IA – Solución de problemas de búsqueda y optimización
Busca el mejor camino entre diferentes caminos posibles dentro del espacio de estados del problema, se aplica en juegos, búsqueda del camino más corto, problema de rutas, planificación de viajes entre otros tipos de problemas. Algunos algoritmos que se estudian en este subcampo.
- Voraz primero el mejor
- Algoritmo A*
- Algoritmo Hill climbing – Subiendo la colina
- Algoritmos ramificación y poda
- Algoritmo ramificación y poda
- Algoritmos genéticos
- Simulated Annealing
Se diseñan agentes lógicos basados en conocimiento que utilizan inferencias para derivar nuevos conocimientos y emplear esta deducción para realizar una acción.
- Lógica proposicional y la inferencia lógica
- Reglas de equivalencia y reglas de inferencias
- Satisfacibilidad
- Lógica de Primer Orden
- Ingeniería del conocimiento para lógica de primer orden
- Reglas inferencia de primer orden
- Encadenamiento hacia atrás y adelante
Se diseñan modelos de razonamiento bajo incertidumbre según las leyes de la teoría de probabilidad:
- Conocimiento con incertidumbre
- Probabilidad condicional
- Inferencia basa distribución total
- Teoría de Bayes
- Redes bayesianas
- Inferencia bayesiana
- Inferencia en cadenas de Morcov
- Razonamiento probabilista en tiempo
- Lógica Difusa – Fuzzy Logic
Las redes neuronales artificiales permiten resolver problemas de la misma manera que el cerebro humano, se aplican en detección de patrones, clasificación, predicción, agrupamiento, procesamiento de imágenes, procesamiento de lenguaje natural y múltiples aplicaciones en diferentes campos.
- Estructura de una red neuronal artificial
- Aprendizaje supervisado
- Funciones de activación
- Perceptron unicapa
- Red Adaline
- Backpropagation perceptrón multicapa
- Aprendizaje no supervisado
- Redes SOM mapas auto organizados y sus aplicaciones
- Red Kohonen - SOM
- Red recurrente Hopfield
Se diseñan agentes inteligentes que pueden mejorar su comportamiento estudiando sus propias experiencias, consiste en utilizar las percepciones para actuar y mejorar la habilidad en su futuro, puede ir desde lo trivial memorización de las experiencias hasta la creación de teorías científicas como lo mostró Albert Einstein.
- Introducción al aprendizaje máquina
- Formas de aprendizaje
- Aprendizaje supervisado
- Aprendizaje no supervisado
- Árboles de decisión
- La teoría de aprendizaje
- Regresión y clasificación
- Redes Neuronales
- Máquinas de vector de soporte
- Conocimiento en el aprendizaje
- Métodos estadísticos de aprendizaje
- Aprendizaje por esfuerzo
Se diseñan agentes inteligentes que pueden intercambiar mensajes produciendo percepción en la comunicación entre los agentes y humanos, se basan en análisis de lenguajes con modelos de reglas o basado en modelos estadísticos.
- Fundamentos de lenguajes
- Gramáticas formales
- Análisis sintáctico
- Interpretación semántica
- Ambigüedad
- Inducción gramatical
- Procesamiento probabilístico del lenguaje
- Modelos probabilísticos
- Gramáticas probabilísticas
- Recuperación de datos
- Extracción de la información
- Traducción automática
- Análisis de sentimiento
El proceso de percepción se origina en los sensores que son los dispositivos que captan algún aspecto del entorno, estas percepciones constituyen las entradas para el agente inteligente, aplicando métodos y modelos de visión computacional es necesario procesar, analizar y comprender el mundo real para producir información sobre las acciones que debe tomar el agente inteligente.
- Introducción a la percepción
- Formación de imagen
- Procesamiento de imágenes
- Extracción de características de la imagen
- Reconocimiento de objetos
- Procesamiento de videos
Consiste en la construcción física y software para dotar a los agentes inteligentes que les permita realizar tareas similares que los seres humanos. Aunque la robótica es una rama de la ingeniería: mecánica, eléctrica, electrónica y biomédica, también la robótica es una rama de inteligencia artificial:
- Hardware robótico
- Percepción y localización
- Planificación de movimiento
- Arquitectura de software robótico
- Lenguajes de programación robóticos
- Dominios de aplicación
- Stuart Russell and Peter Norving. "Artifcial Intelligence a modern approach" 2010
- Grigori Sidorov y otros. "Inteligencia Artificial" 2018
- One hundred year study on artificial intelligence, report of the 2015 study panel, https://ai100.stanford.edu/
No hay comentarios:
Publicar un comentario