REDES NEURONALES

TALLER REDES NEURONALES

1. Terminar el ejercicio AND
2. Investigas sobre aplicaciones de la redes neuronales

Las redes neuronales se inspiran son estructuras que se asemejan a la estructura neuronal del ser humano y tienen como objetivo resolver problemas complejos usando técnicas algorítmicas, por esta razón las redes neuronales se utilizan en diferentes campos como:

• Economía: en el ámbito de la inteligencia de negocios las redes neuronales efectúan diversos análisis predictivos por medio de información y estadísticas. El método de predicción se logra a partir de diferentes técnicas para predecir el trafico a través de series estacionarias no deterministas, entre ellas están: modelo AR, modelo ARI, modelo BOX -jenkins o ARIMA.       El siguiente es un ejemplo tomado de una pagina web, utiliza la predicción con redes neuronales  para probar la autenticidad de los vinos de una fabrica: http://www.inv.gov.ar/inv_contenidos/pdf/investigacion/DNAE/APLICACION%20DE%20REDES%20NEURONALES%20EN%20LA%20PREDICCION%20DE%20GENUINIDAD%20DE%20VINOS%20BLANCOS.pdf. Viabilidad en la concecion de creditos monetarios, una red neuronal analiza a traves de la historia crediticia del cliente si es no viable hacerle un préstamo; posibilidad de quiebra, este sistema es usado comúnmente en bancos; prediccion en los estados de stock, las redes neuronales con también comúnmente usadas en el diagnostico del cambio de moneda.

• Medicina: Detección de tumores cancerígenos, a través de una red neuronal entrenada la cual clasifica imágenes y las clasifica como posibles tumores;predicción en el riesgo de intoxicación y enfermedades cardíacas por medio de una red neuronal que aprende. 
• Telecomunicaciones: En el campo de las telecomunicaciones las redes neuronales han encontrado una gra acogida debido a la magnitud de este campo, de tal modo que en la actualidad existe un grupo internacional dedicada a la aplicación de las redes neuronales en el procesado de señal. Algunas aplicaciones de las redes neuronales en las telecomunicaciones serian: sonar y radar, se clasifican imágenes y sonidos por medio de redes neuronales que le permiten diferenciar entre diferentes objetos; las redes neuronales han sido un camino de desarrollo para las tecnologías que utilizan reconocimiento de voz, reconocimiento de patrones e imágenes; en el proceso de recuperar una señal, tema muy importante en las llamadas móviles las redes neuronales han mostrado mas eficiencia y resistencia al implementarlas en la ecualización de los canales de comunicación.   

https://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/monograias/matich-redesneuronales.pdf

3. Que son agentes inteligentes

Un agente inteligente es un asistente que realiza ciertas operaciones por medio del conocimiento que tiene programado o es capaz de aprender por experiencias. Los agentes inteligentes están dedicados a satisfacer necesidades de los usuarios o de un programa. Tienen como característica la operación propia sin necesidad de la intervención de un usuario, sabe razonar y aprende a partir de la experiencia, el agente interactivo con su entorno y otros agentes si es necesario para cumplir con su tarea, pueden tomar decisiones de manera autónoma.

EXPECTIMINIMAX

ALGORITMO EXPECTIMINIMAX

El algoritmo expectiminimax es otra variante del algoritmo minimax para búsquedas en arboles con adversario con azar, en donde los hijos de cada nodo son todos los resultados al azar que pueden presentarse en el juego. El algoritmo expectiminimax esta enfocado para juegos que contienen un elemento de imprevisibilidad y como tal el árbol  de juego no es determinista. El árbol de juego que funciona en Minimax se basa entre dos conjuntos de nodos, nodos linfáticos Max y Min, sin embargo, el árbol de juego expectiminimax incluye otro conjunto de nodos linfáticos Probabilidad, que se muestran como círculos. Para cada jugador al girar hay un nodo de azar para cada posible permutación de los resultados elemento aleatorio (en el caso del material 2 dados hay 21 resultados distintos) y una probabilidad asociada de que el nodo que se produzcan.

El principal proceso de toma de decisiones del algoritmo Minimax está vinculada con su valor minimax. Sin embargo, debido a la elemento de imprevisibilidad, no es posible calcular un valor minimax definida para cada nivel, por lo que se utiliza el valor esperado del nivel. Cálculo del valor expectiminimax de un nodo está dada por la siguiente n:

• Seudocodigo tomado de:

https://en.wikipedia.org/wiki/Expectiminimax_tree

función expectiminimax (nodo, profundidad)     si el nodo es un nodo terminal o profundidad = 0
         retorno el valor heurístico de nodo
     si el adversario es jugar en el nodo
        // Valor de retorno de nodo de valor mínimo niño
        dejar α: = + ∞
         foreach hijo del nodo
            α: = min (α, expectiminimax (niño, profundidad-1))
    más si vamos a jugar en el nodo
        // Valor de retorno de nodo de máxima valioso niño
        dejar α: = -∞
         foreach hijo del nodo
            α: = max (α, expectiminimax (niño, profundidad-1))
    else if evento aleatorio en el nodo
        // Devuelve la media ponderada de los valores de todos los nodos hijos
        dejar α: = 0
         foreach hijo del nodo
            α: = α + (Probabilidad [niño] * expectiminimax (niño, profundidad-1))
    retorno α 




COMPLEJIDAD:

La complejidad del algoritmo expectiminimax esta dado por: mayor O(b^m)-> O(b^m (n^m)) N: numero de resultados al azar.



EJEMPLOS:


Ejemplo tomado de la pagina: 

https://ia301ud.wordpress.com/2017/05/03/expectiminimax/

1. Nivel 4: Se genera el árbol, como en Minimax y por medio de una función de utilidad se da el valor a los nodos hojas (Árbol de la Fig 2).

2. Nivel 3: En cada nodo MIN, se escogerá el de menor valor de los valores de sus hijos, según el árbol de la fig 2 los menores son: 2,4,0 y -2. (De izq. a der.)


3. Nivel 2:Los nodos representados mediante círculos son de tipo Chance.Ahora calculamos el valor para cada nodo chance de la siguiente manera:

Primer nodo de izq. a der. :
𝑒𝑥𝑝𝑒𝑐𝑡𝑒𝑑_𝑣𝑎𝑙𝑢𝑒 = 0.5 ∗ 2 + 0.5 ∗ 4 = 1 + 2 = 3


Segundo nodo de izq a der:
𝑒𝑥𝑝𝑒𝑐𝑡𝑒𝑑_𝑣𝑎𝑙𝑢𝑒 = 0.5 ∗ 0 + 0.5 ∗ (−2) = −1
 

4. Nivel 1: El nodo max que en este caso es la raíz, aquí se selecciona el de mayor valor de los nodos hijos, para este caso se selecciona el 3.

TALLER UNO

Ejercicio:

I. Responder las siguientes preguntas.

1.     Explique cada una de las componentes de las redes semánticas

ARCOS: Los arcos  representan las relaciones que ocurren entre los objetos que se encuentran en una red semántica.

Tipos de arcos: entre los tipos de arcos podemos 

encontrar estructurales y descriptivos

• Arcos estructurales:

Instancia o ejemplar: un objeto que posee un tipo.

Subclase: Una clase con otra clase más grande o que depende de esta.

Tiene_parte: Liga un objeto con sus componentes.

• Arcos descriptivos:

Propiedades: Son los que señalan los atributos

Relaciones: Señalan las relaciones que un nodo tienen con otro

      

       NODOS: Los nodos son los objetos que dan componen 

una red semántica y deben estar unidos por arcos.

       Tipos de Nodo: los nodos de una red semántica pueden dividirse así:

·         Nodos focales: Comparan dos nodos a través de    arcos.

·         Nodos objetos: Realizan una representación de un ente real (personas, animales u objetos).

·         Nodos tipo cares: Se refieren de forma directa al significado del concepto.

·         Nodos distancia u objetos: Se refieren a un concepto a través de un apuntador.

2.     Cuáles son las ventajas y desventajas del uso de RS como forma de RC.

VENTAJAS:

·          La aclaración de asociaciones se realiza de forma explícita y sencilla.

·          El tiempo de búsqueda es rápido por la interrelaciones que tienen los nodos

DESVENTAJAS:

·          No existe una interpretación normalizada para el conocimiento expresado por la red.

·          La interpretación de la red depende exclusivamente de los programas que manipulan la misma.

·          La dificultad de interpretación a menudo puede derivar en inferencias inválidas del conocimiento contenido en la red.

·          La exploración de una red asociativa puede derivar en una explosión combinatoria del número de relaciones que deben ser examinadas para comprobar una relación, sobre todo si la respuesta a una consulta es negativa.

·          No hay manera de insertar alguna regla heurística para explorar la red de manera eficiente.

·          Poca flexibilidad

3.     Señale la importancia del manejo de herencia en RS

Las redes semánticas tienen una estructura de 

jerarquía, debido a esto un nodo o clase de menor 

rango 

hereda de otro con más importancia dentro de la red 

semántica, facilitando la reutilización, simplificación y 

razonamiento de las redes semánticas.

4.     Para que y como se utiliza la operación de confrontación. Explique con un ejemplo.

La operación de confrontación permite enviar respuestas a preguntas realizadas por el usuario, estas se observan en los esquemas y son usadas como conocimiento al momento de crear un esquema que representa a las redes semánticas.  

II. Represente utilizando redes semánticas el siguiente conocimiento.

·         Los platelmintos, son animales de simetría bilateral, cuerpo aplanado y vida parasitaria.

 

·         Los moluscos son animales con simetría bilateral cuerpo blando y vida marina

 

·         Los artrópodos son animales con simetría bilateral, cuerpo anillado y vida acuática y terrestre

·         Los phylum cordados son del reino animal con simetría bilateral, su cuerpo es un celoma y su vida acuática y terrestre.

·         Los peces son de la clase phylum cordados con esqueleto cartilaginoso, piel con escamas, reproducción ovípara, locomoción por vuelo y vida acuática

·         Las aves son phylum cordades, esqueleto oseo. piel con plumas, reproducción ovípara y vida terrestre.

·         El tiburón es un pez de piel lisa.

·         Las galliformes son aves con locomoción poco voladora, tamaño mediano, extremidades con 4 dedos y pico pequeño.

III. Teniendo en cuenta la red del ejercicio II (anterior). Explique que? y como se responderían las siguientes preguntas?.

1.Cuales son las características del tiburón?

El tiburón tiene piel lisa

2.Tienen las aves simetría bilateral y cuerpo blando?

No tinen simetría bilateral ni cuerpo blando

3. Que animales tienen locomoción poco voladora, tamaño mediano, extremidades con 4 dedos y pico pequeño?

Las aves 

IV. Represente mediante una RS el siguiente ejercicio:

·         El computador es una maquina

·         Las maquinas carecen de inteligencia

·         El software es el conjunto de programas que permiten el uso y/o administración del computador.

·         El software se clasifica en base, software de desarrollo y software de utilidad.

·         El software de base permite la administración de los recursos del computador

·         Los recursos del computador son la memoria, CPU, dispositivos de E/S y la información

·         El sistema operativo y los sistemas de gestión de base de datos. Son software de base.

·         Los compiladores, procesadores de texto y gratificadores de texto son software de desarrollo.

·         Pueden tomarse el resto de la clase