Temas selectos de sistemas

inteligentes Introducción a cada uno

de los temas utilizando
Profesor(a): M.C. Raquel Martínez Martínez analogías: Cómputo
Día: Lunes | Miércoles | Viernes evolutivo, Redes
Hora: V2 Neuronales, Lógica difusa,
Grupo: 001
Sistemas expertos
Salón: 2106
Equipo: 10

Nombre Carrera Matricula

Alejandro Martínez Cervantes ITS 1884430

Jordi Almanza Ramirez ITS 1581884

Angel Ivan Davila Cerda ITS 1748490

Alfredo Alejandro Rodríguez Coronado ITS 1814233

Analogías
Redes neuronales
Introducción a redes neuronales

Jerarquías

4
Ejemplo

5
Ejemplo

6
Ejemplo

7
Ejemplo

8
Estructuras sociales

9
Referencias

10
Neuronas

11
Redes

12
Organizaciones

13
Redes sociales

14
Redes neuronales

15
Cómputo evolutivo
 Computo evolutivo
Es una rama de la computación y la inteligencia artificial que comprende
métodos de búsqueda y aprendizaje automatizado inspirados en los
mecanismos de la evolución natural.

Diversos enfoques a la computación evolutiva han sido propuestos: las

estrategias evolutivas, los algoritmos genéticos, la programación genética y
los clasificadores genéticos entre otros. A estos métodos se les denomina de
manera colectiva como algoritmos evolutivos, entre los cuales los más
conocidos son probablemente los algoritmos genéticos.

17
 Componentes
● Una representación o codificación de las soluciones potenciales al
problema bajo estudio.
● Una población (conjunto de individuos) de estas soluciones
potenciales.
● Mecanismos para generar nuevos individuos o soluciones potenciales
al problema estudiado, a partir de los miembros de la población actual
(los denominados operadores de mutación y recombinación)
● Una función de desempeño o evaluación (del inglés fitness function )
que determina la calidad de los individuos en la población en su
capacidad de resolver el problema bajo estudio.
● Un método de selección que otorgue mayores chances de sobrevivir a
las buenas soluciones.

18
 Computo evolutivo
Interpreta la naturaleza como una inmensa máquina de resolver problemas y
trata de encontrar el origen de dicha potencialidad para utilizarla en nuestros
programas. Los Algoritmos Genéticos son una de las más conocidas y
originales técnicas de resolución de problemas dentro de lo que se ha definido
como "Computación Evolutiva" (o "Algoritmos Evolutivos"), término que
agrupa a los Algoritmos Genéticos, las Estrategias Evolutivas y la
Programación Evolutiva.

En un Algoritmo Evolutivo se define una estructura de datos que admita todas

las posibles soluciones a un problema. Cada uno de los posibles conjuntos de
datos admitidos por esa estructura será una solución al problema. Unas
soluciones serán mejores, otras peores. Solucionar el problema consistirá en
encontrar la solución óptima, y por tanto, los Algoritmos Evolutivos son en
realidad un método de búsqueda.

19
Computo evolutivo

20
 Computo evolutivo
La Computación evolutiva constituye una de las áreas más activas de la
llamada “inteligencia computacional”, que agrupa además las redes
neuronales y los sistemas difusos. Estas técnicas han logrado un gran número
de aplicaciones exitosas en la industria y el comercio. Los algoritmos
evolutivos se han utilizado también como herramientas de modelaje y
resolución de problemas en las ciencias naturales.

21
Lógica difusa
Lógica difusa
Esta lógica utiliza
expresiones que no son ni
ciertas ni falsas. Es decir,
que pueden tomar
cualquier valor en el
conjunto de veracidad que
oscila entre verdadero o
falso

23
 Ejemplos cotidianos de la lógica
difusa
A diferencia de la lógica normal, la lógica difusa carece de reglas
estrictas para determinar una pertenencia en conjuntos, por
ejemplo, mientras que para la lógica tradicional una persona
que mida 1.80 es alta, una persona que mida 1.79 es baja. En la
lógica difusa, ambas alturas hacen que una persona entre en la
categoría de personas altas.

24
Ejemplos cotidianos
Uno de los ejemplos
cotidianos que podemos
usar es el siguiente
enunciado:
“Sandra, nos vemos luego”
Ese “nos vemos luego” es
difuso porque depende de
la interpretación que se le
dé
25
La lógica difusa puede extenderse por ejemplo a un
sistema de aire acondicionado que puede tomar el
concepto subjetivo de frío y adaptarse a las decisiones
que tome el dueño de dicho sistema. Al imitar el
razonamiento de la persona

26
Objetivo de la lógica difusa
La lógica difusa tiene como
objetivo el comprender
nuestras expresiones
cotidianas y adaptarse al
mundo real, donde solemos
usar expresiones que la
lógica tradicional no
entiende.

27
Sistemas expertos
 En resumen

los Sistemas Expertos se destacan entre las herramientas de soporte para la

toma de decisiones
29
 Introducción
Un Sistema Experto es un sistema que emplea conocimiento humano
capturado en una computadora para resolver problemas que normalmente
requieran de expertos humanos.

Los sistemas bien diseñados imitan el proceso de razonamiento que los

expertos utilizan para resolver problemas
específicos.

En esta área resulta estratégico poder resolver las siguientes tareas de forma
eficiente y completa:

● Identificar la información necesaria para el tópico en cuestión, conformando

la Base de Conocimiento.

● Codificar de manera concisa, eficiente y precisa la información, de modo que

la manipulación sea efectiva y ubicua

30
 Origen de los sistemas expertos

Los Sistemas Expertos fueron desarrollados por la comunidad de IA a

mediados de los años ‘60.

En este periodo de investigación de IA se creía que algunas pocas reglas de

razonamiento sumadas a computadoras poderosas podían producir un experto
o rendimiento superhumano.

31
 Origen de los sistemas expertos
Los siguientes son Sistemas Expertos que fueron clave para el éxito en el
avance significativo en el campo:

DENDRAL: Primer Sistema Experto en ser utilizado para propósitos químicos y

biólogos, ya que facilitaba enormemente la inferencia de estructuras
moleculares, dominio en el que Dendral estaba especializado

MYCIN: Es un SE para la realización de diagnósticos. Su función es la de

aconsejar a los médicos en la investigación y determinación de diagnósticos
en el campo de las enfermedades infecciosas de la sangre

XCON: El programa R1 era un sistema de producción con el propósito de

asistir a los pedidos de los sistemas de computadores VAX de DEC (Digital
Equipment Corporation) seleccionando los componentes del sistema de
acuerdo a los requerimientos del cliente.

32
 Caracteristicas

Estructura:
Los SE están compuestos por dos partes principales: el ambiente de
desarrollo y el ambiente de consulta.

● El ambiente de desarrollo es utilizado por el constructor para crear los

componentes e introducir conocimiento en la base de conocimiento.

● El ambiente de consulta es utilizado por los no-expertos para obtener

conocimiento experto y consejos

33
 Caracteristicas

Los siguientes son los componentes básicos de un SE:

● Subsistema de adquisición de conocimiento
● Base de conocimiento
● Base de hechos
● Motor de inferencia
● Subsistema de justificación

34
 Tipos de SE

● Basados en reglas previamente establecidas:

Los sistemas basados en reglas trabajan mediante la aplicación de reglas,
comparación de resultados y aplicación de las nuevas reglas basadas en
situación modificada.

● Basados en casos:
El razonamiento basado en casos es el proceso de solucionar nuevos
problemas basándose en las soluciones de problemas anteriores.

35
 Tipos de SE

● Sistemas Expertos difusos:

Los Sistemas Expertos difusos se desarrollan usando el método de lógica
difusa, la cual trabaja con incertidumbre. Esta técnica emplea el modelo
matemático de conjuntos difusos, simula el proceso del razonamiento normal
humano permitiendo a la computadora comportarse menos precisa y más
lógicamente que las computadoras convencionales.

36
 Conclusión

Actualmente los Sistemas Expertos son empleados en áreas diversas y

existe una importante variedad de herramientas y tecnologías para
implementarlos.

37
 Conclusión

Los Sistemas Expertos han sido diseñados para facilitar las tareas en
múltiples campos de aplicación y proporcionar equivalentes resultados a
los de un experto humano.

Se sabe que no son aptos para resolver problemas generales pero su

eficiencia aumenta mientras más acotado o específico sea el dominio de
aplicación.

38