Inteligencia artificial e ingeniería del conocimiento

Este libro cubre los tópicos relacionados con los paradigmas de la Inteligencia Artificial (IA) e Ingeniería del Conocimiento (IC). La unificación de estos paradigmas en un texto único, junto con su enfoque pragmático, hace de él una referencia apropiada para su uso tanto en la docencia universitaria como en los desarrollos a nivel industrial.

Desde esta doble perspectiva, docente e industrial, posee una amplia proyección de futuro, ya que cada día son más las aplicaciones industriales que utilizan técnicas avanzadas de IA, y, a su vez, los estudiantes de hoy adquieren los fundamentos de IA e IC que utilizarán como ingenieros en el futuro. Mientras tanto, los actuales ingenieros consolidan sus conocimientos en esas materias.

El libro se estructura en tres partes fundamentales, comienza por las técnicas básicas de IA, para a continuación abordar los aspectos relativos a la metodología CommonKADS en IC, y finaliza con técnicas avanzadas de IA que utilizan la metodología propia de CommonKADS en ejemplos reales.

Escritor
Colección
Big data, Data Science e Inteligencia Artificial
Materia
Inteligencia artificial
Idioma
  • Castellano
EAN
9788478976768
ISBN
978-84-7897-676-8
Páginas
384
Ancho
17 cm
Alto
24 cm
Peso
644 g
Edición
1
Fecha publicación
29-08-2005
Edición en papel
22,90 €
394,95 MX$23,82 US$

Índice de contenido

PRÓLOGO
CAPÍTULO 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
1.1 La inteligencia de las máquinas
1.1.1 Definiciones de sistema inteligente
1.1.2 El término Inteligencia Artificial
1.2 Estrategias de la IA
1.3 Breve visión histórica de la IA
1.3.1 Hitos en la evolución de la IA
1.3.2 Desarrollos históricos de la IA
1.4 Futuro de la IA
1.5 Comentarios bibliográficos
CAPÍTULO 2. RESOLUCIÓN DE PROBLEMAS MEDIANTE BÚSQUEDA
2.1 La definición del problema
2.2 El espacio de estados
2.2.1 Representación en el espacio de estados
2.3 Estrategias de búsqueda
2.4 Búsqueda a ciegas
2.4.1 Recorrido en amplitud
2.4.2 Recorrido en profundidad
2.5 Búsqueda heurística
2.5.1 Ascensión a la cima o gradiente
2.5.2 Primero el mejor
2.5.3 Búsqueda avara
2.5.4 Algoritmo A*
2.5.5 Algoritmos genéticos
2.6 Verificación de restricciones
2.7 Búsqueda con adversarios
2.7.1 Algoritmo del minimax
2.7.2 Poda alfa-beta
2.8 Comentarios bibliográficos
CAPÍTULO 3. FORMALISMOS DE REPRESENTACIÓN DEL CONOCIMIENTO
3.1 Introducción
3.2 Base de conocimiento
3.2.1 Procesamiento simbólico
3.2.2 Aproximación no simbólica
3.3 Representación del conocimiento
3.3.1 Representación procedural
3.3.2 Representación relacional
3.3.3 Representación jerárquica
3.4 Lógica clásica
3.4.1 La evolución de la lógica
3.4.2 Lógica proposicional
3.4.3 Lógica de predicados
3.5 Reglas
3.6 Marcos
3.6.1 Los guiones
3.7 Redes semánticas
3.8 La lógica de la incertidumbre
3.8.1 Redes bayesianas
3.8.2 Lógica borrosa (fuzzy)
3.9 Comentarios bibliográficos
CAPÍTULO 4. RAZONANDO CON EL CONOCIMIENTO
4.1 Razonamiento según los distintos paradigmas de representación
4.2 Sistemas basados en conocimiento
4.2.1 Estructura de los sistemas de reglas
4.2.2 Activación de la inferencia
4.3 Encadenamiento hacia adelante
4.3.1 Estrategias de control
4.4 Encadenamiento hacia atrás
4.5 Razonamiento borroso
4.6 Características de la inferencia basada en reglas
4.7 Inferencias y aprendizaje
4.8 Comentarios bibliográficos
CAPÍTULO 5. INGENIERÍA DEL CONOCIMIENTO: MODELOS EN CommonKADS
5.1 Introducción
5.2 Concepto de conocimiento
5.3 Modelos de conocimiento
5.4 Roles del proceso
5.5 Terminología
5.6 Breve reseña de otros sistemas de modelado del conocimiento
5.7 Modelado del contexto
5.7.1 Estudio de viabilidad: organización
5.7.2 Análisis de impacto y mejora: modelos de tarea y agente
5.8 Comentarios bibliográficos
CAPÍTULO 6. INGENIERÍA DEL CONOCIMIENTO: EL CONOCIMIENTO EN CommonKADS
6.1 Introducción
6.2 Aspectos del conocimiento
6.3 Naturaleza del conocimiento
6.4 Esquema general del modelo de conocimiento
6.4.1 Conocimiento de dominio
6.4.2 Conocimiento de inferencia
6.4.3 Conocimiento de tarea
6.5 Técnicas de adquisición del conocimiento
6.5.1 Técnicas manuales
6.5.2 Técnicas semiautomáticas
6.5.3 Técnicas automáticas
6.6 Comentarios bibliográficos
CAPÍTULO 7. INGENIERÍA DEL CONOCIMIENTO: PLANTILLAS DE TAREAS
7.1 Introducción
7.2 Reusabilidad de los modelos
7.2.1 Tipos de tareas
7.2.2 Tareas de análisis
7.2.3 Tareas de síntesis
7.3 Catálogo de Plantillas de Tareas
7.3.1 Clasificación
7.3.2 Diagnóstico
7.3.3 Monitorización
7.3.4 Valoración
7.3.5 Predicción
7.3.6 Síntesis
7.3.7 Diseño
7.3.8 Planificación
7.3.9 Asignación
7.3.10 Scheduling
7.3.11 Combinaciones de tareas
7.4 Construcción del modelo de conocimiento
7.5 Comentarios bibliográficos
CAPÍTULO 8. INGENIERÍA DEL CONOCIMIENTO: MODELO DE COMUNICACIÓN
8.1 Introducción
8.2 Visión general del modelo de comunicación
8.3 El plan de comunicación
8.3.1 Construcción del diagrama de diálogo
8.3.2 Control sobre las transacciones
8.4 Transacciones entre agentes
8.5 Intercambio de información detallada
8.6 Intención de los mensajes
8.7 Validación del modelo de comunicación
8.7.1 Walk-through del Plan de Comunicación
8.7.2 El Mago de Oz
8.8 Comentarios bibliográficos
CAPÍTULO 9. INGENIERÍA DEL CONOCIMIENTO: MODELO DE DISEÑO
9.1 Introducción
9.2 Diseño preservando la estructura
9.2.1 Paso 1: Diseño de la arquitectura del sistema
9.2.2 Paso 2: Identificar la plataforma de implementación
9.2.3 Paso 3: Especificar los componentes de arquitectura
9.2.4 Paso 4: Especificar la aplicación dentro de la arquitectura
9.3 Diseño de prototipos
9.4 Arquitecturas distribuidas
9.5 Implementación
9.5.1 Lenguajes de programación
9.5.2 Entornos de desarrollo
9.6 Evaluación de sistemas basados en conocimiento
9.6.1 Verificación
9.6.2 Validación
9.7 Comentarios bibliográficos
CAPÍTULO 10. APRENDIZAJE: POR OBSERVACIÓN
10.1 Introducción
10.2 Concepto de aprendizaje
10.2.1 Inferencia inductiva
10.2.2 Inferencia deductiva
10.3 Procesos de aprendizaje
10.4 Definiciones previas
10.5 Inducción basada en ejemplos
10.5.1 Procedimiento de aprendizaje inductivo
10.5.2 Restricciones
10.5.3 Estrategias de aprendizaje: algoritmo ID3
10.6 Inducción basada en el conocimiento del dominio: abducción
10.7 Aprendizaje deductivo
10.8 Aprendizaje de naturaleza mixta
10.8.1 Aprendizaje por analogía
10.8.2 Razonamiento basado en casos
10.8.3 Aprendizaje multiestrategia
10.9 Comentarios bibliográficos
CAPÍTULO 11 . APRENDIZAJE: REDES NEURONALES 11.1 Introducción
11.2 El perceptrón
11.3 La red retropropagación
11.4 Comentarios bibliográficos
CAPÍTULO 12 . PERCEPCIÓN VISUAL: GENERALIDADES
12.1 Introducción
12.2 Proceso de percepción visual artificial
12.3 Formación de imágenes digitales
12.4 Preprocesamiento: suavizado y realzado
12.5 Segmentación: bordes y regiones
12.6 Extracción de propiedades: líneas y regiones
12.7 Comentarios bibliográficos
CAPÍTULO 13. PERCEPCIÓN: VISIÓN ESTEREOSCÓPICA
13.1 Introducción
13.2 El sistema de visión estereoscópica
13.3 Geometría del sistema estereoscópico y obtención de la distancia
13.4 Correspondencia estereoscópica
13.5 Comentarios bibliográficos
CAPÍTULO 14. APLICACIÓN: UN CASO DE ESTUDIO
14.1 Introducción
14.2 Descripción del problema
14.3 Modelado del contexto
14.4 Modelado de concepto
14.5 Modelado de diseño
14.6 Comentarios
CAPÍTULO 15 . PROCESAMIENTO DEL LENGUAJE NATURAL: ANÁLISIS LÉXICO Y SINTÁCTICO
15.1 Introducción
15.2 Análisis léxico
15.3 Análisis sintáctico
15.4 Comentarios bibliográficos
CAPÍTULO 16. PROCESAMIENTO DEL LENGUAJE NATURAL: ANÁLISIS SEMÁNTICO Y CONTEXTUAL
16.1 Introducción
16.2 Análisis semántico:
16.3 Características del lenguaje de la forma lógica
16.4 Proceso de interpretación semántica
16.5 Interpretación contextual
16.6 Comentarios bibliográficos
ANEXOS
A. HOJAS DE TRABAJO
B. CATÁLOGO DE INFERENCIAS
C. LA RED NEURONAL DE HOPFIELD
BIBLIOGRAFÍA
ÍNDICE ALFABÉTICO




Libros relacionados