El documento trata sobre las redes bayesianas, que son modelos probabilísticos que relacionan variables aleatorias usando un grafo dirigido para indicar influencias causales entre ellas. También habla sobre los sistemas expertos, las redes neuronales, los sistemas reactivos y las redes semánticas como técnicas de inteligencia artificial.

2. Es una técnica que permite
representar por medio de un
grafo los conocimientos
lingüísticos.
Es una técnica que permite el
estudio del lenguaje natural
entre la máquina y el ser
humano por lo que estás tienen
como objetivo que las
maquinas entiendan e
interpreten el lenguaje del ser
humano.
Es una tecina que permite
representar el conocimiento de
una manera que facilite la
interferencia a través de un
lenguaje simbólico para ser
procesado por un computador.
Es una técnica que permite dar
solución a nuevos problemas a
partir de problemas anteriores.
Es una técnica del campo
interdisciplinario que se ubica
entre la lingüística y la
informática: su fin es la
elaboración de modelos
computacionales que
reproduzcan distintos aspectos
del lenguaje humano.
• Admiten declaración en forma
explícita de importantes
asociaciones .
• El proceso de encontrar
acontecimientos particulares
puede ser reducido.
• Es mas rápido y eficiente en el
lenguaje humano para el
reconocimiento y
comprensión.
• Optimiza el rendimiento de los
procesos de documentos.
• Optimiza la exactitud de los
documentos.
• El procesamiento de la
información de diferentes
módulos en paralelo permite
diseñar un sistema con mayor
desempeño.
• Amplía la capacidad del
sistema para recibir nueva
información.
• Integración de dos técnicas
complementarias.
• Evita repetir los errores del
pasado.
• Provee flexibilidad.
• Reduce las tareas.
• Razonamiento en un dominio
con un conocimiento
pequeño.
• Refleja el razonamiento
humano.
• Formulación de marcos
gramaticales y semánticos
para caracterizar idiomas.
• Descubrimiento de técnicas
de procesamiento y principios
de aprendizaje .
• Desarrollo de modelos
computacionales
cognitivamente y
neurocientíficamente
plausibles .
• Escasa flexibilidad.
• No se puede introducir
alguna regla heurística para
indagar la red de manera
eficiente.
• No hay una forma de
interpretación normalizada
para el conocimiento
expuesto por la red.
• Suele calificar el efecto de
determinadas palabras.
• No es muy perceptible a
expresiones complejas.
• Deriva inferencias.
• Poco expresiva.
• Encontrar un sistema de
razonamiento que la soporte.
• El tamaño de la base de
casos va en aumento.
• Implica mantenimiento para
la base de datos.
• Reconocer el propósito de
una expresión lingüística.
• Resolución de la ambigüedad
sintáctica.
• Determinar la semántica.
• Compresión rápida.
• No poseen un vocabulario
predeterminado.
• Representación del lenguaje
natural.
• Organizan redes complejas
en jerarquías.
• Uso de lenguaje natural.
• Proceso de modelización
matemática.
• Interacciones entre las
computadoras y el lenguaje
humano.
• Crea mecanismos para
comunicarse.
• Eficiencia.
• Facilidad de modificación.
• Soporte de la actividad
inteligente.
• Entendible por humanos.
• Utiliza el termino de
razonamiento.
• Grado de organización
• Capacidad de adaptar o
modificar.
• Basado en un conocimiento.
• El procesamiento del
lenguaje hablado.
• El tratamiento de datos
presentes lingüísticamente.
• El apoyo a los autores en la
redacción de textos.
• Creación de sistemas
expertos dentro de las redes
• Recuperación de información
• Simplificar la comunicación a
través de muchos procesos
que se automatizan
• Resuelven consultas
telefónicas y desarrollo
de sistemas computacionales
• Facilitan enormemente
nuestra interacción con
máquinas y software de todo
tipo

3. Es la capacidad y habilidad de las
máquinas de aprender por sí
mismas de forma automática. Al
referirnos con “aprender”, nos
basamos a un ordenador que tiene
acceso a millones de datos. A partir
de ellos, su algoritmo es capaz de
establecer patrones de
comportamiento.
Programas que manipulan
conocimiento codificado para
resolver problemas en un dominio
especializado en un dominio que
generalmente requiere de
experiencia humana.
Es una ciencia y una técnica que
trata con los sistemas de
inteligencia artificial en red. es un
sistema distribuido en el cual los
nodos o elementos son sistemas de
inteligencia artificial.
Es básicamente una lógica que
permite valores imprecisos,
inexactos, intermedios o
aproximados para poder definir
evaluaciones convencionales entre
sí/no, verdadero/falso,
negro/blanco, etc.
Es el conjunto de técnicas y
tecnologías que permiten explorar
grandes bases de datos, de manera
automática o semiautomática, con
el objetivo de encontrar patrones
repetitivos, tendencias o reglas que
expliquen el comportamiento de los
datos en un determinado contexto.
• Favorece la innovación y el
desarrollo de nuevos productos.
• Ayuda a que se descubran
patrones y soluciones que hasta
ahora no se habían pensado.
• Se basa en la adaptabilidad de
los procesos.
• Optimiza la logística gracias a su
sólida base de datos.
• Toma de decisiones rápida y
eficaz.
• Los conocimientos pueden ser
copiados y almacenados
fácilmente, siendo muy difícil la
pérdida de éstos.
• Siempre está a pleno
rendimiento. Después de que un
experto computarizado exista, se
puede crear un nuevo experto
simplemente copiando el
programa de una máquina a otra.
• Saben cómo conducir y
coordinar el comportamiento de
toda una organización
heterogénea para compartir
recursos y permitir cooperación
efectiva.
• La interacción en estos sistemas
se da fundamentalmente mediante
procesos de comunicación.
• Su objetivo es resolver un
problema complejo difícil de
solucionar para un único agente.
• Facilidad de implementación.
• Buenos resultados en procesos
no lineales y de difícil
modelización.
• Modo de funcionamiento similar
al comportamiento humano.
• Forma rápida y económica de
resolver problemas.
• No se necesita conocer el
modelo matemático que rige su
funcionamiento.
• Permite descubrir información
que no esperábamos obtener.
• Es capaz de analizar bases de
datos con una enorme cantidad
de datos.
• Los resultados son muy fáciles de
interpretar.
• Modelos comprobados mediante
estadísticas para verificar.
• Ahorra costes y abre nuevas
oportunidades de negocio
• Automatización .
• Existencia de riesgo .
• Mayor inversión .
• No responden creativamente a
situaciones inusuales.
• Los sistemas expertos
actualmente dependen de una
entrada simbólica.
• No son bueno para reconocer
cuando no existen respuestas o
cuando los problemas están fuera
de su área.
• Complejidad temporal elevada.
• Difícil encontrar una
representación simbólica para
entidades y procesos del mundo
real.
• En las redes neuronales se
precisa de un tiempo de
aprendizaje para obtener los
mejores resultados en la salida.
• Ante un problema que tienen
solución mediante un modelo
matemático, obtenemos peores
resultados usando lógica difusa.
• Dependiendo del tipo de datos
que se quieran recopilar, nos
puede llevar mucho trabajo.
• A veces la inversión inicial para
obtener las tecnologías
necesarias para la recopilación de
datos puede tener un coste
elevado.
• Subcampo de la disciplina de
Inteligencia Artificial que
pretende desarrollar
metodologías y técnicas que
permitan a las máquinas aprender.
• El aprendizaje se lleva a cabo a
través de algoritmos y heurísticas
que analicen los datos
equiparándolos a la experiencia
humana.
• Aportan soluciones a problemas,
como si de humanos se tratara, es
decir capaz de mostrar soluciones
inteligentes.
• Siguen una filosofía diferente a
los programas clásicos.
• Puede operar con información
incompleta Necesita.
• El sistema puede funcionar con
pocas reglas.
• Pueden dar solución a los
problemas con una mayor rapidez.
• Mantienen una comunicación
mínima, transmiten soluciones
parciales a otros agentes en lugar
de enviar todos los datos a un
sistema central.
• Mayor flexibilidad, ya que se tiene
agentes con diferentes
habilidades que cooperan entre sí.
• Soporta datos imprecisos.
• Es conceptualmente fácil de
entender.
• Es flexible.
• Es tolerante a los datos
imprecisos.
• Se basa en el lenguaje humano.
• Combina en forma unificada
expresiones lingüísticas con datos
numéricos.
• Busca entre enormes cantidades
de datos para encontrar aquellos
que puedan ser de interés.
• Podemos predecir las futuras
tendencias, y adelantarnos a ellas
antes incluso de que se
produzcan, mediante análisis
predictivo.
• Administrador de congestión de
redes de radio (RCM) que permite
reducir el número de celdas
congestionadas; detecta y
predice la congestión localizada y
permite a los operadores tener
una visión completa de la red de
acceso de radio.
• Optimización de 5G RAN mMIMO.
• Diseño de circuitos de alto grado
de investigación.
• Sistemas inteligentes de
autodiagnóstico contenidos.
• Control de redes de
comunicaciones.
• Ajuste de equipos y sistemas.
• Programación automática.
• Agentes “preparados” para el
desvío de llamadas y la señal de
conmutación y transmisión.
• Implementación del sistema
multiagente TAP soportado en los
conmutadores ATM activos
(AcTMs).
• Modelos de SMA.
• Sistema de ruteo difuso.
• La detección de fraude en las
telecomunicaciones y la industria.
• Almacenar y consultar
información imprecisa.
• Registro de llamadas.
• Datos de clientes.
• Información de red.
• Detección de fraudes.
• Tráficos de redes.

4. Son un modelo probabilístico
multivariado, que relaciona un
conjunto de variables
aleatorios usando un grafo
para indicar una influencia
casual de manera explícita.
Es la rama de la Inteligencia
Artificial que se dedica a
estudiar, diseñar y desarrollar
los Sistemas Expertos.
Es un conjunto de nodos
conocidos como neuronas
artificiales que están
conectadas y transmiten
señales entre sí.
Los sistemas reactivos son una
serie de principios de diseño,
cuyo propósito es construir
sistemas modernos,
preparados para satisfacer las
exigencias, cada vez mayores,
de las aplicaciones actuales.
Son modelos de
representación de
conocimiento, usados de
manera amplia. Son usados
para conocimientos que
surgen de manera natural en
una estructura de reglas.
• Es muy robusto considerando
atributos irrelevantes.
• Toma evidencia de muchos
atributos para realizar la
predicción final.
• Generalmente, son fáciles de
construir y de entender.
• Pueden emplearse en
multitud de campos.
• Puede desarrollar Sistemas
Expertos que agilicen el
funcionamiento interno de
una empresa.
• Facilita las búsquedas.
• Son capaces de aproximar
cualquier función existente
con el suficiente
entrenamiento.
• Su rango de actuación es
amplio y de gran utilidad.
• Es el que actualmente va
evolucionando mas.
• Se esfuerza bajo diferentes
condiciones de carga.
• Son más flexibles, sin
conexión directa y escalables.
• Estos sistemas son
altamente receptivos.
• Representan de forma
natural el conocimiento
explícito de los expertos.
• Estructura uniforme.
• Separación entre la base de
conocimiento y su
procesamiento.
• Capacidad para trabajar con
conocimiento incompleto e
incertidumbre.
• Datos incompletos .
• Faltan algunos valores de
una de las variables en
algunos casos.
• Nodos ocultos.
• Falta del sentido común.
• Carece de sentidos.
• No se adapta a
conocimientos poco
estructurados.
• Complejidad de aprendizaje
para grandes tareas.
• No permite interpretar lo que
se ha aprendido.
• Tiempo de aprendizaje
elevado.
• Un fallo o error puede
acarrear consecuencias
graves.
• Un método o servicio pueda
fallar en cualquier momento,
retornando un error de
aplicación.
• Relaciones opacas entre
reglas.
• Estrategias de búsqueda muy
ineficientes.
• Los sistemas de reglas sin
aditivos no son capaces de
aprender de la experiencia.
• La independencia
condicional se verifica
mediante el criterio de
separación-D.
• El algoritmo general más
común en redes bayesianas
es el de agrupamiento ó ‘arbol
de uniones’.
• Utiliza técnicas como arboles
de decisión para emular
conocimiento.
• Los Sistemas Expertos son
softwares.
• El Sistema Experto es que el
conocimiento no es estático.
• Esta en constante
actualización.
• Son un campo muy
importante dentro de la
Inteligencia Artificial.
• El funcionamiento de las
redes se asemeja al del
cerebro humano.
• Los nuevos valores obtenidos
salen de las neuronas y
continúan su camino por la
red.
• Su comportamiento en estos
entornos, de tiempo real, se
determina tanto por la
sucesión de acciones como
por el momento en que cada
una de ellas se sucede y son
procesadas.
• Las aplicaciones se
despliegan en una variedad
ingente de dispositivos, desde
móviles hasta clusters de
cloud computing.
• La base de conocimiento de
la que se parte contiene las
variables y el conjunto de
reglas que definen el
problema.
• El motor de inferencia es
capaz de extraer
conclusiones aplicando
métodos de la lógica clásica
sobre esta base.
• Son centro de investigación.
• Mejoramiento de sistemas,
con la prevención de riesgos.
• Cuyo fin es el diseño y
desarrollo de sistemas.
• Reconocimiento de piezas y
defectos que no han sido
introducidos previamente por
ejemplo.
• Permiten sistemas que hacen
frente a fallas, variando la
carga y cambian con el
tiempo, mientras ofrecen un
bajo costo de propiedad.
• Planeación.
• Monitoreo y control.
• Manual de instrucciones.
• Ordenador que realiza las
funciones básicas de
tratamiento de la información