mecanismos de representación del conocimiento en Inteligencia Artificial.

1. REPÚBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DEL PODER POPULAR PARA LA
DEFENSA
UNIVERSIDAD NACIONAL EXPERIMENTAL DE LA
FUERZA ARMADA
NUCLEO-LARA
Yunelsy Escalona
C.I.: 22.271.400
Sección: 07S-2613-D1
Profe.: Edecio Freitez
MECANISMOS DE REPRESENTACIÓN
DEL CONOCIMIENTO EN INTELIGENCIA
ARTIFICIAL

2. Clásica Conexionismo
Se desarrolla en base a ciertos
presupuestos
filosóficos y científicos, entre los que
se destaca el de la existencia de un
mundo objetivo.
Los modelos conexionistas son
sistemas de procesamiento paralelo
que involucran cómputos
mutuamente basados en
interacciones locales entre unidades
conectadas
Es un proceso inteligente que puede
ser descripto por algoritmos, que son
secuencias de operaciones
realizables en un tiempo finito en las
que cada paso (denominado también
primitiva) es tan claro y simple que
puede ser hecho automáticamente,
sin inteligencia
Todos los algoritmos pueden ser
implementados en alguna
computadora de propósito general.
Inteligencia Artificial Tradicional

3. Conocimientos teóricos Conocimientos empíricos:
Modelan el saber
acerca de un tema a través
de una teoría
correspondiente con el
problema planteado
Son experimentales,
esto es, representan el
conjunto de casos prácticos
observados sobre un tema
Representación de Conocimientos

4. Árboles de
decisión
Sistemas
expertos
Lógica difusa Sistema
basado en
casos
Agentes
inteligentes
Es un diagrama
que representa
en forma
secuencial un
conjunto de
condiciones y
acciones para
representar la
relación
existente entre
cada condición
y el grupo de
acciones
permisibles
Intentan
razonar como
un experto
humano, con
ventajas
asociadas de
aumento de
productividad,
ahorro de
tiempo y
dinero y
conservación
de
conocimientos
Estos sistemas
obtienen una salida
en función de
sus entradas, sin
necesidad de un
modelo analítico.
Un sistema difuso
es un SBC
estructurado como
un conjunto de
reglas simbólicas
del tipo “sí-
entonces”, que
usan el lenguaje
natural para
representar
información vaga o
imprecisa
Los sistemas de
razonamiento
basado en
casos CBR
resuelven
problemas a
partir de otros
similares
denominados
“casos”.
Son algoritmos
que interactúan
con su ambiente,
adquiriendo
información de él
por medio de
sensores, y
respondiendo
mediante
efectores;
utilizan técnicas
de razonamiento
para efectuar una
tarea en forma
apropiada
empleando la
información
recolectada
Representación del conocimiento con métodos simbólicos

5. Representación del conocimiento con métodos conexionistas
Redes neuronales Algoritmo de
aprendizaje para el
análisis de
datos multivariables –
LAMDA
Máquinas de soporte
vectorial (SVM)
Las redes neuronales son
combinaciones de elementos
simples de proceso
interconectados que operan
de forma paralela para
resolver problemas
relacionados con el
reconocimiento de formas o
patrones, predicción,
codificación,
control y optimización, entre
otras aplicaciones
LAMDA es un algoritmo de
clasificación multivariable que
combina la capacidad de
generalización
de la lógica difusa y la
capacidad de interpolación
de los conectores de lógica
híbrida
Las SVM han sido
utilizadas exitosamente en la
identificación de partículas,
rostros humanos y texto, y
otras aplicaciones de
ingeniería y mercadeo. Su
enfoque es
sistemático y respaldado por
teorías de aprendizaje
estadístico