Instituto Tecnológico de

TuxtepecInteligencia artificial3.5 Razonamiento con incertidumbre

CATEDRÁTICO:LIC. Tomas

Torres Martínez PRESENTA:

Julia Ivonne Rangel RangelBasilio Calixto calderónVíctor Luis Hernández

Fernando montesinos Cerón

CARRERA:INGENIERÍA EN SISTEMAS COMPUTACIONALES

TUXTEPEC, OAX. A 17 DE MARZO DEL 2015

3.5 razonamiento con incertidumbre

En situaciones reales la información disponible

puede ser incorrecta, incompleta o cambiar muy

rápidamente. Todo esto de lugar a diferentes formas

de inconsistencias e incertidumbre.

3.5.1 aprendizaje

Es un proceso por el cual se adquiere una nueva

conducta, se modifica una antigua conducta o se

extingue alguna conducta, como resultado siempre

de experiencias o practicas.

Tipos de aprendizaje Partes innatas de aprendizaje

Instintos, reflejos, impulsos genéticos que hemos ido heredando ,nos hace aprender

determinadas cosas, hay interacción con el medio

Por condicionamiento

Determinando estímulos provocan determinadas respuestas. Si los estímulos por azar o

no se condicionan provocan que esta conducta inicial se refleje y se convierta en un

habito

Aprendizaje por memoria clásico

por lo cual al cabo de unas horas ya no lo recuerdas

Aprendizaje significativo

parte de cosas importantes para ti, a partir de ahí acumulas lo que ya sabias y lo haces

tuyo.

3.5.2 Razonamiento probabilístico

La principal ventaja del razonamiento probabilístico sobre el

razonamiento lógico es que permite tomar decisiones racionales

aun en los casos en los que no haya suficiente información para

probar que cualquier acción dada funcionara.

La red de creencias

Es un grafo dirigido y a cíclico en el cual un conjunto de

arcos dirigidos o flechas, conecta pares de nodos

Un conjunto de variables representa los nodos de las red,

cada nodo tiene una tabla de probabilidad condicional que

cuantifica que los padres tienen sobre el nodo.

3.5.3 Lógica multivaluadas

El principio de la bivalencia ha sido tomado tradicionalmente

como un principio lógico fundamental: toda proposición es

verdadera o falsa. Si no es verdadera, no hay tercera opción.

Por eso se le conoce como principio del tercer excluso

La carga de la prueba descansa quien defina si el principio es

falso, es decir que existen mas valores además de los dos

tradicionales

3.5.4 lógica difusa

En la década de los 60 ,el científico Zaed propone

que un elemento siempre pertenece en un cierto

grado a un conjunto y nunca pertenece del todo al

mismo, este permite establecer una manera eficiente

para trabajar con incertezas, así como para

acondicionar el conocimiento en forma de reglas

hacia un plano cuantitativo factible de ser procesado

por computadores

Ventajas de lógica difusa

Utiliza términos lingüísticos como:

(a medias, bastante, casi ,un, poco ,mucho, algo), etc.

permite plantear el problema en los mismos términos en

los que lo haría un experto humano

Referencias • S. Russel y P. Norvig, Inteligencia Artificial. Un enfoque

moderno, 2004, Prentice-Hall. Cap 14-17 • N. J. Nilsson, Inteligencia Artificial. Una nueva síntesis,

2000, McGraw Hill. Cap 19-20 Inteligencia Artificial e Ingeniería del Conocimiento. Escuela

Técnica Superior de Ingeniería Informática. Universidad de la Laguna

• F.J. Díez, Introducción al Razonamiento Aproximado. Dpto. Inteligencia Artificial, UNED, 2001.

http://ia-serv.dia.uned.es/~fjdiez/libros/razaprox.zip • E. Castillo, J.M. Gutiérrez y A.S. Hadi, Sistemas Expertos y

Modelos de Redes Probabilísticos, Monografías de la Academia Española de Ingeniería, Madrid,

1998. http://personales.unican.es/gutierjm/papers/BookCGH.pdf