Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introducción a la Inteligencia
Computacional y su Aplicación en
la Ingeniería
Dr.Youness El Hamzaoui
1
2
Definición 1
La Inteligencia Computacional combina
elementos de aprendizaje, adaptación, evolución y
Lógica difusa para crear programas que son, en
cierta manera, inteligentes. La investigación en
Inteligencia Computacional no rechaza los métodos
estadísticos, pero muy a menudo aporta una vista
complementaria. Las Redes Neuronales son una
rama de la inteligencia computacional muy
relacionada con el aprendizaje automático.
3
Definición 2
4
Definición 3
“Sistemas interactivos basados en computadora que
auxilian a quienes toman decisiones en la utilización de
datos modelos para resolver problemas no
estructurados” .
Definición 4
"Son Sistemas de Apoyo a la Decisión acoplan los
recursos intelectuales de los individuos con las
capacidades de las computadoras para mejorar la
calidad de las decisiones de quienes contienden con
problemas semiestructurados”
5
Beneficios percibidos atribuibles al uso de la
Inteligencia Computacional son:
- Alta calidad en las decisiones
- Comunicación mejorada
- Reducción de costos
- Incremento en la productividad
- Ahorro de tiempo
Experto
Experticia
Usuarios
Recomendaciones
Consultas
8
Inteligencia Artificial (IA)
10
La IA modela el comportamiento inteligente
Lógica Difusa
Redes
Neuronales
Inteligencia
Computacional
11
Optimización Inteligente
• Los Algoritmos Genéticos (AG) son métodos
adaptativos que pueden usarse para resolver
problemas de búsqueda y optimización.
• Existe la posibilidad de planear la
arquitectura de un AG para que sus
funciones de convergencia y control, así
como sus operadores genéticos estén basados
en Distribución de Probabilidad y Lógica
Difusa.
12
Ventajas del Algoritmo Genético
• Variables combinatorias
• Optimización multicriterio
• Incertidumbre
13
Fase de Inteligencia
Fases de la Inteligencia Computacional
Objetivos Organizacionales
Procedimientos de búsqueda y Examen
REALIDAD Colección de datos
Examen
Identificación de problemas
Clasificación de problemas
Establecimiento del problema
Fase de Diseño
Fase de Opción
Solución al modelo
Análisis de sensibilidad
Verificación, Prueba de la Selección de la mejor alternativa
Solución Propuesta
Plan para implementación (acción)
Diseño de un sistema de control
Implementación de
la solución
FALLA 14
Herramientas Practicas de la Inteligencia Computacional
Red Neuronal Artificiales
Skl f
ji Xi bi
15
Herramientas Practicas de la Inteligencia Computacional
Arquitectura de una red neuronal artificial
Interna
IWij LWij
Entrada
Salida
E(x1)
E(x2)
Y Output Y X 1 X 2
X 1 Input 1
X 2 Input 2
Conjuntos de pesos y bias
,
X 1 X 2 Y 1
18
Herramientas Practicas de la Inteligencia Computacional
Redes Neuronales Artificiales inversa (RNAi)
El modelo general de la RNAi
19
Herramientas Practicas de la Inteligencia Computacional
Red neuro difusa (TSK)
i Ai
O y , i 3,4
i
1
Bi
1
Ai x bi
x c
2
1 i
ia
Función de pertenecía
20
Herramientas Practicas de la Inteligencia Computacional
Red neuro difusa
Capa oculta 2: Fuerzas de disparos de las reglas
i
2
O w i Ai x y
Bi i 1,2
Capa oculta 3: Fuerzas de disparos normalizadas
3 wi
O wi
i i 1,2
w1 w2
Capa oculta 4: Consecuente TSK
O wi f i wi pi x qi y ri i 1,2
i
4
Capa de salida
2
2 wi f i
O wi f i
i
5
i 1
i 1 w1 w2 21
Codigo de RNA en C++
22
Codigo de RNA en C++
23
24
Herramientas Practicas de la Inteligencia Computacional
Algoritmo genético (AG)
[Wang et al. 1996]
25
Herramientas Practicas de la Inteligencia Computacional
Enjambre de partículas
[Kennedy y Eberhart 1995]
26
Aplicaciones RNA
1. Reconocimiento de rostros
27
1. Reconocimiento de rostros
28
Aplicaciones RNA
2. Reconocimiento de objetos
29
Aplicaciones RNA
2. Reconocimiento de objetos
30
Problema 1
Modelación, simulación de la
DQO y mejoramiento del
proceso durante la degradación
de moléculas CO2
por medio de RNA y RNAi
31
32
Problema 2
33
Problema 2 Transformador térmico por absorción
34
Otras Aplicaciones
35
Conclusiones generales
1. La inteligencia computacional, si bien limitada, por ahora, en lo
que se refiere a creatividad y sentido común, puede hacer uso de
una capacidad que no poseen las criaturas humanas: la inteligencia
evolutiva.
2. Si bien ninguno de los paradigmas puros de softbots inteligentes
cumple estrictamente las condiciones establecidas por la definición
de Sistema Inteligente, puede afirmarse que todos ellos poseen, al
menos, una característica que la diferencia claramente de los no
inteligentes, por ejemplo, de los Sistemas Automáticos.
3. La complementación aprovechada por los Sistemas Híbridos
actuales abre una perspectiva muy grande de mejoramiento en el
comportamiento de los mismos, muy especialmente, cuando se
puedan instalar en las futuras plataformas de hardware, como las
que prometen la computación cuántica o la computación basada en
ADN, entre otras.
36
Basado en todo lo desarrollado y,
resumido, en las conclusiones anteriores,
se está en condiciones de
responder a la pregunta planteada:
Son INTELIGENTES… los SISTEMAS
INTELIGENTES ?
37
Referencias
Demuth H., Beale M., Eds., Neural Network Toolbox for Matlab-User’s Guide Version 3,
MathWorks, MA, 1998.
Hernández J.A., Bassam A., Siqueiros J., Romero D.J., Optimum operating conditions for a
water purification process integrated to a heat transformer with energy recycling using neural
networks inverse, Renewable Energy, 34(2009) 1084-1091.
Nelder J. A., Mead R., A simplex method for function optimization, Computer Journal, 07
(1965) 308-313.
Siqueiros J., Romero R.J., Increased COP for heat transformer in water purification systems,
Part I: temperature increase for heat source, Appliel Thermal Engineering, 27 (2007) 1043–
1053.
Verma S. P., Andaverde J, Santoyo E., Application of the error propagation theory in
estimates of static formation temperatures in geothermal and petroleum boreholes, Heat
Transfer in Components and Systems for Sustainable Energy Technologies: Heat-SET 5–7
April 2005, Grenoble, France, 47 pp. 3659-3671.
Wang C., Quan H., Xu X., Optimal design of multiproduct batch chemical process using
genetic algorithm. Industrial engineering and chemistry research, 1996, 35, 10, 3560-6. 38
¡MUCHAS GRACIAS POR SU
ASISTENCIA Y ATENCIÓN!
MERCI BEAUCOUP!
شكرا جزيال
39