t) dado por la ecuacin (1); Mover la hormiga k-esima a la ciudad; Insertar la ciudad j en tabuk(s); Calcular ATij (t, t +1) = AT ij (t, t+ 1) + Q 1 / d ij; END FOR END FOR Para cada arco (i,j) calcular T (t t ) ij , + 1 segn la ecuacin (2); END FOR Guardar el camino ms corto; nc=nc+1; IF (nc<=NCMAX) Vaciar todas las listas tab;

Para cada arco (i,j) AT ij(t + 1) = 0 ;

5/20/12

Sistemas hbridos inteligentes

Generalidades

Una de las caractersticas mas resaltantes de los humanos es que realizan un procesamiento de informacin que proviene de fuentes hibridas. Nuestras acciones son gobernadas por una combinacin de informacin gentica e informacin adquirida a travs del aprendizaje. Estos tipos de sistemas que procesan informacin hibrida estn siendo replicados en maquinas adaptivas. En el corazn de esta maquina adaptiva estn las tcnicas de computacin inteligentes, y en particular los sistemas hdricos inteligentes. Los sistemas hbridos inteligentes consisten en combinar dos o mas tcnicas inteligentes las cuales pueden ser combinaciones con sistemas computacionales tales como base de datos y paquetes estadsticos en las5/20/12 siguientes tres razones.

Se puede decir el porque crear sistemas hdricos inteligentes en las siguientes tres razones Debilidad de las tcnicas. Multiciplidad de tarea.

El objetivos de los sistemas Es una tcnica puede hbridos no ser aplicada a los inteligentes. muchos subproblemas en los cuales se pueden descomponer un problema.

Multifuncionalidad. Es crear sistemas con mltiples mecanismos de procesamiento dentro de su misma arquitectura. Es decir se requiere disear sistemas cuyos componentes realicen tipos diferentes de procesamiento de informacin.

5/20/12

En particular el desarrollo de los sistemas hbridos inteligentes en el rea de computacin inteligente es bastante deseable, debido a que cada una de las tcnicas tiene un conjunto de propiedades computacionales que se hacen susceptibles para ciertos problemas y no para otros. Ejemplo: Las redes neuronas son buenas para reconocer patrones pero no tienen la capacidad de explicar como ellos alcanzan una decisin.

5/20/12

Propiedades los sistemas inteligentes Propiedades dede lossistemas inteligentes.

En esta parte presentamos las propiedades de las tcnicas inteligentes desde el punto de vista de su capacidades para el procesamiento de informacin.

Adquisicin del conocimiento: Esta etapa es fundamental para el desarrollo de sistemas inteligentes. Esta etapa envuelve capturar, interpretar y representar el conocimiento. En el caso de los sistemas expertos este proceso es largo, costoso, y muchas veces, irrealizable. Otras tcnicas, tales como las redes neuronales artificiales y los algoritmos genticos tienen ciertas Robustez: Un sistema aprender de los si ventajas porque pueden no es robusto datos. responde apropiadamente solamente en ciertos dominios y requieren una sustancial intervencin humana para compensar sus debilidades en otros dominios. Un tipo de sistema no robusto es su imposibilidad para 5/20/12 con actuar conocimiento incompleto inconsistente o

Alto bajo y nivel de razonamiento. Segn la teora cognitiva existen dos niveles de razonamientos, uno de alto nivel el cual realizamos tareas cognitivas secuencialmente, y un bajo nivel en el cual realizamos tareas paralelas de conocimiento.

Capacidad de explicar

La habilidad para prever a los usuarios con explicacin sobre el proceso de razonamiento es importante en ciertos tipos de aplicaciones. Dichas explicaciones son importantes para aceptar soluciones generadas por ellos, o para clasificar el proceso de razonamiento. En los sistemas expertos y en los sistemas de induccin de reglas, las explicaciones son tpicamente provista por las cadenas de inferencia durante el proceso de razonamiento.

5/20/12

Clasificacin de los sistemas hbridos Existen varias clasificaciones en la literatura. la primera que daremos esta caracterizada por su funcionalidad. Arquitectura de procesamiento y requerimientos computacional.
Remplazando funcin: En esta clase de hibridacin, de una tcnica son realizada por otra tcnica inteligente. La motivacin para realizar esto puede aumentar la eficiencia de la tcnica

5/20/12

Algunos ejemplos de estos sistemas son: Reemplazar el mecanismo de aprendizaje de una red neuronal. Usar las redes neuronales para construir controladores lgicos difusos. Definir automticamente las funciones de membresia usando algoritmo genticos. Usar un algoritmo gentico o una red para definir un sistema basado en reglas difusas.

Intercomunicando tcnicas inteligentes: Consiste en interconectar mdulos inteligentes de procesamientos los cuales intercambian y ejecutan funciones separadas, esto es til en problemas que se pueden descomponer en tareas, tal que una pueda usar mdulos independientes para ir resolviendo cada tarea.

5/20/12

Ejemplos: Mtodos de pre-procesamiento difusos que son introducidos a una red neuronal para tareas de diagnsticos. Reconocimientos de patrones de datos a travs de la siguiente secuencia.

Generadores sistemas polimrficos: Estos son sistemas donde a partir de nica arquitectura de procesamientos se realizan todas las funciones de diferentes tcnicas de procesamientos. La motivacin de estas tcnicas es poder realizar tares multifuncionales en una nica arquitectura computacional.

5/20/12

Dillon y Khosla presentan otra clasificacin, la cual agrupa los sistemas hbridos inteligentes en cuatro categora.

Funcin de Sistema

Asociacin de sistemas

Transformacin de sistema Redes neuronales Combinacin artificiales, de sistemas lgicas difusa computaciona Clases de sistemas hbridos inteligentes segn Dillon y Khosla l evolutiva
5/20/12

Funcin de sistemas: En esta categora, los mecanismo de procesamiento y presentacin de la informacin de una tcnica inteligente son fusionadas con la estructura de representacin de otra tcnica inteligente, es decir, el conocimiento y razonamiento de una tcnica es fusionada en la otra. Transformacin: En estos sistemas, una tcnica inteligente transforma la forma de representacin en la informacin en otra forma, para poder ser usada por otra Tcnica inteligente. Combinacin de sistemas: Este enfoque consiste en combinar dos o mas tcnicas inteligentes, bajo la premisa que no hay una tcnica inteligente que abarque todo el espectro referente a las capacidades cognitivas y de procesamiento de los humanos a la hora de querer resolver un problema. Asociacin de sistemas: Estos sistemas intenta asociar las categoras presentadas anterior mente, de manera de maximizar las capacidades de procesamiento y de eliminar las restricciones a nivel de representacin del conocimiento.
5/20/12

Metodologa para desarrollar los sistemas hbridos En esta seccin se presenta un ciclo clsico de desarrollo de sistemas hbridos. Este enfoque procedimental puede llevar a reducir los costos y tiempos de desarrollo. Este siclo esta compuesto por las siguientes fases.

Anlisis del problema: Esta fase envuelve tres pasos.

Identificacin del problema. Identificacin de las tareas existentes dentro del problema a tratar. Identificacin de los requerimientos del problema.

5/20/12

5/20/12