Unjbg Ciis Intro Ica

Inteligencia Artificial
Introduccin a la Inteligencia Artificial

Yvn Jess Tpac Valdivia, PhD
Ciencias de la Computacin
March 11, 2012
Yvn Tpac, PhD Introduccin a la Inteligencia Artificial
XV CISAISI (2011)
Introduccin
Modelos Inteligentes
Contenido
Qu es Inteligencia Artificial?
XV CISAISI (2011)
Introduccin
Contenido
reas de aplicacin
XV CISAISI (2011)
Introduccin
Contenido
reas de aplicacin
Tcnicas Inteligentes
XV CISAISI (2011)
Introduccin
Contenido
reas de aplicacin
Sistemas Expertos (SE)
XV CISAISI (2011)
Introduccin
Contenido
reas de aplicacin

Lgica Difusa (Fuzzy Logic FL)
XV CISAISI (2011)
Introduccin
Contenido
reas de aplicacin

Redes Neuronales (Neural Networks NN)
XV CISAISI (2011)
Introduccin
Contenido
reas de aplicacin

Computacin Evolutiva (Evolutionary Computation EC)
XV CISAISI (2011)
Introduccin
Contenido
reas de aplicacin

XV CISAISI (2011)
Introduccin
Contenido
reas de aplicacin

4
Sistemas Inteligentes Aplicados
XV CISAISI (2011)
Introduccin
Son las tcnicas y sistemas computacionales cuya inspiracin se

basa en imitar ciertos aspectos humanos como:
XV CISAISI (2011)
Introduccin

percepcin,
XV CISAISI (2011)
Introduccin

percepcin,
razonamiento,
XV CISAISI (2011)
Introduccin

percepcin,
razonamiento,
aprendizaje,
XV CISAISI (2011)
Introduccin

percepcin,
razonamiento,
aprendizaje,
evolucin y
XV CISAISI (2011)
Introduccin

percepcin,
razonamiento,
aprendizaje,
evolucin y
adaptabilidad.
XV CISAISI (2011)
Introduccin
Sistemas Computacionales de Apoyo a la Decisin
Sistemas expertos
Lgica Difusa
Redes Neuronales
Algoritmos Evolutivos
Sistemas Hbridos
Adquisicin de Conocimiento
Optimizacin
Control
Planificacin
Data Mining
Anlisis de Riesgo
XV CISAISI (2011)
Introduccin
reas de Aplicacin
Educacin.
XV CISAISI (2011)
Introduccin
reas de Aplicacin
Educacin.
Energa.
XV CISAISI (2011)
Introduccin
reas de Aplicacin
Educacin.
Energa.
Finanzas.
XV CISAISI (2011)
Introduccin
reas de Aplicacin
Educacin.
Energa.
Finanzas.
Telecomunicaciones.
XV CISAISI (2011)
Introduccin
reas de Aplicacin
Educacin.
Energa.
Finanzas.
Telecomunicaciones.
Medicina
XV CISAISI (2011)
Introduccin
reas de Aplicacin
Educacin.
Energa.
Finanzas.
Telecomunicaciones.
Medicina
Medio ambiente.
XV CISAISI (2011)
Introduccin
reas de Aplicacin
Educacin.
Energa.
Finanzas.
Telecomunicaciones.
Medicina
Medio ambiente.
Comercio.
XV CISAISI (2011)
Introduccin
reas de Aplicacin
Educacin.
Energa.
Finanzas.
Telecomunicaciones.
Medicina
Medio ambiente.
Comercio.
Industria.
XV CISAISI (2011)
Introduccin
Ejemplos de Aplicacin
Sector
Educacin
Tema
Software educacional para enseanza de sistemas inteligentes
XV CISAISI (2011)
Introduccin
Sector
Educacin
Energa
Tema
Previsin de Carga Elctrica Horaria, Diaria, Mensual, usando Redes Neuronales
XV CISAISI (2011)
Introduccin
Sector
Educacin
Energa
Energa
Tema
Optimizacin del Despacho usando Algoritmos Genticos
XV CISAISI (2011)
Introduccin
Sector
Educacin
Energa
Energa
Energa
Tema
Optimizacin del posicionamiento de condensadores en Sistemas Elctricos
XV CISAISI (2011)
Introduccin
Sector
Educacin
Energa
Energa
Energa
Energa
Tema
Control de nivel de embalses en generadoras elctricas
XV CISAISI (2011)
Introduccin
Sector
Educacin
Energa
Energa
Energa
Energa
Energa
Tema
Reconocimiento de Descargas Parciales en equipos elctricos
XV CISAISI (2011)
Introduccin
Sector
Educacin
Energa
Energa
Energa
Energa
Energa
Petrleo
Tema
Optimizacin de la distribucin de combustible usando computacin evolutiva
XV CISAISI (2011)
Introduccin
Sector
Educacin
Energa
Energa
Energa
Energa
Energa
Petrleo
Petrleo
Tema
Optimizacin de la distribucin de combustible usando computacin evolutiva
Planeamiento de produccin ptimo mediante computacin
evolutiva
XV CISAISI (2011)
Introduccin
Proyectos Realizados
Empresa
PUC-Rio
Sistema Inteligente
Alocao tima de salas de aula (2001)
XV CISAISI (2011)
Tcnica
EC
Introduccin
Empresa
PUC-Rio
CVRD
Sistema Inteligente
S4: Shipment Scheduler & Simulator System
(2000)
XV CISAISI (2011)
Tcnica
EC
EC
Introduccin
Empresa
PUC-Rio
CVRD
ONS
Sistema Inteligente
(2000)
PPTec: Evoluo metodolgica dos modelos
de gesto hidrotrmica (2005-2006)
XV CISAISI (2011)
Tcnica
EC
EC
EC,
RN, FL
Introduccin
Empresa
PUC-Rio
CVRD
ONS
Petrobras
Sistema Inteligente
(2000)
ANEPI: Anlise Econmica de Projetos de
E&P sob Incerteza I, II, III, CI (2000-2007)
XV CISAISI (2011)
Tcnica
EC
EC
EC,
RN, FL
EC,
NN,
FL
Introduccin
Empresa
PUC-Rio
CVRD
ONS
Petrobras
Petrobras
Sistema Inteligente
(2000)
CONFPETRO Confiabilidad Humana en
Industria del petrleo (2005-2007)
XV CISAISI (2011)
Tcnica
EC
EC
EC,
RN, FL
EC,
NN,
FL
FL
Introduccin
Empresa
PUC-Rio
CVRD
ONS
Petrobras
Petrobras
Petrobras
Sistema Inteligente
(2000)
CONFPETRO Confiabilidad Humana en
Industria del petrleo (2005-2007)
SMART-E&P Sistemas e Modelos Inteligentes Aplicados a Reservatrios com
Tecnologia de Malha Fechada para a E&P
de Petrleo e Gs (2008-2010)
XV CISAISI (2011)
Tcnica
EC
EC
EC,
RN, FL
EC,
NN,
FL
FL
EC,
NN,
RL
Introduccin
Empresa
Eletropaulo
Sistema Inteligente
Desenvolvimento de um Sistema de Previso
de Carga da ELETROPAULO (2006)
XV CISAISI (2011)
Tcnica
RN
Introduccin
Empresa
Eletropaulo
Light
Sistema Inteligente
SIGESE Sistema de Apoio Deciso
Gesto de Demanda e Consumo de Energia
(2000-2010)
XV CISAISI (2011)
Tcnica
RN
NN, FL
Introduccin
Empresa
Eletropaulo
Light
UNSAConcytec
Sistema Inteligente
(2000-2010)
Sistema Inteligente de Gestin Integrada del
Recurso Hdrico para la Cuenca del Pacfico:
Caso Cuenca del Ro Chili - Arequipa (20092010)
XV CISAISI (2011)
Tcnica
RN
NN, FL
EC
Introduccin
Empresa
Eletropaulo
Sistema Inteligente
Light
(2000-2010)
UNSASistema Inteligente de Gestin Integrada del
Concytec
EletroNuclear Aplicativo de Simulao de Estratgias Operacionais e Alternativas de Investimento
(2010)
XV CISAISI (2011)
Tcnica
RN
NN, FL
EC
EC
Introduccin
Empresa
Eletropaulo
Sistema Inteligente
Light
(2000-2010)
UNSASistema Inteligente de Gestin Integrada del
Concytec
EletroNuclear Aplicativo de Simulao de Estratgias Operacionais e Alternativas de Investimento
(2010)
SEDIMED Plataforma de diagnstico por contenido de
Imgenes para preseleccion de normalidad de
estudios cerebrales (2011-2013)
XV CISAISI (2011)
Tcnica
RN
NN, FL
EC
EC
NN
Introduccin
Aplicacin: Optimizacin y Planeamiento
Optimizacin de Flujos de Caja.
XV CISAISI (2011)
Introduccin

Optimizacin de Portafolios de Inversin.
XV CISAISI (2011)
Introduccin

Optimizacin de Asignacin de espacio fsico.
XV CISAISI (2011)
Introduccin

Planificacion del Mantenimiento de equipos.
XV CISAISI (2011)
Introduccin

Planificacion de Sistemas de Transporte.
XV CISAISI (2011)
Introduccin

Optimizacin de Planes de explotacin de recursos.
XV CISAISI (2011)
Introduccin

Optimizacin de Planes de explotacin de recursos.
Optimizacin de Costos operativos.
XV CISAISI (2011)
Introduccin
Aplicacin: Previsin
Previsin de Demanda de Electricidad (diversos horizontes).
XV CISAISI (2011)
Introduccin
Aplicacin: Previsin

Previsin de Demanda de Combustibles.
XV CISAISI (2011)
Introduccin
Aplicacin: Previsin

Previsin de ndices financieros.
XV CISAISI (2011)
Introduccin
Aplicacin: Previsin

Previsin de Precios de commodities.
XV CISAISI (2011)
Introduccin
Aplicacin: Previsin

Previsin de Precios de commodities.
Previsin de Variables Climticas.
XV CISAISI (2011)
Introduccin
Aplicacin: Data mining
Caracterizacin de negocios: extraer reglas a partir de las

Bases de Datos
XV CISAISI (2011)
Introduccin

Bases de Datos
Enriquecimiento de Bases de datos: inferir informacin a
partir de un levantamiento parcial
XV CISAISI (2011)
Introduccin

Bases de Datos
Segmentacin de bases de datos: agrupar entradas parecidas
en clusters
XV CISAISI (2011)
Introduccin

Bases de Datos
en clusters
Clasificacin de entradas: clasificacin provisionalde cualquier
nueva entrada en un cluster
XV CISAISI (2011)
Introduccin

Bases de Datos
en clusters
Clasificacin de entradas: clasificacin provisionalde cualquier
nueva entrada en un cluster
Analisis de riesgo: identificacin de reglas de inversin
XV CISAISI (2011)
Introduccin
Aplicacin: Procesos en Industria
Deteccin y diagnstico de anomalas: Una red neuronal

detecta una falla en una red elctrica, un experto da el
diagnstico
XV CISAISI (2011)
Introduccin

diagnstico
Mantenimiento Predictivo: Una red neuronal puede
determinar el mejor momento para realizar el mantenimiento
de un determinado equipo
XV CISAISI (2011)
Introduccin

diagnstico
Mantenimiento Predictivo: Una red neuronal puede
determinar el mejor momento para realizar el mantenimiento
de un determinado equipo
Prediccin de Propiedades: Una red neuronal interpola las
propiedades de un material (soft-sensoring)
XV CISAISI (2011)
Introduccin
Sistemas Expertos
Conceptos Bsicos
Son programas que guardan y manejan el conocimiento adquirido

de un experto
XV CISAISI (2011)
Introduccin
Sistemas Expertos
Conceptos Bsicos

de un experto
Se necesitan entrevistas y observaciones para extraer el
conocimiento
XV CISAISI (2011)
Introduccin
Sistemas Expertos
Conceptos Bsicos

de un experto
Se necesitan entrevistas y observaciones para extraer el
conocimiento
El conocimiento se representa de una forma manejable por la
computadora
XV CISAISI (2011)
Introduccin
Sistemas Expertos
Representacin del Conocimiento
El conocimiento se representa a travs de reglas del tipo IF THEN (Reglas de Produccin)

if <condicin 1> AND <condicin 2> then
<accin A> AND <accin B>
end if
XV CISAISI (2011)
Introduccin
Sistemas Expertos

end if
Ejemplo 1
XV CISAISI (2011)
Introduccin
Sistemas Expertos

end if
Ejemplo 1
if auto = BMW AND ciudad = Arequipa then
seguro = 10% valor del auto
end if
XV CISAISI (2011)
Introduccin
Sistemas Expertos

end if
Ejemplo 1
if auto = BMW AND ciudad = Arequipa then
end if
if auto = tico amarillo AND ciudad = Ilo then
end if
XV CISAISI (2011)
Introduccin
Sistemas Expertos

Ejemplo 2
XV CISAISI (2011)
Introduccin
Sistemas Expertos

Ejemplo 2
if edad = 65 aos then
seguro = s/. 600.00
end if
XV CISAISI (2011)
Introduccin
Sistemas Expertos

Ejemplo 2
seguro = s/. 600.00
end if
if edad 50 aos AND presin = 14/10 then
seguro = s/. 600.00
end if
XV CISAISI (2011)
Introduccin
Sistemas Expertos

Ejemplo 2
seguro = s/. 600.00
end if
if edad 50 aos AND presin = 14/10 then
seguro = s/. 600.00
end if
if edad 40 aos AND presin = 12/8 10% then
seguro = s/. 200.00
end if
XV CISAISI (2011)
Introduccin
Sistemas Expertos
Organizacin de Sistemas Expertos
Base de conocimiento
if auto = BMW AND ciudad = Arequipa
then
end if
if auto = tico amarillo AND ciudad = Ilo
then
end if
Memoria de trabajo
auto = BMW
ciudad = Arequipa
Maquina de
Inferencia
Sistema de
Explicacion
Adquisici
on de
Conocimiento
XV CISAISI (2011)
Introduccin
Sistemas Expertos
Evaluacin
Sistemas adecuados en aplicaciones donde:

El conocimiento (del experto) es accesible
Las reglas son conocidas y fciles de formular por el experto
Cuando hay necesidad de explicaciones
XV CISAISI (2011)
Introduccin
Sistemas Expertos
Ventajas y Desventajas
Ventajas
Usa representacin explcita
del conocimiento
XV CISAISI (2011)
Introduccin
Sistemas Expertos
Ventajas
del conocimiento
Capaces de generar
justificaciones (mediante
explicaciones)
XV CISAISI (2011)
Introduccin
Sistemas Expertos
Ventajas
del conocimiento
Capaces de generar
explicaciones)
XV CISAISI (2011)
Introduccin
Sistemas Expertos
Ventajas
del conocimiento
Desventajas
No hay un mecanismo
automtico de aprendizaje
Capaces de generar
explicaciones)
XV CISAISI (2011)
Introduccin
Sistemas Expertos
Ventajas
del conocimiento
Capaces de generar
explicaciones)
Desventajas
No hay un mecanismo
El proceso de extraccin de
conocimiento es largo y
costoso
XV CISAISI (2011)
Introduccin
Sistemas Expertos
Ventajas
del conocimiento
Capaces de generar
explicaciones)
Desventajas
No hay un mecanismo
El proceso de extraccin de
conocimiento es largo y
costoso
Necesidad de declaraciones
exactas de los expertos
XV CISAISI (2011)
Introduccin
Sistemas Expertos
Ejemplos de Aplicaciones Comerciales
Se muestran unos ejemplos de aplicaciones comerciales y exitosas

de este tipo de sistemas:
XV CISAISI (2011)
Introduccin
Sistemas Expertos

American Express
Sistema de Auxilio a la autorizacin de

crdito (CC)
XV CISAISI (2011)
Introduccin
Sistemas Expertos

American Express
Citibank, National
Westminster,
Midland Bank
Sistema de Auxilio a la autorizacin de

crdito (CC)
Anlisis de prstamos personales, gestin
de portfolios de inversin
XV CISAISI (2011)
Introduccin
Lgica Difusa (Fuzzy Logic)

Conceptos Bsicos
XV CISAISI (2011)
Introduccin

Conceptos Bsicos
Es una tcnica inteligente que tiene como objetivo:
XV CISAISI (2011)
Introduccin

Conceptos Bsicos

Modelar el modo aproximado del razonamiento humano
XV CISAISI (2011)
Introduccin

Conceptos Bsicos

Usar variables fuzzy que modelan el razonamiento
lingstico para poder imitar la habilidad humana de tomar
decisiones en un ambiente con incertidumbre e imprecisin
XV CISAISI (2011)
Introduccin

Conceptos Bsicos

Usar variables fuzzy que modelan el razonamiento
lingstico para poder imitar la habilidad humana de tomar
decisiones en un ambiente con incertidumbre e imprecisin
XV CISAISI (2011)
Introduccin

Conceptos Bsicos
Con lgica difusa se permite que los sistemas inteligentes de

Control y soporte a la decisin traten con informacin imprecisa o
difusa
XV CISAISI (2011)
Introduccin

Conceptos Bsicos

difusa
Ejemplos
Inversiones de alto riesgo
XV CISAISI (2011)
Introduccin

Conceptos Bsicos

difusa
Ejemplos
Presion arterial
XV CISAISI (2011)
Introduccin

Conceptos Bsicos

difusa
Ejemplos
Presion arterial
Flujos intensos
XV CISAISI (2011)
Introduccin

Conceptos Bsicos

difusa
Ejemplos
Presion arterial
Flujos intensos
Edad (joven, adulto, anciano, de media edad)
XV CISAISI (2011)
Introduccin

Conceptos Bsicos

difusa
Ejemplos
Presion arterial
Flujos intensos
Sensacin trmica (calor, fro, mucho calor, templado)
XV CISAISI (2011)
Introduccin

Conceptos Bsicos

difusa
Ejemplos
Presion arterial
Flujos intensos
Razas (blanco, negro, aymara, quechua, ashninka)
XV CISAISI (2011)
Introduccin

Conceptos Bsicos

difusa
Ejemplos
Presion arterial
Flujos intensos
Razas (blanco, negro, aymara, quechua, ashninka)
Son necesarios algunos nuevos conceptos
XV CISAISI (2011)
Introduccin

Nuevos Conceptos
Para comprender el mecanismo de la lgica difusa, es necesario

conocer algunos conceptos como:
XV CISAISI (2011)
Introduccin

Nuevos Conceptos

Conjuntos difusos (fuzzy sets)
XV CISAISI (2011)
Introduccin

Nuevos Conceptos

Grado de Pertenencia a un conjunto
XV CISAISI (2011)
Introduccin

Nuevos Conceptos

Reglas difusas (fuzzy rules)
XV CISAISI (2011)
Introduccin

Nuevos Conceptos

Reglas difusas (fuzzy rules)
Inferencia difusa
XV CISAISI (2011)
Introduccin

Conjuntos y reglas rgidos
Dado el siguiente conjunto de categoras:

muy joven joven
10
20
viejo
30
40
50
muy viejo
60
XV CISAISI (2011)
70
80
Introduccin


muy joven joven
10
20
viejo
30
40
50
muy viejo
60
Podemos generar las siguientes reglas

if edad = 40 then
la persona es VIEJA
end if
XV CISAISI (2011)
70
80
Introduccin


muy joven joven
10
20
viejo
30
40
50
muy viejo
60
Podemos generar las siguientes reglas

if edad = 40 then
la persona es VIEJA
end if
if edad = 39 then
la persona es JOVEN
end if
XV CISAISI (2011)
70
80
Introduccin

Conjuntos Difusos
muy joven joven
viejo
muy viejo
10
20
30
40
50
60
70
80
10
20
30
40
50
60
70
80
grado de
pertenencia
1.0
0.5
XV CISAISI (2011)
edad
Introduccin

Conjuntos Difusos
Si Pedro tiene 40 aos

Pedro es joven o viejo?
XV CISAISI (2011)
Introduccin

Conjuntos Difusos

grado de
pertenencia
1.0
0.5
0
10
20
30
40
50
60
XV CISAISI (2011)
70
80
edad
Introduccin

Conjuntos Difusos

grado de
pertenencia
1.0
0.5
0
10
20
30
40
50
60
70
80
edad
En realidad, Pedro es joven y viejo al mismo tiempo

Los grados de pertenencia indican que Pedro no es tan joven
ni es tan viejo.
XV CISAISI (2011)
Introduccin

Reglas Difusas
XV CISAISI (2011)
Introduccin

Reglas Difusas
if edad es MEDIA-EDAD Y presin es BAJO then

valor del seguro es BAJO
end if
XV CISAISI (2011)
Introduccin

Reglas Difusas
if edad
valor
end if
if edad
valor
end if
es MEDIA-EDAD Y presin es BAJO then

del seguro es BAJO
es JOVEN Y presin es ALTO then
del seguro es ALTO
XV CISAISI (2011)
Introduccin

Inferencia Difusa
Sean los universos Edad, Presin y Seguro con sus respectivos

conjuntos difusos:
XV CISAISI (2011)
Introduccin

Inferencia Difusa
Sean los universos Edad, Presin y Seguro con sus respectivos

conjuntos difusos:
Edad
Media edad
Joven
20
0.3
0.9
25
0.4
0.8
30
0.6
0.7
35
0.8
0.6
60
0.3
0.0
65
0.1
0.0
Presin mx
Presin mn
Alta
Baja
95 100 110 120 130 140 150 160 170

50 55 60 65 70 75 80 85 90
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2
175
100
1.0
0.1
Seguro
Alto
bajo
300 500 700 800 900 1000 1200

0.1 0.3 0.4 0.5 0.8 0.9 1
1 0.9 0.6 0.5 0.8 0.1 0.1
40
0.9
0.4
45
1.0
0.3
50
0.8
0.1
XV CISAISI (2011)
55
0.6
0.0
Introduccin

Inferencia Difusa
SI edad es media edad Y presin es baja, ENTONCES seguro es

bajo
Edad
Media edad
Joven
20
0.3
0.9
25
0.4
0.8
30
0.6
0.7
35
0.8
0.6
60
0.3
0.0
65
0.1
0.0
Presin mx
Presin mn
Alta
Baja
95 100 110 120 130 140 150 160 170

50 55 60 65 70 75 80 85 90
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2
175
100
1.0
0.1
Seguro
Alto
bajo
300 500 700 800 900 1000 1200

0.1 0.3 0.4 0.5 0.8 0.9 1
1 0.9 0.6 0.5 0.8 0.1 0.1
40
0.9
0.4
45
1.0
0.3
50
0.8
0.1
XV CISAISI (2011)
55
0.6
0.0
Introduccin

Inferencia Difusa

bajo
Edad
Media edad
Joven
20
0.3
0.9
25
0.4
0.8
30
0.6
0.7
35
0.8
0.6
60
0.3
0.0
65
0.1
0.0
Presin mx
Presin mn
Alta
Baja
95 100 110 120 130 140 150 160 170

50 55 60 65 70 75 80 85 90
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2
175
100
1.0
0.1
Seguro
Alto
bajo
300 500 700 800 900 1000 1200

0.1 0.3 0.4 0.5 0.8 0.9 1
1 0.9 0.6 0.5 0.8 0.1 0.1
40
0.9
0.4
45
1.0
0.3
50
0.8
0.1
XV CISAISI (2011)
55
0.6
0.0
Introduccin

Inferencia Difusa

bajo
Edad
Media edad
Joven
20
0.3
0.9
25
0.4
0.8
30
0.6
0.7
35
0.8
0.6
60
0.3
0.0
65
0.1
0.0
Presin mx
Presin mn
Alta
Baja
95 100 110 120 130 140 150 160 170

50 55 60 65 70 75 80 85 90
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2
175
100
1.0
0.1
Seguro
Alto
bajo
300 500 700 800 900 1000 1200

0.1 0.3 0.4 0.5 0.8 0.9 1
1 0.9 0.6 0.5 0.8 0.1 0.1
40
0.9
0.4
45
1.0
0.3
50
0.8
0.1
XV CISAISI (2011)
55
0.6
0.0
Introduccin

Inferencia Difusa
SI edad es joven Y presin es alta, ENTONCES seguro es alto

Edad
Media edad
Joven
20
0.3
0.9
25
0.4
0.8
30
0.6
0.7
35
0.8
0.6
60
0.3
0.0
65
0.1
0.0
Presin mx
Presin mn
Alta
Baja
95 100 110 120 130 140 150 160 170

50 55 60 65 70 75 80 85 90
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2
175
100
1.0
0.1
Seguro
Alto
bajo
300 500 700 800 900 1000 1200

0.1 0.3 0.4 0.5 0.8 0.9 1
1 0.9 0.6 0.5 0.8 0.1 0.1
40
0.9
0.4
45
1.0
0.3
50
0.8
0.1
XV CISAISI (2011)
55
0.6
0.0
Introduccin

Inferencia Difusa

Edad
Media edad
Joven
20
0.3
0.9
25
0.4
0.8
30
0.6
0.7
35
0.8
0.6
60
0.3
0.0
65
0.1
0.0
Presin mx
Presin mn
Alta
Baja
95 100 110 120 130 140 150 160 170

50 55 60 65 70 75 80 85 90
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2
175
100
1.0
0.1
Seguro
Alto
bajo
300 500 700 800 900 1000 1200

0.1 0.3 0.4 0.5 0.8 0.9 1
1 0.9 0.6 0.5 0.8 0.1 0.1
40
0.9
0.4
45
1.0
0.3
50
0.8
0.1
XV CISAISI (2011)
55
0.6
0.0
Introduccin

Inferencia Difusa

Edad
Media edad
Joven
20
0.3
0.9
25
0.4
0.8
30
0.6
0.7
35
0.8
0.6
60
0.3
0.0
65
0.1
0.0
Presin mx
Presin mn
Alta
Baja
95 100 110 120 130 140 150 160 170

50 55 60 65 70 75 80 85 90
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2
175
100
1.0
0.1
Seguro
Alto
bajo
300 500 700 800 900 1000 1200

0.1 0.3 0.4 0.5 0.8 0.9 1
1 0.9 0.6 0.5 0.8 0.1 0.1
40
0.9
0.4
45
1.0
0.3
50
0.8
0.1
XV CISAISI (2011)
55
0.6
0.0
Introduccin

Inferencia Difusa

Edad
Media edad
Joven
20
0.3
0.9
25
0.4
0.8
30
0.6
0.7
35
0.8
0.6
40
0.9
0.4
45
1.0
0.3
50
0.8
0.1
55
0.6
0.0
60
0.3
0.0
65
0.1
0.0
Presin mx
Presin mn
Alta
Baja
95 100 110 120 130 140 150 160 170

50 55 60 65 70 75 80 85 90
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2
175
100
1.0
0.1
Seguro
Alto
bajo
300 500 700 800 900 1000 1200

0.1 0.3 0.4 0.5 0.8 0.9 1
1 0.9 0.6 0.5 0.8 0.1 0.1
Seguro = (700 0.6 + 800 0.5)/(0.6 + 0.5) = s/.745.45

XV CISAISI (2011)
Introduccin

Evaluacin
Lgica Difusa es una tcnica usada en aplicaciones donde:

El conocimiento incluye conceptos subjetivos e
intrnsecamente imprecisos
Donde se desea obtener explicaciones con respecto al
resultado del problema
XV CISAISI (2011)
Introduccin

Ventajas
Facilidad de tratar datos
imprecisos
XV CISAISI (2011)
Introduccin

Ventajas
imprecisos
Facilita la descripcin de
reglas dadas por los expertos
XV CISAISI (2011)
Introduccin

Ventajas
imprecisos
Nmero menor de reglas
XV CISAISI (2011)
Introduccin

Ventajas
imprecisos
Explicacin del raciocinio del
experto
XV CISAISI (2011)
Introduccin

Ventajas
imprecisos
experto
XV CISAISI (2011)
Introduccin

Ventajas
imprecisos
Desventajas
Necesidad de especificar las
funciones de pertenencia

experto
XV CISAISI (2011)
Introduccin

Ventajas
imprecisos
experto
Desventajas
Necesidad de especificar las
funciones de pertenencia
Necesidad de un experto o
de informacin histrica
XV CISAISI (2011)
Introduccin


XV CISAISI (2011)
Introduccin


Yamaichi
ties
Securi-
Sistema de gestin de fondos de inversin
XV CISAISI (2011)
Introduccin


Yamaichi Securities
Fuji Bank

Sistema de negociacin en Bolsa de Valores
XV CISAISI (2011)
Introduccin


Yamaichi Securities
Fuji Bank
World Bank

Sistema de inversiones
XV CISAISI (2011)
Introduccin


Yamaichi Securities
Fuji Bank
World Bank
Metus Systems

Sistema Fuzzy de deteccin de fraudes
en el sistema de salud
XV CISAISI (2011)
Introduccin


Yamaichi Securities
Fuji Bank
World Bank
Metus Systems
Samsung,
Panasonic
LG,

Sistema Fuzzy de deteccin de fraudes
en el sistema de salud
Control de procesos de lavado, estabilizacin de imagen en cmaras de video
CCD
XV CISAISI (2011)
Introduccin
Redes Neuronales (Neural Networks)

Conceptos Bsicos
XV CISAISI (2011)
Introduccin

Conceptos Bsicos
Son modelos computacionales inspirados en las neuronas biolgicas

y en la estructura del cerebro con capacidad de:
XV CISAISI (2011)
Introduccin

Conceptos Bsicos

Adquirir conocimiento experimental
XV CISAISI (2011)
Introduccin

Conceptos Bsicos

Almacenar conocimiento experimental
XV CISAISI (2011)
Introduccin

Conceptos Bsicos

Utilizar el conocimiento experimental adquirido
XV CISAISI (2011)
Introduccin

Conceptos Bsicos

Utilizar el conocimiento experimental adquirido
XV CISAISI (2011)
Introduccin

Relacin con la Naturaleza
Cerebro
Neuronas biolgicas
Red de neuronas
1 1010 neuronas
Proceso de aprendizaje
Generalizacin
Asociacin
Reconocimiento de Patrones
XV CISAISI (2011)
Introduccin

Cerebro
Neuronas biolgicas
Red de neuronas
1
1010
neuronas
Redes Neuronales Artificiales

Neurona artificial
Estructura en layers
1 102 1 103 unidades
Proceso de aprendizaje
Ajuste a los datos
Generalizacin
Generalizacin
Asociacin
Asociacin
XV CISAISI (2011)
Introduccin

Neurona biolgica
Neurona Artificial
XV CISAISI (2011)
Introduccin

Estructura Bsica
XV CISAISI (2011)
Introduccin

Estructura Bsica
Actividad Neuronal
w
I1
I2
I3
H1
H2
H3
w
Entrada
O1
O2
O3
w
Oculta
Salida
XV CISAISI (2011)
Introduccin

Estructura Bsica
Actividad Neuronal
w
I1
I2
I3
H1
H2
H3
w
Entrada
O1
O2
O3
w
Oculta
Salida
Los pesos wij almacenan la informacin aprendida.

XV CISAISI (2011)
Introduccin

Entrenamiento
XV CISAISI (2011)
Introduccin

Entrenamiento
Actividad Neuronal
w
I1
I2
I3
H1
H2
H3
w
Entrada
Objetivo
w
O1
O2
O3
w
Oculta
Salida
XV CISAISI (2011)
Introduccin

Entrenamiento
Actividad Neuronal
w
I1
I2
I3
H1
H2
H3
w
Entrada
O1
O2
O3
w
Oculta
Salida
XV CISAISI (2011)
Introduccin

Entrenamiento
Actividad Neuronal
w
I1
I2
I3
H1
H2
H3
w
Entrada
O1
O2
O3
w
Oculta
Salida
XV CISAISI (2011)
Introduccin

Entrenamiento
Actividad Neuronal
w
I1
I2
I3
H1
H2
H3
w
Entrada
O1
O2
O3
w
Oculta
Salida
XV CISAISI (2011)
Introduccin

Entrenamiento
Actividad Neuronal
w
I1
I2
I3
H1
H2
H3
w
Entrada
Error =
O1
O2
O3
w
Oculta
Salida
XV CISAISI (2011)
Introduccin

Entrenamiento
Actividad Neuronal
w
I1
I2
I3
H1
H2
H3
w
Entrada
O1
O2
O3
w
Oculta
Salida
XV CISAISI (2011)
Introduccin

Entrenamiento
Actividad Neuronal
w
I1
I2
I3
H1
H2
H3
w
Entrada
O1
O2
O3
w
Oculta
Salida
XV CISAISI (2011)
Introduccin

Entrenamiento
Actividad Neuronal
w
I1
I2
I3
H1
H2
H3
w
Entrada
O1
O2
O3
w
Oculta
Salida
XV CISAISI (2011)
Introduccin

Entrenamiento
Actividad Neuronal
w
I1
I2
I3
H1
H2
H3
w
Entrada
Error =
O1
O2
O3
w
Oculta
Salida
XV CISAISI (2011)
Introduccin

Entrenamiento
Actividad Neuronal
w
I1
I2
I3
H1
H2
H3
w
Entrada
O1
O2
O3
w
Oculta
Salida
XV CISAISI (2011)
Introduccin

Entrenamiento
Actividad Neuronal
w
I1
I2
I3
H1
H2
H3
w
Entrada
O1
O2
O3
w
Oculta
Salida
XV CISAISI (2011)
Introduccin

Entrenamiento
Actividad Neuronal
w
I1
I2
I3
H1
H2
H3
w
Entrada
O1
O2
O3
w
Oculta
Salida
XV CISAISI (2011)
Introduccin

Generalizacin
XV CISAISI (2011)
Introduccin

Generalizacin
Actividad Neuronal
w
I1
I2
I3
H1
H2
H3
w
Entrada
O1
O2
O3
w
Oculta
Salida
XV CISAISI (2011)
Introduccin

Generalizacin
Actividad Neuronal
w
I1
I2
I3
H1
H2
H3
w
Entrada
O1
O2
O3
w
Oculta
Salida
XV CISAISI (2011)
Introduccin

Generalizacin
Actividad Neuronal
w
I1
I2
I3
H1
H2
H3
w
Entrada
O1
O2
O3
w
Oculta
Salida
XV CISAISI (2011)
Introduccin

Generalizacin
Actividad Neuronal
w
I1
I2
I3
H1
H2
H3
w
Entrada
O1
O2
O3
w
Oculta
Salida
XV CISAISI (2011)
Introduccin

Evaluacin
Las Redes Neuronales son una tcnica usada en aplicaciones donde

se requiera:
Reconocer patrones cuyas muestras puedan ser ruidosas o
incompletas
Donde no sea fcil formular reglas claras
Adems, este modelo no requiere de una explicacin del
resultado
XV CISAISI (2011)
Introduccin

Ventajas
Facilidad de modelar
sistemas no lineales
XV CISAISI (2011)
Introduccin

Ventajas
Aprendizaje automatizado
XV CISAISI (2011)
Introduccin

Ventajas
Soporta datos ruidosos e
incompletos
XV CISAISI (2011)
Introduccin

Ventajas
incompletos
Respuesta rpida y precisa
XV CISAISI (2011)
Introduccin

Ventajas
incompletos
Modelos compactos
XV CISAISI (2011)
Introduccin

Ventajas
incompletos
Modelos compactos
XV CISAISI (2011)
Introduccin

Ventajas
Desventajas
Ausencia de explicaciones
incompletos
Modelos compactos
XV CISAISI (2011)
Introduccin

Ventajas
incompletos
Desventajas
Sensible a la cantidad de
datos disponible

Modelos compactos
XV CISAISI (2011)
Introduccin

Ventajas
incompletos
Desventajas
Sensible a la cantidad de
datos disponible
El tiempo de ajuste
(entrenamiento) puede ser
largo
Modelos compactos
XV CISAISI (2011)
Introduccin

Ejemplos de Aplicaciones Industriales
Se muestran unos ejemplos de aplicaciones industriales:
XV CISAISI (2011)
Introduccin


Racal
Identificacin de placas de vehculos
XV CISAISI (2011)
Introduccin


Racal
Thomson

Sistemas OCR
XV CISAISI (2011)
Introduccin


Racal
Thomson
St. Georges Hospital

Sistemas OCR
Sistema de Clasificacin de Tumores
XV CISAISI (2011)
Introduccin


Racal
Thomson
CRAM

Sistemas OCR
Sistema de seleccin de naranjas
XV CISAISI (2011)
Introduccin


Racal
Thomson
CRAM
Eletropaulo

Sistemas OCR
Sistema de seleccin de naranjas
Sistema de previsin de demanda elctrica
XV CISAISI (2011)
Introduccin

Se muestran unos ejemplos de aplicaciones comerciales exitosas

para este tipo de sistemas:
XV CISAISI (2011)
Introduccin


Fidelity
ments
Invest-
Gestin de fondos de inversin (US$ 2

000 millones)
XV CISAISI (2011)
Introduccin


Fidelity
Investments
Chase Manhattan
Bank

000 millones)
Deteccin de fraude en tarjeas de crdito
XV CISAISI (2011)
Introduccin


Fidelity
Investments
Chase Manhattan
Bank
Citibank (USA)

000 millones)
Evaluacin de Crdito
XV CISAISI (2011)
Introduccin


Fidelity
Investments
Chase Manhattan
Bank
Citibank (USA)
Nikko Securities

000 millones)
Evaluacin de Crdito
Sistema de negociacin de ndice de
bolsa
XV CISAISI (2011)
Introduccin


Fidelity
Investments
Chase Manhattan
Bank
Citibank (USA)
Nikko Securities
Hill Samuel/UCL

000 millones)
Evaluacin de Crdito
bolsa
Sistema de previsin de fondos de inversin
XV CISAISI (2011)
Introduccin


Fidelity
Investments
Chase Manhattan
Bank
Citibank (USA)
Nikko Securities
Hill Samuel/UCL
Thorn EMI/UCL

000 millones)
Evaluacin de Crdito
bolsa
Sistema de previsin de fondos de inversin
Perfil de consumidores
XV CISAISI (2011)
Introduccin
Algoritmos Evolutivos(Evolutionary Computation)

Conceptos Bsicos
XV CISAISI (2011)
Introduccin

Conceptos Bsicos
Son algoritmos de busqueda/optimizacin que emplean un proceso

adaptativo y paralelo en bsqueda de soluciones a problemas
complejos, con las siguientes caractersticas:
XV CISAISI (2011)
Introduccin

Conceptos Bsicos

Inspirados en la seleccin natural y en la reproduccin gentica
XV CISAISI (2011)
Introduccin

Conceptos Bsicos

Realizan la bsqueda bajo un contexto poblacional (en esta
caracterstica se basa la bsqueda paralela)
XV CISAISI (2011)
Introduccin

Conceptos Bsicos

Realizan la bsqueda bajo un contexto poblacional (en esta
caracterstica se basa la bsqueda paralela)
Combinan los principios de sobrevivencia de los ms aptos
ms la recombinacin de informacin
XV CISAISI (2011)
Introduccin

Evolucin Natural
Individuo
Cromosoma
Reproduccin sexual
Mutacin
Poblacin
Generaciones
Ambiente
XV CISAISI (2011)
Introduccin

Evolucin Natural
Individuo
Cromosoma
Reproduccin sexual
Mutacin
Poblacin
Generaciones
Ambiente
Algoritmos Evolutivos
Solucin
Representacin
(codificacin)
Operacin de cruce
Operacin de mutacin
Conjunto de soluciones
Ciclos
Problema
XV CISAISI (2011)
Introduccin

Finalidad
XV CISAISI (2011)
Introduccin

Finalidad
Estor algoritmos, que inspirados en la seleccin natural y en la

reproduccin gentica buscan ser:
XV CISAISI (2011)
Introduccin

Finalidad

Adaptativos: La informacin actual tiene impacto en las
bsquedas futuras
XV CISAISI (2011)
Introduccin

Finalidad

bsquedas futuras
Paralelos: Varias soluciones son tomadas en cuenta en cada
momento
XV CISAISI (2011)
Introduccin

Finalidad

bsquedas futuras
Paralelos: Varias soluciones son tomadas en cuenta en cada
momento
Problemas Complejos: Muchos de los problemas a tratar
son de difcil formulacin matemtica, o tienen un gran
espacio de bsqueda (muchas soluciones posibles)
XV CISAISI (2011)
Introduccin

Problemas Complejos
Se desea maximizar f (x) = x 2 , donde 0 x 2L 1, para

f (x) = max
Se pueden procesar 109 instrucciones por segundo (1 GFlop)
XV CISAISI (2011)
Introduccin

Problemas Complejos
Se desea maximizar f (x) = x 2 , donde 0 x 2L 1, para

f (x) = max
Se pueden procesar 109 instrucciones por segundo (1 GFlop)
L
L
L
L
2L
=3
= 10
= 30
= 90
Cantidad de puntos
8
1024
109
1037
Tiempo de bsqueda
108 seg.
106 seg.
1 seg.
1.5 1010 aos
XV CISAISI (2011)
Introduccin

Operaciones Bsicas
Seleccin: Les da privilegio a los individuos ms aptos
XV CISAISI (2011)
Introduccin

Operaciones Bsicas

Reproduccin: Los individuos se reproducen de acuerdo a
su aptitud
XV CISAISI (2011)
Introduccin

Operaciones Bsicas

su aptitud
Cruce: recombinacin de informacin (partes de los
individuos se intercambian)
XV CISAISI (2011)
Introduccin

Operaciones Bsicas

su aptitud
Cruce: recombinacin de informacin (partes de los
individuos se intercambian)
Mutacin: cambio aleatorio de un parmetro de una
solucin (un gen de un cromosoma de la poblacin)
XV CISAISI (2011)
Introduccin

Operaciones Bsicas
Sea el problema:
Encontrar el mximo de f (x) = x 2 , donde el dominio es x [0, 63]
XV CISAISI (2011)
Introduccin

Operaciones Bsicas
Sea el problema:
Encontrar el mximo de f (x) = x 2 , donde el dominio es x [0, 63]
Representacin de la solucin
Palabras binarias representando potencias sucesivas de 2
011100 representa a 28
110101 representa a 53
000000 representa a 0 (individuo mnimo)
111111 representa a 63 (el indivduo mximo)
XV CISAISI (2011)
Introduccin

Seleccin
Ind.
A
Cromosoma
100100
x
36
Aptitud
1296
XV CISAISI (2011)
Introduccin

Seleccin
Ind.
A
B
Cromosoma
100100
010010
x
36
18
Aptitud
1296
324
XV CISAISI (2011)
Introduccin

Seleccin
Ind.
A
B
C
Cromosoma
100100
010010
010110
x
36
18
22
Aptitud
1296
324
484
XV CISAISI (2011)
Introduccin

Seleccin
Ind.
A
B
C
D
Cromosoma
100100
010010
010110
000001
x
36
18
22
1
Aptitud
1296
324
484
1
XV CISAISI (2011)
Introduccin

Seleccin
Ind.
A
B
C
D
Cromosoma
100100
010010
010110
000001
x
36
18
22
1
Aptitud
1296
324
484
1
A
B
C
D
XV CISAISI (2011)
Introduccin

Seleccin
Ind.
A
B
C
D
Cromosoma
100100
010010
010110
000001
x
36
18
22
1
Aptitud
1296
324
484
1
A
B
C
D
La probabilidad de seleccin est asociada a la Aptitud del

cromosoma
XV CISAISI (2011)
Introduccin

Operadores
Cruce:
Resultado despus del Crossover
Individuos antes del crossover

Individuo 1
Hijo 1
Individuo 2
Hijo 2
Punto de corte
XV CISAISI (2011)
Introduccin

Operadores
Cruce:
Resultado despus del Crossover
Individuos antes del crossover

Individuo 1
Hijo 1
Individuo 2
Hijo 2
Punto de corte
Mutacin:
Individuo
Bit modificado
Individuo despus
de la mutacin
XV CISAISI (2011)
Introduccin

Ciclo del Algoritmo
Evaluacin de
la descendencia
f()
Individuo
x1
x2
x3
x4
Genotipo
Fitness
100100
010010
010110
000001
1296
324
484
1
Seleccin de
Progenitores
Evolucin
Cruce
Nueva poblacin
de descendientes
Reproduccin
Mutacin
XV CISAISI (2011)
Introduccin

Evaluacin
Algoritmos Evolutivos se usan en aplicaciones donde ocurra:

Problemas complejos de optimizacin
Problemas de difcil modelacin
Problemas con gran espacio de bsqueda
XV CISAISI (2011)
Introduccin

Ventajas
Tcnica de bsqueda global
XV CISAISI (2011)
Introduccin

Ventajas
Optimizacin de poblemas
mal estructurados
XV CISAISI (2011)
Introduccin

Ventajas
mal estructurados
No se necesita una
formulacin matemtica
precisa del problema
XV CISAISI (2011)
Introduccin

Ventajas
mal estructurados
No se necesita una
XV CISAISI (2011)
Introduccin

Ventajas
mal estructurados
Desventajas
Puede ser difcil representar
las soluciones en un
cromosoma
No se necesita una
XV CISAISI (2011)
Introduccin

Ventajas
mal estructurados
No se necesita una
Desventajas
cromosoma
La evolucin puede ser
demorosa en algunos casos
XV CISAISI (2011)
Introduccin

Ventajas
mal estructurados
No se necesita una
Desventajas
cromosoma
La evolucin puede ser
demorosa en algunos casos
La calidad del modelo
depende del experto
XV CISAISI (2011)
Introduccin

XV CISAISI (2011)
Introduccin


GENERAL ELECTRIC
XV CISAISI (2011)
Introduccin


GENERAL ELECTRIC
BRITISH GAS

Optimizacin de proyecto de motores DC
XV CISAISI (2011)
Introduccin


GENERAL ELECTRIC
BRITISH GAS
BBN

Optimizacin de la distribucin de gas
XV CISAISI (2011)
Introduccin


GENERAL ELECTRIC
BRITISH GAS
BBN
ATTAR

Ruteamiento de telecomunicaciones
XV CISAISI (2011)
Introduccin


GENERAL ELECTRIC
BRITISH GAS
BBN
ATTAR

Ruteamiento de telecomunicaciones
XV CISAISI (2011)
Introduccin


XV CISAISI (2011)
Introduccin


CAP VOLMAC
Evaluacin de Crdito y anlisis de riesgo
XV CISAISI (2011)
Introduccin


CAP VOLMAC
SEARCHSPACE

Deteccin de fraude en bolsa (Londres)
XV CISAISI (2011)
Introduccin


CAP VOLMAC
SEARCHSPACE
IOC

Planificacin de Juegos Olmpicos
XV CISAISI (2011)
Introduccin


CAP VOLMAC
SEARCHSPACE
IOC
CAP Gemini

Evaluacin de prstamos y financiamientos
XV CISAISI (2011)
Introduccin


CAP VOLMAC
SEARCHSPACE
IOC
CAP Gemini
GWI

Ajuste de modelos econmicos
XV CISAISI (2011)
Introduccin


CAP VOLMAC
SEARCHSPACE
IOC
CAP Gemini
GWI
World Bank

Ajuste de modelos econmicos
Generacin de reglas de negociacin en
bolsa
XV CISAISI (2011)
Introduccin
XV CISAISI (2011)

Unjbg Ciis Intro Ica

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Unjbg Ciis Intro Ica

Hochgeladen von

Copyright:

Verfügbare Formate

Inteligencia Artificial

Introduccin a la Inteligencia Artificial

March 11, 2012

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Sistemas Expertos (SE)

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Sistemas Expertos (SE)

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Sistemas Expertos (SE)

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Sistemas Expertos (SE)

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Sistemas Expertos (SE)

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Sistemas Expertos (SE)

Sistemas Inteligentes Aplicados

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Son las tcnicas y sistemas computacionales cuya inspiracin se

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Son las tcnicas y sistemas computacionales cuya inspiracin se

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Son las tcnicas y sistemas computacionales cuya inspiracin se

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Son las tcnicas y sistemas computacionales cuya inspiracin se

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Son las tcnicas y sistemas computacionales cuya inspiracin se

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Son las tcnicas y sistemas computacionales cuya inspiracin se

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Sistemas Computacionales de Apoyo a la Decisin

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Aplicacin: Optimizacin y Planeamiento

Optimizacin de Flujos de Caja.

Yvn Tpac, PhD Introduccin a la Inteligencia Artificial

Aplicacin: Optimizacin y Planeamiento