Solucion Examen Final 2010-1

8/8/2019 Solucion Examen Final 2010-1

1/10

Universidad NacionalMayor deSan marcos

Facultad deIngenieradeSistemas eInformticaEAPdeIng. deSistemas

InteligenciaArtificial

ExamenFinalSemestre2010-1

Apellidos y Nombres:

Alvites Pisco Gullet 07200129Baygorrea Tieno Keyner 07200031Lucero Avila Raul 07200095Tafur Rojas Jonel 07200116

1. Conceptos Generales (6 puntos)

Marque allado derechoVpara verdadero yFpara Falso (+.3correcta,-

0.1incorrecta)

1. LosaspectosqueseverificanenlaBCsonlaconsistencia,completitud y la (V)incertidumbre.

2. ElnivelconceptualdelmtodoCommonKADSesdadoporlosmodelosde (F)

organizacin, tareasyagentes.

3 Las fuentes estticas para la adquisicin de conocimiento de un sistema (F)experto desegmentacindeunaempresadetelecomunicacin esdadopor lasexperienciasdequetienelosexpertosparaestablecerloscriteriosy polticas

desegmentacin.

4. Por lo general la causa para que un sistema experto no pueda obtener unaconclusin es porquelabasedeconocimiento esincompleta. (F)

5. Ensistemasexpertosdepequeoomedianaenvergadura,elroldelingeniero (F)de conocimiento y del especialista en general puede ser realizado por una misma

persona.

6. El objetivo de la Ingeniera del Conocimiento es extraer, articular einformatizar el conocimiento de unexperto. (F)

7. Lalistadeconsecuenteterminalesdeunsistemaexpertodeidentificacinde (V)

tipos defallas deredesdetelefonaes dadapor todos lostipos defallas.

8. En la fase de conceptualizacin de adquisicin del Conocimiento se debecomprenderlanaturalezadelespaciodebsquedayeltipodebsquedaquehabrquerealizar. (F)

9. LaHeursticaesunmtodoprcticoconocimientoempricoobtenidodela (V)experiencia y que puede ayudar en la solucin; pero que no garantiza sufuncionamiento siempre.

10. La validacin es el proceso de comprobacin que estamos construyendo elproductocorrectamente. (F)

11. Los sistemas inteligentes por lo general operan en dos fases: fases deaprendizajeyfasedeejecucin clculo (V)

12. Los erroresmsfrecuentedelingenierodeconocimientoseoriginanpor la (V)inadecuada comprensin semntica entre el especialista y el ingeniero de

i i


2/10


3/10

14. Lafinalidaddelprocesodevalidacindeunsistemaexpertoesconocersiel (V)

sistemaseencuentraaptoparapasar aproduccin.

15. LacomprobacindeerroresenlossistemasinteligentessereflejaenelBCy (V)

los mecanismos deinferencia

16. La principal dificultad que presentan los mtodos de redes neuronales (V)artificiales para desarrollar machine learninges explicitar el conocimiento asociadoalatareaquesedeseaaprender.

17. Es recomendable desarrollar sistemas expertos para resolver problemas de (F)

optimizacin

18. Silafinalidades minimizarlatasademorosidadenel sistemadeacreditacin (V)financiera, no importando el conocimiento explicito asociado, entonces se deberecomendar el uso machine learningbasado en redes neuronales artificiales.

19. Laindexacin eslanicasolucin paraelproblemade laequiparacinyaque (F)

es un factor importanteparalaeficienciadelosSBR

20. Esrecomendableusar heursticasparadeterminarrutasptimasparaelrecojo (V)

debasuraen municipalidades.

2. SBCbasadoenReglas (7 puntos)

P r u e b a d eCo n jet u ras

LaempresaI&D FarmaGendeInvestigacinyDesarrolloenfrmacosbasadosen gentica,desarrolla una intensa labor de pruebas de conjeturas sobre nuevos frmacos desarrollados.

Conelfindeacelerarlosprocesosdeinvestigacin,elDepartamentodeInformticaapedido delDepartamento de Investigacin y Desarrollo (I&D) va desarrollar un sistema experto basadoen reglas para la automatizacin de las pruebas de conjeturas. El ingeniero de conocimiento

basado en el conocimiento y las experiencias de los especialistas del Departamento deI&D ha construido la siguiente base de conocimiento para la prueba de conjeturas:

R1: SI K C6 ENTONCES XR2: SI C2 X ENTONCES M eliminar KR3: SI C8 C3 K ENTONCES YR4: SI C2 C6 J ENTONCES A1R5: SI C7 X Y ENTONCES A3

R6: SI M C8 ENTONCES U TR7: SI C2 C7 Z ENTONCES A2R8: SI C3 T C8 ENTONCES JR9: SI C3 C7 ENTONCES K BR10: SI C6 C7 M ENTONCES P eliminar UR11: SI C2 A2 ENTONCES TR12: SI C6 C8 B ENTONCES S eliminar T

Lasreglas mostradas arribaformalizanla lgicaderaciocinio delos especialistas.


4/10

Elsistemaexpertopararesolverlosconflictosdelasreglasaprocesar(puesvariasreglasse puedendisparar) usa las siguientes estrategias de resolucin de conflictos (en esa orden de prioridad):

- Principio derefraccin (lareglaaprocesar no debeser procesadaotravez).

- Regla msgeneral (laregla quetienemenosantecedentes).

- Orden lineal(esto es laprimeraregla quesedispara).

Observe que al aplicar la primera estrategia de resolucin de conflictos pueda que no seresuelva el conflicto (esto es, que existan 2 o ms reglas disparadas); en este caso se debeaplicar lasegundaestrategia,yenelcaso queestano tengasuceso,sedeberaplicarlatercera regla.

Responda:2.1 Presente un motor deinferenciaadecuado paraprobar conjeturas delaforma:

HiptesisTesis

EndondeHiptesisesdadoporunconjuntodeantecedentes yTesisesdadoporunoomsconsecuentes.

El motor de inferencia debe reportar: conjetura vlida en el caso que la Tesis seaverificada,conjeturanovlidacuandoseverificaA3,ynoseproblaconjeturaenel casocontrario.

ObservequelalistadeconsecuentesterminalesesdadoporTesisylabasedehechos porHiptesis

2.1AlgoritmoInicioLeer(BH,BC,Hipotesis,Tesis) sw_diT,LS,sw_A3T Mientras (sw_di)

verificarBCResolverConflicto(Rx,Cx,sw_di)Si(sw_di)entonces

Si(CxLCT)entoncesLSLS +CxSi(Cx=A3)enton

ces sw_A3 FFSI

FSIFSIFMientras

Si(sw_A3=T)Escribir(conjeturanovalida)

SinoSi(LCT=LS)entonces

Escribir(conjeturavalida) Sino

Escribir(noseprobolaconjetura)FS

I FSIFin_Algoritmo


5/10

(3 puntos)2.2Apliqueelalgoritmopropuestoen2.1parademostrarlasiguienteconjeturaasociadaaun frmaco

F: Hiptesis =(C2, C3, C6, C7, C8), Tesis =(A1,A2)

Itr. Reglas Rx Cx BH LS sw_di sw_A31 R1,,R9,,R12 R9 K,B C2,C3,C6,C7,C8 T T2 R1,,R8,R10,...,R12 R1 X C2,..,C8,K,B T T3 R2,,R8,R10,...,R12 R2 M,K ,K,B,X T T4 R3,,R6,R7,R8,R10,,R12 R6 U,T ,K,B,X,M,K

T T5 R3,R4,R5,R7,R8,R10,R11,R12 R8 J ,U,T T T6 R3,R4,R5,R7,R10,R11,R12 R4 A1 ,U,T,J T

T7 R3,R5,R7,R10,R11,R12 R10 P,U ,U,T,J,A1 A1 T T8 R3,R5,R7,R11,R12 R12 S,T ,T,J,A1,P A1 T T9 R3,R5,R7,R11 ,J,A,P,S A1 F T

LCT(A1,A2)=!LS(A1)noseprobola conjetura

(3 puntos)2.3 Cuando el sistema concluye con no se prob la conjetura podemos afirmar que la

conjeturano esvlida.Justifiquesu respuesta. (1 punto)

Rpta.: No,porqueprobablemente elconocimientono es suficiente.

3. ConfiabilidaddeSBC (4 puntos)

SehadesarrolladounsistemaexpertoID-ANIMALquepermiteclasificarunanimalenuna categoradada(mamfero,ave, reptil)segn sus caractersticas (tienepelo,tieneplumas,es ovparo vivpero, etc.).Losresultadosdel sistema se resumenen la siguiente matriz:

Conclusiones

Sistema Experto

mamfero ave reptil

41 0 0 mamfero

0 20 0 ave

0 1 3 reptil

Resultadosdel sistemaID-ANIMAL


6/10


7/10

Losnmerosquese muestran en latablaarribaindican elnmero devecesqueelsistemahaidentificadounacategoradeanimalparaunacategoradadaporelexperto.Asporejemplo,elsistemahaidentificado1vez lacategoraave,cuandoelexpertoconcluye quedebe ser reptil.

Respo

nda:

3.1 Presente la tabla de contingencia para calcular los ratios de acuerdo para cadacategora.a)

SistemaExperto

ExpertoMamfero Mamfero

Mamfero 41 0Mamfero 0 24

b)

SistemaExperto

ExpertoAve Ave

Ave 20 1Ave 0 44

c)

SistemaExperto

ExpertoReptil Reptil

Reptil 3 0Reptil 1 61

3.2 Determine la confiabilidad (ndice de acuerdo) del sistema para cadacategora.

a)(41+21)/65=1

b) (20+44)/65=0.985

c)(3+61)/65=0.985

3.3 Determine para cada categora la probabilidad que el sistema respondacorrectamente sabiendo queelcaso espositivo (sensibilidad).a)41/41=1 b)20/20=1c)3/4=

0.75


8/10

3.4SepuederecomendarqueID-ANIMALpasealafasedeproduccin(estoesqueel


9/10

sistemaseavlido)?Considerequeelniveldeconfianzaparaaceptarelsistema(ndicedeacuerdoaceptable) paratodaslascategorases del90%.Justifique su respuesta.

Sisepuede recomendarporqueelincide de acuerdopara todas las categoras essuperioral90%

4. AplicacindeSistemas Inteligentes (3

puntos)S is te m a I n t elige n tesp ara E mp r es a s Mi n e r as

OroPer es una empresa minera peruana modelo dedicado a las laboresexploracin(bsqueda de yacimientos),explotacin(extraccindelmineral), fundicin

(proceso bsico de metalurgia), y comercializacin (venta de lingotes) de oro. Estaempresacuentacon varios

departamentos, entre ellos: Marketing y Comercializacin, Investigacin yDesarrollo(responsable de las actividades de exploracin), eInformtica.

OroPerdeseaconvertirse en una empresa lder en sector minero, por lo que en estosltimosaos ha invertido en adquisicinde maquinarias ytecnologas de hardware deltimageneracin.Astambin,lagerenciahasolicitadoalDepartamentodeInformtica

paraqueproponga proyectos de sistemas inteligentes del tipo: sistemas expertos,sistemas queaprenden(machinelearning)ysistemasdeoptimizacin.

Responda:

Presente a seguir 2 proyectos por cada tipo de sistemas inteligente solicitado por lagerencia,yparacadauno deellos presente lasiguienteinformacin:

- Ttulo del proyecto

- Brevedescripcin del proyecto, de 3 a5lneas

- Beneficios del proyectoquelo justifique(3 a5 lneas)

- Justificar eltipo de sistema

Sistemasexpertos

-Segmentacindemercado

-Estrategiade marketing

-Consultadeinvestigacinydesarrollo

Machine Learning(M.L.)

-Proyecto1: Identificacinde materiales

-Seidentificaranmateriales a travs delprocesamientodeimgenes demaneraelectrnica

-Beneficio:sepuedenidentificarabajocostoydeforma rpidayconpoqusimo error-es adecuadoMLporque es unproblemade aprendizajemedianteimgenes

(procesamientode imgenes)

-Proyecto2: bsquedade yacimiento

-

Otros proyectos posibles:

-identificacindemateriales

-identificacindepersonalmediantehuelladigital


10/10

Sistemas deoptimizacin

-Proyecto1: Rutas deexploracindeminerales

-Determinarrutas ptimas para trasladarlos minerales desdelos yacimientos

hasta ellocalde fundicin

-Beneficio: reducirconsiderablementelos costos y tiempos de trasportes

-El problemaesunproblema de ruteoyporconsiguientedebe optimizarse

Otros proyectos:

-Planificacindeproduccin

-Asignacin trabajador/maquina

Documents

Solucion Examen Final 2010-1