SISTEMAS EXPERTOSs

SISTEMAS EXPERTOSs

Computación evolutiva
1. involucra problemas de optimización combinatoria. Se inspira en los mecanismos de la Evolución biológica.
  1. Fue Fogel el que introdujo la primera técnica evolutiva que realmente funcionó más o menos dentro de los lineamientos actuales de la computación evolutiva.
    1. Su programación evolutiva consistía en hace revolucionar autómatas de estados finitos por medio de mutaciones.
  2. Un método de selección que otorgue mayores chances de sobrevivir a las buenas soluciones.
2. es una de las ramas de la Inteligencia Artificial que se aplica para la resolución de problemas de optimización combinatoria
  1. comprende métodos de búsqueda y aprendizaje automatizado inspirados en los mecanismos de la evolución natural.
  2. las estrategias evolutivas, los algoritmos genéticos, la programación genética y los clasificadores genéticos entre otro
3. inspirada en los mecanismos de evolución biológica propuestos por Darwin, Medel y Lamark
  1. Una representación o codificación de las soluciones potenciales al problema bajo estudio.
4. Solución utilizando operadores inspirados por la variación genética y la selección natural
  1. Resolución de problemas basados en mecanismos de evolución natural
  2. analizar estrategias evolutivas para seguir una regla auto-adaptativa
IA HIBRIDA
1. combinación de varios métodos para mejorar otros métodos .Resolver problemas que un único modelo no es capaz de resolver
  1. Usar raciocinio para resolver problemas
  2. Aprender o entender de la experiencia
2. Emplean, en paralelo, una combinación de modelos de Vida artificial, métodos y técnicas de múltiples sub campos de inteligencia artificial
  1. Integración de las tecnologías conformadas por sistemas expertos
  2. Tiene su fundamento en los trabajos previosa 1956 llevados a cabo por la Cibernética desde 1943
3. Se basado en casos, lógica difusa, redes neuronales, algoritmos genéticos y agentes inteligentes.
  1. En salud existen sistemas de información como SADUCI, ASMA, APACHE II y TISS que combinan estas técnicas de inteligencia artificial logrando establecerse como híbridos.
Simbolismo
1. Se basa en sistemas físicos de símbolos
  1. Sistemas de Newell y Simon
    1. vinculan una teoría sintáctico-formal del simbolismo con una teoría causal de la semántica
    2. La identidad de un símbolo o de un cómputo es de carácter puramente formal y su importancia radica en su historia causal y sus efectos.
2. representar el conocimiento de una manera que facilite la inferencia
  1. Las computadoras también pueden ser inteligentes, ya que, como el cerebro, es un sistema de símbolos físicos.
  2. El cual proporciona los medios necesarios y suficientes para realizar actividades de inteligencia general.
3. son modelos físicos que se relacionan entre sí por diversas formas como la yuxtaposición.
  1. La capacidad para manejar símbolos, en cualquier sustrato físico, radica en la de almacenar y transformar sistemáticamente los modos de expresión
Conexionismo
1. Programación con base en la percepción -reacción
  1. Hardware densamente conectado
  2. pensamiento asociativo
  3. forma parte las redes neuronales. Debido al carácter eminentemente tecnológico de la inteligencia artificial
2. se establece como un paradigma que permite modelar el funcionamiento del sistema nervioso a partir de formas simplificadas del funcionamiento de las neuronas
  1. se basa en variaciones del modelo de la neurona formal establecida por McCulloch y Pitts en la década de los años 1940.
  2. Es posible desarrollar sistemas expertos conexionistas a partir de la combinación de los sistemas basados en reglas, propio de los sistemas expertos clásicos, con las redes neuronales artificiales
    1. Los sistemas basados en reglas poseen buenas capacidades de explicación mientras que las redes neuronales no la tienen
    2. Los sistemas basados en reglas requieren de expertos que articulen su conocimiento y las redes neuronales solamente muchos ejemplos
    3. Los sistemas basados en reglas requieren de expertos que articulen su conocimiento y las redes neuronales solamente muchos ejemplos
Sistemas Difusos
1. Se basa en principios matemáticos ,representa un conocimiento en diferentes grados
  1. Simula el proceso del razonamiento normal humano
  2. Trabaja con incertidumbre
2. Se constituye en tres bloques
  1. transformación de los valores númericos en valores de Lógica difusa
  2. el motor de inferencia que emplea las reglas
  3. Bloque de conversión de los valores de la lógica difusa en valores númericos
Agentes Inteligentes
1. Percibe el entorno , procesa tales percepciones , responde de manera racional
  1. Aborda construcción de sistemas inteligente mas conplejjos
  2. Capacidad de adaptación en linea y en tiempo real.
2. Entidad software que, basándose en su propio conocimiento
  1. Realiza un conjunto de operaciones destinadas a satisfacer las necesidades de un usuario o de otro programa, por iniciativa propia o porque alguno de éstos se lo requiere.
  2. Sistema informático situado en un entorno, donde en general existen más agentes, dentro del cual actúa de forma autónoma y flexible
3. Características
  1. Reactivo,Pro-activo, Social, Autonomía,Sociabilidad, Racionalidad,Re-actividad, Pro-actividad,Adaptatividad,Movilidad,Veracidad,Benevolencia
    1. El agente es capaz de responder a cambios en el entorno en que se encuentra situado
    2. a su vez el agente debe ser capaz de intentar cumplir sus propios planes u objetivos
    3. un agente es completamente autónomo si es capaz de actuar basándose en su experiencia
    4. debe de poder comunicarse con otros agentes mediante algún tipo de lenguaje de comunicación de agentes.
    5. el agente siempre realiza «lo correcto» a partir de los datos que percibe del entorno

Siguiente

Descripción

Resumen del Recurso

Similar

	Creado por milena hernandez rodiguez hace más de 5 años