Inteligencia Artificial
|
|
- Juan Manuel Martin Arroyo
- hace 7 años
- Vistas:
Transcripción
1 Inteligencia Artificial Tema 2 Estructura de un Agente Ivan Olmos Pineda Contenido Clasificación de Agentes Agentes de Reflejo Simple Agentes Bien Informados de lo que Pasa Agentes Basados en Metas Agentes Basados en Utilidad Tipos de Arquitectura para un Agente Ambientes BUAP Inteligencia Artificial 2 1
2 Clasificación de Agentes Importante Antes de diseñar un agente, se tiene que considerar: Percepciones Posibles Acciones Posibles Medida de desempeño u objetivos que debe lograr Tipos de entorno en los que va a operar BUAP Inteligencia Artificial 4 2
3 Ejemplo Considere un piloto automático para un carro (PAC) Cantidad de variables ilimitada Cuáles serían sus: Percepciones Acciones Metas Ambiente BUAP Inteligencia Artificial 5 Tipos de Agente Para el piloto automático, se pueden considerar diversos tipos de agentes: Agentes de reflejo simple Agentes bien informados de todo lo que pasa Agentes basados en metas Agentes basados en utilidad BUAP Inteligencia Artificial 6 3
4 Agentes de Reflejo Simple Estrategia: resumir lo más importante Basada en reglas Reglas de condición acción Si el carro de adelante esta frenando, entonces empezar a frenar Los agentes de reflejo simple funcionan si se toma la acción correcta con base en la percepción del momento BUAP Inteligencia Artificial 7 Agentes de Reflejo Simple AGENTE Sensores Reglas Condición - Acción Como es el mundo en este momento Qué acción debo emprender? Ambiente Efectores BUAP Inteligencia Artificial 8 4
5 Agentes Bien Informados Se considera el entorno para decidir acciones Por ejemplo, para cambiar de carril, el PAC debe verificar el estado de los carros cercanos Por tanto, se requiere: Información de cómo evoluciona el mundo Información sobre como las acciones del agente afectan al mundo BUAP Inteligencia Artificial 9 Agentes Bien Informados AGENTE Sensores Estado Como evoluciona el mundo Que producen mis acciones Reglas Condición - Acción Como es el mundo en este momento Qué acción debo emprender? Ambiente Efectores BUAP Inteligencia Artificial 10 5
6 Agentes Basados en Metas No basta con conocer el entorno, sino además es necesario determinar las acciones a seguir que permitan alcanzar la meta Elegir las acciones correctas varia en complejidad (IA) Búsqueda Planificación BUAP Inteligencia Artificial 11 Agentes Basados en Metas Este enfoque considera el futuro, a diferencia de las reglas condición-acción Qué sucedería si se realiza la acción X? ó Y? Estos tipos de agente son más flexibles con respecto a su entorno Se modifica su comportamiento con base en los estímulos recibidos BUAP Inteligencia Artificial 12 6
7 Agentes Basados en Metas AGENTE Sensores Estado Como evoluciona el mundo Como es el mundo en este momento Que producen mis acciones Reglas Condición - Acción Qué sucedería si Emprendo la acción A? Qué acción debo emprender? Ambiente Efectores BUAP Inteligencia Artificial 13 Agentes Basados en Utilidad Las metas no bastan para generar una conducta de alta calidad Secuencias más óptimas para alcanzar la meta La utilidad es una función (f U ) que relaciona un estado y un número real mediante el cual se caracteriza el estado de satisfacción del agente 0: ningún avance hasta la meta 1: se ha alcanzado la meta BUAP Inteligencia Artificial 14 7
8 Agentes Basados en Utilidad Una correcta especificación de la función de utilidad, permite la toma de decisiones racionales en dos casos El logro de algunas metas implica un conflicto y solo algunas de ellas se pueden obtener (define el compromiso adecuado) Cuando son varias las metas y no existe la certeza de poder lograr alguna, f U sirve para ponderar la posibilidad de tener éxito considerando la importancia de cada meta BUAP Inteligencia Artificial 15 Arquitectura para un Agente 8
9 Arquitectura de un Agente (1/2) Basadas en la Lógica (agentes deliberativos). Toma de decisiones basada en la deducción lógica. Agentes reactivos Toma de decisiones basada en el mundo actual sin tomar en cuenta el pasado. BUAP Inteligencia Artificial 17 Arquitectura de un Agente (2/2) Arquitectura creencia-deseo-intención. Toma de decisiones depende de la manipulación de estructuras de datos que representan creencias, deseos e intenciones del agente. Arquitecturas híbridas. Toma de decisiones utilizando varias capas. BUAP Inteligencia Artificial 18 9
10 Agentes Deliberativos (basados en lógica) Comportamiento inteligente: Representación simbólica del medio y del comportamiento. Fórmulas lógicas. Manipulación sintáctica de las representaciones. Deducción lógica o comprobación de teoremas BUAP Inteligencia Artificial 19 Agentes Deliberativos Teoría (especificación comportamiento) Estado interno: BD fórmulas de primer orden. Simulan creencias humanas. Son actualizadas mediante sensores. Abierto(valvula83) Temperatura(horno13,590) Presion(tanque8,35,normal) Toma de decisiones: reglas de deducción. Regla probada = acción a realizar. Abierto(X) & Presion(Y,X,baja) -> Cerrar(X). Ninguna acción puede ser probada -> reportarlo. BUAP Inteligencia Artificial 20 10
11 Agentes Deliberativos Ventajas de la arquitectura deliberativa Elegantes. Semántica clara (lógica). Desventajas Complejidad computacional para la comprobación de teoremas (lenta ejecución para agentes en tiempo real). Toma de decisiones -> ambiente no cambia mientras se decide que hacer. Acción racional al iniciar toma de decisiones = racional al finalizar. BUAP Inteligencia Artificial 21 Agentes Reactivos Nueva forma de atacar el problema: Rechazo a la representación simbólica. Comportamiento inteligente Ligado al medio ambiente: Producto de la interacción del agente-ambiente. Emerge de la interacción de varios comportamientos más sencillos. BUAP Inteligencia Artificial 22 11
12 Agentes Reactivos Denominaciones: Basados en comportamiento (behavioural) Desarrollo y mezcla de comportamientos individuales. Situados (situated) Agentes situados en un ambiente, no fuera de el. Reactivos (reactive) Reaccionan al medio ambiente sin razonar. BUAP Inteligencia Artificial 23 Agentes Reactivos Arquitectura de Integración (subsumption) Dos características principales: 1. Toma de decisiones: conjunto de comportamientos que realizan tareas. Comportamiento: Acción simple. Implementado como una máquina de estados finitos. No hay representación simbólica compleja. Bajo o nulo procesamiento de datos de sensores. No hay razonamiento simbólico. Situación -> acción BUAP Inteligencia Artificial 24 12
13 Agentes Reactivos Arquitectura de Integración Varios comportamientos pueden activarse a la vez. Jerarquía de integración (mecanismo selección acción). Comportamientos arreglados en capas. Capas inferiores inhiben a las superiores. Capa menor Mayor prioridad. Comportamientos sencillos. Capa mayor Menor prioridad. Comportamiento abstracto. BUAP Inteligencia Artificial 25 Ejemplo: Explorador de Marte Explorador de Marte Se necesita explorar un planeta para recoger muestras de roca. No se sabe donde se encuentra la roca deseada pero se conoce que se encuentra generalmente amontonada. Un conjunto de vehículos autónomos deben recorrer el planeta recolectando muestras. Al terminar deben de regresar a la nave base. No existe mapa del planeta pero se conoce que el terreno es accidentado lo que imposibilita comunicación alguna entre vehículos. BUAP Inteligencia Artificial 26 13
14 Explorador de Marte Solución: Dos mecanismos esenciales: 1. Campo gradiente: Nave emite señal de radio. Esta se debilita al alejarse. No contiene información alguna. 2. Método de comunicación indirecta: Agentes cargan moronas radioactivas Pueden ser tiradas, levantadas y detectadas. Dos tipos de comportamientos: Recolección individual de muestras. Solución cooperativa entre todos los agentes. BUAP Inteligencia Artificial 27 Explorador de Marte Comportamiento individual (no cooperativo). Capa 1: Evitar obstáculos. Si se detecta un obstáculo -> cambiar dirección Capa 2: Llevar muestras a la nave. Si lleva muestras y esta en la nave -> soltarlas. Si lleva muestras y no esta en la nave-> ir a la nave. Capa 3: Recolectar muestras. Si se detecta muestra -> recogerla. Capa 4: Explorar Si no hay nada mejor que hacer -> moverse aleatoriamente. BUAP Inteligencia Artificial 28 14
15 Explorador de Marte BUAP Inteligencia Artificial 29 Explorador de Marte Comportamiento colaborativo. Camino hacia una muestra encontrada. Capa 1: Evitar obstáculos. Si se detecta un obstáculo -> cambiar dirección Capa 2: Llevar muestras a la nave. Si lleva muestras y en nave -> soltarlas Si lleva muestras y no en nave -> tirar 2 moronas e ir nave Capa 3: Recolectar muestras. Si se detecta muestra -> recogerla Capa 4: Moronas. Si se detectan moronas -> tomar 1 y seguir camino. Capa 5: Explorar Si no hay nada mejor que hacer -> moverse aleatoriamente BUAP Inteligencia Artificial 30 15
16 Explorador de Marte BUAP Inteligencia Artificial 31 Agentes Reactivos Ventajas de la arquitectura reactiva: Velocidad: en hw provee de decisión constante. Simplicidad computacional. Economía. Seguridad en caso de falla. Elegancia (sencillez). BUAP Inteligencia Artificial 32 16
17 Agentes Reactivos Desventajas: Agente sin modelo del ambiente -> suficiente información en el ambiente local. Toma de decisiones a corto plazo (info. local). Dificultad en los agentes puramente reactivos para aprender y mejorar. No existe una metodología formal para construir agentes -> prueba y error. Gran dificultad para construir agentes con muchas capas. Relaciones muy complejas BUAP Inteligencia Artificial 33 Arquitectura Creencia-Deseo-Intención Basadas en el razonamiento práctico (usado en la vida cotidiana). Dos procesos importantes: Deliberación: decidir que metas se desean. Planeación: decidir cómo llevar acabo las metas. BUAP Inteligencia Artificial 34 17
18 Arquitectura Creencia-Deseo-Intención Ej: ser académico. Graduación -> estudio opciones: academia, industria, negocio. Selección opción -> compromiso. Opciones seleccionadas -> intenciones. Intenciones -> acciones. Actuar (acción). Persistencia. Intentos razonables. Intentar varias veces una acción. Cambio si se determina intención imposible. Eliminación metas incoherentes (con intención). Relacionadas con creencias sobre el futuro. BUAP Inteligencia Artificial 35 Arquitectura Creencia-Deseo-Intención Componentes básicos de CDI: Estructuras de datos: Creencias. Deseos. Intenciones. Funciones de deliberación y planeación. Intenciones: Parte central. Permiten enfocar razonamiento práctico del agente. Estabilidad para la toma de decisiones. BUAP Inteligencia Artificial 36 18
19 Arquitectura Creencia-Deseo-Intención Ventajas: Intuitiva. Descomposición funcional clara. Desventaja: Implementación ( cómo implementarla?) BUAP Inteligencia Artificial 37 Arquitecturas Híbridas Comportamiento reactivo y deliberativo. Basadas en jerarquías de capas. Capas interactúan entre si. Al menos 2 capas (reactiva y deliberativa). Mas capas -> mayor dificultad control. Dos tipos: Horizontales. Verticales. BUAP Inteligencia Artificial 38 19
20 Arquitecturas Híbridas BUAP Inteligencia Artificial 39 Arquitecturas Híbridas Disposición Horizontal Cada capa actúa como si fuera un agente. Sugiere acciones. Ventaja: simplicidad conceptual. n comportamientos -> n capas. Desventajas: competencia entre capas. Comportamiento global incoherente. Introducción control global (mediador) -> cuello de botella Necesidad de considerar todas las interacciones (m n ). BUAP Inteligencia Artificial 40 20
21 Arquitecturas Híbridas Disposición Vertical Paso sencillo Secuenciales. Paso doble Similares a una organización. Ventaja Complejidad menor: m 2 (n-1) Desventaja Reducción en flexibilidad. Información por todas las capas. No tolerante a fallas. BUAP Inteligencia Artificial 41 Ambientes 21
22 Ambientes Existen diferentes tipos de ambientes: Accesibles y no accesibles Deterministas y no deterministas Episódicos y no episódicos Estáticos y dinámicos Discretos y continuos BUAP Inteligencia Artificial 43 Ambientes Accesibles y no accesibles Si a través de los sensores, el agente tiene acceso al estado total del ambiente, entonces éste es accesible Los ambientes accesibles son cómodos, ya que el agente no mantiene un estado interno para estar al tanto de lo que sucede en el mundo BUAP Inteligencia Artificial 44 22
23 Ambientes Deterministas y no deterministas Si el estado siguiente se determina a partir del estado y las acciones elegidas por el agente Ambiente determinista Si el ambiente no es accesible, entonces podría parecer que no es determinista (en especial en un ambiente complejo) BUAP Inteligencia Artificial 45 Ambientes Episódicos y no episódicos En un ambiente episódico, la experiencia del agente se divide en episodios Cada episodio consta de un agente que percibe y actúa Los ambientes episódicos son más sencillos puesto que el agente no tiene que pensar por adelantado BUAP Inteligencia Artificial 46 23
24 Ambientes Estáticos y dinámicos Si el ambiente cambia mientras un agente toma una acción a seguir, entonces se dice que el ambiente es dinámico Es más simple trabajar con ambientes estáticos puesto que no se tiene que observar y pensar al mismo tiempo BUAP Inteligencia Artificial 47 Ambientes Discretos y continuos Si existe una cantidad limitada de percepciones y acciones distintas y discernibles, se dice que el ambiente es discreto Si no es posible enumerarlos, entonces es un ambiente continuo BUAP Inteligencia Artificial 48 24
25 Trabajo Considere el juego de domino Diseñe un esquema de agentes simples que puedan jugar una partida de domino Si deseamos que los agentes jueguen en pareja, Qué tipo de agentes propondrías? Explica tu respuesta Diseña un conjunto de agentes basados en metas que jueguen en parejas en un torneo a 100 pts. Analiza cada posible estado y considéralo en el esquema propuesto. BUAP Inteligencia Artificial 49 25
SISTEMAS INTELIGENTES
SISTEMAS INTELIGENTES Tema 2 Estructura de un Agente Dr. Jesús Antonio González Bernal Contenido Clasificación de Agentes Agentes de Reflejo Simple Agentes Bien Informados de lo que Pasa Agentes Basados
Más detallesIntroducción al aprendizaje automático Arquitectura de agente que aprende. Aprendizaje Automático TC3020
Introducción al aprendizaje automático Arquitectura de agente que aprende Aprendizaje Automático TC3020 Agentes Introducción 2 Agente Es un sistema de computo, situado en un ambiente cualquiera, y que
Más detallesArquitectura de Construcción de Agentes. Universidad del Cauca Facultad de Ingeniería Electrónica y Telecomunicaciones Sistemas MultiAgentes
de Construcción de Agentes Facultad de Ingeniería Electrónica y Telecomunicaciones Sistemas MultiAgentes Una arquitectura define los mecanismos que permiten interconectar los componentes tanto software
Más detallesIA Robótica. Agente y Entorno. Instituto de Computación Facultad de Ingeniería Universidad de la República
IA Robótica Agente y Entorno Instituto de Computación Facultad de Ingeniería Universidad de la República Agentes Introducción Paradigma Estructura Programas Introducción (1/4) Agente: es todo aquello que
Más detallesInteligencia Artificial
Inteligencia Artificial I Introducción a la IA 2. Agentes Inteligentes Dr. Edgard Iván Benítez Guerrero 1 2. Agentes Inteligentes Agentes y su entorno Agentes racionales y REAS Propiedades de los entornos
Más detallesControl de Robots. Agentes Inteligentes 2a parte
Control de Robots Agentes Inteligentes 2a parte Arquitectura del sistema en base a agentes A continuación veremos las soluciones deseadas e implementadas con modelos de agentes, así como el posible planteamiento
Más detallesIngeniería en Sistemas y Comunicaciones
Universidad Autónoma del Estado de México Centro Universitario UAEM Valle de México Ingeniería en Sistemas y Comunicaciones U N I D A D DE A P R E N D I Z A J E : I N T E L I G E N C I A A R T I F I C
Más detallesSISTEMAS INTELIGENTES
SISTEMAS INTELIGENTES Tema 1 Introducción Ivan Olmos Pineda Contenido Panorama histórico Definiciones Conclusiones BUAP Inteligencia Artificial 2 1 Introducción Qué es la Inteligencia Artificial ó IA?
Más detallesConceptos Relacionados con Agentes Reactivos. Ana Lilia Laureano-Cruces Universidad Autónoma Metropolitana-Azcapotzalco
Conceptos Relacionados con Agentes Reactivos Ana Lilia Laureano-Cruces Universidad Autónoma Metropolitana-Azcapotzalco Qué es un agente? Es algo que puede percibir su entorno a través de sensores y actuar
Más detallesMétodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Sistemas Multiagentes IA Distribuida Introducción Esquemas de control
Más detallesM.C. Mariano Larios G. 3 de diciembre de 2009
3 de diciembre de 2009 Tabla de criterios Criterios Porcentajes Exámenes 30 % Participación en clase Tareas 20 % Exposiciones 10 % Simulaciones Trabajos de investigación y/o de intervención Prácticas
Más detallesIndique la respuesta correcta (d=ninguna de las anteriores, e=todas las anteriores)
Parcial 4. Indique la respuesta correcta (d=ninguna de las anteriores, e=todas las anteriores) 1. Inteligencia es: a. La capacidad para combinar información. c. El proceso que permite elaborar conocimiento.
Más detallesCapítulo 4. Arquitectura AuRA (Autonomous Robot Architecture)
Capítulo 4 Arquitectura AuRA (Autonomous Robot Architecture) 4.1 Definiciones Esta arquitectura se presenta por medio de la navegación robótica híbrida la cual se compone de dos componentes: uno deliberativo
Más detallesINTELIGENCIA ARTIFICIAL I
ESCUELA SUPERIOR POLITÉCNICA AGROPECUARIA DE MANABÍ MANUEL FÉLIX LÓPEZ CARRERA INFORMÁTICA SEMESTRE SEXTO PERIODO OCT-2014/MAR-2015 INTELIGENCIA ARTIFICIAL I TEMA: ESTRUCTURA DE LOS AGENTES AUTORA: DAYANA
Más detallesQue es la Inteligencia Artificial? Definición de la IA. Sistemas que actúan como humanos. Notas
Que es la Inteligencia Artificial? Es una área de la ciencia bastante nueva (1956) Su objetivo son las capacidades que consideramos Inteligentes Las aproximaciones siguen diferentes puntos de vista Sus
Más detallesRobótica Basada en Comportamientos. Paradigmas 1/3. Paradigmas 2/3. Paradigmas en Robótica
Robótica Basada en Comportamientos Paradigmas en Robótica Instituto de Computación Facultad de Ingeniería Universidad de la República Paradigmas 1/3 Existen tres paradigmas para organizar la inteligencia
Más detallesEl mundo de Wumpus: El mundo de Wumpus: Brisa POZO. Hedor. Oro. Salida. March 28,
El mundo de Wumpus: El mundo de Wumpus: Brisa POZO Hedor Oro March 28, 2006 2.1 Descripción PAGE del agente cazador Percepciones (restringidas a la casilla que ocupa): El agente percibe si en su casilla
Más detallesDistintas Arquitecturas MultiAgente
Distintas Arquitecturas MultiAgente Ana Lilia Laureano Cruces Universidad Autónoma Metropolitana Azcapotzalco Referencia: Laureano Cruces. Tesis Doctoral. Interacción Dinámica en Sistemas de Enseñanza
Más detallesCapítulo 2 Marco Teórico.
Capítulo 2 Marco Teórico. 2.1 Inteligencia Artificial. Un punto clave en la robótica es la parte referente a la inteligencia artificial, pero no todos los robots son inteligentes, existen robots que solo
Más detallesCapítulo 1. 1.Introducción
Capítulo 1 1.Introducción 1.1.Introducción a los robots móviles Introducción a los robots móviles El desarrollo de los robots móviles responde a la necesidad de extender el campo de aplicación de la Robótica,
Más detallesAgentes Reactivos y Aplicaciones Distribuidas Ana Lila Laureano-Cruces Universidad Autónoma Metropolitana - Azcapotzalco
Agentes Reactivos y Aplicaciones Distribuidas Ana Lila Laureano-Cruces Universidad Autónoma Metropolitana - Azcapotzalco Inteligencia Artificial Distribuida Resolución Distribuida de Problemas Se divide
Más detallesInteligencia Artificial. Oscar Bedoya
Inteligencia Artificial Oscar Bedoya oscar.bedoya@correounivalle.edu.co http://eisc.univalle.edu.co/~oscarbed/ia/ * Agentes * Estructura de un agente * Tipos de agentes Agente Sistema que recibe información
Más detallesINTELIGENCIA ARTIFICIAL I
ESCUELA SUPERIOR POLITÉCNICA AGROPECUARIA DE MANABÍ MANUEL FÉLIX LÓPEZ CARRERA INFORMÁTICA SEMESTRE SEXTO PERIODO OCT-2014/MAR-2015 INTELIGENCIA ARTIFICIAL I TEMA: RESUMEN#2: LOS FUNDAMENTOS DE LA INTELIGENCIA
Más detallesASIGNATURA: INTELIGENCIA ARTIFICIAL
ASIGNATURA: INTELIGENCIA ARTIFICIAL Código: 33-505 Régimen: cuatrimestral Horas reloj semanales: 4 Horas teóricas: 26 Horas prácticas: 34 Carrera: Sistemas Año del programa: 2016 FUNDAMENTOS: La evolución
Más detallesCapítulo 3. Tecnología de Agentes Inteligentes y la
Capítulo 3. Tecnología de Agentes Inteligentes y la Metodología Prometheus 3.1 Transición de inteligencia artificial a agentes inteligentes Durante las décadas pasadas el surgimiento de la inteligencia
Más detallesSISTEMAS MULTIAGENTES EN AUTOMATIZACION INDUSTRIAL INTELIGENTE
Universidad de Los Andes Facultad de Ingeniería Dpto. de Sistemas de Control Maestría en Ingeniería de Control y Automatización Centro de estudios en Microelectrónica y sistemas Distribuidos Mérida - Venezuela
Más detallesIntroducción a la Robótica Mecanismos para el control de un robot (4)
Introducción a la Robótica Mecanismos para el control de un robot (4) Dr José Martínez Carranza carranza@inaoep.mx Coordinación de Ciencias Computacionales, INAOE Enfoque situado (1) Sensar Actuar Ciclo
Más detallesTópicos Avanzados: Inteligencia Computacional I
Tópicos Avanzados: Inteligencia Computacional I V: 17-Ene-18 Instructoras (en orden alfabético) Dra. Ma. del Pilar Gómez Gil Dra. Alicia Morales Reyes Primavera 2018 pgomez@inaoep.mx (c) 2018. P. Gómez-Gil,
Más detallesInteligencia en Redes de Comunicaciones - 08 Agentes
El objetivo del Tema 8 es presentar los conceptos de Agentes : definiciones, propiedades, aplicaciones y detalles de su arquitectura. 1 Índice de los contenidos del tema. 2 El concepto de agente es un
Más detallesUNIDAD II INTELIGENCIA ARTIFICIAL Y ROBOTICA
OBJETIVOS DE UNIDAD: RELACIONAR EL CAMPO DE LA IA CON LA ROBOTICA DISTINGUIR LA ESTRUCTURA DE UN AGENTE INTELIGENTE CLASIFICAR LOS DIFERENTES TIPOS DE AGENTES INTELIGENTES, MODELOS Y ARQUITECTURAS ING.
Más detallesIntroducción a la. Inteligencia Artificial. Inteligencia Artificial. Ingeniería Informática, 4º
Introducción a la Ingeniería Informática, 4º Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani 1 Tema 1: Introducción a la IA Resumen: 1. Introducción a la 1.1 Qué es la IA? 1.2 Agentes
Más detallesMétodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Agentes basados en conocimiento Contenido Sistemas basados en conocimiento
Más detallesAGENTES INTELIGENTES Ingeniería del Conocimiento
AGENTES INTELIGENTES Ingeniería del Conocimiento IC AGENTES 1 INTELIGENCIA ARTIFICIAL Las nuevas tendencias... Las capacidades de aprendizaje de las redes neuronales y otras técnicas Conocimiento de los
Más detallesElección n de ruta y ajuste de velocidad en robots con ruedas dependiendo de la rugosidad de la superficie de navegación
CENTRO DE INVESTIGACION Y DE ESTUDIOS AVANZADOS Elección n de ruta y ajuste de velocidad en robots con ruedas dependiendo de la rugosidad de la superficie de navegación Alumno: Farid García a Lamont Asesor:
Más detallesComportamiento autónomo: de los animales a Halo-3
Comportamiento autónomo: de los animales a Halo-3 José María Cañas Plaza http://gsyc.es/jmplaza Jornadas de Robótica URJC Contenidos 1 Contenidos Introducción Complejidad del comportamiento Escuelas históricas
Más detallesTema 2: Inteligencia computacional y conocimiento
Razonamiento Automático Curso 999 2000 Tema 2: Inteligencia computacional y conocimiento José A. Alonso Jiménez Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación e Inteligencia Artificial
Más detallesTópicos Avanzados: Inteligencia Computacional I
C291-78 Tópicos Avanzados: Inteligencia Computacional I V: 20-Ene-16 Instructoras (en orden alfabético) Dra. Ma. del Pilar Gómez Gil Dra. Alicia Morales Reyes Primavera 2016 pgomez@inaoep.mx (c) 2016.
Más detallesFundamentos de Inteligencia Artificial
Fundamentos de Inteligencia Artificial Ing. Sup. en Informática, 3º Curso académico: 2011/2012 Profesores: Holger Billhardt, Rubén Ortiz Tema 1: Introducción Resumen: 1. Introducción 1.1 Qué es la IA?
Más detallesDURACIÓN Y UBICACIÓN TEMPORAL DENTRO DEL PLAN DE ESTUDIOS
5.3.2.7 FICHA DE LA MATERIA PROGRAMACIÓN DENOMINACIÓN DE LA MATERIA PROGRAMACIÓN MÓDULO AL QUE PERTENECE CRÉDITOS ECTS 30 CARÁCTER Obligatoria DURACIÓN Y UBICACIÓN TEMPORAL DENTRO DEL PLAN DE ESTUDIOS
Más detallesIntensificación en "Lenguajes e Inteligencia Artificial"
Ingeniería Informática - ETS Informática Métodos y Técnicas Informáticas específicas. Comportamientos humanos que se quieren simular/emular: IA: Vertiente "cognitiva" : Razonamiento, Intelecto,. RF: Vertiente
Más detallesDr. Jesús Antonio González Bernal
INTELIGENCIA ARTIFICIAL Tema 1 Introducción Dr. Jesús Antonio González Bernal 1 Contenido Panorama histórico Definiciones Conclusiones 2 Qué es la? Tratar de describir qué es la con precisión no es tan
Más detallesInteligencia Artificial II Arquitecturas y Programas Agente
Inteligencia Artificial II Arquitecturas y Programas Agente Dr. Alejandro Guerra-Hernández Departamento de Inteligencia Artificial Facultad de Física e Inteligencia Artificial Universidad Veracruzana aguerra@uv.mx
Más detallesAna Lilia Laureano-Cruces Universidad Autónoma Metropolitana-Azcapotzalco
Ana Lilia Laureano-Cruces Universidad Autónoma Metropolitana-Azcapotzalco Referencia: Laureano-Cruces. Tesis Doctoral. Interacción Dinámica en Sistemas de Enseñanza inteligentes- IIBB-UNAM. http://kali.azc.uam.mx/clc/
Más detallesIngeniería en Desarrollo de Software 3 er semestre. Programa de la asignatura: Introducción a la ingeniería de software
Ingeniería en Desarrollo de Software 3 er semestre Programa de la asignatura: Introducción a la ingeniería de software Actividades de aprendizaje: A2_Métodos de desarrollo de software Clave: Ingeniería:
Más detallesDATOS DE IDENTIFICACIÓN DEL CURSO
DATOS DE IDENTIFICACIÓN DEL CURSO DEPARTAMENTO: CIENCIAS COMPUTACIONALES ACADEMIA A LA QUE PERTENECE: Técnicas Modernas de Programación NOMBRE DE LA MATERIA: Sistemas Expertos CLAVE DE LA MATERIA: CC400
Más detallesARQUITECTURAS DE SOFTWARE
ARQUITECTURAS DE SOFTWARE 1. DEFINICIÓN: La arquitectura de software de un programa o de un sistema computacional está definida por la estructura, comprendida por los elementos de software, las propiedades
Más detallesIdentificación de agentes en el diseño de sistemas de control de producción Pau Herrero Viñas
Identificación de agentes en el diseño de sistemas de control de producción Pau Herrero Viñas Unidad de carga S1 M1 S4 Unidad de descarga M2 S2 S3 Basado en el artículo: On the Identification of Agents
Más detallesUNIVERSIDAD NACIONAL AUTONOMA DE MEXICO FACULTAD DE INGENIERÍA PRÁCTICAS PARA LA MATERIA DE DISEÑO DIGITAL VLSI
UNIVERSIDAD NACIONAL AUTONOMA DE MEXICO FACULTAD DE INGENIERÍA PRÁCTICAS PARA LA MATERIA DE DISEÑO DIGITAL VLSI M.I. Norma Elva Chávez Rodríguez M.I. Jorge Valeriano Assem DISEÑO DE SISTEMAS DIGITALES
Más detallesEn la sección anterior nos quedamos en que: La estructura de un Agente está dado por: Agente = Arquitectura + Programa
En la sección anterior nos quedamos en que: La estructura de un Agente está dado por: Agente = Arquitectura + Programa ARQ: HARD AND SOFT PRG: FUNCION DE AGENTE 1 Tomemos el caso de un conductor de taxis
Más detallesAgentes Inteligentes. 1. Concepto de agente 2. Agente racional 3. El entorno del agente 4. Estructura de agente
s Inteligentes 1. Concepto de agente 2. racional 3. El entorno del agente 4. Estructura de agente 1. Concepto de agente Entidad que percibe su entorno a través de sensores modifica el entorno mediante
Más detallesInteligencia Artificial
Inteligencia Artificial Tema 2 Búsquedas Dr. Jesús Antonio González Bernal Contenido Estructura General de un PSA (Problem Solving Agent) Formulación de un PSA Algoritmos de Búsqueda de Sl Soluciones Aplicaciones
Más detallesAsignatura: Teoría Organizacional y Administrativa
Universidad de Oriente Núcleo Bolívar Postgrado en Educación Asignatura: Teoría Organizacional y Administrativa NOCIONES BÁSICAS facilitador: Prof. Yusmelyz Caraballo Ciudad Bolívar, enero 2008 1 1.- Administración
Más detallesInteligencia Artificial
Inteligencia Artificial Tema 2 Búsquedas Ivan Olmos Pineda Contenido Estructura General de un PSA Formulación de un PSA Algoritmos de Búsqueda de Soluciones Aplicaciones BUAP Inteligencia Artificial 2
Más detallesResolución general de problemas
Resolución de problemas y conocimiento Resolución general de problemas Los métodos de resolución de problemas que hemos visto son de aplicación general Se fundamentan en una función heurística para obtener
Más detallesModelos Basados en Agentes Clase 4:Agentes de Razonamiento D
Modelos Basados en Agentes Clase 4: traducción de http://www.csc.liv.ac.uk/ mjw/pubs/imas/distrib/pdf-index.html. Universidad Simón Boĺıvar 11 de mayo de 2006 Contenido Arquitecturas de Agentes 1 Arquitecturas
Más detallesTSTC. Dpt. Teoría de la Señal, Telemática y Comunicaciones Tema 1 INTRODUCCIÓN A LA ROBÓTICA
Dpt. Teoría de la Señal, Telemática y Comunicaciones Tema 1 INTRODUCCIÓN A LA ROBÓTICA Secciones 1. Introducción y definiciones. 2. Visión General de la manipulación mecánica. 1. Posicionamiento y Cinemática
Más detallesInteligencia Artificial
Inteligencia Artificial I Introducción a la IA Fundamentos Dr. Edgard Iván Benítez Guerrero cursofei@gmail.com 1 1. Fundamentos Definiciones de IA Contribuciones de otras áreas a la IA BrevehistoriadelaIA
Más detallesInteligencia Artificial e Ingeniería del Conocimiento
Inteligencia Artificial e Ingeniería del Conocimiento I. A. Clásica Nuevos enfoques de la I. A. Agentes Inteligentes Aprendizaje Introducción Aprendizaje inductivo decisión Planteamiento conectivista.
Más detallesDISEÑO FÍSICO DE UNA BASE DE DATOS EDWIN FERNANDO PACHECO FIGUEROA LICENCIATURA EN INFORMÁTICA UNIVERSIDAD DE NARIÑO
DISEÑO FÍSICO DE UNA BASE DE DATOS QUÉ ES UN DISEÑO FISICO DE BASE DE DATOS. "Diseño físico de la base de datos" es el proceso de selección de una estructura física para una estructura lógica dada. El
Más detallesArquitectura Subsunción. Introducción a la Robótica Inteligente
Arquitectura Subsunción Introducción a la Robótica Inteligente 2 Abril 2014 (IRIN) Arquitectura Subsunción 02/04/2014 1 / 44 Índice 1 Introducción 2 Arquitectura Subsunción 3 Ejemplos 4 Conclusiones (IRIN)
Más detallesUNIDAD I.- INTRODUCCIÓN
UNIDAD I.- INTRODUCCIÓN LECCIÓN 1.1.- El propósito de la Inteligencia Artificial y su evolución histórica 1.1.1.- Inteligencia ÁREAS QUE ESTUDIAN LA INTELIGENCIA: Psicología y la filosofía. para qué la
Más detallesUNIVERSIDAD DE GUADALAJARA
UNIVERSIDAD DE GUADALAJARA CENTRO UNIVERSITARIO DE LOS ALTOS DIVISIÓN DE ESTUDIOS EN FORMACIONES SOCIALES LICENCIATURA: INGENIERÍA EN COMPUTACIÓN UNIDAD DE APRENDIZAJE POR OBJETIVOS COMPILADORES MTRA.
Más detallesCONTENIDO. 1.- Introducción a la Inteligencia Artificial (IA) 2.- Lógica de predicados. 3.- Búsqueda de soluciones
CONTENIDO 1.- Introducción a la Inteligencia Artificial (IA) 2.- Lógica de predicados 3.- Búsqueda de soluciones 4.- Lenguajes de IA e Introducción a Sistemas Expertos 1.- Introducción a la Inteligencia
Más detallesCI5438. Inteligencia Artificial II Clase 1: Aprendizaje Cap Russel & Norvig
CI5438. Inteligencia Artificial II Clase 1: Aprendizaje Cap 18.1-18.2 Russel & Norvig Ivette C. Martínez traducción de http://aima.eecs.berkeley.edu/slides-pdf/ Universidad Simón Boĺıvar 18 de septiembre
Más detallesProyecto. rodex. Como realizar un Proyecto. en la asignatura de Tecnología
Proyecto Como realizar un Proyecto en la asignatura de Tecnología rodex El trabajo con proyectos se vincula con el saber hacer, brinda mayores posibilidades de aprendizaje, donde los alumnos podrán aprovechar
Más detallesÍndice general. Introducción... 23
Índice general Introducción... 23 Parte I. Inteligencia Artificial 1. Conocimiento y Razonamiento... 33 1.1. Introducción... 33 1.2. Representaciones proposicionales... 34 1.3. Representaciones estructuradas...
Más detallesTeoría 2 (Parte B) Introducción a los Agentes Inteligentes
Teoría 2 (Parte B) Introducción a los Agentes Inteligentes Sistemas Inteligentes 1 1 Universidad Nacional de San Luis, Argentina Carrera: Ingeniería en Informática Carrera: Ingeniería en Computación (Optativa)
Más detallesAplicaciones de Técnicas de IA. Ana Lilia Laureano-Cruces UAM-A
Aplicaciones de Técnicas de IA Ana Lilia Laureano-Cruces UAM-A Casi todas las ciencias de ingeniería Comparten técnicas disponibles en el domino de IA. Mencionaremos algunas aplicaciones donde la IA juega
Más detallesJuegos Serios Fundamentos y experiencias de desarrollo
COORDINACIÓN GENERAL DE TECNOLOGÍAS DE INFORMACIÓN Juegos Serios Fundamentos y experiencias de desarrollo COORDINACIÓN GENERAL DE TECNOLOGÍAS DE INFORMACIÓN Juegos Serios Índice de temas Introducción Qué
Más detallesMateria compuesta por 6 asignaturas programadas entre el 3º y el 6º semestre, tal y como se recoge a continuación en la tabla de asignaturas
5.3.2.9 FICHA DE LA MATERIA DESARROLLO DE SOFTWARE DENOMINACIÓN DE LA MATERIA DESARROLLO DE SOFTWARE MÓDULO AL QUE PERTENECE CRÉDITOS ECTS 24 DURACIÓN Y UBICACIÓN TEMPORAL DENTRO DEL PLAN DE ESTUDIOS CARÁCTER
Más detallesAspectos Generales de la Interacción Humano Computador(IHC)
Aspectos Generales de la Interacción Humano Computador(IHC) Sensibilización: el nuevo rol de la computación, la importancia de las interfaces de usuario y el carácter social de la interacción Aspectos
Más detallesPropuesta de un Ambiente para el Modelado de Sociedades de Agentes Reactivos.
Propuesta de un Ambiente para el Modelado de Sociedades de Agentes Reactivos. Carlos A. Fernández y Fernández Instituto de Electrónica y Computación U. T. M. Objetivo. Proveer de una herramienta que permita
Más detallesInteligencia en Redes de Comunicaciones. Agentes. Raquel M. Crespo García Julio Villena Román. {rcrespo,
Inteligencia en Redes de Comunicaciones Agentes Raquel M. Crespo García Julio Villena Román {rcrespo, jvillena}@it.uc3m.es Índice Definiciones Propiedades Aplicaciones Comunicación entre agentes IRC 2009
Más detallesM. C. Felipe Santiago Espinosa
M. C. Felipe Santiago Espinosa Junio de 2008 Un sistema empotrado es un procesador, con sus elementos externos que desarrolla una función especifica de manera autónoma. Un sistema empotrado es un sistema
Más detallesCapítulo 1 Plan de proyecto
Capítulo 1 Plan de proyecto 1.1 Propósito del proyecto. El propósito de este proyecto es la implementación de la arquitectura subsumption para un robot Lego que simule el comportamiento de un gusano, dicho
Más detallesComplejidad computacional (Análisis de Algoritmos)
Definición. Complejidad computacional (Análisis de Algoritmos) Es la rama de las ciencias de la computación que estudia, de manera teórica, la optimización de los recursos requeridos durante la ejecución
Más detallesSistemas Embebidos Inteligentes
( CEI ) cei@upm.es Sistemas Embebidos Inteligentes Universidad Politécnica de Madrid Madrid Escenario Complejidad tareas realizadas por SE Inteligencia Procesamiento Tiempo real Fiabilidad Existen soluciones
Más detallesInteligencia Artificial
INSTITUTO TECNOLÓGICO DE NUEVO LAREDO ING. EN SISTEMAS COMPUTACIONALES Inteligencia Artificial Ing. Bruno López Takeyas AGENTES INTELIGENTES LAURA JOSEFINA GALVÁN HERNÁNDEZ 01100205 MARTHA GUADALUPE GALVÁN
Más detallesBOLETÍN OFICIAL DEL ESTADO UNIVERSIDADES
Núm. 197 Martes 18 de agosto de 2015 Sec. III. Pág. 75038 III. OTRAS DISPOSICIONES UNIVERSIDADES 9287 Resolución de 27 de julio de 2015, de la Universidad de Alicante, por la que se publica la modificación
Más detallesLAS 14 AREAS TEMATICAS DE LA COMPUTACIÓN
En los años 1986-1989 la ACM(Association for Computing Machinery) y la IEEE (Institute for Electrical and Electronic Engineers)Computer Society : Peter Denning y otros definen la Informática como disciplina
Más detallesLa Toma de Decisiones. Concepto generales
La Toma de Decisiones Concepto generales Toma de decisiones Keeney (2004) define decisiones como situaciones donde se reconce que hay que hacer una selección a conciencia de un curso de acción. Es la emisión
Más detallesResumen de las clases dictadas: Semana 16 al 20 de Noviembre INTRODUCCIÓN
Resumen de las clases dictadas: Semana 16 al 20 de Noviembre 2015 Tema: Algoritmo Minimax 1. INTRODUCCIÓN En este tema se tratará sobre el algoritmo minimax, con el propósito de mostrar implementaciones
Más detalles... continuamos. 1 Conceptos Básicos Recordemos que la IA trata de «desarrollar sistemas que piensen y actúen racionalmente».
... continuamos. 1 Conceptos Básicos Recordemos que la IA trata de «desarrollar sistemas que piensen y actúen racionalmente». Actualmente en la IA ha surgido un nuevo paradigma conocido como «paradigma
Más detallesAUTOEVALUACIÓN PARA EL 1er. EXAMEN PARCIAL DE METODOLOGÍA UNIDAD 1. LA CIENCIA COMO UNA CONSTRUCCIÓN HISTÓRICO-SOCIAL.
AUTOEVALUACIÓN PARA EL 1er. EXAMEN PARCIAL DE METODOLOGÍA Elaborado por: MLE. Alma Mireya Flores Juárez UNIDAD 1. LA CIENCIA COMO UNA CONSTRUCCIÓN HISTÓRICO-SOCIAL Nombre Grupo I. Completa correctamente
Más detallesInteligencia Artificial 2018
Inteligencia Artificial Prof. Dr. Ariel Monteserin ISISTAN (CONICET UNCPBA) silvia.schiaffino@isistan.unicen.edu.ar ariel.monteserin@isistan.unicen.edu.ar Ejercicio /Colaboración Listar 15 películas favoritas
Más detallesMateria compuesta por 6 asignaturas programadas en el 1º y 2º semestre, tal y como se recoge a continuación en la tabla de asignaturas
5.3.2.2 FICHA DE LA MATERIA MATEMÁTICAS DENOMINACIÓN DE LA MATERIA MATEMÁTICAS MÓDULO AL QUE PERTENECE CRÉDITOS ECTS DURACIÓN Y UBICACIÓN TEMPORAL DENTRO DEL PLAN DE ESTUDIOS CARÁCTER Mixto (ver asignaturas)
Más detallesIngeniería de Software y Sistemas Basados en Agentes (SBA)
Ingeniería de Software y Sistemas Basados en Agentes (SBA) Dra. Cora Beatriz Excelente Toledo Directora de Investigación e Innovación Laboratorio Nacional de Informática Avanzada A.C. cora@lania.mx Contenido
Más detallesALLSOFT S.A. de C.V. Monterrey, N.L.
Modelos de Desarrollo ALLSOFT S.A. de C.V. Monterrey, N.L. 1 Introducción Para el desarrollo de cualquier producto de software se realizan una serie de tareas entre la idea inicial y el producto final.
Más detallesImplementacion y prueba de unidades. Figura 2.1. El ciclo de vida del software. 1
2.1 Introducción al análisis de sistemas 2.1.1 Ciclo de vida del desarrollo de sistemas La concepción de sistemas viene de las ciencias naturales al tratar de analizar un ser vivo a través del estudio
Más detallesClasificación de robots. Clasificación de robots. Universidad Autónoma de Guerrero Unidad Académica de Ingeniería
Clasificación de robots Introducción a la robótica Sesión 2: Locomoción Eric Rodríguez Peralta En la actualidad los más comunes son: Robots manipuladores Limitación para moverse en su entorno Robots móviles
Más detallesEspecialidades en GII-TI
Especialidades en GII-TI José Luis Ruiz Reina (coordinador) Escuela Técnica Superior de Ingeniería Informática Mayo 2014 Qué especialidades tiene la Ingeniería Informática? Según las asociaciones científicas
Más detallesEstructura Organizacional
Estructura Organizacional Global Value Consulting - 2011 Pablo Rojas E. 2 Estructura Organizacional CUAL ES LA ESTRUCTURA ORGANIZACIONAL OPTIMA PARA MI EMPRESA? Depende. Depende del volumen de transacciones
Más detallesOFICINA DE CONVERGENCIA EUROPEA CONVOCATORIA PARA EL DESARROLLO DE LAS ENSEÑANZAS EN LA UNIVERSIDAD AUTÓNOMA DE MADRID 2009
OFICINA DE CONVERGENCIA EUROPEA CONVOCATORIA PARA EL DESARROLLO DE LAS ENSEÑANZAS EN LA UNIVERSIDAD AUTÓNOMA DE MADRID 2009 Denominación del proyecto, responsable y equipo de trabajo TÍTULO DEL PROYECTO:
Más detallesPlanificación Automática para el control inteligente de robots autónomos
Planificación Automática para el control inteligente de robots autónomos Ángel García Olaya agolaya@inf.uc3m.es http://www.plg.inf.uc3m.es/~agolaya.php Grupo de Planificación y Aprendizaje (PLG) Departamento
Más detallesUn Tutor Entrenador de Diagnóstico; con características reactivas. Ana Lilia Laureano Cruces Universidad Autónoma Metropolitana Azcapotzalco
Un Tutor Entrenador de Diagnóstico; con características reactivas Ana Lilia Laureano Cruces Universidad Autónoma Metropolitana Azcapotzalco Referencia: Laureano-Cruces. Tesis Doctoral. Interacción Dinámica
Más detalles