"Ejercicios Unidad 5: Sistemas Expertos, Logica Difusa, Red Neuronal" Inteligencia Artificial SAIA A Luis A. Rojas G.

1. EJERCICIOS:
UNIDAD V
Universidad Fermín Toro
Vicerrectorado Académico
Facultad de Ingeniería
Escuela de Computación
Inteligencia Artificial
Prof. Edecio Freitez
Luis A. Rojas G.
V-25834833

2. “Se tiene un Sistema Experto que emula el
comportamiento de Cajero Automático, en
tal sentido considerando los aspectos
estudiados indique y explique para los
ejemplos que se plantea cada una de las
componentes inteligentes. que integran
dicho sistema.”
2

3. EJERCICIOS: SISTEMA EXPERTO 3
Un cajero automático se forma de los siguientes componentes inteligentes:
• Motor de Inferencias
• Base de Hechos
• Base de Conocimiento
• Interfaz con el Usuario
• Interfaz con el Experto

4. 4EJERCICIOS: SISTEMA EXPERTO
» Motor de Inferencias: Es un programa de control el cual se encarga de seleccionar
las posibles reglas a satisfacer del problema establecido, para esto, el Motor de
Inferencias se vale de utilizar algunas estrategias de control dadas, de tipo
sistemático o heurístico.
» Base de Hechos: También abreviada como “BH”, es conocida bajo el nombre de
“Memoria de Trabajo” o “Base de Datos Global”, la cual se encarga de contener
los datos de partida y todos los criterios de parada, esta misma base se va
actualizando automáticamente a medida que se esta ejecutando el sistema.
» Base de Conocimientos: Se abrevia como BC, y es el grupo de reglas que tienen
la capacidad de representar los conocimientos del dominio experto, en los cuales
cada regla tiene un significado propio, aisladas unas de otras.

5. EJERCICIOS: SISTEMA EXPERTO
De igual forma, los sistemas expertos deben interactuar con el usuario y
con el experto, independientemente de los componentes anteriores. Estas
interfaces son:
» Interfaz de Usuario: es la que posibilita la interacción con el usuario,
permitiéndole plantearle interrogantes al sistema e inclusive, obtener
datos análogos a los Expertos. Las explicaciones pueden ser
sustraídas de la base de datos de hechos (BH), el cual es el sitio en
donde se almacenan los pasos para llegar a la solución.
» Interfaz de Experto: Le da la posibilidad al experto de consultar los
datos almacenados en la base de conocimientos y la posibilidad de
incluir nuevos conocimientos.
5

6. “Cite un ejemplo de lógica difusa e
identifique : Universo de Discurso, las
Variables lingüísticas, los valores
lingüísticos y los conjuntos difusos
respectivos .integran dicho sistema.”
6

7. EJERCICIOS: LOGICA DIFUSA 7
Ejemplo: AIRES ACONDICIONADOS

8. 8EJERCICIOS: LOGICA DIFUSA
Principalmente se debe de contemplar los términos utilizados para describir la
temperatura: “demasiado frio”, “frío”, “fresco”, “caluroso”, “muy caluroso”. Estos
mismos son términos ambivalentes, en otras palabras, no hay una conversión a
cuantos grados Celsius es la temperatura “muy calurosa”, por ejemplo. Debido a esto,
se deben buscar unos valores numéricos a estos ‘cuantificadores imprecisos’.

9. Consideraciones a tomar:
» La coordenada Y contempla el rango desde -10 C hasta 40 C
» ** Temperaturas bajo cero (0 C) son debajo del punto de congelación del
agua **
» ** Temperaturas por sobre los 35 C son muy calientes, tomando la
temperatura del cuerpo como referencia (36 C)
» Solo “Muy Frío” y “Muy Caluroso” se distancia hacia la izquierda y
derecha de la Coordenada X, respectivamente.
9EJERCICIOS: LOGICA DIFUSA

10. Analizando las Funciones de Pertenencia:
10EJERCICIOS: LOGICA DIFUSA
F (10 C):
= 0.0 = 0% (Muy Frío)
= 0.0 = 100% Frío
= 0.0 = 0% Templado
= 0.0 = 0% Caluroso
= 0.0 = 0% Muy caluroso
F(22.5°C)
= 0.0 = 0% Muy frío
= 0.0 = 0% Frío
= 0.5 = 50% Templado
= 0.5 = 50% Caluroso
= 0.0 = 0% Muy Caluroso

11. Cuando se encuentra con que un trapecio solapa a otro, poniéndolo de otra
manera, una misma temperatura tiene cierto grado de pertenencia (cierta
verdad) para dos cuantificadores distintos, por ejemplo, 22.5°C es
tanto templado como caluroso pero no en términos absolutos (al 100%), solo en
parte es verdad (en 50% cada uno).
En un aire acondicionado se hacen operaciones como estas:
» IF (temperatura es fría OR demasiado fría) AND (objetivo es templado)
THEN calentar
11EJERCICIOS: LOGICA DIFUSA

12. » Universo de Discurso: “El ambiente es muy caluroso”
» Variable Lingüística: Temperatura
» Valores Lingüísticos: Muy Frio, Frio, Templado, Caluroso, Muy Caluroso
Conjunto Difuso:
» 0.0 = 0% muy frío
» 0.0 = 0% frío
» 0.5 = 50% templado
» 0.5 = 50% caluroso
» 0.0 = 0% muy caluroso
12EJERCICIOS: LOGICA DIFUSA

13. “
Identifique un problema cuya solución se
pueda representar mediante el uso de las
redes neuronales.
13

14. Los sistemas artificial cuyo origen son aquellos de
tipo ‘BioInspirado’, simulan el proceso de solución de
problemas e manejo de datos del Cerebro. Por ende,
es de esta forma como los humano aplican el
conocimiento anterior conjunto a la experiencia, para
poder dar con la solución a nuevos problemas o
situaciones que se presenten. Una Red Neuronal
Artificial (RNA por sus siglas), toma como sujeto de
prueba a los problemas resueltos para poder
elaborar un sistema que permita, mediante un
aprendizaje ya adquirido, tomar decisiones y realizar
interpretación y segmentación de patrones.
14EJERCICIOS: RED NEURONAL

15. El planteamiento dado está en optimizar los sistemas de
selección de personal, utilizando la aplicación de técnicas de
inteligencia artificial para la clasificación y segmentación de
patrones psicológicos.
El sistema se fundamenta en la prueba psicológica “16-PF”,
de la cual se extraen los factores de Primer Orden y la
distorsión motivacional, esto para ser empleado como
entradas a un algoritmo que permita reconocer patrones, el
cuál actúa como predictor de comportamientos. Al principio se
describen los procedimientos de normalización y extracción de
patrones, para finalizar con la entrega de resultados
experimentales e ilustrar el desempeño de las técnicas de
clasificación.
15EJERCICIOS: RED NEURONAL

16. EJERCICIOS: RED NEURONAL
Se diseñó el experimento para ser implementado en una Escuela Naval, el cual
permite de forma rápida y tomando como base un aprendizaje anterior, reconocer
todos los patrones característicos del personal de la Escuela, los cuales durante su
permanencia, han evidenciado un alto desempeño en sus funciones, para aplicar esos
criterios a la selección de personal reduciendo las posibilidades de subjetividad. El
sistema se desarrolla con la propuesta de utilizar MATLAB, luego, para su
experimentación se elabora una base de datos partiendo de una muestra de población
conjunta por 552 ex-cadetes. El lapso de la muestra está comprendido por los cadetes
que ingresaron en el periodo de 1995-1998, y tomando como datos de entrada, los 16
factores de primer orden, y como salidas binarias (Si = 1; No = 0), los correspondientes
resultados fueron:
16

17. EJERCICIOS: RED NEURONAL
» El individuo obtuvo el grado de Teniente de Corbeta. (Sí = 1; No = 0)
» Fue retirado por Falta de aptitudes para la carrera. (Sí = 1; No = 0)
» Fue retirado por solicitud propia. (Sí = 1; No = 0)
» Fue retirado por perdida de curso. (Sí = 1; No = 0)
» Fue retirado por incapacidad física. (Sí = 1; No = 0)
» La información anterior se normalizo para valores entre 0 y 1 para facilitar la
convergencia de la red, mediante el siguiente método:
17

18. ¡MUCHAS
GRACIAS!
18