Tema 3: Representación del conocimiento estructurado
|
|
- Gregorio Belmonte Sáez
- hace 7 años
- Vistas:
Transcripción
1 Inteligencia Artificial II Curso Tema 3: Representación del conocimiento estructurado José A. Alonso Jiménez Carmen Graciani Díaz Francisco Jesús Martín Mateos José Luis Ruiz Reina Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla IA-II CcIa Representación del conocimiento estructurado 3.
2 Clasificación de formalismos Conceptos Objeto atributo valor Relaciones entre conceptos Redes semánticas Marcos Lógicas descriptivas IA-II CcIa Representación del conocimiento estructurado 3.2
3 Redes semánticas C.S. Pierce, finales s. XIX: propone representar oraciones lógicas con grafos existenciales El uso de grafos es tradicional en Filosofía y Filología R. Quilliam, 968: representar la semántica de las palabras Lenguaje natural y traducción Redes asociativas: relaciones entre conceptos y/u objetos Precursoras de los marcos y estos, a su vez, de la programación orientada a objeto IA-II CcIa Representación del conocimiento estructurado 3.3
4 Definición básica Grafo dirigido y etiquetado Nodo: concepto (objeto o conjunto de objetos) Valores de propiedades Arco: relación o asociación parte-de: una clase de objetos es una subclase de otra, es-un: un objeto pertenece a una clase de objetos, relación: entre los conceptos asociados Propiedades Estructura jerárquica Transitividad No monótono IA-II CcIa Representación del conocimiento estructurado 3.4
5 Ejemplo parte de inicio persona ciudad Sevilla parte de es un profesor es un estado casado parte de es un alumno es un estado soltero Luis edad Juan ciudad edad Jaen Pedro edad Pablo estado edad casado IA-II CcIa Representación del conocimiento estructurado 3.5
6 Razonamiento Equiparación Construir una red con los elementos de la pregunta Cotejarla con la Base de Conocimiento equiparando los nodos Herencia Simple Con excepciones Herencia múltiple Herencia y cambios IA-II CcIa Representación del conocimiento estructurado 3.6
7 Herencia simple con excepciones FUNCIÓN PROP_ESPECÍFICAS_RS(CONCEPTO) Devolver el conjunto de pares (PROP, VAL) (con PROP distinto de es-un y parte-de) para los que CONCEPTO PROP VAL FUNCIÓN PROPIEDADES_RS(CONCEPTO). Sea PE el conjunto de PROP_ESPECÍFICAS_RS(CONCEPTO) 2. Sea PH el conjunto HERENCIA_RS(CONCEPTO, PE) 3. Devolver PE PH FUNCIÓN HERENCIA_RS(CONCEPTO, P_CONOCIDAS). Si CONCEPTO = inicio (es decir, se trata de la clase inicial) entonces. Devolver el conjunto vacío 2. Si CONCEPTO prop CLASE (donde prop es es-un o parte-de) entonces 2. Devolver PROPIEDADES_RS(CLASE) menos los pares (PROP, VAL) tales que exista un par (PROP, VAL ) P_CONOCIDAS IA-II CcIa Representación del conocimiento estructurado 3.7
8 Ejemplos?- [redes_semanticas]. %... Yes?- propiedades_rs(juan, P). P = [edad:44, ciudad:jaen, estado:casado] Yes?- propiedades_rs(pedro, P). P = [edad:24, estado:soltero, ciudad:sevilla] Yes?- propiedades_rs(pablo, P). P = [estado:casado, edad:9, ciudad:sevilla] Yes?- es_un(pablo, C). C = alumno Yes?- propiedades_rs(alumno, P). P = [estado:soltero, ciudad:sevilla] Yes IA-II CcIa Representación del conocimiento estructurado 3.8
9 Ventajas y desventajas Ventajas Explícito y condensado Reduce el tiempo de búsqueda Evitar repeticiones y compartir conocimiento Desventajas No se pueden representar negaciones, disyunciones, cuantificación No se pueden incluir conocimientos procedimentales Sin interpretación estándar Posibilidad de herencias inconsistentes en herencia múltiple Explosión combinatoria IA-II CcIa Representación del conocimiento estructurado 3.9
10 Marcos O. Selz, principios del siglo XX Resolver un problema es completar la información existente M. Minsky, 975 Control semántico en reconocimiento de patrones Construir ontologías Metodologías: Cyc, METHONTOLOGY, (KA) 2,... Lenguajes: LOOM, Ontolingua, RDF, OIL, DAML+OIL, OWL,... Herramientas: Ontolingua, WebODE, Protégé IA-II CcIa Representación del conocimiento estructurado 3.0
11 Definición Marco: conjunto de propiedades que caracterizan un concepto (objeto o conjunto de objetos) Los valores de las propiedades pueden ser procedimientos de cálculo de valores y actualización de información relacionada Sintaxis: nombre del marco + conjunto de pares atributo valor (slot fillers), donde cada valor puede ser: Dato Conjunto de pares faceta dato Rango Por defecto Acciones: si se necesita (If-Needed), si se añade (If-Added), si se cambia (If- Changed) IA-II CcIa Representación del conocimiento estructurado 3.
12 Ejemplo de marco Marco AUTOMOVIL Subclase de VEHICULO Supercalse de : {MONOVOLUMEN TURISMO DEPORTIVO} Fabricante: Rango: {BMW FIAT RENAULT SEAT} Por defecto: SEAT Pais-de-fabricacion: Rango: {ALEMANIA ITALIA FRANCIA ESPA~NA} Por defecto: ESPA~NA Modelo: Rango: {} Color: Rango: {ROJO BLANCO GRIS AZUL} Si-se-necesita: { CONSULTAR_FICHA CONSULTAR_FABRICANTE } A~no: Rango: Si-se-cambia: {ERROR: El valor no se puede modificar} Propietario: Si-se-a~nade: {COMPROBAR_PERMISO A~NADIR_MATRICULA INGRESAR_IMPUESTOS} IA-II CcIa Representación del conocimiento estructurado 3.2
13 Marcos: Jerarquía e inferencia Taxonomía: organización jerárquica de marcos (árbol) Usualmente sólo relaciones de jerarquía Inferencia Equiparación Herencia Simple Múltiple Gestión dinámica de valores IA-II CcIa Representación del conocimiento estructurado 3.3
14 Tipos de marcos Clase: Conceptos o situaciones genéricas Se describen por un conjunto de propiedades Instancia: Objetos concretos o individuos Relacionados con un marco clase Heredan propiedades Propiedades Marcos superiores : sus características se consideran fijas Marcos inferiores : sus características pueden variar, siguen el esquema de las superiores IA-II CcIa Representación del conocimiento estructurado 3.4
15 Ejemplo MC Inicio MC Persona Ciudad Por defecto: Sevilla Estado Rango: Soltero, Casado Edad Rango: 0 00 MC Profesor Estado Por defecto: Casado Categoria MI MC Juan Edad: 44 Ciudad: Jaen Categoria: Asociado Alumno Estado Por defecto: Soltero Titulacion MI MI Luis Edad: 47 Categoria: Catedratico Pedro Edad: 24 Titulacion: ITIS MI Pablo Estado: Casado Edad: 9 Titulacion: II IA-II CcIa Representación del conocimiento estructurado 3.5
16 Inferencia Equiparación Pregunta en forma de marco: conjunto de pares atributo valor Marcos clase en los que se encuentra definida alguno de los atributos Descender en el árbol equiparando los restantes pares Valores activos Al añadir: permite deducir valores de otras propiedades a partir del valor de la propiedad asociada Al modificar: permite modificar otros valores en función del valor de la propiedad asociada... IA-II CcIa Representación del conocimiento estructurado 3.6
17 Herencia simple con excepciones (sin facetas) FUNCIÓN PROPIEDADES_MARCO(CONCEPTO). Sea PE el conjunto de pares (PROP, VAL) tales que PROP es una propiedad del marco CONCEPTO y es posible obtener el valor asociado VAL a partir de la información almacenada en el marco 2. Sea PH el conjunto HERENCIA_MARCO(CONCEPTO, PE) 3. Devolver PE PH FUNCIÓN HERENCIA_MARCO(CONCEPTO, P_CONOCIDAS). Si CONCEPTO = inicio (es decir, se trata del marco inicial) entonces. Devolver el conjunto vacío 2. Si CONCEPTO CLASE entonces 2. Devolver PROPIEDADES_MARCO(CLASE) menos los pares (PROP, VAL) tales que exista un par (PROP, VAL ) P_CONOCIDAS IA-II CcIa Representación del conocimiento estructurado 3.7
18 Ejemplo?- [marcos]. %... Yes?- propiedades_marco(juan, P). P = [edad:44, ciudad:jaen, categoria:asociado, estado:casado] Yes?- propiedades_marco(pedro, P). P = [edad:24, titulacion:itis, estado:soltero, ciudad:sevilla] Yes?- propiedades_marco(pablo, P). P = [edad:9, estado:casado, titulacion:ii, ciudad:sevilla] Yes?- pertenece_a(pablo, C). C = alumno Yes?- propiedades_marco(alumno, P). P = [estado:soltero, ciudad:sevilla] Yes IA-II CcIa Representación del conocimiento estructurado 3.8
19 Ventajas y Desventajas Ventajas Facilita el procesamiento de la información Organización del conocimiento Capacidad de almacenar valores dinámicos Desventajas Excepciones de los prototipos Acomodación a nuevas situaciones Uso de conocimiento heurístico IA-II CcIa Representación del conocimiento estructurado 3.9
20 Objetos Objeto: conjunto de información que describe una entidad y descripción de cómo manipularla Propiedades Abstracción: en los datos y procedimientos Encapsulamiento: ocultación de información Herencia Polimorfismo: varios significados para un mismo operador y posibilidad de hacer referencia a diversas clases IA-II CcIa Representación del conocimiento estructurado 3.20
21 Lógica Descriptiva Permite definir categorías en términos de relaciones Inferencia Subsunción: determinar si una categoría es subclase de otra, en función de sus descripciones Clasificación: determinar si un objeto pertenece a una determinada categoría siguiendo su descripción Polinomial en el tamaño de la descripción de una consulta Classic: Borgida, 989 IA-II CcIa Representación del conocimiento estructurado 3.2
22 Bibliografía Flach, P. Simply Logical (Intelligent Reasoning by Example) (John Wiley, 994) Lucas, P. y Gaag, L. v. d. Principles of Expert Systems (Addison Wesley, 99) Poole, D.; Mackworth, A. y Goebel, R. Computational Intelligence (A Logical Approach) (Oxford University Press, 998) Russell, S y Norvig, P. Inteligenica artificial (Un enfoque moderno) (Prentice Hall Hispanoamerica, 996) Gonzalez, A. J. y Dankel, D. D. The engineering of knowledge based systems (Theory and practice) (Prentice-Hall International Editions, 993) IA-II CcIa Representación del conocimiento estructurado 3.22
23 Inteligencia Artificial II Curso Tema 3 (anexo): Implementaciones en Prolog Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla IA-II CcIa Representación del conocimiento estructurado 3.23
24 Redes semánticas (nodos y arcos) % Relaciones entre clases: parte_de(clase, SUPERCLASE) parte_de(persona,inicio). parte_de(alumno, persona). parte_de(profesor, persona). % Relaciones entre objeto y clase: es_un(objeto, CLASE) es_un(juan, profesor). es_un(luis, profesor). es_un(pablo, alumno). es_un(pedro, alumno). % Propiedades de un objeto o clase: prop(concepto, ATRIBUTO, VALOR) prop(persona, ciudad, sevilla). prop(alumno, estado, soltero). prop(profesor, estado, casado). prop(juan, edad, 44). prop(pablo, estado, casado). prop(juan, ciudad, jaen). prop(pablo, edad, 9). prop(luis, edad, 47). prop(pedro, edad, 24). IA-II CcIa Representación del conocimiento estructurado 3.24
25 Redes semánticas (herencia simple con excepciones) I % propiedades_rs(+concepto,?propiedades) propiedades_rs(conc, PROPS) :- propiedades_especificas_rs(conc, PE), herencia_rs(conc, PE, PH), append(pe, PH, PROPS). % propiedades_especificas_rs(+concepto,?propiedades) propiedades_especificas_rs(conc, PE) :- findall(atr:valor, prop(conc, Atr, Valor), PE). % herencia_rs(+objeto, +P_CONOCIDAS,?PROPIEDADES) herencia_rs(obj, PC, PROPS) :- es_un(obj, CLASE), propiedades_rs(clase, PROPCL), elimina(propcl, PC, PROPS). IA-II CcIa Representación del conocimiento estructurado 3.25
26 Redes semánticas (herencia simple con excepciones) II % herencia_rs(+clase, +P_CONOCIDAS,?PROPIEDADES) herencia_rs(inicio, _PC, []). herencia_rs(clase, PC, PROPS) :- parte_de(clase, SUPERCLASE), propiedades_rs(superclase, PROPCL), elimina(propcl, PC, PROPS). % elimina(+lp, +LP2,?PROPS) elimina([], LP2, []). elimina([atr:_valor LP], LP2, PROPS) :- member(atr:_v, LP2), elimina(lp, LP2, PROPS). elimina([atr:_valor LP], LP2, [Atr:_Valor PROPS]) :- not(member(atr:_v, LP2)), elimina(lp, LP2, PROPS). IA-II CcIa Representación del conocimiento estructurado 3.26
27 Marcos (nodos y arcos) % Marcos: marco(concepto, PROPIEDADES) % Sólo se implementan marcos sin facetas, sólo recoge pares (PROP, VALOR) marco(inicio, []). marco(persona, [ciudad:sevilla]). marco(alumno, [estado:soltero]). marco(profesor, [estado:casado]). marco(juan, [edad:44, ciudad:jaen, categoria:asociado]). marco(luis, [edad:47, categoria:catedratico]). marco(pablo, [edad:9, estado:casado, titulacion:ii]). marco(pedro, [edad:24, titulacion:itis]). % Relaciones entre marcos: pertenece_a(concepto, CLASE) pertenece_a(persona, inicio). pertenece_a(alumno, persona). pertenece_a(profesor, persona). pertenece_a(juan, profesor). pertenece_a(pablo, alumno). pertenece_a(luis, profesor). pertenece_a(pedro, alumno). IA-II CcIa Representación del conocimiento estructurado 3.27
28 Marcos (herencia) % propiedades_marco(+concepto,?propiedades) propiedades_marco(conc, PROPS) :- marco(conc, PE), herencia_marco(conc, PE, PH), append(pe, PH, PROPS). % herencia_marco(+objeto, +P_CONOCIDAS,?PROPIEDADES) herencia_marco(inicio, _PC, []). herencia_marco(concepto, PC, PROPS) :- pertenece_a(concepto, CLASE), propiedades_marco(clase, PROPCL), elimina(propcl, PC, PROPS). IA-II CcIa Representación del conocimiento estructurado 3.28
Tema 4: Redes semánticas y marcos
Inteligencia Artificial 2 Curso 2002 2003 Tema 4: Redes semánticas y marcos José A. Alonso Jiménez Francisco J. Martín Mateos José L. Ruiz Reina Dpto. de Ciencias de la Computación e Inteligencia Artificial
Más detallesTema 3: Sistema inicial de representación y razonamiento
Razonamiento Automático Curso 999 2000 Tema 3: Sistema inicial de representación y razonamiento José A. Alonso Jiménez Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación e Inteligencia Artificial
Más detallesTema 4: Resolución de problemas de espacios de estados
Programación lógica Curso 2004 05 Tema 4: Resolución de problemas de espacios de estados José A. Alonso Jiménez Jose-Antonio.Alonso@cs.us.es http://www.cs.us.es/ jalonso Dpto. de Ciencias de la Computación
Más detallesProgramación lógica ( )
1 / 48 Programación lógica (2008 09) Tema 4: Resolución de problemas de espacios de estados José A. Alonso Jiménez Grupo de Lógica Computacional Departamento de Ciencias de la Computación e I.A. Universidad
Más detallesTema 3: Técnicas básicas de búsqueda para la resolución de problemas
Tema 3: Técnicas básicas de búsqueda para la resolución de problemas José Luis Ruiz Reina José Antonio Alonso Franciso J. Martín Mateos Departamento de Ciencias de la Computación e Inteligencia Artificial
Más detallesTema 5: Razonamiento por defecto y razonamiento explicativo
Inteligencia Artificial 2 Curso 2002 2003 Tema 5: Razonamiento por defecto y razonamiento explicativo José A. Alonso Jiménez Francisco J. Martín Mateos José L. Ruiz Reina Dpto. de Ciencias de la Computación
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 detallesTema 7: Razonamiento por defecto y razonamiento abductivo
Programación lógica Curso 2004 05 Tema 7: Razonamiento por defecto y razonamiento abductivo José A. Alonso Jiménez Jose-Antonio.Alonso@cs.us.es http://www.cs.us.es/ jalonso Dpto. de Ciencias de la Computación
Más detallesFundamentos de Inteligencia Artificial
Área de Ingeniería Telemática Universidade de Vigo Fundamentos de Inteligencia Artificial Manuel Ramos Cabrer (Curso 2010/11) Objetivos Introducción a la disciplina de la Inteligencia Artificial desde
Más detallesRedes Semánticas. Redes semánticas. Limitaciones de las redes semánticas. Notas
Redes semánticas Redes Semánticas La lógica como lenguaje de representación tiene dificultades prácticas Son necesarios mecanismos mas intuitivos y fáciles de usar La psicología cognitiva afirma: La representación
Más detallesTema 1: Agentes inteligentes: Representación y razonamiento
Inteligencia Artificial 2 Curso 2000 0 Tema : Agentes inteligentes: Representación y razonamiento José A. Alonso Jiménez Miguel A. Gutiérrez Naranjo Francisco J. Martín Mateos Dpto. de Ciencias de la Computación
Más detallesTema 2: Representación de problemas como espacios de estados
Tema 2: Representación de problemas como espacios de estados José Luis Ruiz Reina José Antonio Alonso Franciso J. Martín Mateos Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad
Más detallesRedes Semánticas. IIMAS Inteligencia Artificial. Alumno: Vicente Iván Sánchez Carmona Profesora: Dr. Ana Lilia Laureano
Redes Semánticas IIMAS Inteligencia Artificial Alumno: Vicente Iván Sánchez Carmona Profesora: Dr. Ana Lilia Laureano Representación del conocimento El problema de cómo almacenar el conocimiento a ser
Más detallesMétodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Objetivos Estudiar algunas de las metodologías de Inteligencia Artificial,
Más detallesLógica y Programación
Lógica y Programación Resolución proposicional Antonia M. Chávez, Agustín Riscos, Carmen Graciani Dpto. Ciencias de la Computacion e Inteligencia Artificial Universidad de Sevilla Introducción Idea básica
Más detallesAnexo 3: Implementaciones en Lisp
Anexo 3: Implementaciones en Lisp José A. Alonso Jiménez Carmen Graciani Díaz Francisco Jesús Martín Mateos José Luis Ruiz Reina Dpto. Ciencias de la Computación e Inteligencia Artificial UNIVERSIDAD DE
Más detallesRepresentación de Conocimientos
Representación de Conocimientos Asunción Gómez-Pérez asun@fi.upm.es Despacho 2104 Departamento de Inteligencia Artificial Facultad de Informática Universidad Politécnica de Madrid Campus de Montegancedo
Más detallesUNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA SUR INGENIERÍA EN TECNOLOGÍA COMPUTACIONAL. ASIGNATURA Inteligencia Artificial II. Ingeniería Aplicada
UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA SUR DEPARTAMENTO ACADÉMICO DE SIS COMPUTACIONALES INGENIERÍA EN TECNOLOGÍA COMPUTACIONAL ASIGNATURA Inteligencia Artificial II ÁREA DE Ingeniería Aplicada CONOCIMIENTO
Más detallesTema 4: Aprendizaje de conceptos
Inteligencia Artificial II Curso 2004 2005 Tema 4: Aprendizaje de conceptos José A. Alonso Jiménez Francisco Jesús Martín Mateos José Luis Ruiz Reina Dpto. de Ciencias de la Computación e Inteligencia
Más detallesTema 1: Introducción a la Inteligencia Artificial
Introducción a la Inteligencia Artificial Curso 2002 2003 Tema : Introducción a la Inteligencia Artificial José A. Alonso Jiménez Francisco J. Martín Mateos Dpto. de Ciencias de la Computación e Inteligencia
Más detallesLas redes semánticas intentan trasladar esa afirmación a un formalismo Una red semántica será un grafo donde:
Redes Semánticas Redes semánticas La lógica como lenguaje de representación tiene dificultades prácticas Son necesarios mecanismos mas intuitivos y fáciles de usar La psicología cognitiva afirma: La representación
Más detallesTema 7: Aprendizaje de árboles de decisión
Inteligencia Artificial 2 Curso 2002 03 Tema 7: Aprendizaje de árboles de decisión José A. Alonso Jiménez Miguel A. Gutiérrez Naranjo Francisco J. Martín Mateos José L. Ruiz Reina Dpto. de Ciencias de
Más detallesIA - Inteligencia Artificial
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 270 - FIB - Facultad de Informática de Barcelona 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesTema 3: Demostraciones proposicionales
Razonamiento Automático Curso 2000 200 Tema 3: Demostraciones proposicionales José A. Alonso Jiménez Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad
Más detallesLógica y Programación
Lógica y Programación Diagramas de Decisión Binarios J.-A. Alonso, F.-J. Martín-Mateos, J.-L. Ruiz-Reina Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Lógica y Programación
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 detallesIntroducción a OOP. Programación Orientada a Objeto
Introducción a OOP Programación Orientada a Objeto Evolución Programación no Estructurada, Programación procedimental, Programación modular y Programación orientada a objetos. Programación no Estructurada
Más detallesLógica y Programación
Lógica y Programación Formas Normales J.-A. Alonso, F.-J. Martín-Mateos, J.-L. Ruiz-Reina Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Lógica y Programación - Tema
Más detallesSECUENCIA DIDÁCTICA. Nombre de curso: Inteligencia Artificial Clave de curso: COM2508C11
SECUENCIA DIDÁCTICA Nombre de curso: Inteligencia Artificial Clave de curso: COM2508C11 Antecedente: Ninguno Clave de antecedente: Ninguna Módulo Competencia de Módulo: Proponer y aplicar soluciones e
Más detallesInteligencia Artificial e Ingeniería del Conocimiento
Inteligencia Artificial e Ingeniería del Conocimiento Departamento de Ciencias de la Computación e Inteligencia Artificial Curso 2008/2009 Curso: 4 Cuatrimestre: 1 Tipo: Troncal Nº créditos: 4,5T + 4,5
Más detallesPROYECTO DOCENTE ASIGNATURA: "Inteligencia Artificial"
PROYECTO DOCENTE ASIGNATURA: "Inteligencia Artificial" Grupo: Clases Teór. Inteligencia Artificial Grupo 1 ING. COMPUTADORES(961083) Titulacion: Grado en Ingeniería Informática-Ingeniería de Computadores
Más detallesINTRODUCCION A LA INTELIGENCIA ARTIFICIAL
INTRODUCCION A LA INTELIGENCIA ARTIFICIAL MODULO 3- REPRESENTACION DEL CONOCIMIENTO Referencias: Inteligencia Artificial Russell and Norvig Cap.6,7,8, 9,10.. Artificial Intellingence Nils Nilsson Chap.
Más detallesRepresentación del Conocimiento Otros formalismos. Licenciatura en Ciencias de la Computación. Introducción a la Inteligencia Artificial.
Representación del Conocimiento Otros formalismos Licenciatura en Ciencias de la Computación. Introducción a la Inteligencia Artificial. Conocimiento Definición El conocimiento es una mezcla de experiencia,
Más detallesUNIVERSIDAD DE ORIENTE NÚCLEOS NUEVA ESPARTA-SUCRE COMISIÓN DE CURRICULA PROGRAMA ANALÍTICO DE LA ASIGNATURA
UNIVERSIDAD DE ORIENTE NÚCLEOS NUEVA ESPARTA-SUCRE COMISIÓN DE CURRICULA PROGRAMA ANALÍTICO DE LA ASIGNATURA NOMBRE DE LA ASIGNATURA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL ESCUELA Hotelería y Turismo-Nva.
Más detallesSistemas Expertos Unidad 2. Prof. Francklin Rivas Echeverría Universidad de Los Andes Laboratorio de Sistemas Inteligentes
Sistemas Expertos Unidad 2 Prof. Francklin Rivas Echeverría Universidad de Los Andes Laboratorio de Sistemas Inteligentes 2005 Sistemas basados en conocimiento Los Sistemas basados en conocimiento constituyen
Más detallesFundamentos de Inteligencia Artificial. E. Morales/L.E. Sucar CCC, INAOE
Fundamentos de Inteligencia Artificial E. Morales/L.E. Sucar CCC, INAOE Objetivos Estudiar los fundamentos y las principales técnicas de resolución de problemas de la Inteligencia Artificial Identificar
Más detallesPrograma de estudios por competencias Inteligencia Artificial I
Programa de estudios por competencias Inteligencia Artificial I 1. Identificación del curso Programa educativo: Licenciatura en Ingeniería en Computación Unidad de aprendizaje: Inteligencia Artificial
Más detallesFacultad de Ciencias Exactas y Tecnología Universidad Nacional de Tucumán Mg. Ing. Gustavo E. Juárez
Facultad de Ciencias Exactas y Tecnología Universidad Nacional de Tucumán Mg. Ing. Gustavo E. Juárez INTRODUCCION A LA INTELIGENCIA ARTIFICIAL Contenido: Inteligencia Artificial. Definiciones y Conceptos.
Más detallesUNIVERSIDAD NACIONAL DEL SUR 1 BAHÍA BLANCA. Laboratorio 12 hs CORRELATIVAS DESCRIPCIÓN
UNIVERSIDAD NACIONAL DEL SUR 1 CÓDIGO: 684 CARRERAS Licenciatura en Ciencias de la Computación PROFESOR RESPONSABLE: Dr. Guillermo Simari Profesor Titular con Dedicación Exclusiva CARGA HORARIA Teoría
Más detallesInteligencia Artificial
Inteligencia Artificial Conjunto de técnicas que se aplican en el diseño de programas de computador para la resolución de problemas que por su dificultad requieren el uso de un cierto grado de inteligencia.
Más detallesLa Orientación a Objetos. Diseño de Software Avanzado Departamento de Informática
La Orientación a Objetos Métodos Estructurados y Métodos Orientados a Objetos Métodos estructurados Origen en la programación estructurada (secuencia, ramificación, iteración, función). Pensar en términos
Más detallesTema 4: Búsqueda informada mediante técnicas heurísticas
Tema 4: Búsqueda informada mediante técnicas heurísticas José Luis Ruiz Reina José Antonio Alonso Franciso J. Martín Mateos 1 Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad
Más detalles1.- DATOS DE LA ASIGNATURA. Nombre de la asignatura: Carrera: Clave de la asignatura: (Créditos) SATCA PRESENTACIÓN
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: (Créditos) SATCA 1 Programación Lógica y Funcional Ingeniería en Sistemas Computacionales SCC-1019 2 2 4 2.- PRESENTACIÓN
Más detallesInteligencia Artificial. Carrera: Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Inteligencia Artificial Ingeniería en Sistemas Computacionales SCB - 0416 4-0-8
Más detallesEstado 3.2 (coste = 9)
Búsqueda heurística Fernando Berzal, berzal@acm.org Búsqueda heurística Búsqueda primero el mejor p.ej. búsqueda de coste uniforme [UCS] Heurísticas Búsqueda greedy El algoritmo A* Heurísticas admisibles
Más detallesPROFESIONALES [PRESENCIAL]
SILABO POR ASIGNATURA 1. INFORMACION GENERAL Coordinador: SAQUICELA GALARZA VICTOR HUGO(victor.saquicela@ucuenca.edu.ec) Facultad(es): [FACULTAD DE INGENIERÍA] Escuela: [ESCUELA DE INFORMÁTICA] Carrera(s):
Más detallesTema 3: Técnicas básicas de
Inteligencia Artificial Curso 999 2000 Tema 3: Técnicas básicas de búsqueda José A. Alonso Jiménez Francisco J. Martín Mateos Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de
Más detallesFORMATO 1. ASIGNATURA
FORMATO 1. ASIGNATURA Nombre de la asignatura: DISEÑO DE ONTOLOGÍAS Línea de trabajo: Desarrollo de Sistemas Distribuidos Tecnología Aplicada a la Educación Sistemas Inteligentes Tiempo de dedicación del
Más detalles1. DATOS DE LA ASIGNATURA. Nombre de la Asignatura: Carrera: Clave de la Asignatura: SACTA: PRESENTACION. Caracterización de la asignatura.
1. DATOS DE LA ASIGNATURA Nombre de la Asignatura: Carrera: Clave de la Asignatura: Inteligencia Artificial Ingeniería en Informática SID-1305 SACTA: 2-3-5 2. PRESENTACION Caracterización de la asignatura.
Más detallesMáster Universitario en Tecnologías de la Información y las Comunicaciones Universidad de Alcalá Curso Académico 2013/14
Sistemas Distribuidos de Control Máster Universitario en Tecnologías de la Información y las Comunicaciones Universidad de Alcalá Curso Académico 2013/14 GUÍA DOCENTE Nombre de la asignatura: Código: 200593
Más detallesSistemas Expertos. Unidad de Aprendizaje: Unidad de Competencia I: Inteligencia Artificial y Sistemas Expertos. M. en C. Edith Cristina Herrera Luna
Ingeniería en Computación Unidad de Aprendizaje: Sistemas Expertos Unidad de Competencia I: Inteligencia Artificial y Sistemas Expertos Mayo 2015 M. en C. Edith Cristina Herrera Luna SISTEMAS EXPERTOS
Más detallesDepartamento Ingeniería en Sistemas de Información
ASIGNATURA: INTELIGENCIA ARTIFICIAL MODALIDAD: Cuatrimestral DEPARTAMENTO: ING. EN SIST. DE INFORMACION HORAS SEM.: 6 horas AREA: MODELOS HORAS/AÑO: 96 horas BLOQUE TECNOLOGÍA APLICADA HORAS RELOJ 72 NIVEL:
Más detallesUAA-DSE Programación 2 / C++ Eduardo Serna-Pérez
6 Herencia y Polimorfismo La Herencia y el Polimorfismo son dos de los principales mecanismos de programación que caracterizan a la programación orientada a objetos. La herencia sustenta su mecanismo en
Más detallesECSDI - Ingeniería del Conocimiento y Sistemas Distribuidos Inteligentes
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2015 270 - FIB - Facultad de Informática de Barcelona 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesVisión de Alto Nivel. Dr. Luis Enrique Sucar INAOE. ccc.inaoep.mx/~esucar Sesión 5 Representación y Reconocimiento
Visión de Alto Nivel Dr. Luis Enrique Sucar INAOE esucar@inaoep.mx ccc.inaoep.mx/~esucar Sesión 5 Representación y Reconocimiento 1 Visión de Alto Nivel orillas Representación del mundo textura color Descripción
Más detallesLógica y Programación
Lógica y Programación Sintaxis y semántica de la lógica proposicional Antonia M. Chávez, Carmen Graciani, Agustín Riscos Dpto. Ciencias de la Computacion e Inteligencia Artificial Universidad de Sevilla
Más detallesOntologías. Javier Béjar cbea (LSI-FIB-UPC) Inteligencia Artificial Curso 2006/ / 16
Ontologías - Introducción Ontologías El objeto de estudio de la ciencia de la Ontología es el estudio de las categorías que existen en un dominio El resultado de este estudio es lo que denominamos una
Más detallesPrograma de la asignatura Curso: 2006 / 2007 SISTEMAS EXPERTOS E INTELIGENCIA ARTIFICIAL (1328)
Programa de la asignatura Curso: 2006 / 2007 SISTEMAS EXPERTOS E INTELIGENCIA ARTIFICIAL (1328) PROFESORADO Profesor/es: FICHA TÉCNICA Titulación: INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN Centro: ESCUELA
Más detallesPrograma de estudios por competencias Seminario de solución de problemas de Inteligencia Artificial I
Programa de estudios por competencias Seminario de solución de problemas de Inteligencia Artificial I 1. Identificación del curso Programa educativo: Licenciatura en Ingeniería en Computación Unidad de
Más detallesUNIVERSIDAD AUTÓNOMA DE CHIAPAS LICENCIATURA EN SISTEMAS COMPUTACIONALES
UNIVERSIDAD AUTÓNOMA DE CHIAPAS LICENCIATURA EN SISTEMAS COMPUTACIONALES Área de formación: Disciplinaria. Unidad académica: Inteligencia Artificial. Ubicación: Séptimo Semestre. Clave: 2004 Horas semana-mes:
Más detallesTema 2: Deducción natural proposicional
Lógica informática Curso 2004 05 Tema 2 Deducción natural proposicional José A. Alonso Jiménez Andrés Cordón Franco Grupo de Lógica Computacional Dpto. de Ciencias de la Computación e Inteligencia Artificial
Más detallesTema 2: Equivalencias y formas normales
Lógica informática Curso 2003 04 Tema 2: Equivalencias y formas normales José A. Alonso Jiménez Andrés Cordón Franco Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla
Más detallesTema 1: Sintaxis y semántica de la lógica proposicional
Lógica informática Curso 2003 04 Tema : Sintaxis y semántica de la lógica proposicional José A. Alonso Jiménez Andrés Cordón Franco Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad
Más detallesPROGRAMA INSTRUCCIONAL INTELIGENCIA ARTIFICIAL
UNIVERSIDAD FERMIN TORO VICE RECTORADO ACADEMICO UNIVERSIDAD FACULTAD DE INGENIERIA ESCUELA DE MANTENIMIENTO MECÁNICO ESCUELA DE TELECOMUNICACIONES ESCUELA DE ELÉCTRICA ESCUELA DE COMPUTACIÓN PROGRAMA
Más detallesSolución al parcial 14
Solución al parcial 14 Marque V(erdadero) o F(also) según considere la proposición. 1. La lógica difusa es la emulación del razonamiento aproximado que realizan las máquinas. F: Las máquinas no realizan
Más detallesPozos Parra Fecha de elaboración: 28 de mayo de 2010 Fecha de última actualización:
PROGRAMA DE ESTUDIO Programa Educativo: Área de Formación : Licenciatura en Sistemas Computacionales Integral Profesional Laboratorio de inteligencia artificial Horas teóricas: 2 Horas prácticas: 2 Total
Más detallesOntologias. 2 Marcelo A. Soria Maestria en Data Mining. DC-FCEN
Aplicaciones de Data Mining en ciencia y tecnología Ontologias. 2 Desarrollo de ontologías Clases Clases slots slots Clases facetas o restricciones de rol Clases Desarrollo de ontologías Clases Slots Facetas
Más detallesCICLO ESCOLAR JULIO DICIEMBRE
CICLO ESCOLAR JULIO DICIEMBRE 2012-1 CATEDRÁTICO Lic. Rafael Gamas Gutiérrez. MATERIA Base de datos HORARIO (Día(s) y Hora) Sábado 18:00-20:00 TEMA 1. INTRODUCCIÓN A LAS BASES DE DATOS 1.1 Sistemas tradicionales
Más detallesINTELIGENCIA ARTIFICIAL 1
Universidad de San Carlos de Guatemala Facultad de Ingeniería Escuela de Ciencias y Sistemas Programa del curso INFORMACIÓN DE CURSO INTELIGENCIA ARTIFICIAL 1 Código: 972 Créditos: 4 Área: Ciencias de
Más detallesInteligencia Artificial II: Conocimiento, Razonamiento y Planeación. Presentación del Curso.
Inteligencia Artificial II: Conocimiento, Razonamiento y Planeación. Presentación del Curso. Dr. Alejandro Guerra-Hernández Departamento de Inteligencia Artificial Universidad Veracruzana Facultad de Física
Más detallesINTELIGENCIA ARTIFICIAL 1
Universidad de San Carlos de Guatemala Facultad de Ingeniería Escuela de Ciencias y Sistemas Programa del curso INTELIGENCIA ARTIFICIAL 1 INFORMACIÓN DE CURSO Código: 972 Créditos: 4 Área: Categoría: Ciencias
Más detallesALGORITMOS, ESTRUCTURAS Y PROGRAMACION
VICERRECTORADO ACADÉMICO DIRECCIÓN DE GESTIÓN, DESARROLLO E INNOVACIÓN CURRICULAR FACULTAD: INGENIERIA ESCUELAS: COMPUTACION - SISTEMA UNIDAD CURRICULAR: ALGORITMOS, ESTRUCTURAS Y PROGRAMACION FECHA DE
Más detallesUNIVERSIDAD AUTÓNOMA DE SINALOA FACULTAD DE CIENCIAS FÍSICO MATEMÁTICAS CARRERA: LICENCIATURA EN ELECTRÓNICA PROGRAMA DE ESTUDIOS
UNIVERSIDAD AUTÓNOMA DE SINALOA FACULTAD DE CIENCIAS FÍSICO MATEMÁTICAS CARRERA: LICENCIATURA EN ELECTRÓNICA PROGRAMA DE ESTUDIOS 1. DATOS DE IDENTIFICACIÓN UNIDAD DE APRENDIZAJE COMPUTACIÓN Clave: (pendiente)
Más detallesLógica y Programación
Lógica y Programación Formas Normales Antonia M. Chávez, Agustín Riscos, Carmen Graciani Dpto. Ciencias de la Computacion e Inteligencia Artificial Universidad de Sevilla Introducción Simplificar las fórmulas
Más detallesMÉTODOS ESTRUCTURADOS
Objetivos Presentar y discutir modelos declarativos de representación del conocimiento Introducir las reglas de producción como método estructurado de representación del conocimiento procedimental Ver
Más detallesPlanificaciones Algoritmos y Programación I. Docente responsable: CARDOZO MARTIN MIGUEL. 1 de 8
Planificaciones 9511 - Algoritmos y Programación I Docente responsable: CARDOZO MARTIN MIGUEL 1 de 8 OBJETIVOS Capacitar al alumno en el diseño y programación documentados de algoritmos y en la elección
Más detallesProgramación Orientada a Objetos. Integrantes: Santiago Hernández Bolívar Edwin Alexander Bohórquez
Programación Orientada a Objetos Integrantes: Santiago Hernández Bolívar Edwin Alexander Bohórquez Tabla de Contenido Historia. Filosofía del paradigma. Conceptos claves. Ventajas y desventajas. Lenguajes
Más detallesTema 6: Programación lógica de segundo orden
Programación Declarativa Curso 2000 200 Tema 6: Programación lógica de segundo orden José A. Alonso Jiménez Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad
Más detallesUNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍAS MAESTRÍA EN INGENIERÍA DE SISTEMAS Y COMPUTACIÓN
UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍAS MAESTRÍA EN INGENIERÍA DE SISTEMAS Y COMPUTACIÓN PRINCIPIOS Y TECNICAS DE INTELIGENCIA ARTIFICIAL OBJETIVOS Los objetivos específicos es el estudio
Más detallesProgramación declarativa ( )
1 / 25 Programación declarativa (2007 08) Tema 7: Listas, operadores y aritmética José A. Alonso Jiménez Grupo de Lógica Computacional Departamento de Ciencias de la Computación e I.A. Universidad de Sevilla
Más detallesPlan 95 Adecuado. DEPARTAMENTO: ELECTRÓNICA CLASE: Electiva de Especialidad. ÁREA: SISTEMAS DE CONTROL HORAS SEM.: 4 HS.
Plan 95 Adecuado ASIGNATURA: INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL CODIGO: 95-0488 DEPARTAMENTO: ELECTRÓNICA CLASE: Electiva de Especialidad. ÁREA: SISTEMAS DE CONTROL HORAS SEM.: 4 HS. HORAS / AÑO:
Más detallesTema 5: Problemas de satisfacción de restricciones
Tema 5: Problemas de satisfacción de restricciones José Luis uiz eina José Antonio Alonso Franciso J. Martín Mateos María José Hidalgo Departamento de Ciencias de la Computación e Inteligencia Artificial
Más detallesTema 5: Procesamiento de lenguaje natural
Programación lógica Curso 2003 04 Tema 5: Procesamiento de lenguaje natural José A. Alonso Jiménez Jose-Antonio.Alonso@cs.us.es http://www.cs.us.es/ jalonso Dpto. de Ciencias de la Computación e Inteligencia
Más detallesTema 8: Árboles de decisión
Introducción a la Ingeniería del Conocimiento Curso 2004 2005 Tema 8: Árboles de decisión Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla
Más detallesProgramación Orientada a Objetos. Conceptos Básicos
Programación Orientada a Objetos Conceptos Básicos Programación Orientada a Objetos Paradigma de programación Un programa orientado a objetos está organizado como un conjunto de agentes en interacción
Más detallesBases Formales de la Computación: Redes de Bayes (segunda parte)
Bases Formales de la Computación: Redes de Bayes (segunda parte) Departamento de Ciencias e Ingeniería de la Computación Pontificia Universidad Javeriana Cali Periodo 2008-2 Razonamiento en Redes de Bayes
Más detallesA16. Planificación automática
MÁSTER UNIVERSITARIO EN INVESTIGACIÓN EN INTELIGENCIA ARTIFICIAL UNIVERSIDAD INTERNACIONAL MENÉNDEZ PELAYO Este documento puede utilizarse como documentación de referencia de esta asignatura para la solicitud
Más detallesLA WEB SEMANTICA. Natalia Hernández Yuste,
LA WEB SEMANTICA Natalia Hernández Yuste, 100029762 Introducción Problemas de la web actual Exceso de información Problemático para algunos discapacitados La información no tiene estructura. Se generan
Más detallesProyecto: Programación Declarativa: Lenguaje Prolog
Facultad de Ciencias de la Administración Licenciatura en Sistemas Proyecto: Programación Declarativa: Lenguaje Prolog Materia Optativa para Régimen de Créditos Profesores: Lic. Lidia Graciela Denegri
Más detallesProblemas de Satisfacción de Restricciones
Problemas de Satisfacción de estricciones José Luis uiz eina José Antonio Alonso Jiménez Franciso J. Martín Mateos María José Hidalgo Doblado Dpto. Ciencias de la Computación e Inteligencia Artificial
Más detallesCurso. Lingüística Aplicada III (Procesamiento inteligente de textos)
Curso Lingüística Aplicada III (Procesamiento inteligente de textos) DURACIÓN: 80 horas AUTOR DEL PROGRAMA: Dr. Alexander Gelbukh, Dr. Grigori Sidorov OBJETIVO GENERAL Describir que tipos de sistemas de
Más detallesInteligencia Artificial
Inteligencia Inteligencia Introduccion (INAOE) Inteligencia 1 / 31 Contenido 1 2 3 4 (INAOE) Inteligencia 2 / 31 Objetivos Tener un panorama de lo qué es la Inteligencia (IA) Entender los principales conceptos
Más detallesAcademia de la carrera de Licenciatura en Informática del Instituto Tecnológico de Aguascalientes
1. DATOS DE LA ASIGNATURA Nombre: Técnicas de Inteligencia Artificial y Sistemas Multi-agentes Carrera: Licenciatura en Informática Clave de la asignatura: IFS-0405 Horas teoría - horas práctica - créditos:
Más detalles(V2.0) SILABO CS261T.
Sociedad Peruana de Computación Facultad de Computación Programa Profesional de (Ciencia de la Computación) (V2.0) SILABO CS261T. Inteligencia Artificial (Obligatorio) 2010-1 0. DATOS GENERALES 0.1 CARRERA
Más detallesTema 4: Definición de funciones
Tema 4: Definición de funciones Informática (2010 11) José A. Alonso Jiménez Grupo de Lógica Computacional Departamento de Ciencias de la Computación e I.A. Universidad de Sevilla 2 / 30 Tema 4: Definición
Más detallesUniversidad Salesiana de Bolivia
Universidad Salesiana de Bolivia Ingeniería de Sistemas I DATOS DE IDENTIFICACIÓN PLAN DE DISCIPLINA GESTIÓN II - 2015 INSTITUCIÓN UNIVERSITARIA: Universidad Salesiana de Bolivia RECTOR: Dr. Rvdo. P. Thelian
Más detallesDesde hace algún tiempo los problemas más recurrentes con los que se enfrenta la industria
3 Sistemas Expertos 3.1 Introducción Desde hace algún tiempo los problemas más recurrentes con los que se enfrenta la industria son la falta de personas capacitadas en campos muy específicos y el elevado
Más detallesLógica matemática y fundamentos ( )
1 / 28 Lógica matemática y fundamentos (2016 17) Tema 2: Deducción natural proposicional José A. Alonso Jiménez María J. Hidalgo Doblado Grupo de Lógica Computacional Departamento de Ciencias de la Computación
Más detallesCompiladores: Sesión 15. Análisis semántico, traducción dirigida por sintaxis
Compiladores: Sesión 15. Análisis semántico, traducción dirigida por sintaxis Prof. Gloria Inés Alvarez V. Departamento de Ciencias e Ingeniería de la Computación Pontificia Universidad Javeriana Cali
Más detallesPrograma Oficial de Asignatura. Ficha Técnica. Presentación. Competencias y/o resultados del aprendizaje. Contenidos Didácticos
Ficha Técnica Titulación: Grado en Ingeniería Informática Plan BOE: BOE número 108 de 6 de mayo de 2015 Asignatura: Módulo: Programación y Estructura de Datos Curso: 1º Créditos ECTS: 6 Tipo de asignatura:
Más detalles