Escoge la categoría

Inteligencia artificial. Guía de trabajo

  • Autor:

  • Editores:

  • Editorial:

  • Año de Edición:

  • Idioma:

  • Nº Páginas:

  • ISBN:

  • Formato:
    Comparte

    Por: $31.000,00ou X de


    Comprar
    106_9789588743172_itme
    Inteligencia artificial. Guía de trabajo
    Por: $31.000,00ou
    48x de $645,83
    sem juros
    ComprarVendedor Libreria de la U
    227181
    El texto académico Inteligencia Artificial se ha escrito con un propósito didáctico y pedagógico para su enseñanza en el programa de Ingeniería de Sistemas del ITM. Su empleo como cuaderno de trabajo permite agilizar y complementar las exposiciones magistrales, aumentando la calidad académica de la asignatura. El temario se encuentra divido en cinco partes. En la primera se hace una intrucción a la inteligencia artificial. En la segunda, se trata el tema de los sistemas expertos; en la unidad número tres se estudia el tema de las Redes Neuronales Artificiales. En la cuarta parte se estudian los Algoritmos Genéticos. La última parte es acerca de la Lógica Fuzzy o Borrosa. 

    Atributos LU

    TítuloInteligencia artificial. Guía de trabajo
    AutorHéctor Aníbal Tabares
    ColecciónTextos Académicos
    Tabla de Contenido
    Agradecimientos 
    Introducción

    I La inteligencia artificial 

    1 ¿Qué es la Inteligencia Artificial?
    1.1 Definición de Inteligencia Artificial
    1.2 El aprendizaje en una computadora

    II Sistemas expertos

    2 Elementos de un sistema experto
    2.1 Los hechos
    2.2 Las reglas
    2.3 La base de conocimiento
    2.3.1 Diferencia entre base de datos y base de conocimiento

    2.4 El motor de inferencia
    2.4.1 Enfoque guiado por datos (encadenamiento hacia adelante)
    2.4.2 Enfoque guiado por objetivos (encadenamiento hacia atrás)
    2.4.3 Conjunto de ejercicios

    3 Programa SistemaExperto_ITM 
    3.1 Pasos para manejar el sistema 
    4 Estudio de casos

    III Redes neuronales artificiales

    5 Introducción a la computación neuronal
    5.1 Sistema de cómputo
    5.2 Las redes neuronales artificiales
    5.3 Definición de red neuronal
    5.4 Capacidades de las redes neuronales
    5.5 Ventajas de las redes neuronales
    5.6 Aplicaciones de las redes neuronales

    6 Fundamentos de las redes neuronales
    6.1 El modelo biológico
    6.2 El modelo artificial
    6.3 Estructura de una red neuronal artificial
    6.4 Conexiones entre neuronas 
    6.5 Las RNA como aproximadores universales 
    6.6 Mecanismos de aprendizaje 
    6.7 Redes con aprendizaje supervisado
    6.8 Redes con aprendizaje no supervisado
    6.9 Redes con conexiones hacia adelante

    7 Algoritmos de aprendizaje
    7.1 Algoritmos de aprendizaje gradiente descendente
    7.1.1 Técnica Traingd
    7.1.2 Técnica Traingdm
    7.1.3 Técnica Traingda
    7.1.4 Técnica Traingdx

    7.2 Algoritmos de aprendizaje GD en una RNA
    7.2.1 Corrección de error
    7.2.2 Retropopagación del error 
    7.2.3 Algoritmo gradiente descendente 

    7.3 Algoritmo de aprendizaje basado en gradiente conjugado
    7.3.1 Técnica Traingc
    7.3.2 Algoritmo gradiente conjugado 

    8 Programa RNA_ITM
    8.1 Pasos para manejar el sistema
    8.2 Módulo reconocimiento de imágenes 

    9 Too1box Neural Network de MATLAB
    9.1 RNA del tipo PMC con una entrada y una salida 
    9.2 RNA del tipo PMC con una entrada y dos salidas

    10 Estudio de casos

    IV Algoritmos genéticos

    11 Introducción a los algoritmos genéticos
    11.1 Teoría de la selección natural

    12 Conceptos básicos
    12.1 Algoritmos Genéticos
    12.2 Genética
    12.3 Gen
    12.4 Cromosoma
    12.5 Genoma
    12.6 Medida de salud

    12.7 Operaciones básicas de los AG
    12.7.1 La generación 
    12.7.2 El cruce 
    12.7.3 La mutación
    12.7.4 La reproducción y la eliminación

    13 Algoritmo Genético 
    13.1 Crear p(t)

    13.2 Evaluar
    13.2.1 Operadores de probabilidad 
    13.3 Seleccionar 
    13.4 Recombinar
    13.4.1 Operadores de asignación de parejas 
    13.4.2 Cruce 
    13.4.3 Mutación
    13.4.4 Operadores de reproducción 

    14 Programa AG_ITM
    14.1 Pasos para manejar el sistema
    15 Estudio de casos

    V Lógica borrosa

    16 Introducción a la lógica borrosa
    16.1 Un problema borroso
    16.2 Aplicaciones usando lógica borrosa

    17 Operaciones básicas en la lógica borrosa
    17.1 Unión, intersección y complemento

    18 Algoritmos para sistemas de control borroso
    18.1 Fuzzificación de las entradas
    18.2 Evaluación de las reglas de control
    18.3 Defuzzificación de las salidas
    18.4 Pautas para el diseño de controladores borrosos 

    19 Programa LB_ITM
    19.1 Pasos para manejar el sistema

    20 Toolbox lógica difusa de MATLAB
    20.1 Acceso
    20.2 Elección de modelo
    20.3 Variables y funciónes de pertenencia
    20.4 Reglas del modelo
    20.5 Visualizador de reglas
    20.6 Visualizador de superficie

    21 Programa SistemaFuzzy _ITM
    21.1 Pasos para manejar el sistema 
    22 Estudio de casos

    Bibliografía 

    A. Sistemas numéricos y códigos binarios
    A.1 Sistemas Numéricos
    A.1.1 Sistema digital (0, 1), base 2
    A.1.2 Sistema decimal

    B. Información personal
    TipoLibro
    ISXN9789588743172
    Año de Edición2012
    Núm. Páginas218
    Peso (Físico)490
    Tamaño (Físico)21 x 28 cm
    Acabado (Físico)Rústica

    Títulos Similares