| SCINET
• WORLD TRADE SYSTEM ® Operaciones Comerciales Automáticas • Import-Export • Sistemas de Pago On-line • Más de 20 millones de empresas clasificadas en 245 países • 60 millones de mercancías, productos y servicios • Mini-plantas de producción SCiNet Asociados Servicio de consultas 24Horas |
|
RSi > HERRAMIENTAS INTELIGENTES
|
| "La
inteligencia es la que ve, la inteligencia es la que oye, todo lo demás es sordo
y ciego..." —Epicarmo de Siracusa (550-460 a. de C.) SISTEMAS DE AYUDA A LA DECISIÓN Algoritmos y modelos de optimización con información difusa: Programación lineal difusa, programación multiobjetivo difusa, problema del transporte, optimización combinatoria difusa, teoría de juegos. Modelos de redes y grafos difusos. Problemas de decisión (unipersonal, multipersonal, multicriterio...) |
 |
| Análisis
y relación entre estructuras de preferencia en modelos de decisión. Metaheurísticas
aplicadas a problemas de optimización difusa. Sistemas de ayuda a la decisión:
desarrollos en entornos semi-estructurados y mal estructurados. RAZONAMIENTO APROXIMADO Y LÓGICA DIFUSA Análisis y diseño de métodos de inferencia difusa. Estudio teórico de la lógica difusa. Razonamiento no monótono difuso y multivaluado. Relación de la lógica difusa con la lógica multivaluada y bivaluada. Diseño de herramientas y aplicaciones: sistema sintáctico, ATMS... REDES NEURONALES ARTIFICIALES Utilización de la tecnología de redes para la resolución de problemas imprecisos en optimización, clasificación. Inferencia gramatical difusa mediante redes neuronales recurrentes. Optimización de redes neuronales recurrentes. Extracción de reglas a partir de redes neuronales recurrentes. Inferencia difusa mediante redes neuronales y con reglas difusas ponderadas. Comparación y ordenación de números difusos de acuerdo con criterios personales. Identificación de sistemas difusos. Modelos neuronales difusos: una neurona difusa y memorias |
Herramientas
Inteligentes neuronales entrenadas. Redes neuronales en arquitecturas paralelas.
SISTEMAS BASADOS EN EL CONOCIMIENTO
Representación del conocimiento. Sistemas difusos basados en el conocimiento. Verificación y validación. Construcción de sistemas expertos.
ALGORITMOS GENÉTICOS
Aplicación de técnicas basadas en lógica difusa para la mejora del comportamiento de los algoritmos genéticos: diseño de operadores, control de parámetros. Algoritmos genéticos en problemas de optimización con información imprecisa. Aplicación de los algoritmos genéticos al diseño e identificación de sistemas difusos: ajuste y aprendizaje de bases de reglas difusas.
BASES DE DATOS E INTELIGENCIA ARTIFICIAL
Problemas de definición y representación de una base de datos difusa. Diseño y desarrollo software de un sistema de gestión de base de datos difusa. Problemas teóricos de dependencia funcional y diseño. Bases de datos difusas lógicas. Estructuras complejas para representación del conocimiento impreciso. Aplicaciones. Desarrollo de una base de datos médicos que admita preguntas vagas y acepte información imprecisa. Explotación y adquisición del conocimiento en bases de datos.
MANEJO DE INFORMACIÓN LINGÜISTÍSTICA
Codificación de información lingüistística. Agregación de información lingüística. Análisis de estructuras de preferencia lingüística. Diseño de procesos de selección, medidas de consenso, y procesos de consenso en problemas de decisión en grupo en contexto lingüístico.
PLANIFICACIÓN Y CONTROL INTELIGENTE
Estudio de la aplicabilidad de los operadores difusos en el diseño de sistemas de control inteligentes. Diseño automático de controladores. Análisis teórico de controladores difusos. Planificación en dominios con información incompleta. Aplicación al control de procesos. Aplicación del control inteligente en robótica.
RECONOCIMIENTO DE PATRONES CON TÉCNICAS DIFUSAS
Técnicas de cluster difuso para identificar sistemas. Validación de técnicas difusas para el reconocimiento de patrones. Regresión difusa y aplicaciones.
INTELIGENCIA Y RACIONALIDAD
Propósito de la IA. Definiciones y Aproximaciones a la IA. Sistemas que actúan como los humanos. Sistemas que piensan como los humanos: la aproximación de la ciencia cognitiva. Sistemas que piensan racionalmente: la aproximación de la lógica. Sistemas que actúan racionalmente: la aproximación de los agentes racionales.
AGENTES
Agentes Racionales. Estructura de los Agentes Racionales. Agentes con tablas percepción-acción. Agentes reflejos sencillos. Agentes reflejos con estado interno. Agentes con objetivos. Agentes basados en utilidad. Entornos y simulaciones de entornos.
RESOLUCIÓN DE PROBLEMAS MEDIANTE BÚSQUEDA
Pasos en la resolución de problemas. Formulación de problemas. Problemas ejemplo. Búsqueda de soluciones. Estrategias de búsqueda. Búsqueda ciega o no informada. Criterios de evaluación. Primero en anchura. Coste uniforme. Primero en profundidad. En profundidad limitada. Profundización iterativa.
MÉTODOS DE BÚSQUEDA INFORMADA
Búsqueda el primero mejor. Búsqueda Greedy. Búsqueda. Funciones heurísticas. Búsqueda con limitaciones de memoria. Algoritmos de mejora iterativa. Escalada. Enfriamiento simulado.
REPRESENTACIÓN DEL CONOCIMIENTO E INFERENCIA CON LÓGICA PROPOSICIONAL
Un agente basado en conocimiento. Representación, razonamiento y lógica. Lógica proposicional. Sintaxis. Semántica. Inferencia en lógica proposicional. Reglas de inferencia. Complejidad de la inferencia proposicional. Adecuación epistemológica de la lógica proposicional.
REPRESENTACIÓN DEL CONOCIMIENTO CON LÓGICA DE PRIMER ORDEN
Ontología, sintaxis y semántica. Extensiones. Ejemplos de uso de la lógica de primer orden. Un agente reflejo sencillo. Cálculo situacional.
INFERENCIA EN LÓGICA DE PRIMER ORDEN
Reglas de inferencia con cuantificadores. Modus Ponens generalizado. Encadenamiento hacia delante y encadenamiento hacia atrás. Completitud y decidibilidad. Resolución: un procedimiento de inferencia completo. La regla de inferencia. Formas canónicas. Prueba. Conversión a forma normal. Ejemplo del procedimiento de conversión y de la prueba por refutación. Tratamiento de la igualdad: demodulación. Estrategias de resolución. Completitud de la resolución. Teorema de la incompletitud de Gödel.
SISTEMAS DE RAZONAMIENTO LÓGICO
Algunas cuestiones de implementación. Implementación de sentencias y términos. Diseño de la base de conocimiento. Implementación del algoritmo de unificación. Prolog y otros sistemas de programación lógica. El lenguaje Prolog. Implementación. Programación lógica con restricciones. Control avanzado. Probadores de teoremas.
PLANIFICACIÓN
Un agente de planificación sencillo. De resolución de problemas a planificación. Planificación con cálculo situacional. Representaciones básicas para planificación. Representación de estados y objetivos. Representación de acciones. Espacio de situaciones y espacio de planes. Representación de planes. Ejemplo de planificador de orden parcial. El algoritmo de planificación de orden parcial (POP). Planificación con operadores parcialmente instanciados. Planificación en dominios reales. Planificación y ejecución.
INCERTIDUMBRE
Tratamiento de la incertidumbre. Notación proposicional de la probabilidad. Los axiomas de la probabilidad. La regla de Bayes y su uso. Regla de Bayes. Ejemplo de uso. Normalización. Combinación de evidencia: independencia condicional y actualización bayesiana. Significado de los valores de probabilidad.
SISTEMAS DE RAZONAMIENTO PROBABILÍSTICO
Representación del conocimiento con redes de creencias. La semántica de las redes de creencia. Representación de la distribución de probabilidad combinada. Método para la construcción de la red de creencias. Representación de las tablas de probabilidad condicional. Separación dependiente de la dirección (separación D). Inferencia en redes de creencias. Tipos de inferencias probabilísticas. Algoritmo para el cálculo de la distribución de probabilidad. Inferencia en redes de creencia múltiplemente conexas. Ingeniería del conocimiento en sistemas de razonamiento probabilístico. Ejemplo: el sistema Pathfinder. Otras aproximaciones al tratamiento de la incertidumbre. Razonamiento por defecto. Métodos basados en reglas para el razonamiento con incertidumbre.
INTELIGENCIA ARTIFICIAL
El objetivo fundamental es proporcionar una formación de base en Inteligencia Artificial (IA), dotándole de conocimientos fundamentales e independientes del dominio de aplicación. El alumno será introducido en cuatro áreas temáticas generales que responden a los tópicos de programación en lenguajes de IA, representación del conocimiento, resolución de problemas y aprendizaje. Estos conocimientos básicos serán convenientemente ilustrados con ejemplos prácticos a través de la modelización de problemas reales y de la aplicación de diferentes mecanismos de inferencia para su resolución. Asimismo se proponen una serie de prácticas a realizar durante el curso que den la oportunidad de modelizar problemas más complejos y aplicar las estrategias de resolución a estos problemas.
PROGRAMA
Introducción a la IA. Historia y Aplicaciones Lenguajes de programación para IA. El lenguaje Lisp Formalismos de Representación y Resolución de Problemas Lógica y Cálculo de Predicados. Redes Semánticas. Frames. Herencia y Valores Activos Reglas y Sistemas de Producción Grafos y Búsqueda en Espacios de Estados. Heurística. Escalada. Ejemplos de Modelización Estrategias y Modelos para Resolución de Juegos Sistemas Generadores de Planes Aprendizaje Automático ID3 Algoritmos Genéticos.
SISTEMAS INTELIGENTES
Los Sistemas Inteligentes se plantean como una continuación de la de Inteligencia Artificial, y tiene como objetivo el estudio de paradigmas de resolución de problemas tradicionalmente ligados al reconocimiento de patrones y, en general, a la percepción computacional. Dentro de este contexto se analizarán diversas técnicas de clasificación de propósito general, desde métodos simples como los basados en la distancia euclídea hasta métodos con capacidad autoorganizativa basados en la simulación de sistemas biológicos tales como las redes de neuronas. La segunda parte de la asignatura estará dedicada más precisamente a la percepción computacional, y en especial a un problema paradigmático: el problema de la visión artificial. En esta parte también se estudiarán otros problemas perceptivos como la integración sensorial o el reconocimiento de voz.
INFERENCIA GRAMATICAL
Inferencia Gramatical estudia la teoría y las técnicas para obtener automáticamente gramáticas a partir de sentencias generadas por estas gramáticas. Esta disciplina constituye el núcleo de las técnicas de Aprendizaje Automático en Reconocimiento Sintáctico de Formas y en otras áreas de la Inteligencia Artificial. Los objetivos de este curso son dar a conocer estos conceptos y técnicas así como sus aplicaciones más importantes. 1. Introducción: Paradigmas de Aprendizaje y Aspectos Computacionales 2.Inferencia de Lenguajes Regulares 3.Técnicas basadas en Corrección de Errores 4.Lenguajes k-Explorables, N-Gramas y Morfismos 5.Técnicas de Agrupamiento de Estados; 6. Aprendizaje con Muestras Positivas y Negativas 7.Inferencia de Lenguajes Incontextuales; 8.Lenguajes Regulares de Arboles y Métodos Basados en Esqueletos 9.Inferencia de Lenguages Estocásticos 10.Aplicaciones.
ALGORITMOS PARA RECONOCIMIENTO DE FORMAS
Muchas de las técnicas usuales de Reconocimiento de Formas (RF) requieren del uso de estrategias algorítmicas adecuadas para alcanzar el grado de eficiencia generalmente requerido en aplicaciones prácticas. El objetivo de este curso es presentar algunas de estas estrategias y algoritmos concretos. Se hace especial hincapié en Programación Dinámica y Ramificación y Poda, así como cuestiones relativas a complejidad computacional, técnicas para su reducción e integración de heurísticos. 1. Comparación de Cadenas: Distancias de Edición 2. Comparación de Árboles: Distintos tipos de Correspondencias 3. Análisis Sintáctico Regular con Corrección de Errores 4. Decodificación de Cadenas Compuestas de Palabras: Algoritmos de 1-Paso y de 2-Pasos. Decodificacón con Restricciones Sintácticas Regulares e Incontextuales.
REDES NEURONALES
Las Redes Neuronales Artificiales constituyen un área de gran interés tanto desde el punto de vista científico como tecnológico. La característica de las Redes Neuronales Artificiales que las hacen atractivas es su capacidad de aprendizaje a partir de ejemplos reales. Las Redes Neuronales Artificiales se están aplicando con éxito en numerosos campos. El objetivo de este curso es la presentación de los principales paradigmas en redes neuronales artificiales desde un punto de vista computacional. 1. La Neurona y los Neurocomputadores 2. El Perceptrón Muticapa 3. Redes Dinámicas; 3. Redes Recurrentes 4. Mapas Autoorganizativos y LVQ 5. Memorias Asociativas 6. Técnicas estadísticas: Templado Simulado y Algoritmos genéticos.
MODELOS DE LENGUAJE
Los Modelos del Lenguaje integran los conocimientos de tipo sintáctico y/o semántico en los sistemas de Reconocimiento Automático del Habla y son una pieza clave en los mismos. El objetivo de este seminario es dar a conocer las distintas técnicas existentes para la obtención de Modelos de Lenguaje, y su aplicación a problemas de Reconocimiento Automático del Habla y traducción automática. 1. Modelos basados en Gramáticas 2. Modelos basados en N-Gramas 3. Aprendizaje de Modelos de Lenguaje 4. Modelos de Lenguaje en función de unidades lingüísticas básicas 5. Otras aproximaciones: Redes Neuronales, Arboles de decisión.
SÍNTESIS DE IMAGEN Y ANIMACIÓN POR ORDENADOR
Los ordenadores están jugando un papel muy importante en el tratamiento de imágenes, tanto en su vertiente de análisis como de síntesis. Conocimientos sobre modelos de iluminación tanto empíricos como físicos así como modelos de sombreado locales y globales. Plantear los principios de animación por ordenador basados en Tramas Clave. Modelos empíricos. Modelos físicos. Detalle superficial. Modelos globales. Trazado de rayos y Radiosidad. Animación por Tramas Claves e interpolación.
REALIDAD VIRTUAL
El uso generalizado de interfaces que integran imágenes junto con otros medios sensoriales ha condicido al desarrollo de sofisticados sistemas en los que el concepto de "realidad" queda un tanto "desvirtuado". Su objetivo es enmarcar la temática de la Realidad Virtual dentro de la informática gráfica, describiendo las técnicas, aplicaciones y dispositivos particulares relacionados con esta forma de comunicación hombre-máquina. Niveles de interacción. Estereoscopia. Sensores y efectores. Aplicaciones. Creación de mundos virtuales.
SISTEMAS DE RECONOCIMIENTO DEL HABLA CONTINUA
La obtención de un sistema de Reconocimiento del Habla Continua requiere la cooperación de las diferentes fuentes de conocimiento (acústico, léxico, sintáctico, semántico) que influyen en el proceso de comunicación oral. Modelos acústicos, léxicos y sintácticos. Sistemas secuenciales. Integración de las fuentes de conocimiento. Algoritmos de búsqueda.
TEORIA DE LAS SEÑALES ESTOCASTICAS
Conceptos básicos de probabilidad: regla de Bayes. Leyes básicas de las probabilidades. Distribuciones multivariantes: la ley Normal. Cadenas de Markov. Procesos estocásticos estacionarios: Campos de Markov. Modelos estocásticos de señales 1D y 2D. Técnicas de optimización
RECONOCIMIENTO AUTOMÁTICO DEL HABLA
El reconocimiento automático del habla es un campo multidisciplinar con especial vinculación al reconocimiento de formas y la Inteligencia Artificial. Su objetivo es presentar soluciones consolidadas y/o actuales a los diversos problemas que aparecen en el diseño de sistemas de Reconocimiento Automático del Habla. El proceso de la comunicación hablada. Técnicas de preproceso. Alineamiento temporal no lineal. Modelos de Markov ocultos. Otros paradigmas: Técnicas basadas en el Conocimiento y Redes Neuronales. Decodificación Acústico-Fonética y Modelización del Lenguaje.
| SCINET CORPORATION |
| SCiNet Corporation
• Science Network | The World Trade System SCiNet International Office | Servicio 24 Horas para consultas en lengua española Información y Consultas | Teléfono: (+34) 91-476-7000 | Fax: (+34) 91-388-3203 © 2008 SCINET CORPORATION. All rights reserved Legal Information. Do not duplicate or redistribute in any form |