Tema 1: Agentes inteligentes: Representación y razonamiento
|
|
|
- Vanesa Pérez Farías
- hace 9 años
- Vistas:
Transcripción
1 Inteligencia Artificial 2 Curso Tema : Agentes inteligentes: Representación y razonamiento José A. Alonso Jiménez Miguel A. Gutiérrez Naranjo Francisco J. Martín Mateos Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla IA CcIa Agentes inteligentes: Representación y razonamiento.
2 Contenido Agentes inteligentes: Representación y razonamiento Qué es la inteligencia computacional? Agentes en el mundo Representación y razonamiento Ejemplos de agentes Sistemas de representación y razonamiento Casos de estudios IA CcIa Agentes inteligentes: Representación y razonamiento.2
3 Qué es la inteligencia computacional? La inteligencia computacional es el estudio de los agentes inteligentes. Un agente es cualquiera que actúa en un entorno. Un agente inteligente es un agente que actúa inteligentemente: sus acciones son adecuadas a sus objetivos y valores, es flexible a los cambios de entornos y objetivos, aprende de la experiencia, toma decisiones con conocimiento incompleto. IA CcIa Agentes inteligentes: Representación y razonamiento.3
4 Inteligencia artificial o computacional? Objetivos de la Inteligencia Computacional: Objetivo científico: comprender los principios del comportamiento inteligente Objetivo tecnológico: especificar métodos para diseñar sistemas inteligentes Analogía entre máquinas que vuelan y máquinas que piensan Hipótesis del sistema de símbolos: El razonamiento es manipulación de símbolos Razonamiento = Computación Tesis de Turing: Cualquier manipulación de símbolos puede realizarse mediante una máquina de Turing IA CcIa Agentes inteligentes: Representación y razonamiento.4
5 Agentes en el mundo Mundo = Agente + Entorno (Poole 98 p. 8) IA CcIa Agentes inteligentes: Representación y razonamiento.5
6 Agentes en el mundo Entradas del agente Conocimiento previo del mundo Experiencias anteriores de las que puede aprender Objetivos a conseguir y valores sobre lo importante Observaciones sobre su entorno y sobre sí mismo Salidas del agente Acciones IA CcIa Agentes inteligentes: Representación y razonamiento.6
7 Representación y razonamiento Necesidad de representación de las entradas del agente: conocimiento Problema = Representación = Razonamiento Elementos de un Sistema de Representación y Razonamiento (SRR): Sintaxis: Lenguaje de comunicación con la computadora Semántica: Manera de asignar significado al lenguaje Cálculo: Procedimientos para obtener respuestas Ejemplos de SRR: Lenguajes de bajo nivel: Fortran, C, Lisp,... Lenguaje natural IA CcIa Agentes inteligentes: Representación y razonamiento.7
8 El robot repartidor El mundo del robot repartidor (Poole-98 p. 4) IA CcIa Agentes inteligentes: Representación y razonamiento.8
9 El robot repartidor Entradas del robot repartidor: Conocimiento previo: sus capacidades, objetos existentes, plano de la oficina Experiencias anteriores: qué acciones son útiles y cuándo, efectos de sus acciones sobre su posición y su entorno Objetivos: qué repartir y cuándo Valores: para ordenar objetivos Observaciones: sobre su entorno IA CcIa Agentes inteligentes: Representación y razonamiento.9
10 El robot repartidor Tareas del robot repartidor: Determinar la posición del despacho de una persona, del café,... Buscar un camino entre dos posiciones Planificar cómo realizar varias tareas Conjeturar la posición de una persona Tomar decisiones con incertidumbre Aprender de la experiencia Percibir el mundo: saber dónde está, evitar obstáculos,... IA CcIa Agentes inteligentes: Representación y razonamiento.0
11 El S.E. electricista El sistema eléctrico (Poole-98 p. 6) IA CcIa Agentes inteligentes: Representación y razonamiento.
12 El S.E. electricista Entradas del S.E. electricista: Conocimiento previo: funcionamiento de las luces y las conexiones, síntomas de fallos, información aportada por los tests, efectos de las reparaciones Experiencias anteriores: datos de casos anteriores Objetivo: arreglar el sistema Valores: para decidir entre reparar o sustituir componentes Observaciones: síntomas del sistema IA CcIa Agentes inteligentes: Representación y razonamiento.2
13 El S.E. electricista Tareas del S.E. electricista: Determinar los efectos de los fallos y las intervenciones Buscar en el espacio de posibles fallos Explicar su razonamiento al usuario Derivar posibles causas de fallos Planificar realización de pruebas o tratamientos Conjeturar problemas usando conocimiento por defecto Razonar con incertidumbre y conocimiento incompleto Aprender cómo asociar síntomas con fallos, efectos de los tratamientos, confianza de los tests IA CcIa Agentes inteligentes: Representación y razonamiento.3
14 El infobot Interacción del infobot con su entorno informático: Recibe preguntas en un lenguaje de alto nivel Busca la información relevante Presenta la información de manera legible Entradas del infobot: Conocimiento previo: significado de las palabras, tipos de fuentes de información, cómo acceder a la información Experiencias anteriores: dónde puede obtenerse información, la velocidad relativa de los servidores, prefencias del usuario Objetivo: la información buscada Valores: para decidir entre el volumen y la calidad de la información Observaciones: qué información hay en el sitio actual, qué enlaces hay IA CcIa Agentes inteligentes: Representación y razonamiento.4
15 El infobot Tareas del infobot: Derivar información que sólo está implícita en una base de conocimientos Interactuar en lenguaje natural Buscar entre bases de conocimientos la información Representar el conocimiento eficientemente Explicar el razonamiento justificativo de las respuestas Tomar decisiones con conocimiento incompleto o contradictorio Razonar por defecto sobre dónde encontrar información Decidir entre calidad de la información y coste Aprender prefencias del usuario y fuentes de información IA CcIa Agentes inteligentes: Representación y razonamiento.5
16 Uso de un SRR Papel de la semántica en SRR (Poole-98 p. 26) IA CcIa Agentes inteligentes: Representación y razonamiento.6
17 Uso de un SRR Elegir el dominio de la tarea o el mundo que se desea representar (interpretación deseada) Asociar una constante del lenguaje a cada individuo del mundo que se representa Asociar un símbolo de predicado del lenguaje a cada relación que se desee representar Decirle al SRR las cláusulas que son verdaderas en la interpretación deseada (axiomatización del dominio) Preguntar al SRR e interpretar las respuestas IA CcIa Agentes inteligentes: Representación y razonamiento.7
18 Dominio del robot repartidor El mundo del robot repartidor (Poole-98 p. 4) IA CcIa Agentes inteligentes: Representación y razonamiento.8
19 Dominio del robot repartidor Constantes: h0, h03, h05, h07, h09, h, h27, h29, h3 Relación: vecina izquierda(h,h2) que es verdad si la habitación H es la vecina izquierda de la habitación H2 Base de conocimiento vecina_izquierda(h0,h03). vecina_izquierda(h03,h05). vecina_izquierda(h05,h07). vecina_izquierda(h07,h09). vecina_izquierda(h09,h). vecina_izquierda(h3,h29). vecina_izquierda(h29,h27). vecina_izquierda(h27,h25). IA CcIa Agentes inteligentes: Representación y razonamiento.9
20 Dominio del robot repartidor Consultas?- vecina_izquierda(h05,h07). => Yes?- vecina_izquierda(h06,h07). => No?- vecina_izquierda(x,h07). => X = h05?- vecina_izquierda(h05,x). => X = h07?- vecina_izquierda(h06,x). => No Relación definida vecina derecha(h,h2) que es verdad si la habitación H2 es la vecina derecha de la habitación H Definición vecina_derecha(h,h2) :- vecina_izquierda(h2,h). Consulta?- vecina_derecha(h05,x). => X = h03 IA CcIa Agentes inteligentes: Representación y razonamiento.20
21 Dominio del robot repartidor Relación definida vecina(h,h2) que es verdad si la habitación H es vecina de la habitación H2 Definición vecina(h,h2) :- vecina_derecha(h,h2). vecina(h,h2) :- vecina_izquierda(h,h2). Consulta?- vecina(x,h05). => X = h07 ; X = h03 Relación definida dos a la derecha(h,h2) que es verdad si la habitación H está dos a la derecha de la habitación H2 Definición dos_a_la_derecha(h,h2) :- vecina_derecha(h,h), vecina_derecha(h,h2). Consulta?- dos_a_la_derecha(x,h05). => X = h09 IA CcIa Agentes inteligentes: Representación y razonamiento.2
22 Dominio del robot repartidor Relación definida a la izquierda(h,h2) que es verdad si la habitación H está a la izquierda de la habitación H2 Definición recursiva a_la_izquierda(h,h2) :- vecina_izquierda(h,h2). a_la_izquierda(h,h2) :- vecina_izquierda(h,h), a_la_izquierda(h,h2). Consulta?- a_la_izquierda(x,h05). X = h03 ; X = h0 ; No IA CcIa Agentes inteligentes: Representación y razonamiento.22
23 Dominio del sistema eléctrico El sistema eléctrico (Poole-98 p. 6) IA CcIa Agentes inteligentes: Representación y razonamiento.23
24 Dominio del sistema eléctrico Constantes: Luces: l, l2 Interruptores: i, i2, i3 Cortacircuitos: cc, cc2 Cables: c, c2, c3, c4, c5, c6 Enchufes: e, e2 Toma de corriente: entrada IA CcIa Agentes inteligentes: Representación y razonamiento.24
25 Dominio del sistema eléctrico Predicados: luz(l) es verdad si L es una luz abajo(i) es verdad si el interruptor I está hacia abajo arriba(i) es verdad si el interruptor I está hacia arriba esta bien(x) es verdad si la luz o el cortocircuito X está bien conectado(d,d2) es verdad si los dispositivos D y D2 está conectados (de forma que puede fluir la corriente eléctrica de D2 a D) tiene corriente(d) es verdad si el dispositivo D tiene corriente esta encendida(l) es verdad si la luz L está encendida IA CcIa Agentes inteligentes: Representación y razonamiento.25
26 Dominio del sistema eléctrico Base de conocimiento del sistema eléctrico luz(l). luz(l2). abajo(i). arriba(i2). arriba(i3). esta_bien(l). esta_bien(l2). esta_bien(cc). esta_bien(cc2). conectado(l,c0). conectado(c0,c) :- arriba(i2). conectado(c0,c2) :- abajo(i2). conectado(c,c3) :- arriba(i). conectado(c2,c3) :- abajo(i). conectado(l2,c4). conectado(c4,c3) :- arriba(i3). conectado(e,c3). conectado(c3,c5) :- esta_bien(cc). conectado(e2,c6). conectado(c6,c5) :- esta_bien(cc2). conectado(c5,entrada). IA CcIa Agentes inteligentes: Representación y razonamiento.26
27 Dominio del sistema eléctrico tiene_corriente(d) :- conectado(d,d), tiene_corriente(d). tiene_corriente(entrada). esta_encendida(l) :- luz(l), esta_bien(l), tiene_corriente(l). Consultas?- tiene_corriente(d). => D = c2 ; D = l2 ; D = c4 ; D = e ; D = c3 ; D = e2 ; D = c6 ; D = c5 ; D = entrada?- esta_encendida(x). => X = l2 IA CcIa Agentes inteligentes: Representación y razonamiento.27
28 Bibliografía Poole, D.; Mackworth, A. y Goebel, R. Computational Intelligence (A Logical Approach) (Oxford University Press, 998) Cap. : Computational intelligence and knowledge Cap. 2: A representation and reasoning system Cap. 3: Using definite knowledge Russell, S. y Norvig, P. Inteligencia artificial (Un enfoque moderno) (Prentice Hall Hispanoamericana, 996) Cap. : Introducción Cap. 2: Agentes inteligentes Cap. 6: Agentes que razonan de manera lógica Cap. 0: Sistemas de razonamiento lógico IA CcIa Agentes inteligentes: Representación y razonamiento.28
Tema 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
Tema 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
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
Tema 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
Tema 6: Razonamiento con información incompleta
Inteligencia Artificial 2 Curso 2000 200 Tema 6: Razonamiento con información incompleta José A. Alonso Jiménez Miguel A. Gutiérrez Naranjo Francisco J. Martín Mateos Dpto. de Ciencias de la Computación
Tema 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
Tema 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
Fundamentos 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
Fundamentos 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
Indique 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.
Tema 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 [email protected] http://www.cs.us.es/ jalonso Dpto. de Ciencias de la Computación
Implementación Prolog de un SBC basado en reglas (2011/2012)
Luis Valencia Cabrera (coordinador) [email protected] (http://www.cs.us.es/~lvalencia) Manuel García-Quismondo [email protected] (http://www.cs.us.es/~mgarcia) Ciencias de la Computacion e IA (http://www.cs.us.es/)
Tema 3: Representación del conocimiento estructurado
Inteligencia Artificial II Curso 2003 2004 Tema 3: Representación del conocimiento estructurado José A. Alonso Jiménez Carmen Graciani Díaz Francisco Jesús Martín Mateos José Luis Ruiz Reina Dpto. de Ciencias
Tema 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
Métodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) [email protected] ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Objetivos Estudiar algunas de las metodologías de Inteligencia Artificial,
Tema 2: Lógica proposicional: Sintaxis y semántica
Razonamiento Automático Curso 200 2002 Tema 2: Lógica proposicional: Sintaxis y semántica José A. Alonso Jiménez Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación e Inteligencia Artificial
Tema 1: Representación de problemas como espacio de estados
Tema 1: Representación de problemas como espacio de estados José A. Alonso Jiménez Carmen Graciani Díaz Francisco Jesús Martín Mateos José Luis Ruiz Reina Dpto. Ciencias de la Computación e Inteligencia
Tema 2: Un poco de Historia
Introducción a la Inteligencia Artificial Curso 2006 2007 Tema 2: Un poco de Historia Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla IIA
Programación 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
Tema 2: Un poco de Historia
Introducción a la Inteligencia Artificial Curso 2008 2009 Tema 2: Un poco de Historia Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla IIA
UNIDAD 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
Tema 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
INTELIGENCIA 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#1: INTRODUCCIÓN A LA INTELIGENCIA
PROYECTO 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
PROYECTO 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
CONTENIDO. 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
Universidad Nacional Autónoma de México Facultad de Psicología
Universidad Nacional Autónoma de México Facultad de Psicología Programa de la Asignatura: Teoría Computacional de la Mente Clave: 1105 Semestre: 1 Campo de conocimiento: Tradición: Tradición Cognoscitiva
Que 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
Guía docente de la asignatura MÉTODOS AVANZADOS DE RAZONAMIENTO Y REPRESENTACIÓN DEL CONOCIMIENTO SISTEMAS INTELIGENTES Y BASADOS EN CONOCIMIENTO
Guía docente de la asignatura Asignatura Materia MÉTODOS AVANZADOS DE RAZONAMIENTO Y REPRESENTACIÓN DEL CONOCIMIENTO SISTEMAS INTELIGENTES Y BASADOS EN CONOCIMIENTO Módulo Titulación MÁSTER EN INGENIERÍA
Tema 6: Representación lógica del conocimiento
Inteligencia Artificial Curso 999 2000 Tema 6: Representación lógica del conocimiento José A. Alonso Jiménez Miguel A. Gutiérrez Naranjo Francisco J. Martín Mateos Dpto. de Ciencias de la Computación e
Lógica 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
1.- 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
ECSDI - 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
Tema 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
Tema 4: Representación del conocimiento mediante reglas
Introducción a la Ingeniería del Conocimiento Curso 2006 2007 Tema 4: Representación del conocimiento mediante reglas Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación e Inteligencia Artificial
SID - Sistemas Inteligentes Distribuidos
Unidad responsable: 270 - FIB - Facultad de Informática de Barcelona Unidad que imparte: 723 - CS - Departamento de Ciencias de la Computación Curso: Titulación: 2017 GRADO EN INGENIERÍA INFORMÁTICA (Plan
1. 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.
Tema 5: Conceptualización relacional
Razonamiento Automático Curso 2000 200 Tema 5: Conceptualización relacional José A. Alonso Jiménez Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad
Solución 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
Lógica 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
Tema 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
INTRODUCCION A LA INTELIGENCIA ARTIFICIAL
C ASIGNATURA: INTRODUCCION A LA INTELIGENCIA ARTIFICIAL Curso 2009/2010 (Código:532097) 1.OBJETIVOS Esta asignatura comprende los fundamentos necesarios para la formación de aquellos alumnos que hayan
Tema 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
Tema 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
Tema 2: Introducción a los sistemas basados en el conocimiento
Introducción a la Ingeniería del Conocimiento Curso 2003 2004 Tema 2: Introducción a los sistemas basados en el conocimiento José A. Alonso Jiménez Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación
Tema 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
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA)
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA) FACULTAD DE INGENIERIA DE SISTEMAS E INFORMATICA ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS 1. ESPECIFICACIONES GENERALES
Práctica II. Prolog II: Meta Intérprete Vanilla
Práctica II Prolog II: Meta Intérprete Vanilla Contenido 1. Meta intérpretes. 2. Meta intérprete vanilla para cláusulas definidas. 3. Extensión vanilla predicados predefinidos. 4. Extensión vanilla pruebas.
A16. 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
Inteligencia Artificial. Dr. Alberto Reyes Ballesteros Investigador Prometeo
Inteligencia Artificial Dr. Alberto Reyes Ballesteros Investigador Prometeo [email protected] http://www.isr.ist.utl.pt/~areyes/ Introducción Definiciones Enfoques de la IA Historia Raíces y ramas
1 Relaciones entre la lógica y la computación. 2 Descripción y análisis de lenguajes. 3 Otras tres áreas de aplicación directa de la lógica
LÓGICA COMPUTACIONAL PRESENTACIÓN Francisco Hernández Quiroz Departamento de Matemáticas Facultad de Ciencias, UNAM E-mail: [email protected] Página Web: www.matematicas.unam.mx/fhq Facultad de Ciencias
