INTELIGENCIA ARTIFICIAL
|
Objetivo: Estudiar la teoría y métodos
heurísticos requeridos para la solución y modelaje de situaciones
difíciles de expresar algorítmicamente. Aplicar lo anterior en el
desarrollo de programas, sistemas expertos y sistemas de propósito específico.
1 Métodos
IH4 Lógica y resolución
de problemas. Inferencia utilizando modus ponens. Cláusulas
de Horn. La regla de resolución. Encadenamiento hacia atrás.
Formas normales. Unificación. Juegos. Búsquedas heurísticas.
Método Minimax. Árboles de representación. Planeación.
Tratamiento y representación de la ambigüedad. Probabilidad y
enfoque bayesiano. Lógica difusa (fuzzy logic). IH5 Búsqueda.
Búsquedas a lo ancho y a profundidad. Profundización y ampliación
iterativas. Búsquedas en grados. Listas abiertas y cerradas. Retroceso
(backtracking) dinámico. Búsquedas heurísticas.
Búsquedas con adversarios. IH6 Lenguajes especiales. Rutinas
básicas, estructuras de datos y de control. Ejemplos de lenguajes:
Lisp, Prolog, Planner, SAIL, Scheme y Strips.
2 Representación del conocimiento
IH7 Aprendizaje. Estructuras de representación.
Búsqueda y control. Programas adaptativos y automodificables. Comportamiento
cuasi inteligente. Juegos y estrategias.
IH8 Deducción. Mecanismos para realización de inferencia
deductiva: manipulación o aplicación de reglas generales a instancias
específicas, demostración de teoremas, métodos deductivos
para respuesta a preguntas, métodos de inferencia para planeación,
resolución de problemas, lógica no monotónica, modal
e intencional. IH9 Redes neuronales. Modelos de proceso paralelo
y distribuido. Clasificación y reconocimiento de patrones: espacio
de representación y clasificadores bayesianos. El Perceptrón
simple. Redes multicapa. Retropropagación. Redes de Hopfield. Problemas
de optimización. Máquinas de Boltzmann.
3 Sistemas expertos
IH10 Caracterización de los sistemas expertos.
Conceptos básicos y estructuras. Funcionamiento. Dominio y limitaciones.
Representación del conocimiento: fundamentos teóricos, redes
semánticas, guiones, listas y árboles, reglas de producción,
marcos. IH11 Razonamiento y control. Categorías de razonamiento.
Sistemas de producciones. Encadenamiento hacia atrás y hacia adelante.
Árbol de inferencia. Redes asociativas y sistemas de marcos. Razonamientos
basado en modelos y en casos. Explicación y metaconocimiento.
4 Reconocimiento de formas
IH12 Visión. Digitalización de
imágenes y proceso por computadora. Procesamiento de bajo nivel. Transformadas
de Fourier: discreta, bidimensional, rápida. Remoción de ruido.
Detección de características. Transformaciones. Segmentación.
Recuperación de información tridimensional. Reconocimiento de
patrones.
IH13 Robótica. Panorama actual. Tecnología robótica.
Acciones y efectos finales. Percepción sensorial. Control e inteligencia
del robot. Determinación de autonomía y navegación. Triangulación,
autonomía en el momento de vuelo. Posicionamiento y percepción
de proximidad.
5 Proceso de lenguaje natural
IH14 Elementos para el proceso sintáctico
y semántico. Modelos computacionales para el lenguaje natural.
Conocimiento y lenguaje. Técnicas para reconocimiento de estructuras
sintácticas y manejo de ambigüedad. Formalismos utilizados. Cláusulas
relativas. Operaciones básicas para la interpretación semántica.
Oraciones embebidas y no embebidas. Jerarquías en las reglas. Problemática
de la interpretación semántica: estrategias.
|
|
| |