SlideShare una empresa de Scribd logo
INTELIGENCIA ARTIFICIALAGENTE INTELIGENTE “BÚSQUEDA DE PLANTAS MEDICINALES”AUTORA:Raquel Luzuriaga
INTRODUCCIÓNLa era Tecnológica actual a generado un océano de información, entorno en el que operan grandes motores de búsqueda como YAHOO, GOOGLE, ALTA VISTA.Los agentes inteligentes están formados por (C, A, O, R) Creencias, Acciones, Objetivos y Resultados. Los resultados que presentan pueden ser positivos o negativos.Se trabajará en el desarrollo del Agente Inteligente: “Búsqueda de Plantas Medicinales”,  para lo cual se escogerá un algoritmo clasificador, el cual organizará adecuadamente la información para la búsqueda y devolverá un resultado, en este caso será el nombre de una planta medicinal.
OBJETIVOS 1/3OBJETIVO GENERALInvestigar y desarrollar un agente de búsqueda de plantas medicinales, tomando como entrada o percepción los datos ingresados por el usuario, esto es una determinada enfermedad.
OBJETIVOS 2/3OBJETIVOS ESPECÍFICOSEncontrar una planta medicinal  que sirva para curar una enfermedad, esta tiene que ser ingresada por parte del usuario.Que el agente sea capaz de analizar, entender, clasificar la información que recibe de su sensor.Logar que el agente asigne un valor o peso a cada planta medicinal.
OBJETIVOS 3/3OBJETIVOS ESPECÍFICOSDeterminar los algoritmos de clasificación con los que trabajara el agente.Trabajar en la implementación de dichos algoritmos y evaluar los resultadosDesarrollar un informe final que resuma los resultados del presente trabajo..
ÁREAS DE APLICACIÓNPlantas MedicinalesAgente Inteligente de BúsquedaPrecisión, se encarga de medir la relación existente entre los datos relevantes para la consulta y el total devueltos en la misma. Recall, el cual mide la relación entre el total de datos relevantes devueltos y el total de datos existentes en la Base de datos. Recuperación y manejo de información
DESCRIPCIÓN  DEL PROBLEMALa salud es una de las aspiraciones máximas del hombre.Estudios: “HERBAL MEDICINE RESEARCH IN TAIWAN” “DATABASE OF TRADITIONALCHINESE MEDICINE AND ITSAPPLICATIONTOSTUDIES OF MECHANISM   AND TOPRESCRIPTIONVALIDATION”“METADATADESIGNFORCHINESE MEDICINE DIGITAL LIBRARY USING XML”. Encontrar un algoritmo clasificador eficiente y .
TRABAJOS SIMILARESAPLICACIÓN DE REDES NEURONALES AL FILTRADO DE DOCUMENTOS AGENTES INTELIGENTES PARA BÚSQUEDA DE INFORMACIÓN ( Razonamiento  basado en casos)A MULTI-AGENT INTELLIGENT ENVIRONMENT FOR MEDICAL KNOWLEDGE (AMPLIA)ANEMPIRICALCOMPARISON OF SUPERVISED LEARNING ALGORITHMS (BST-DT, RF, BAG-DT, SVM, ANN, KNN, BST-STMP, DT, LOGREG y NB)
JUSTIFICACIÓNLos algoritmos clasificadores o de aprendizaje supervisado son en los agentes de búsqueda y recuperación de información.Luego de un estudio de comparación de algoritmos los que resultaron más eficientes, fueron: BST-DT, RF, BAG-DT y el SVM. El algoritmo SVM es uno de los más utilizados en el área de la medicina.Por lo que se puede decir que el presente trabajo se seleccionará el  algoritmo SVM.
EL ALGORITMOSVM- algoritmo máquinas de vector  de soporteTrabaja con el principio de minimización de riesgo estructural, lo que ayuda a construir modelos confiables.Las clases se dividen en base al parámetro que se está evaluando, para lo cual utiliza una función de kernel o hiperplano.Un problema que presenta este algoritmo es el sobrentrenamiento.
HERRAMIENTASJAVA Java es un lenguaje de programación de la estructura del agente, que  determinan funcionalidades básicas del agente tales como: procesos de envío y recepción de mensajes.  WEKA Weka es una gran colección de algoritmos de Máquinas de conocimiento desarrollados por la universidad de WAIKATO (Nueva Zelanda) implementados en Java.
METODOLOGÍA
ARQUITECTURA DEL AGENTE 1/2Control de entrada o Sensores:Ingreso de valores de búsqueda por parte del usuario:Nombre de la enfermedad (principal o dependiente)Contraindicaciones (Opcional o independiente)Peso (opcional o independiente)Organización de datos:Identificar la clasificación de los datos de entradaAlmacenamiento de información aprendida en la base de datos.
ARQUITECTURA DEL AGENTE 2/2Comunicación y Procesamiento: Atender peticiones de usuarioResolver demandas de informaciónInformar de erroresControl:Gestión de errores
ESCENARIOS DEL AGENTE 1/3Escenario 1: “Búsqueda de la planta medicinal”
ESCENARIOS DEL AGENTE 2/3Escenario 2: “Clasificación de la entrada de la información”
ESCENARIOS DEL AGENTE 3/3Escenario 3: “Asignación de pesos”
BASE DE DATOS HISTÓRICA
PANTALLA INICIAL
OPCIONES DEL AGENTE
BÚSQUEDA DE LA PLANTA MEDICINAL
TOXICIDAD DE LA PLANTA MEDICINAL
COMPONENTES QUÍMICOS DE LA PLANTA MEDICINAL
CLASIFICACIÓN DE LA INFORMACIÓN
ASIGNACIÓN DE PESOS
PRUEBAS DEL AGENTECONCLUSIONES:El mayor número de casos que evaluó la función Kernel del algoritmo SMO  fue de la variable Silvestre y mercado fue la menor.
El algoritmo dio un mejor rendimiento cuando evaluó los datos de la variable mercado
Una combinación de la evaluación de mercado y silvestre ayudaría a brindar un resultado eficiente para el problema antes propuesto.CONCLUSIONES 1/2El algoritmo máquina de vectores de soporte es eficaz para la clasificación de información.Seguir una metodología para el desarrollo de un agente inteligente hará posible la culminación del mismo.
CONCLUSIONES 2/2En este trabajo, se evaluaron los datos de tres variables predictorias, las cuales fueron mercado, endémica y silvestre, y los resultados obtenidos fueron, que  la combinación de los resultados de las variables mercado y silvestre, pueden ayudar a determinar que planta medicinal puede ser la que el usuario necesita.Realizar una investigación minuciosa de la cual se prueben los resultados obtenidos, garantiza el éxito del desarrollo de agentes inteligentes, por ser esta área nueva para nuestro grupo social.
RECOMENDACIONES 1/2Tener en cuenta que para la selección del algoritmo a utilizar en proyecto de desarrollo de agentes inteligentes, se depende exclusivamente del problema a tratar, en el caso de un agente de búsqueda de información se trabaja para la clasificación con máquinas de vector de soporte por su rapidez, aunque esto no impide que se utilicen otras técnicas como el clustering, redes neuronales o árboles de decisión.Para seleccionar la herramienta con la que se va a trabajar, se deben considerar los criterios de funcionalidad y disponibilidad de información existentes.
RECOMENDACIONES 2/2Considerar todas las opciones posibles para la solución del problema y valorar cada una para determinar cuál es la más óptima.Realizar algunas revisiones de lo que se está realizando para evitar incoherencias y pérdida del alcance del proyecto.
TRABAJOS FUTUROS 1/2Ampliar la implementación del agente, ya que el presente se desarrolló en forma documental, llegando a ser implementado en un porcentaje limitado.Considerar la utilización de funciones de kernel no lineales para el algoritmo máquina de vector de soporte, para que el rendimiento sea mejor.
TRABAJOS FUTUROS 2/2Evaluar el desempeño del agente con otros algoritmos como los ya descritos anteriormente, para encontrar una forma nueva de solución, que sea más eficiente.Ampliar la base de datos con la que se trabajó el presente proyecto para garantizar, mejores resultados en el área de salud, y que además esta sea validada por personal médico conocedor del tema.
REFERENCIAS 1/6[1] Gerardo Colmenares 2009. MÁQUINAS DE VECTOR DE SOPORTE. Pág 1, 11. http://www.webdelprofesor.ula.ve/economia/gcolmen/programa/economia/maquinas_vectores_soporte.pdf[2] Terry Payne. 2008. WEB SERVICES FROM AN AGENT PERSPECTIVE, IEEE Intelligence System, Volumen 23, No. 2 Pág. 3.[3]M.C. Luis Ernesto Mancilla Espinosa, 2008. ¿QUÉ SON LOS AGENTES INTELIGENTES DE SOFTWARE?[4]Carlos E. Cerón Martínez. 2007. PLANTAS MEDICINALES DE LOS ANDES ECUATORIANOS. Herbario Alfredo Paredes (QAP), Escuela de Biología de la Universidad Central del Ecuador. Quito, Ecuador. Pág. 1-7.
REFERENCIAS 2/6[5]Basilio Sierra Araujo. 2006.  APRENDIZAJEAUTOMÁTICO: CONCEPTOSBÁSICOS Y AVANZADOS “MÉTODOS KÉRNEL Y MÁQUINAS DE VECTORES SOPORTE”Pág. 175  [6]Ing. Juan Angel Resendiz Trejo. 2006. LAS MAQUINAS DE VECTORES DE SOPORTE PARA IDENTIFICACIÓN EN LÍNEA. Pág 13-15.[7] X Chen1, H Zhou2, YBLiu1, JFWang2, H Li2, CY Ung2, LY Han2, ZWCao3 and YZChen2. 2006. DATABASE OF TRADITIONAL CHINESE MEDICINE AND  ITS APPLICATION TO STUDIES OF MECHANISMAND TO PRESCRIPTION VALIDATION. Pág 1- 12[8] Krishna Kaphle1, Leang-Shin Wu, Nai-Yen Jack Yang and Jen-Hsou Lin.  2006. Comentary“HERBAL MEDICINE RESEARCH IN TAIWAN”Pág 1 – 7
REFERENCIAS 3/69] L. Lhotská, Member, IEEE, L. Prieto. 2006 INTELLIGENT AGENTS IN MEDICINE, Pág.3,  http://medlab.cs.uoi.gr/itab2006/proceedings/Intelligent%20Systems/21.pdf [10]Alberto Téllez Valero. 2005. EXTRACCIÓN DE INFORMACIÓN CON ALGORITMOS DE CLASIFICACIÓN. Pág 20[11]Ioan Alfred Letia1 ,2005. GRADUALLY INTRUSIVE ARGUMENTATIVE AGENTS FOR DIAGNOSIS, Romania, Pág. 59, ArtículoIncluido en: First International Workshop on Multi-Agent Systems for Medicine, Computational Biology, and Bioinformatics (2005), http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.76.9164&rep=rep1&type=pdf#page=24
[12] Rosa M. Vicari, Cecilia D. Flores, Andre´ M. Silvestre, Louise J. Seixas, Marcelo Ladeira, Helder Coelho, 2003, A MULTI-AGENT INTELLIGENT ENVIRONMENT FOR MEDICAL KNOWLEDGE, Pág.335, 339,343. Published by Elsevier Science B.V.[13]Vicente Julián, Miguel Rebollo y Carlos Carrascosa. 2002. AGENTES DE INFORMACIÓN[14]Daniela Godoy, AnalíaAmandi,  2001. AGENTES INTELIGENTES PARA BÚSQUEDA DE INFORMACIÓN http://users.exa.unicen.edu.ar/~amandi/papers/godwicc2000.pdf, Argentina. [15]A.C. Sergio A. Gómez, Lic. Laura Lanzarini , 2001. APLICACIONES DE REDES NEURONALES AL FILTRADO DE DOCUMENTOS. REFERENCIAS 4/6
[16] Christopher C. Yang and Winter W.M. Chan. 2000. METADATA DESIGN FOR CHINESE MEDICINE DIGITAL LIBRARY USING XML. Pág. 1-10.[17]Carlos A. Iglesias F. 1998. DEFINICIÓN DE UNA METODOLOGÍA PARA EL DESARROLLO DE SISTEMAS MULTIAGENTES, Pág. 52-53, 87, 90, 243. http://www.gsi.dit.upm.es/tesis/pdf/tecisiscif.pdf[18] John Platt 1998. SEQUENTIALMINIMAL OPTIMIZATION: A FAST ALGORITHM FOR TRAINING SUPPORT VECTOR MACHINES JOHN C. PLATT. Pág. 1-21.REFERENCIAS 5/6
REFERENCIAS 6/6[19] Rich Caruana,AlexandruNiculescu-Mizil. ANEMPIRICAL COMPARISON OF SUPERVISED LEARNING ALGORITHMS, Pág. 1-8. http://www.cs.cornell.edu/~caruana/ctp/ct.papers/caruana.icml06.pdf[20]BIBLIOTECA DIGITAL DE LA MEDICINA MEXICANAhttp://www.medicinatradicionalmexicana.unam.mx[21]BOTANICAL ONLINEhttp://www.botanical-online.com[22]CARACTERÍSTICAS Y APLICACIONES DE LAS PLANTAShttp://www.zonaverde.net . 1998-2008 José Murcia e Isabel Hoyos.

Más contenido relacionado

Destacado

Lean for success
Lean for successLean for success
Lean for success
HeatherJHughes
 
En busca del cambio
En busca del cambioEn busca del cambio
En busca del cambio
Emprendimiento Shalah
 
Consultas de sparql en dbpedia
Consultas de sparql en dbpediaConsultas de sparql en dbpedia
Consultas de sparql en dbpedia
Emprendimiento Shalah
 
Tablas de Extracciones
Tablas de ExtraccionesTablas de Extracciones
Tablas de Extracciones
Emprendimiento Shalah
 
Gestion de transacciones
Gestion de transaccionesGestion de transacciones
Gestion de transacciones
Emprendimiento Shalah
 
Responsabilidad social Empresarial
Responsabilidad social EmpresarialResponsabilidad social Empresarial
Responsabilidad social Empresarial
Emprendimiento Shalah
 
Lealtad de los clientes
Lealtad de los clientesLealtad de los clientes
Lealtad de los clientes
Emprendimiento Shalah
 
TESIS FORMULACIÓN DE UN PLAN ESTRATEGICO
TESIS FORMULACIÓN DE UN PLAN ESTRATEGICOTESIS FORMULACIÓN DE UN PLAN ESTRATEGICO
TESIS FORMULACIÓN DE UN PLAN ESTRATEGICO
Daianna Reyes
 
Death by PowerPoint
Death by PowerPointDeath by PowerPoint
Death by PowerPoint
Alexei Kapterev
 

Destacado (9)

Lean for success
Lean for successLean for success
Lean for success
 
En busca del cambio
En busca del cambioEn busca del cambio
En busca del cambio
 
Consultas de sparql en dbpedia
Consultas de sparql en dbpediaConsultas de sparql en dbpedia
Consultas de sparql en dbpedia
 
Tablas de Extracciones
Tablas de ExtraccionesTablas de Extracciones
Tablas de Extracciones
 
Gestion de transacciones
Gestion de transaccionesGestion de transacciones
Gestion de transacciones
 
Responsabilidad social Empresarial
Responsabilidad social EmpresarialResponsabilidad social Empresarial
Responsabilidad social Empresarial
 
Lealtad de los clientes
Lealtad de los clientesLealtad de los clientes
Lealtad de los clientes
 
TESIS FORMULACIÓN DE UN PLAN ESTRATEGICO
TESIS FORMULACIÓN DE UN PLAN ESTRATEGICOTESIS FORMULACIÓN DE UN PLAN ESTRATEGICO
TESIS FORMULACIÓN DE UN PLAN ESTRATEGICO
 
Death by PowerPoint
Death by PowerPointDeath by PowerPoint
Death by PowerPoint
 

Similar a Agenteinteligente

Romina Altuna Que Es
Romina Altuna Que EsRomina Altuna Que Es
Romina Altuna Que Es
romi825
 
Proyecto TI2
Proyecto TI2Proyecto TI2
Proyecto TI2
Julio Camacho
 
Proyecto de investigacion
Proyecto de investigacionProyecto de investigacion
Proyecto de investigacion
Victor Bracca
 
Bases de datos ejercicio medico
Bases de datos   ejercicio medicoBases de datos   ejercicio medico
Bases de datos ejercicio medico
David Hernandez
 
Referencia 1 (6)
Referencia 1 (6)Referencia 1 (6)
Referencia 1 (6)
Esteban Garzon
 
Referencia n°2. BASES DE DATOS, MOTORES DE BÚSQUEDA E INDICES TEMATICOS: HERR...
Referencia n°2. BASES DE DATOS, MOTORES DE BÚSQUEDA E INDICES TEMATICOS: HERR...Referencia n°2. BASES DE DATOS, MOTORES DE BÚSQUEDA E INDICES TEMATICOS: HERR...
Referencia n°2. BASES DE DATOS, MOTORES DE BÚSQUEDA E INDICES TEMATICOS: HERR...
Diana Catherine Castro Jiménez
 
Sistema_experto de_licuados_nutritivos
Sistema_experto de_licuados_nutritivosSistema_experto de_licuados_nutritivos
Sistema_experto de_licuados_nutritivos
Nils Gálvez Alcalde
 
Proyecto traumagen cais jaiio 2010
Proyecto traumagen   cais jaiio 2010Proyecto traumagen   cais jaiio 2010
Proyecto traumagen cais jaiio 2010
Pablo Pazos
 
La ia y_los_retos_de_la_mineria_de_datos
La ia y_los_retos_de_la_mineria_de_datosLa ia y_los_retos_de_la_mineria_de_datos
La ia y_los_retos_de_la_mineria_de_datos
Flor Cuenca
 
Aplicación de redes neuronales en venezuela
Aplicación de redes neuronales en venezuelaAplicación de redes neuronales en venezuela
Aplicación de redes neuronales en venezuela
JorgeliscEscalanteu
 
David, Mario Ignacio
David, Mario IgnacioDavid, Mario Ignacio
David, Mario Ignacio
mario_david03
 
Ca732ov
Ca732ovCa732ov
Ca732ov
Lorena Llanes
 
MODELO DEMOSTRATIVO DE UN SISTEMA COMPUTARIZADO PARA LA SOLICITUD DE ESTUDIOS...
MODELO DEMOSTRATIVO DE UN SISTEMA COMPUTARIZADO PARA LA SOLICITUD DE ESTUDIOS...MODELO DEMOSTRATIVO DE UN SISTEMA COMPUTARIZADO PARA LA SOLICITUD DE ESTUDIOS...
MODELO DEMOSTRATIVO DE UN SISTEMA COMPUTARIZADO PARA LA SOLICITUD DE ESTUDIOS...
Miguel Angel
 
planificacion sanitaria materia 5 power point.pptx
planificacion sanitaria materia 5 power point.pptxplanificacion sanitaria materia 5 power point.pptx
planificacion sanitaria materia 5 power point.pptx
AngelDelRosarioMedin
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
CarlosGarcia2174
 
Procesamiento digital de imágenes e inteligencia aritificial
Procesamiento digital de imágenes e inteligencia aritificialProcesamiento digital de imágenes e inteligencia aritificial
Procesamiento digital de imágenes e inteligencia aritificial
Coirna Ortiz
 
Propuesta de gestion de ventas
Propuesta de gestion de ventasPropuesta de gestion de ventas
Propuesta de gestion de ventas
Rene Quispe
 
Skadedjur, un sistema experto para la detección y control de plagas en sembri...
Skadedjur, un sistema experto para la detección y control de plagas en sembri...Skadedjur, un sistema experto para la detección y control de plagas en sembri...
Skadedjur, un sistema experto para la detección y control de plagas en sembri...
Rolando Palermo Rodríguez Cruz
 
Sistema experto para la deteccion y control de plagas en sembrios de tara
Sistema experto para la deteccion y control de plagas en sembrios de taraSistema experto para la deteccion y control de plagas en sembrios de tara
Sistema experto para la deteccion y control de plagas en sembrios de tara
Rolando Palermo Rodríguez Cruz
 
Enfermedades respiratorias
Enfermedades respiratoriasEnfermedades respiratorias
Enfermedades respiratorias
William Castañeda Vilchez
 

Similar a Agenteinteligente (20)

Romina Altuna Que Es
Romina Altuna Que EsRomina Altuna Que Es
Romina Altuna Que Es
 
Proyecto TI2
Proyecto TI2Proyecto TI2
Proyecto TI2
 
Proyecto de investigacion
Proyecto de investigacionProyecto de investigacion
Proyecto de investigacion
 
Bases de datos ejercicio medico
Bases de datos   ejercicio medicoBases de datos   ejercicio medico
Bases de datos ejercicio medico
 
Referencia 1 (6)
Referencia 1 (6)Referencia 1 (6)
Referencia 1 (6)
 
Referencia n°2. BASES DE DATOS, MOTORES DE BÚSQUEDA E INDICES TEMATICOS: HERR...
Referencia n°2. BASES DE DATOS, MOTORES DE BÚSQUEDA E INDICES TEMATICOS: HERR...Referencia n°2. BASES DE DATOS, MOTORES DE BÚSQUEDA E INDICES TEMATICOS: HERR...
Referencia n°2. BASES DE DATOS, MOTORES DE BÚSQUEDA E INDICES TEMATICOS: HERR...
 
Sistema_experto de_licuados_nutritivos
Sistema_experto de_licuados_nutritivosSistema_experto de_licuados_nutritivos
Sistema_experto de_licuados_nutritivos
 
Proyecto traumagen cais jaiio 2010
Proyecto traumagen   cais jaiio 2010Proyecto traumagen   cais jaiio 2010
Proyecto traumagen cais jaiio 2010
 
La ia y_los_retos_de_la_mineria_de_datos
La ia y_los_retos_de_la_mineria_de_datosLa ia y_los_retos_de_la_mineria_de_datos
La ia y_los_retos_de_la_mineria_de_datos
 
Aplicación de redes neuronales en venezuela
Aplicación de redes neuronales en venezuelaAplicación de redes neuronales en venezuela
Aplicación de redes neuronales en venezuela
 
David, Mario Ignacio
David, Mario IgnacioDavid, Mario Ignacio
David, Mario Ignacio
 
Ca732ov
Ca732ovCa732ov
Ca732ov
 
MODELO DEMOSTRATIVO DE UN SISTEMA COMPUTARIZADO PARA LA SOLICITUD DE ESTUDIOS...
MODELO DEMOSTRATIVO DE UN SISTEMA COMPUTARIZADO PARA LA SOLICITUD DE ESTUDIOS...MODELO DEMOSTRATIVO DE UN SISTEMA COMPUTARIZADO PARA LA SOLICITUD DE ESTUDIOS...
MODELO DEMOSTRATIVO DE UN SISTEMA COMPUTARIZADO PARA LA SOLICITUD DE ESTUDIOS...
 
planificacion sanitaria materia 5 power point.pptx
planificacion sanitaria materia 5 power point.pptxplanificacion sanitaria materia 5 power point.pptx
planificacion sanitaria materia 5 power point.pptx
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 
Procesamiento digital de imágenes e inteligencia aritificial
Procesamiento digital de imágenes e inteligencia aritificialProcesamiento digital de imágenes e inteligencia aritificial
Procesamiento digital de imágenes e inteligencia aritificial
 
Propuesta de gestion de ventas
Propuesta de gestion de ventasPropuesta de gestion de ventas
Propuesta de gestion de ventas
 
Skadedjur, un sistema experto para la detección y control de plagas en sembri...
Skadedjur, un sistema experto para la detección y control de plagas en sembri...Skadedjur, un sistema experto para la detección y control de plagas en sembri...
Skadedjur, un sistema experto para la detección y control de plagas en sembri...
 
Sistema experto para la deteccion y control de plagas en sembrios de tara
Sistema experto para la deteccion y control de plagas en sembrios de taraSistema experto para la deteccion y control de plagas en sembrios de tara
Sistema experto para la deteccion y control de plagas en sembrios de tara
 
Enfermedades respiratorias
Enfermedades respiratoriasEnfermedades respiratorias
Enfermedades respiratorias
 

Más de Emprendimiento Shalah

Volar sobre el pantano
Volar sobre el pantanoVolar sobre el pantano
Volar sobre el pantano
Emprendimiento Shalah
 
Informe
InformeInforme
Consultas de sparql en dbpedia
Consultas de sparql en dbpediaConsultas de sparql en dbpedia
Consultas de sparql en dbpedia
Emprendimiento Shalah
 
Trabajoenclase Ia
Trabajoenclase IaTrabajoenclase Ia
Trabajoenclase Ia
Emprendimiento Shalah
 
AGENTE INTELIGENTE: “SISTEMA DE SEGURIDAD PARA CASAS”
AGENTE INTELIGENTE: “SISTEMA DE SEGURIDAD PARA CASAS”  AGENTE INTELIGENTE: “SISTEMA DE SEGURIDAD PARA CASAS”
AGENTE INTELIGENTE: “SISTEMA DE SEGURIDAD PARA CASAS”
Emprendimiento Shalah
 
AGENTE INTELIGENTE: “SISTEMA DE SEGURIDAD PARA CASAS”
AGENTE INTELIGENTE: “SISTEMA DE SEGURIDAD PARA CASAS”AGENTE INTELIGENTE: “SISTEMA DE SEGURIDAD PARA CASAS”
AGENTE INTELIGENTE: “SISTEMA DE SEGURIDAD PARA CASAS”
Emprendimiento Shalah
 
El Cielo
El CieloEl Cielo
SISTEMA DE BASE DE DATOS PARTE 1
SISTEMA DE BASE DE DATOS PARTE 1SISTEMA DE BASE DE DATOS PARTE 1
SISTEMA DE BASE DE DATOS PARTE 1
Emprendimiento Shalah
 
BASES DE DATOS DISTRIBUIDAS
BASES DE DATOS DISTRIBUIDASBASES DE DATOS DISTRIBUIDAS
BASES DE DATOS DISTRIBUIDAS
Emprendimiento Shalah
 
PROCESAMIENTO DE CONSULTAS
PROCESAMIENTO DE CONSULTASPROCESAMIENTO DE CONSULTAS
PROCESAMIENTO DE CONSULTAS
Emprendimiento Shalah
 
Seguridad
SeguridadSeguridad
Desnormalizacion
DesnormalizacionDesnormalizacion
Desnormalizacion
Emprendimiento Shalah
 
Modelos Prescriptivos de Proceso
Modelos Prescriptivos de ProcesoModelos Prescriptivos de Proceso
Modelos Prescriptivos de Proceso
Emprendimiento Shalah
 
Modelo Físico de Base de Datos
Modelo Físico de Base de DatosModelo Físico de Base de Datos
Modelo Físico de Base de Datos
Emprendimiento Shalah
 
Cuestiones Repaso17
Cuestiones Repaso17Cuestiones Repaso17
Cuestiones Repaso17
Emprendimiento Shalah
 
Liderazgo
LiderazgoLiderazgo
Modelo Conceptual
Modelo ConceptualModelo Conceptual
Modelo Conceptual
Emprendimiento Shalah
 
Caso de estudio: Wellmeadows Hospital
Caso de estudio: Wellmeadows HospitalCaso de estudio: Wellmeadows Hospital
Caso de estudio: Wellmeadows Hospital
Emprendimiento Shalah
 
CUESTIONES DE REPASO CAPITULO 16
CUESTIONES DE REPASO CAPITULO 16CUESTIONES DE REPASO CAPITULO 16
CUESTIONES DE REPASO CAPITULO 16
Emprendimiento Shalah
 
Frases de Esperanza
Frases de EsperanzaFrases de Esperanza
Frases de Esperanza
Emprendimiento Shalah
 

Más de Emprendimiento Shalah (20)

Volar sobre el pantano
Volar sobre el pantanoVolar sobre el pantano
Volar sobre el pantano
 
Informe
InformeInforme
Informe
 
Consultas de sparql en dbpedia
Consultas de sparql en dbpediaConsultas de sparql en dbpedia
Consultas de sparql en dbpedia
 
Trabajoenclase Ia
Trabajoenclase IaTrabajoenclase Ia
Trabajoenclase Ia
 
AGENTE INTELIGENTE: “SISTEMA DE SEGURIDAD PARA CASAS”
AGENTE INTELIGENTE: “SISTEMA DE SEGURIDAD PARA CASAS”  AGENTE INTELIGENTE: “SISTEMA DE SEGURIDAD PARA CASAS”
AGENTE INTELIGENTE: “SISTEMA DE SEGURIDAD PARA CASAS”
 
AGENTE INTELIGENTE: “SISTEMA DE SEGURIDAD PARA CASAS”
AGENTE INTELIGENTE: “SISTEMA DE SEGURIDAD PARA CASAS”AGENTE INTELIGENTE: “SISTEMA DE SEGURIDAD PARA CASAS”
AGENTE INTELIGENTE: “SISTEMA DE SEGURIDAD PARA CASAS”
 
El Cielo
El CieloEl Cielo
El Cielo
 
SISTEMA DE BASE DE DATOS PARTE 1
SISTEMA DE BASE DE DATOS PARTE 1SISTEMA DE BASE DE DATOS PARTE 1
SISTEMA DE BASE DE DATOS PARTE 1
 
BASES DE DATOS DISTRIBUIDAS
BASES DE DATOS DISTRIBUIDASBASES DE DATOS DISTRIBUIDAS
BASES DE DATOS DISTRIBUIDAS
 
PROCESAMIENTO DE CONSULTAS
PROCESAMIENTO DE CONSULTASPROCESAMIENTO DE CONSULTAS
PROCESAMIENTO DE CONSULTAS
 
Seguridad
SeguridadSeguridad
Seguridad
 
Desnormalizacion
DesnormalizacionDesnormalizacion
Desnormalizacion
 
Modelos Prescriptivos de Proceso
Modelos Prescriptivos de ProcesoModelos Prescriptivos de Proceso
Modelos Prescriptivos de Proceso
 
Modelo Físico de Base de Datos
Modelo Físico de Base de DatosModelo Físico de Base de Datos
Modelo Físico de Base de Datos
 
Cuestiones Repaso17
Cuestiones Repaso17Cuestiones Repaso17
Cuestiones Repaso17
 
Liderazgo
LiderazgoLiderazgo
Liderazgo
 
Modelo Conceptual
Modelo ConceptualModelo Conceptual
Modelo Conceptual
 
Caso de estudio: Wellmeadows Hospital
Caso de estudio: Wellmeadows HospitalCaso de estudio: Wellmeadows Hospital
Caso de estudio: Wellmeadows Hospital
 
CUESTIONES DE REPASO CAPITULO 16
CUESTIONES DE REPASO CAPITULO 16CUESTIONES DE REPASO CAPITULO 16
CUESTIONES DE REPASO CAPITULO 16
 
Frases de Esperanza
Frases de EsperanzaFrases de Esperanza
Frases de Esperanza
 

Último

EJEMPLOS DE FLORA Y FAUNA DE LA COSTA PERUANA
EJEMPLOS DE FLORA Y FAUNA DE LA COSTA PERUANAEJEMPLOS DE FLORA Y FAUNA DE LA COSTA PERUANA
EJEMPLOS DE FLORA Y FAUNA DE LA COSTA PERUANA
dairatuctocastro
 
Los Formularios de Google: creación, gestión y administración de respuestas (...
Los Formularios de Google: creación, gestión y administración de respuestas (...Los Formularios de Google: creación, gestión y administración de respuestas (...
Los Formularios de Google: creación, gestión y administración de respuestas (...
Cátedra Banco Santander
 
Sesión Un día en el ministerio de Jesús.pdf
Sesión Un día en el ministerio de Jesús.pdfSesión Un día en el ministerio de Jesús.pdf
Sesión Un día en el ministerio de Jesús.pdf
https://gramadal.wordpress.com/
 
678778595-Examen-Final-Innovacion-Social.pptx
678778595-Examen-Final-Innovacion-Social.pptx678778595-Examen-Final-Innovacion-Social.pptx
678778595-Examen-Final-Innovacion-Social.pptx
VALERIOPEREZBORDA
 
Filigramma #17, revista literaria del Círculo de Escritores Sabersinfin
Filigramma #17, revista literaria del Círculo de Escritores SabersinfinFiligramma #17, revista literaria del Círculo de Escritores Sabersinfin
Filigramma #17, revista literaria del Círculo de Escritores Sabersinfin
Sabersinfin Portal
 
Informe de Evaluacion Diagnostica de Matematica 1-5 Ccesa007.pdf
Informe de Evaluacion Diagnostica de Matematica 1-5 Ccesa007.pdfInforme de Evaluacion Diagnostica de Matematica 1-5 Ccesa007.pdf
Informe de Evaluacion Diagnostica de Matematica 1-5 Ccesa007.pdf
Demetrio Ccesa Rayme
 
ACERTIJO MATEMÁTICO DEL MEDALLERO OLÍMPICO. Por JAVIER SOLIS NOYOLA
ACERTIJO MATEMÁTICO DEL MEDALLERO OLÍMPICO. Por JAVIER SOLIS NOYOLAACERTIJO MATEMÁTICO DEL MEDALLERO OLÍMPICO. Por JAVIER SOLIS NOYOLA
ACERTIJO MATEMÁTICO DEL MEDALLERO OLÍMPICO. Por JAVIER SOLIS NOYOLA
JAVIER SOLIS NOYOLA
 
2024 DIA DEL LOGRO-ARTE 2 - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-ARTE 2 - IE HONORIO DELGADO ESPINOZA2024 DIA DEL LOGRO-ARTE 2 - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-ARTE 2 - IE HONORIO DELGADO ESPINOZA
Sandra Mariela Ballón Aguedo
 
Semana 1 Derecho a interponer recursos y reparación.
Semana 1 Derecho a interponer recursos y reparación.Semana 1 Derecho a interponer recursos y reparación.
Semana 1 Derecho a interponer recursos y reparación.
SergioAlfrediMontoya
 
Introduccion-a-la-circunferencia area y longitud
Introduccion-a-la-circunferencia area y longitudIntroduccion-a-la-circunferencia area y longitud
Introduccion-a-la-circunferencia area y longitud
AsafHdez
 
Introducción a la seguridad básica (3 de julio de 2024)
Introducción a la seguridad básica (3 de julio de 2024)Introducción a la seguridad básica (3 de julio de 2024)
Introducción a la seguridad básica (3 de julio de 2024)
Cátedra Banco Santander
 
2024 DIA DEL LOGRO-ARTE 3 - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-ARTE 3 - IE HONORIO DELGADO ESPINOZA2024 DIA DEL LOGRO-ARTE 3 - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-ARTE 3 - IE HONORIO DELGADO ESPINOZA
Sandra Mariela Ballón Aguedo
 
🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...
🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...
🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...
FernandoEstebanLlont
 
2024 DIA DEL LOGRO IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO IE HONORIO DELGADO ESPINOZA2024 DIA DEL LOGRO IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO IE HONORIO DELGADO ESPINOZA
Sandra Mariela Ballón Aguedo
 
diapositivas paco yunque.pptx cartelera literaria
diapositivas paco yunque.pptx cartelera literariadiapositivas paco yunque.pptx cartelera literaria
diapositivas paco yunque.pptx cartelera literaria
TheeffitaSantosMedin
 
BLOQUE II SEMANA DE GESTION EN INSTITUVIONES EDUCATIVAS.pptx
BLOQUE II SEMANA DE GESTION EN INSTITUVIONES EDUCATIVAS.pptxBLOQUE II SEMANA DE GESTION EN INSTITUVIONES EDUCATIVAS.pptx
BLOQUE II SEMANA DE GESTION EN INSTITUVIONES EDUCATIVAS.pptx
royguzman5
 
Enfermeria samantha vasquez (1).docx.......
Enfermeria samantha vasquez (1).docx.......Enfermeria samantha vasquez (1).docx.......
Enfermeria samantha vasquez (1).docx.......
samanthavasquezinfan
 
Fundamentos del diseño audiovisual para presentaciones y vídeos (2 de julio d...
Fundamentos del diseño audiovisual para presentaciones y vídeos (2 de julio d...Fundamentos del diseño audiovisual para presentaciones y vídeos (2 de julio d...
Fundamentos del diseño audiovisual para presentaciones y vídeos (2 de julio d...
Cátedra Banco Santander
 
PLAN ANUAL DE TRABAJO (PAT) 2024 MINEDU PERÚ
PLAN ANUAL DE TRABAJO (PAT) 2024 MINEDU PERÚPLAN ANUAL DE TRABAJO (PAT) 2024 MINEDU PERÚ
PLAN ANUAL DE TRABAJO (PAT) 2024 MINEDU PERÚ
Ferrer17
 
2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA
Sandra Mariela Ballón Aguedo
 

Último (20)

EJEMPLOS DE FLORA Y FAUNA DE LA COSTA PERUANA
EJEMPLOS DE FLORA Y FAUNA DE LA COSTA PERUANAEJEMPLOS DE FLORA Y FAUNA DE LA COSTA PERUANA
EJEMPLOS DE FLORA Y FAUNA DE LA COSTA PERUANA
 
Los Formularios de Google: creación, gestión y administración de respuestas (...
Los Formularios de Google: creación, gestión y administración de respuestas (...Los Formularios de Google: creación, gestión y administración de respuestas (...
Los Formularios de Google: creación, gestión y administración de respuestas (...
 
Sesión Un día en el ministerio de Jesús.pdf
Sesión Un día en el ministerio de Jesús.pdfSesión Un día en el ministerio de Jesús.pdf
Sesión Un día en el ministerio de Jesús.pdf
 
678778595-Examen-Final-Innovacion-Social.pptx
678778595-Examen-Final-Innovacion-Social.pptx678778595-Examen-Final-Innovacion-Social.pptx
678778595-Examen-Final-Innovacion-Social.pptx
 
Filigramma #17, revista literaria del Círculo de Escritores Sabersinfin
Filigramma #17, revista literaria del Círculo de Escritores SabersinfinFiligramma #17, revista literaria del Círculo de Escritores Sabersinfin
Filigramma #17, revista literaria del Círculo de Escritores Sabersinfin
 
Informe de Evaluacion Diagnostica de Matematica 1-5 Ccesa007.pdf
Informe de Evaluacion Diagnostica de Matematica 1-5 Ccesa007.pdfInforme de Evaluacion Diagnostica de Matematica 1-5 Ccesa007.pdf
Informe de Evaluacion Diagnostica de Matematica 1-5 Ccesa007.pdf
 
ACERTIJO MATEMÁTICO DEL MEDALLERO OLÍMPICO. Por JAVIER SOLIS NOYOLA
ACERTIJO MATEMÁTICO DEL MEDALLERO OLÍMPICO. Por JAVIER SOLIS NOYOLAACERTIJO MATEMÁTICO DEL MEDALLERO OLÍMPICO. Por JAVIER SOLIS NOYOLA
ACERTIJO MATEMÁTICO DEL MEDALLERO OLÍMPICO. Por JAVIER SOLIS NOYOLA
 
2024 DIA DEL LOGRO-ARTE 2 - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-ARTE 2 - IE HONORIO DELGADO ESPINOZA2024 DIA DEL LOGRO-ARTE 2 - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-ARTE 2 - IE HONORIO DELGADO ESPINOZA
 
Semana 1 Derecho a interponer recursos y reparación.
Semana 1 Derecho a interponer recursos y reparación.Semana 1 Derecho a interponer recursos y reparación.
Semana 1 Derecho a interponer recursos y reparación.
 
Introduccion-a-la-circunferencia area y longitud
Introduccion-a-la-circunferencia area y longitudIntroduccion-a-la-circunferencia area y longitud
Introduccion-a-la-circunferencia area y longitud
 
Introducción a la seguridad básica (3 de julio de 2024)
Introducción a la seguridad básica (3 de julio de 2024)Introducción a la seguridad básica (3 de julio de 2024)
Introducción a la seguridad básica (3 de julio de 2024)
 
2024 DIA DEL LOGRO-ARTE 3 - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-ARTE 3 - IE HONORIO DELGADO ESPINOZA2024 DIA DEL LOGRO-ARTE 3 - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-ARTE 3 - IE HONORIO DELGADO ESPINOZA
 
🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...
🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...
🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...
 
2024 DIA DEL LOGRO IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO IE HONORIO DELGADO ESPINOZA2024 DIA DEL LOGRO IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO IE HONORIO DELGADO ESPINOZA
 
diapositivas paco yunque.pptx cartelera literaria
diapositivas paco yunque.pptx cartelera literariadiapositivas paco yunque.pptx cartelera literaria
diapositivas paco yunque.pptx cartelera literaria
 
BLOQUE II SEMANA DE GESTION EN INSTITUVIONES EDUCATIVAS.pptx
BLOQUE II SEMANA DE GESTION EN INSTITUVIONES EDUCATIVAS.pptxBLOQUE II SEMANA DE GESTION EN INSTITUVIONES EDUCATIVAS.pptx
BLOQUE II SEMANA DE GESTION EN INSTITUVIONES EDUCATIVAS.pptx
 
Enfermeria samantha vasquez (1).docx.......
Enfermeria samantha vasquez (1).docx.......Enfermeria samantha vasquez (1).docx.......
Enfermeria samantha vasquez (1).docx.......
 
Fundamentos del diseño audiovisual para presentaciones y vídeos (2 de julio d...
Fundamentos del diseño audiovisual para presentaciones y vídeos (2 de julio d...Fundamentos del diseño audiovisual para presentaciones y vídeos (2 de julio d...
Fundamentos del diseño audiovisual para presentaciones y vídeos (2 de julio d...
 
PLAN ANUAL DE TRABAJO (PAT) 2024 MINEDU PERÚ
PLAN ANUAL DE TRABAJO (PAT) 2024 MINEDU PERÚPLAN ANUAL DE TRABAJO (PAT) 2024 MINEDU PERÚ
PLAN ANUAL DE TRABAJO (PAT) 2024 MINEDU PERÚ
 
2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA
 

Agenteinteligente

  • 1. INTELIGENCIA ARTIFICIALAGENTE INTELIGENTE “BÚSQUEDA DE PLANTAS MEDICINALES”AUTORA:Raquel Luzuriaga
  • 2. INTRODUCCIÓNLa era Tecnológica actual a generado un océano de información, entorno en el que operan grandes motores de búsqueda como YAHOO, GOOGLE, ALTA VISTA.Los agentes inteligentes están formados por (C, A, O, R) Creencias, Acciones, Objetivos y Resultados. Los resultados que presentan pueden ser positivos o negativos.Se trabajará en el desarrollo del Agente Inteligente: “Búsqueda de Plantas Medicinales”, para lo cual se escogerá un algoritmo clasificador, el cual organizará adecuadamente la información para la búsqueda y devolverá un resultado, en este caso será el nombre de una planta medicinal.
  • 3. OBJETIVOS 1/3OBJETIVO GENERALInvestigar y desarrollar un agente de búsqueda de plantas medicinales, tomando como entrada o percepción los datos ingresados por el usuario, esto es una determinada enfermedad.
  • 4. OBJETIVOS 2/3OBJETIVOS ESPECÍFICOSEncontrar una planta medicinal que sirva para curar una enfermedad, esta tiene que ser ingresada por parte del usuario.Que el agente sea capaz de analizar, entender, clasificar la información que recibe de su sensor.Logar que el agente asigne un valor o peso a cada planta medicinal.
  • 5. OBJETIVOS 3/3OBJETIVOS ESPECÍFICOSDeterminar los algoritmos de clasificación con los que trabajara el agente.Trabajar en la implementación de dichos algoritmos y evaluar los resultadosDesarrollar un informe final que resuma los resultados del presente trabajo..
  • 6. ÁREAS DE APLICACIÓNPlantas MedicinalesAgente Inteligente de BúsquedaPrecisión, se encarga de medir la relación existente entre los datos relevantes para la consulta y el total devueltos en la misma. Recall, el cual mide la relación entre el total de datos relevantes devueltos y el total de datos existentes en la Base de datos. Recuperación y manejo de información
  • 7. DESCRIPCIÓN DEL PROBLEMALa salud es una de las aspiraciones máximas del hombre.Estudios: “HERBAL MEDICINE RESEARCH IN TAIWAN” “DATABASE OF TRADITIONALCHINESE MEDICINE AND ITSAPPLICATIONTOSTUDIES OF MECHANISM AND TOPRESCRIPTIONVALIDATION”“METADATADESIGNFORCHINESE MEDICINE DIGITAL LIBRARY USING XML”. Encontrar un algoritmo clasificador eficiente y .
  • 8. TRABAJOS SIMILARESAPLICACIÓN DE REDES NEURONALES AL FILTRADO DE DOCUMENTOS AGENTES INTELIGENTES PARA BÚSQUEDA DE INFORMACIÓN ( Razonamiento basado en casos)A MULTI-AGENT INTELLIGENT ENVIRONMENT FOR MEDICAL KNOWLEDGE (AMPLIA)ANEMPIRICALCOMPARISON OF SUPERVISED LEARNING ALGORITHMS (BST-DT, RF, BAG-DT, SVM, ANN, KNN, BST-STMP, DT, LOGREG y NB)
  • 9. JUSTIFICACIÓNLos algoritmos clasificadores o de aprendizaje supervisado son en los agentes de búsqueda y recuperación de información.Luego de un estudio de comparación de algoritmos los que resultaron más eficientes, fueron: BST-DT, RF, BAG-DT y el SVM. El algoritmo SVM es uno de los más utilizados en el área de la medicina.Por lo que se puede decir que el presente trabajo se seleccionará el algoritmo SVM.
  • 10. EL ALGORITMOSVM- algoritmo máquinas de vector de soporteTrabaja con el principio de minimización de riesgo estructural, lo que ayuda a construir modelos confiables.Las clases se dividen en base al parámetro que se está evaluando, para lo cual utiliza una función de kernel o hiperplano.Un problema que presenta este algoritmo es el sobrentrenamiento.
  • 11. HERRAMIENTASJAVA Java es un lenguaje de programación de la estructura del agente, que determinan funcionalidades básicas del agente tales como: procesos de envío y recepción de mensajes.  WEKA Weka es una gran colección de algoritmos de Máquinas de conocimiento desarrollados por la universidad de WAIKATO (Nueva Zelanda) implementados en Java.
  • 13. ARQUITECTURA DEL AGENTE 1/2Control de entrada o Sensores:Ingreso de valores de búsqueda por parte del usuario:Nombre de la enfermedad (principal o dependiente)Contraindicaciones (Opcional o independiente)Peso (opcional o independiente)Organización de datos:Identificar la clasificación de los datos de entradaAlmacenamiento de información aprendida en la base de datos.
  • 14. ARQUITECTURA DEL AGENTE 2/2Comunicación y Procesamiento: Atender peticiones de usuarioResolver demandas de informaciónInformar de erroresControl:Gestión de errores
  • 15. ESCENARIOS DEL AGENTE 1/3Escenario 1: “Búsqueda de la planta medicinal”
  • 16. ESCENARIOS DEL AGENTE 2/3Escenario 2: “Clasificación de la entrada de la información”
  • 17. ESCENARIOS DEL AGENTE 3/3Escenario 3: “Asignación de pesos”
  • 18. BASE DE DATOS HISTÓRICA
  • 21. BÚSQUEDA DE LA PLANTA MEDICINAL
  • 22. TOXICIDAD DE LA PLANTA MEDICINAL
  • 23. COMPONENTES QUÍMICOS DE LA PLANTA MEDICINAL
  • 24. CLASIFICACIÓN DE LA INFORMACIÓN
  • 26. PRUEBAS DEL AGENTECONCLUSIONES:El mayor número de casos que evaluó la función Kernel del algoritmo SMO fue de la variable Silvestre y mercado fue la menor.
  • 27. El algoritmo dio un mejor rendimiento cuando evaluó los datos de la variable mercado
  • 28. Una combinación de la evaluación de mercado y silvestre ayudaría a brindar un resultado eficiente para el problema antes propuesto.CONCLUSIONES 1/2El algoritmo máquina de vectores de soporte es eficaz para la clasificación de información.Seguir una metodología para el desarrollo de un agente inteligente hará posible la culminación del mismo.
  • 29. CONCLUSIONES 2/2En este trabajo, se evaluaron los datos de tres variables predictorias, las cuales fueron mercado, endémica y silvestre, y los resultados obtenidos fueron, que la combinación de los resultados de las variables mercado y silvestre, pueden ayudar a determinar que planta medicinal puede ser la que el usuario necesita.Realizar una investigación minuciosa de la cual se prueben los resultados obtenidos, garantiza el éxito del desarrollo de agentes inteligentes, por ser esta área nueva para nuestro grupo social.
  • 30. RECOMENDACIONES 1/2Tener en cuenta que para la selección del algoritmo a utilizar en proyecto de desarrollo de agentes inteligentes, se depende exclusivamente del problema a tratar, en el caso de un agente de búsqueda de información se trabaja para la clasificación con máquinas de vector de soporte por su rapidez, aunque esto no impide que se utilicen otras técnicas como el clustering, redes neuronales o árboles de decisión.Para seleccionar la herramienta con la que se va a trabajar, se deben considerar los criterios de funcionalidad y disponibilidad de información existentes.
  • 31. RECOMENDACIONES 2/2Considerar todas las opciones posibles para la solución del problema y valorar cada una para determinar cuál es la más óptima.Realizar algunas revisiones de lo que se está realizando para evitar incoherencias y pérdida del alcance del proyecto.
  • 32. TRABAJOS FUTUROS 1/2Ampliar la implementación del agente, ya que el presente se desarrolló en forma documental, llegando a ser implementado en un porcentaje limitado.Considerar la utilización de funciones de kernel no lineales para el algoritmo máquina de vector de soporte, para que el rendimiento sea mejor.
  • 33. TRABAJOS FUTUROS 2/2Evaluar el desempeño del agente con otros algoritmos como los ya descritos anteriormente, para encontrar una forma nueva de solución, que sea más eficiente.Ampliar la base de datos con la que se trabajó el presente proyecto para garantizar, mejores resultados en el área de salud, y que además esta sea validada por personal médico conocedor del tema.
  • 34. REFERENCIAS 1/6[1] Gerardo Colmenares 2009. MÁQUINAS DE VECTOR DE SOPORTE. Pág 1, 11. http://www.webdelprofesor.ula.ve/economia/gcolmen/programa/economia/maquinas_vectores_soporte.pdf[2] Terry Payne. 2008. WEB SERVICES FROM AN AGENT PERSPECTIVE, IEEE Intelligence System, Volumen 23, No. 2 Pág. 3.[3]M.C. Luis Ernesto Mancilla Espinosa, 2008. ¿QUÉ SON LOS AGENTES INTELIGENTES DE SOFTWARE?[4]Carlos E. Cerón Martínez. 2007. PLANTAS MEDICINALES DE LOS ANDES ECUATORIANOS. Herbario Alfredo Paredes (QAP), Escuela de Biología de la Universidad Central del Ecuador. Quito, Ecuador. Pág. 1-7.
  • 35. REFERENCIAS 2/6[5]Basilio Sierra Araujo. 2006. APRENDIZAJEAUTOMÁTICO: CONCEPTOSBÁSICOS Y AVANZADOS “MÉTODOS KÉRNEL Y MÁQUINAS DE VECTORES SOPORTE”Pág. 175 [6]Ing. Juan Angel Resendiz Trejo. 2006. LAS MAQUINAS DE VECTORES DE SOPORTE PARA IDENTIFICACIÓN EN LÍNEA. Pág 13-15.[7] X Chen1, H Zhou2, YBLiu1, JFWang2, H Li2, CY Ung2, LY Han2, ZWCao3 and YZChen2. 2006. DATABASE OF TRADITIONAL CHINESE MEDICINE AND ITS APPLICATION TO STUDIES OF MECHANISMAND TO PRESCRIPTION VALIDATION. Pág 1- 12[8] Krishna Kaphle1, Leang-Shin Wu, Nai-Yen Jack Yang and Jen-Hsou Lin. 2006. Comentary“HERBAL MEDICINE RESEARCH IN TAIWAN”Pág 1 – 7
  • 36. REFERENCIAS 3/69] L. Lhotská, Member, IEEE, L. Prieto. 2006 INTELLIGENT AGENTS IN MEDICINE, Pág.3, http://medlab.cs.uoi.gr/itab2006/proceedings/Intelligent%20Systems/21.pdf [10]Alberto Téllez Valero. 2005. EXTRACCIÓN DE INFORMACIÓN CON ALGORITMOS DE CLASIFICACIÓN. Pág 20[11]Ioan Alfred Letia1 ,2005. GRADUALLY INTRUSIVE ARGUMENTATIVE AGENTS FOR DIAGNOSIS, Romania, Pág. 59, ArtículoIncluido en: First International Workshop on Multi-Agent Systems for Medicine, Computational Biology, and Bioinformatics (2005), http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.76.9164&rep=rep1&type=pdf#page=24
  • 37. [12] Rosa M. Vicari, Cecilia D. Flores, Andre´ M. Silvestre, Louise J. Seixas, Marcelo Ladeira, Helder Coelho, 2003, A MULTI-AGENT INTELLIGENT ENVIRONMENT FOR MEDICAL KNOWLEDGE, Pág.335, 339,343. Published by Elsevier Science B.V.[13]Vicente Julián, Miguel Rebollo y Carlos Carrascosa. 2002. AGENTES DE INFORMACIÓN[14]Daniela Godoy, AnalíaAmandi, 2001. AGENTES INTELIGENTES PARA BÚSQUEDA DE INFORMACIÓN http://users.exa.unicen.edu.ar/~amandi/papers/godwicc2000.pdf, Argentina. [15]A.C. Sergio A. Gómez, Lic. Laura Lanzarini , 2001. APLICACIONES DE REDES NEURONALES AL FILTRADO DE DOCUMENTOS. REFERENCIAS 4/6
  • 38. [16] Christopher C. Yang and Winter W.M. Chan. 2000. METADATA DESIGN FOR CHINESE MEDICINE DIGITAL LIBRARY USING XML. Pág. 1-10.[17]Carlos A. Iglesias F. 1998. DEFINICIÓN DE UNA METODOLOGÍA PARA EL DESARROLLO DE SISTEMAS MULTIAGENTES, Pág. 52-53, 87, 90, 243. http://www.gsi.dit.upm.es/tesis/pdf/tecisiscif.pdf[18] John Platt 1998. SEQUENTIALMINIMAL OPTIMIZATION: A FAST ALGORITHM FOR TRAINING SUPPORT VECTOR MACHINES JOHN C. PLATT. Pág. 1-21.REFERENCIAS 5/6
  • 39. REFERENCIAS 6/6[19] Rich Caruana,AlexandruNiculescu-Mizil. ANEMPIRICAL COMPARISON OF SUPERVISED LEARNING ALGORITHMS, Pág. 1-8. http://www.cs.cornell.edu/~caruana/ctp/ct.papers/caruana.icml06.pdf[20]BIBLIOTECA DIGITAL DE LA MEDICINA MEXICANAhttp://www.medicinatradicionalmexicana.unam.mx[21]BOTANICAL ONLINEhttp://www.botanical-online.com[22]CARACTERÍSTICAS Y APLICACIONES DE LAS PLANTAShttp://www.zonaverde.net . 1998-2008 José Murcia e Isabel Hoyos.