Tipo: Libro impreso / Print book
Encuadernación / Binding: Tapa blanda / Paperback
Tamaño / Size: 21 x 28 cm
Páginas / Pages: 218
Resumen / Summary:
Autor / Author: Héctor Aníbal Tabares
Editorial / Publisher: ITM
Entrega / Delivery : Nacional / International
Envio desde / Ships from: Colombia
Condición / Condition: Nuevo / New
Tabla de contenido / Table of contents: Agradecimientos
Introducción
I La inteligencia artificial
1 ¿Qué es la Inteligencia Artificial?
1.1 Definición de Inteligencia Artificial
1.2 El aprendizaje en una computadora
II Sistemas expertos
2 Elementos de un sistema experto
2.1 Los hechos
2.2 Las reglas
2.3 La base de conocimiento
2.3.1 Diferencia entre base de datos y base de conocimiento
2.4 El motor de inferencia
2.4.1 Enfoque guiado por datos (encadenamiento hacia adelante)
2.4.2 Enfoque guiado por objetivos (encadenamiento hacia atrás)
2.4.3 Conjunto de ejercicios
3 Programa SistemaExperto_ITM
3.1 Pasos para manejar el sistema
4 Estudio de casos
III Redes neuronales artificiales
5 Introducción a la computación neuronal
5.1 Sistema de cómputo
5.2 Las redes neuronales artificiales
5.3 Definición de red neuronal
5.4 Capacidades de las redes neuronales
5.5 Ventajas de las redes neuronales
5.6 Aplicaciones de las redes neuronales
6 Fundamentos de las redes neuronales
6.1 El modelo biológico
6.2 El modelo artificial
6.3 Estructura de una red neuronal artificial
6.4 Conexiones entre neuronas
6.5 Las RNA como aproximadores universales
6.6 Mecanismos de aprendizaje
6.7 Redes con aprendizaje supervisado
6.8 Redes con aprendizaje no supervisado
6.9 Redes con conexiones hacia adelante
7 Algoritmos de aprendizaje
7.1 Algoritmos de aprendizaje gradiente descendente
7.1.1 Técnica Traingd
7.1.2 Técnica Traingdm
7.1.3 Técnica Traingda
7.1.4 Técnica Traingdx
7.2 Algoritmos de aprendizaje GD en una RNA
7.2.1 Corrección de error
7.2.2 Retropopagación del error
7.2.3 Algoritmo gradiente descendente
7.3 Algoritmo de aprendizaje basado en gradiente conjugado
7.3.1 Técnica Traingc
7.3.2 Algoritmo gradiente conjugado
8 Programa RNA_ITM
8.1 Pasos para manejar el sistema
8.2 Módulo reconocimiento de imágenes
9 Too1box Neural Network de MATLAB
9.1 RNA del tipo PMC con una entrada y una salida
9.2 RNA del tipo PMC con una entrada y dos salidas
10 Estudio de casos
IV Algoritmos genéticos
11 Introducción a los algoritmos genéticos
11.1 Teoría de la selección natural
12 Conceptos básicos
12.1 Algoritmos Genéticos
12.2 Genética
12.3 Gen
12.4 Cromosoma
12.5 Genoma
12.6 Medida de salud
12.7 Operaciones básicas de los AG
12.7.1 La generación
12.7.2 El cruce
12.7.3 La mutación
12.7.4 La reproducción y la eliminación
13 Algoritmo Genético
13.1 Crear p(t)
13.2 Evaluar
13.2.1 Operadores de probabilidad
13.3 Seleccionar
13.4 Recombinar
13.4.1 Operadores de asignación de parejas
13.4.2 Cruce
13.4.3 Mutación
13.4.4 Operadores de reproducción
14 Programa AG_ITM
14.1 Pasos para manejar el sistema
15 Estudio de casos
V Lógica borrosa
16 Introducción a la lógica borrosa
16.1 Un problema borroso
16.2 Aplicaciones usando lógica borrosa
17 Operaciones básicas en la lógica borrosa
17.1 Unión, intersección y complemento
18 Algoritmos para sistemas de control borroso
18.1 Fuzzificación de las entradas
18.2 Evaluación de las reglas de control
18.3 Defuzzificación de las salidas
18.4 Pautas para el diseño de controladores borrosos
19 Programa LB_ITM
19.1 Pasos para manejar el sistema
20 Toolbox lógica difusa de MATLAB
20.1 Acceso
20.2 Elección de modelo
20.3 Variables y funciónes de pertenencia
20.4 Reglas del modelo
20.5 Visualizador de reglas
20.6 Visualizador de superficie
21 Programa SistemaFuzzy _ITM
21.1 Pasos para manejar el sistema
22 Estudio de casos
Bibliografía
A. Sistemas numéricos y códigos binarios
A.1 Sistemas Numéricos
A.1.1 Sistema digital (0, 1), base 2
A.1.2 Sistema decimal
B. Información personal
