Universidad de Buenos Aires

Facultad de Ingeniera

Indice
Inteligencia Artificial__________________________________________________________________________________________________________
Test de Turing_______________________________________________________________________________________________________3
Ramas_______________________________________________________________________________________________________________3
Aplicaciones________________________________________________________________________________________________________3
Sistemas Expertos_____________________________________________________________________________________________________________
Ingeniera del Conocimiento________________________________________________________________________________________4
Clasificacin________________________________________________________________________________________________________4
Encadenado Hacia Adelante_______________________________________________________________________________________5
Encadenado Hacia Atrs___________________________________________________________________________________________5
Valor de la Regla____________________________________________________________________________________________________5
Sistemas Basados en Conocimientos_________________________________________________________________________________________
Clasificacin de Requisitos_________________________________________________________________________________________6
Metodologas Para la Construccin del SBC Ideal_________________________________________________________________6
1.
Identificacin de las tareas__________________________________________________________________________6
2.
Desarrollo de Prototipos______________________________________________________________________________6
3.
Integracin al Sistema________________________________________________________________________________7
4.
Mantenimiento________________________________________________________________________________________7
5.
Transferencia Tecnolgica___________________________________________________________________________7
Conocimientos_________________________________________________________________________________________________________________
Niveles______________________________________________________________________________________________________________8
Clasificacin________________________________________________________________________________________________________8
Formas de Alimentar la Base de Conocimientos__________________________________________________________________8
Tipos de Entrevista_________________________________________________________________________________________________8
Algoritmos Genticos o Evolutivos____________________________________________________________________________________________
Seleccin____________________________________________________________________________________________________________9
Rueda de ruleta______________________________________________________________________________________________9
Seleccin por torneo________________________________________________________________________________________9
Basado en el rango__________________________________________________________________________________________9
Reproduccin_______________________________________________________________________________________________________9
Cruza Simple________________________________________________________________________________________________10
Cruza de dos puntos________________________________________________________________________________________10
Cruza Multipunto___________________________________________________________________________________________10
Cruza binomial______________________________________________________________________________________________10
Mutacin___________________________________________________________________________________________________________10
Sistemas de Produccin______________________________________________________________________________________________________
Base de Datos Global (BDG)_______________________________________________________________________________________11
Reglas de Produccin_____________________________________________________________________________________________11
Estrategia de Control______________________________________________________________________________________________11
Primero a lo Acho (PA)_____________________________________________________________________________________12
Primero en Profundidad (PP)_______________________________________________________________________________12
Hill Climbing (HC)___________________________________________________________________________________________12
A*___________________________________________________________________________________________________________12
Descensos Iterativos_______________________________________________________________________________________12
Redes Neuronales____________________________________________________________________________________________________________
Seal total de entrada_____________________________________________________________________________________________13
Funcin de Activacin_____________________________________________________________________________________________13
Funcin Escaln____________________________________________________________________________________________14
Funcin Sigmoide__________________________________________________________________________________________14

75.23 Inteligencia Artificial

Javier Persico

Pgina 1

Universidad de Buenos Aires

Facultad de Ingeniera
Aplicacin_________________________________________________________________________________________________________14
Aprendizaje de la Red_____________________________________________________________________________________________14
Aprendizaje Supervisado___________________________________________________________________________________14
Aprendizaje No Supervisado_______________________________________________________________________________14
Perceptrn_________________________________________________________________________________________________________14
Lgica Difusa_________________________________________________________________________________________________________________
Funciones de Membresa ()______________________________________________________________________________________15
Operadores de la Lgica Difusa___________________________________________________________________________________15
And__________________________________________________________________________________________________________15
Or___________________________________________________________________________________________________________15
Not__________________________________________________________________________________________________________16
Propiedades_______________________________________________________________________________________________________16

75.23 Inteligencia Artificial

Javier Persico

Pgina 2

Universidad de Buenos Aires

Facultad de Ingeniera

Inteligencia Artificial
Trata de armar sistemas para resolver problemas que tratan de utilizar
mtodos similares a los que utilizara una persona.
La inteligencia artificial puede tener distintos enfoques:
1) Enfoque Cientfico: Trata de entender la forma de actuar de las personas.
2) Enfoque Ingeniera: Trata de seguir la misma lnea de razonamiento que
seguira una persona.
Test de Turing
Indica si un programa es inteligente o no. Consiste en poner a una persona y
a una computadora y de un evaluador que realiza preguntas tanto a la
persona como a la mquina sin saber a quien se las est haciendo.
Si el evaluador no logra detectar diferencias entre las respuestas de ambos,
sin poder detectar quien es la persona y quien es la mquina, entonces se
considera que el sistema es inteligente.
Ramas

Sistemas Expertos
Redes Neuronales
Algoritmos Genticos o Evolutivos
Lgica Difusa

Aplicaciones

Juegos.
GPS -> Resolvedor General de Problemas.
Procesamiento de Imgenes.
o Imgenes de Medicina.
o Fotos Satelitales.
Procesamiento del Lenguaje Natural.
Procesamiento del Sonido.
Demostracin de Teoremas.

75.23 Inteligencia Artificial

Javier Persico

Pgina 3

Universidad de Buenos Aires

Facultad de Ingeniera

Sistemas Expertos
Trata de simular lo que hara un experto humano en un determinado tema.
Para armar un Sistema Experto hay que recolectar conocimiento.
Todo Sistema Experto tiene en la Base de Conocimientos, la base de
conocimientos es una base de datos que contiene la informacin relativa al
tema que maneja el Sistema Experto.
Los Sistemas Expertos poseen adems un mecanismo para analizar los datos
contenidos en la base de Conocimientos, este mecanismo es conocido como el
Motor de Inferencia, que es un conjunto de algoritmos que permite
recorrer los conocimientos.

Base
de
Cono
cimie
ntos
Totalmente
dependiente
del tema

Motor
de
Inferen
ciaParte

E
/
S

Problema

Salida

Genrica
Parte
Dependiente

Muchas veces una vez que el Sistema Experto resolvi el problema guarda en
la base de conocimiento la forma en que solucion un determinado problema,
dependiendo de esto los Sistemas Expertos puede ser clasificados en
Sistemas Expertos con Aprendizaje Autnomo o Sistemas Expertos sin
Aprendizaje Autnomo.
Ingeniera del Conocimiento
Su objetivo es extraer el conocimiento del ser humano para volcarlo a la base
de conocimientos.
Busca la mejor forma de volcar el conocimiento adquirido a la base de
conocimientos.
Clasificacin
1) Encadenado hacia adelante (manejado por los datos).
2) Encadenado hacia atrs (manejado por los objetos).
3) Valor de regla.
Objeto: Elemento sobre el cual es necesario tener conocimiento. Las
caractersticas o propiedades nos van a permitir diferenciar a los objetos.
75.23 Inteligencia Artificial
Javier Persico

Pgina 4

Universidad de Buenos Aires

Facultad de Ingeniera

Objeto
1

Propieda
d1
Propieda

d2
Propieda
-d
3
Tres
Propieda

valores
d
m
relaciones
objetos y propiedades.
: Tiene
: No Tiene

Objeto
2

Objeto
3

Objeto
4

Objeto
n

posibles
para las
entre
--: Indistinto

Encadenado Hacia Adelante

Pide al usuario los valores para todas las posibles propiedades (para las m
propiedades). El usuario responde si o no.
Propiedades

Propiedad
1
Propiedad
2
Propiedad
3
Propiedad
4
Propiedad
5
Propiedad
6
Propiedad
m

El Sistema Experto
recorre la matriz y compara el

patrn ingresado por el

usuario, cuando encuentra la
columna que coincide con
lo indicado termina.

Tambin el Sistema
Experto puede preguntar de
antemano el porcentaje de
certeza con el cual se desea
buscar.
Se puede preguntar adems que hacer en el caso de encontrar ms de una
solucin.
Encadenado Hacia Atrs
La informacin se pide a medida que se va necesitando.
Se toma un objeto que se cree que es la solucin, este objeto es
proporcionado por el usuario, luego se va preguntando al usuario los valores
de las propiedades que tengan si o no, se va pasando a los objetos siguientes
y se pregunta al usuario sobre las propiedades que no tienen respuesta.
75.23 Inteligencia Artificial
Javier Persico

Pgina 5

Universidad de Buenos Aires

Facultad de Ingeniera
Para optimizar las bsqueda se pueden ordenar los objetos de acuerdo a su
probabilidad y se comienza por el mas probable.
Valor de la Regla
Es una variante del encadenado hacia atrs.
Reordena dinmicamente los objetos por probabilidad basado en las
propiedades que fue cargando el usuario. Se puede refinar la matriz
ponderando las propiedades.
El costo de desarrollo es mayor que el del encadenado hacia atrs.

Sistemas Basados en Conocimientos

Requisitos

Metodologa

Sistema

Mantenimien
to
Clasificacin de Requisitos
1) Abiertos: No se conoce perfectamente desde el inicio. Vara en funcin del
tiempo.
2) Cerrados: Dice exactamente los quiere. No vara con el tiempo.
En los Sistemas Basados en Conocimientos se trabaja con requisitos abiertos,
por lo tanto las metodologas con las cuales se trabajen deben tener en
cuenta el hecho que los requisitos tengan esta caracterstica.
Metodologas Para la Construccin del SBC Ideal
Consta de 5 pasos:
1. Identificacin de las tareas

Corresponde al anlisis, se determina la conveniencia de realizar un sbc y

si es posible realizarlo.
1.1.- Plan de requisitos y adquisicin de conocimientos, la adquisicin de
los conocimientos es a nivel global.
75.23 Inteligencia Artificial
Javier Persico

Pgina 6

Universidad de Buenos Aires

Facultad de Ingeniera
1.2.- Evaluacin de las tareas (viabilidad). Se analizan los requisitos y se
concluye la viabilidad.
1.3.- Definicin de las caractersticas de las tareas. Se formalizan las
definiciones obtenidas en la etapa 1.1.
2. Desarrollo de Prototipos

Se realizan los prototipos para discutir con el usuario.

2.1.- Concepcin de la solucin de los subproblemas. Se toma el producto
obtenido en la etapa 1 y se ve como implemetar el sistema.
2.2.- Adquisicin de conocimientos. El ingeniero del conocimiento
adquiere el mismo a nivel de detalle.
2.3.- Formalizacin de los conocimientos. Se le da forma a los
conocimientos obtenidos en el punto 2.2
2.4.- Seleccin de la herramienta de implementacin
Se busca la herramienta para armar el SBC
A) Herramientas especficas para SBC
a. Costo de la herramienta alto.
b. Costo de desarrollo bajo.
c. Dependencia total hacia la herramienta.
B) Herramientas tradicionales
a. Costo de la herramienta bajo.
b. Costo de desarrollo alto.
c. No hay limitaciones por parte de la herramienta.
2.5.- Validacin del prototipo. Se muestra el prototipo al usuario quien lo
evalua y determina si el conocimiento es correcto o no.
2.6.- Nuevo prototipo. Se define que funcionalidad se va a agregar al
prototipo para generar un nuevo prototipo. Se vuelve al paso 2.2.
Como resultado se obtiene un SBC que podra empezar a trabajar.
3. Integracin al Sistema

Se busca la integracin del SBC con los dems sistemas de la empresa.

3.1.- Requisitos de la integracin. Se obtienen las interfaces con los dems
sistemas.
3.2.- Implementacin y evaluacin. Se implementan las interfaces.
3.3.- Aceptacin. El usuario da el visto bueno final.
Como resultado se obtiene la primer versin del SBC.
4. Mantenimiento

75.23 Inteligencia Artificial

Javier Persico

Pgina 7

Universidad de Buenos Aires

Facultad de Ingeniera
Puede ser:
A) Corretivo: Se corrigen los errores detectados en produccin
B) Perfectivo: Agrega funcionalidad. En el SBC se agregan
conocimientos a la base.
4.1.- Mantenimiento del sistema global.
4.2.- Mantenimiento de la base de conocimientos.
4.3.- Adquisicin de nuevos conocimientos.
5. Transferencia Tecnolgica

En paralelo con la etapa 4.

5.1.- Transferencia tecnolgica capacitacin. Lograr que se comienza a
usar el sistema y capacitar a usuario.
5.2.- Documentacin. Se arma la documentacin del sistema (tcnica,
funcional).

75.23 Inteligencia Artificial

Javier Persico

Pgina 8

Universidad de Buenos Aires

Facultad de Ingeniera

Conocimientos
Informacin: Es todo aquello que incrementa nuestro conocimiento.
Niveles

Datos
o Es la informacin vista como smbolos.
o Es independiente del significado y del idioma.
o Es el nivel mas bajo de la informacin
Noticias (Nivel semntico)
o Depende del idioma
o Se interpreta la informacin
Conocimiento
o No solo se entiende el significado sino que se le da un fin prctico
o Es el nivel mas alto de la informacin

Clasificacin
Declarativos: Dicen como son las cosas.
Procedurales: Dicen como se puede proceder para resolver distintos
problemas.
Formas de Alimentar la Base de Conocimientos
Extraccin

Es obtener el conocimiento de libros, publicaciones, papers. De un medio

escrito.
Anlisis estructurado de textos
o Bsqueda de palabras claves. Buscar palabras genricas (se
define como). Se pueden fijar algunas palabras claves
dependientes del campo de accin.
o Detectar objetos o entidades (se define x)
o Relacionar objetos entre s (pertenece a)
o Obtener atributos (pesa)
Educcin

Directa: Se le pide al experto el conocimiento. Basado en entrevistas

Indirecta: Son tcnicas de observacin. Deduccin de informacin no
especificada.

75.23 Inteligencia Artificial

Javier Persico

Pgina 9

Universidad de Buenos Aires

Facultad de Ingeniera
Tipos de Entrevista

Abierta: No est completamente pensada de antemano. No se tiene

detalle de las preguntas.
Estructurada: No solo se saben de antemano los objetivos de la
entrevista sino que conoce el detalle de las preguntas que se harn.

Algoritmos Genticos o Evolutivos

Poblacin: Conjunto de elementos del mismo tipo.

Proceso de Seleccin Natural: Sobrevive el mas apto.
Proceso de Reproduccin.
Proceso de Mutacin: Algn individuo cambia sus caractersticas (el
cambio puede ser para peor o para mejor).

Todo algoritmo gentico debe tener una funcin de aptitud que recibe como
parmetro un individuo y devuelve cuan apto es dicho individuo.
Seleccin
Rueda de ruleta

Este mtodo consiste en construir una ruleta particionada en ranuras de

igual tamao, las cuales se numeran. A cada individuo de la poblacin se le
asigna una cantidad de ranuras proporcional a su aptitud.
El proceso se repite hasta completar la cantidad de individuos deseados. Este
mtodo de seleccin otorga mayor probabilidad de contribuir a la siguiente
generacin a los individuos con mayor aptitud.
Hay algunas otras variantes como por ejemplo, incluir en la nueva generacin
el mejor representante de la generacin actual. En este caso, se denomina
mtodo elitista.
Seleccin por torneo

En este caso dos individuos son elegidos al azar de la poblacin actual y el

mejor o ms apto de los dos se coloca en la generacin siguiente. Esto
contina hasta que se complete la nueva poblacin.
Basado en el rango

En este esquema se mantiene un porcentaje de la poblacin, generalmente la

mayora, para la siguiente generacin. Se coloca toda la poblacin por orden
de aptitud, y los M menos dignos son eliminados y sustituidos por la

75.23 Inteligencia Artificial

Javier Persico

Pgina 10

Universidad de Buenos Aires

Facultad de Ingeniera
descendencia de alguno de los M mejores con algn otro individuo de la
poblacin.
Mtodo Estocstico

Por cada individuo se calcula la aptitud relativa al promedio de aptitudes de

la poblacin, y en funcin de esto se asignan las copias. Por ejemplo, si la
aptitud promedio de la poblacin es 15 y la aptitud del individuo es 10;
entonces su aptitud relativa es 1.5. Esto significa que se colocar una copia
en la prxima generacin y que se tiene el 0.5 (50 %) de chance de colocar
una segunda copia.
Reproduccin
Consiste en el intercambio de material gentico entre dos cromosomas.
Cruza Simple

Los dos cromosomas padres se cortan por un punto, y el material gentico

situado entre ellos se intercambia.
Dada las siguientes estructuras de longitud 1 = 8, y eligiendo 3 como el
punto de cruza se intercambian los segmentos de cromosoma separados por
este punto.
XYX | XYYYX
YYX | YYXXY

XYX | YYXXY
YYX | XYYYX

Cruza de dos puntos

En este mtodo de cruza de dos puntos, se seleccionan dos puntos

aleatoriamente a lo largo de la longitud de los cromosomas y los dos padres
intercambian los segmentos entre estos puntos.
Cruza Multipunto

El cromosoma es considerado un anillo, y se eligen n puntos de cruza en

forma aleatoria. Si la cantidad de puntos de cruza es par, se intercambian las
porciones de cromosomas definidas entre cada par de puntos consecutivos, si
es impar se asume un punto de cruza adicional en la posicin cero y se
procede de igual modo.
Dadas dos estructuras de longitud 1 = 8, con n = 4 puntos de cruza.
Intercambiando los segmentos de la posicin 2 a 4 y 6 a 7, se tiene:

75.23 Inteligencia Artificial

Javier Persico

Pgina 11

Universidad de Buenos Aires

Facultad de Ingeniera

X | YXX | Y | YY | X
Y | YXY | Y | XX | Y

X | YXY | Y | XX | X
Y | YXX | Y | YY | Y

Cruza binomial

Para generar un cromosoma hijo por cruza binomial, se define la probabilidad

P0 como la probabilidad de que el Alelo de cualquier posicin del
descendiente se herede del padre, y 1 P0 como la probabilidad de que lo
herede de la madre1.
En este caso se puede construir un nico hijo por cada aplicacin del
operador, o bien generar un segundo hijo como complemento del primero.
Cuando existe igual probabilidad de heredar del padre como de la madre, P0
= 0,5 la cruza se denomina uniforme. Para estructuras de longitud l la cruza
uniforme implica un promedio de l/2 puntos de cruza.
Mutacin
En la Evolucin, una mutacin es un suceso bastante poco comn (sucede
aproximadamente una de cada mil replicaciones), en la mayora de los casos
las mutaciones son letales, pero en promedio, contribuyen a la diversidad
gentica de la especie. En un algoritmo gentico tendrn el mismo papel, y la
misma frecuencia (es decir, muy baja).
Una vez establecida la frecuencia de mutacin, por ejemplo, uno por mil, se
examina cada bit de cada cadena. Si un nmero generado aleatoriamente
est por debajo de esa probabilidad, se cambiar el bit (es decir, de 0 a 1 o de
1 a 0). Si no, se dejar como est. Dependiendo del nmero de individuos que
haya y del nmero de bits por individuo, puede resultar que las mutaciones
sean extremadamente raras en una sola generacin.
No hace falta decir que no conviene abusar de la mutacin. Es cierto que es
un mecanismo generador de diversidad, y, por tanto, la solucin cuando un
algoritmo gentico est estancado, pero tambin es cierto que reduce el
algoritmo gentico a una bsqueda aleatoria. Siempre es ms conveniente
usar otros mecanismos de generacin de diversidad, como aumentar el
tamao de la poblacin, o garantizar la aleatoriedad de la poblacin inicial.

Sistemas de Produccin
Permiten resolver problemas basados en estados. El grafo implicito es el
grafo completo de todas las posibilidades de cambios de estado.
Si se toma solo un parte del grafo se obtiene el grafo explicito.
Un Sistema de Produccin est formado por tres componentes:
Base de Datos Global (BDG)
75.23 Inteligencia Artificial
Javier Persico

Pgina 12

Universidad de Buenos Aires

Facultad de Ingeniera
Es un esquema de Base de Datos que permite representar el estado del
problema (conjunto de variables de estado).
El ejemplo de la BDG podra ser una matriz de 3 X 3. Se define adems el
rango de valores vlidos que tiene cada variable y el significado de cada
valor.
Estados a considerar:

Estado Inicial (BDGi): Se debe definir antes de iniciar el Sistema de

Produccin.
Condicin de Fin (BDGf).

Reglas de Produccin
En general para cambiar el estado se debe realizar alguna accin.

Definir acciones posibles

o Mover arriba, abajo, izquierda, derecha.
o En funcin del estado puede saberse si la accin podr realizarse
o no.
Formato general de una regla
o En el rbol cada nodo es un estado y cada arco es una regla.

Estrategia de Control
Es el algoritmo que permite obtener que reglas se van a aplicar y en que
orden.
Condiciones de toda estrategia de control:
Ninguna regla puede ser elegida al azar.
No se puede elegir una sola regla.
Existen distintos mtodos para implementar una estrategia de control, estos
mtodos tienen determinadas caractersticas:

Informado: Un mtodo es informado si posee informacin dependiente

del problema.
Tentativo: Un mtodo es tentativo si guarda informacin de los estados
por los que paso, para volver a buscar alguna solucin distinta.

Primero a lo Acho (PA)

Paso 1: Se aplican todas las reglas aplicables al primer estado.

Paso 2: Luego se hace lo mismo barriendo el rbol a lo ancho.
Es el peor de los mtodos pues el rbol explicito es igual que el implicito.
Recorre todo el rbol de manera que es ineficiente, aunque es muy eficaz
pues siempre encuentra la mejor solucin.
75.23 Inteligencia Artificial
Javier Persico

Pgina 13

Universidad de Buenos Aires

Facultad de Ingeniera
Este mtodo es admisible pues la primer solucin que encuentra es la mejor.
Primero en Profundidad (PP)

Paso 1: Aplica la primer regla aplicable.

Paso 2: Luego se generan los siguientes nodos aplicando la primer regla
aplicable a los nodos que se van creando.
Paso 3: Hasta encontrar la solucin o no tener reglas aplicables (llego hasta
la hoja), se vuelve hacia atrs y se aplica la siguiente regla aplicable.
Siempre que se utiliza este mtodo se fija un nivel mximo de profundidad
desde el comienzo.
En este mtodo el rbol explicito es un subconjuto del rbol implicito.
No se puede decir que este mtodo sea admisible.
Hill Climbing (HC)

Para este mtodo es necesaria una funcin de evaluacin (son funciones

heursticas basadas en la experiencia). Si la funcin es buena se llega a la
solucin de forma directa.
Este mtodo no es admisible, es informado y no es tentativo.
A*

Este mtodo utiliza una funcin de evaluacin formada por la suma de dos
funciones.
F=G+H
G tiene un valor que se puede calcular.
H es totalmente heurstica.
Es como PP pero con una funcin de evaluacin.
Este mtodo es admisible, informado y tentativo.
Descensos Iterativos

Consiste en aplicar varias veces PP pero en iteracin se va variando el nivel.

Redes Neuronales
El modelo de redes neuronales copia la arquitectura del cerebro.
Sinapsis: Relaciona la salida de una neurona con la entrada de otra.
Parmetros:
Cantidad de entradas.
Peso de la sinapsis (A cada sinapsis se le asigna un peso).
75.23 Inteligencia Artificial
Javier Persico

Pgina 14

Universidad de Buenos Aires

Facultad de Ingeniera

Wc1

E1

Wc2

Wxa

S1

E2

B
Wcn

S2

En

Modelo en capas

Distintas capas de neuronas y las neuronas de una capa exitan a la de la otra.

Wnm modifica la seal que envia En.
Seal total de entrada

E1

A1

A
E2

A2

Sent = E1 * WA1 + E2 * WA2

Funcin de Activacin
Recibe una seal de entrada y devuelve una seal de salida (activacin).
Esta funcin en general no es lineal y acota los valores de salida.
Funcin Escaln

75.23 Inteligencia Artificial

Javier Persico

Pgina 15

Universidad de Buenos Aires

Facultad de Ingeniera

Funcin Sigmoide

f (x) = 1 / 1 + -x

Aplicacin
Deteccin de objetos en imgenes. Cada bit es una entrada, en realidad, cada
punto de la imagen es una entrada.
Las salidas son los posibles elementos que puede detectar la red.
Aprendizaje de la Red
Consiste en darle valores a los pesos, dependiendo de los mismos, la red
servira para distintas tareas.
Tipos de aprendizaje:
Aprendizaje Supervisado

Quiere decir que hay una asistente.

Se asignan ciertos pesos y se definen pares de entrada salida, luego se
ingresan las entradas y se comparan las salidas con las salidas esperadas,
sino coinciden los pesos debern ser modificados.
Aprendizaje No Supervisado

Se le da una gran cantidad de datos de entrada y la red intenta realizar

asociaciones.

75.23 Inteligencia Artificial

Javier Persico

Pgina 16

Universidad de Buenos Aires

Facultad de Ingeniera
Perceptrn
Red ms elemental. Consta de una sola neurona con n cantidad de entradas.
Funcin de activacin: Funcin Escaln.
El perceptrn sirve para resolver problemas que sean linealmente
separables.

Lgica Difusa
Tiene un conjunto finito de valores o tiene un cierto rango de valores que
puede tener la variable.

Conjuntos o variables difusas, estn asociados a una variable base, en este

caso la edad. La variable base representa los elementos que se pueden medir.
Funciones de Membresa ()
Indican que tanto una varible pertenece al conjunto.
Operadores de la Lgica Difusa
And

1 ^ 2 3
3 = min(1, 2) (punto a punto)
3(x) = min(1(x), 2(x))
Tabla de verdad del And
0
0
0.5
75.23 Inteligencia Artificial
Javier Persico

0
0

0.
5
0
0.

1
0
0.
Pgina 17

Universidad de Buenos Aires

Facultad de Ingeniera

5
0.
5

5
1

0.
5
0.
5
0.
5
1

Or

1 v 2 4
4 = max(1, 2) (punto a punto)
4(x) = max(1(x), 2(x))
Tabla de verdad del Or
0
0

0.5

0.
5
1

1
1
1

Not

Not(1) 5
5(x) = 1 - 1(x)
Propiedades
A U Not(A) <> 1
A Not(A) <> 0

75.23 Inteligencia Artificial

Javier Persico

Pgina 18