Scribd
Cargar
49 vistas8 páginas

Re Sum en

Cargado por

Michel Gerónimo Gómez
Derechos de autor
© Attribution Non-Commercial (BY-NC)
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
49 vistas8 páginas

Re Sum en

Cargado por

Michel Gerónimo Gómez
Derechos de autor
© Attribution Non-Commercial (BY-NC)
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 8

INSTITUTO TECNOLGICO SUPERIOR DE MACUSPANA

Nombre: Michel Virginia Gernimo Gmez. Nmero de control: 08E40047. Carrera: Ing. Sistemas Computacionales. Docente: Ing. Mayra Hernndez Oramas. Materia: Inteligencia Artificial Tema: Redes Semnticas.

1. RESUMEN 10.6 Sistemas de razonamiento para categoras


Existen dos familias de sistemas ntimamente relacionadas: (i) las redes semnticas proporcionan una ayuda grafica para visualizar una base de conocimiento, as como algoritmos eficientes para inferir propiedades de un objeto con base en su pertenencia a una categora; (ii) la lgica descriptiva proporciona un lenguaje formal para construir y combinar definiciones de categoras, as como algoritmos eficientes para decidir las relaciones de subconjunto y superconjunto entre categoras. Redes semnticas En 1909, Charles Peirce propuso una notacin grafica de nodos y arcos denominada grafos existenciales que l denomin << lgica del futuro>>. La notacin que proporcionan las redes semnticas para cierta clase de sentencias es a menudo ms conveniente, pero si se deja de lado la <<interfaz humana>>, los conceptos base (objetos, relaciones, cuantificacin, etc.) son los mismos. Existen diversas variantes de las redes semnticas, pero todas son capaces de representar objetos individuales, categoras de objetos y relaciones entre objetos. Una notacin grafica comn visualiza objetos o nombres de categoras en valos o cajas, y los conecta con arcos etiquetados. La notacin de la red semntica hace muy conveniente la utilizacin de razonamiento basado en herencia. La herencia se complica cuando un objeto puede pertenecer a ms de una categora, o cuando una categora puede ser un subconjunto de varias categoras. Esto se conoce con el nombre de herencia mltiple. Otra forma comn de herencia es el uso de enlaces inversos. Ciertas clases de sentencias universalmente cuantificadas se pueden expresar usando enlaces inversos y las flechas con cajas de borde simple o doble aplicadas a las categoras. La negacin, disyuncin, smbolos de anidados y cuantificacin existencial aun no se pueden representar. Una de las ventajas principales de las redes semnticas, es la simplicidad y la transferencia del proceso de inferencia. Los diseadores pueden construir una red grande y seguir teniendo una buena idea sobre qu preguntas sern eficientes, porque (a) es fcil visualizar los pasos que el procedimiento de inferencia seguir y (b) en algunos casos, el lenguaje de consulta es tan simple que las consultas difciles no se pueden representar. En aquellos casos donde el poder expresivo

sea demasiado limitado, algunas redes semnticas proporcionan acoplamiento procedimental para rellenar el vaco. El acoplamiento procedimental es una tcnica por la cual una consulta sobre (o a veces una afirmacin de) una cierta relacin, implica una llamada a un procedimiento especial diseado para esa relacin, en lugar de la utilizacin del algoritmo de inferencia general. Uno de los aspectos ms importantes de las redes semnticas es su habilidad para representar valores por defecto para las categoras. La semntica por defecto se refuerza de forma natural por el algoritmo de inferencia, porque utiliza enlaces hacia arriba desde el objeto en s mismo, y para tan pronto como encuentra un valor. Se dice que le valor por defecto es sobrescrito por un valor ms especifico.

2.- RED SEMNTICA TEMA LIBRE

3.- ENSAYO DEL TEMA APLICACIN DE LAS REDES SEMNTICAS EN LA IA.

1.- INTRODUCCIN Las redes semnticas se utilizan para definir conceptos mediante la relacin que tiene con otros. Para poder representarlas se utilizan grafos donde los conceptos se representan en los nodos y las flechas o enlaces definen las relaciones entre conceptos. Se puede decir que una red semntica es una representacin grafica del conocimiento en la que existe una jerarqua de conceptos. Desde su introduccin por Quillian(1968) las redes semnticas han jugado un papel importante en la investigacin sobre la representacin del conocimiento, desde entonces se ha aplicado a diferentes areas en el inters de esta. A continuacin se describir como se ha aplicado en la inteligencia artificial. 2.- APLICACIN DE LAS REDES SEMNTICAS EN LA INTELIGENCIA ARTIFICIAL. Una de sus mayores aplicaciones de una red semntica es el de representar el conocimiento en las computadoras, de forma que pueda ser interpretado correctamente. Cantabria (2000) menciona algunas de las aplicaciones en la IA. Como lo es en las redes probabilsticas. Al momento de que algunos problemas involucran gran nmero de variables y se conocen ciertas relaciones de independencia entre ellas. O al obtener un modelo probabilstico. Mediante un grafo dirigido donde cada variable tiene sus antecedentes. Inicialmente los distintos estados de las variables de la red tienen probabilidades que corresponden al estado de conocimiento inicial (sin evidencia). Cuando se tiene alguna evidencia, las nuevas probabilidades condicionadas dan la influencia de esta informacin en el resto de variables. Otra de sus aplicaciones se encuentra en las redes neuronales. El cerebro humano est formado por un gran nmero de neuronas (ms de 100000 millones) conectadas entre s de forma masivamente paralela. La actividad de cada neurona se basa en descargas electroqumicas, a partir de los estmulos recibidos por neuronas vecinas a las que est conectada.

Las redes neuronales permiten obtener una aproximacin funcional de un modelo dado en base a un conjunto de datos y a operadores sigmoidales. Cada procesador realiza una actividad muy simple: combinacin lineal de las actividades recibidas por la neurona. As como tambin tiene una aplicacin en algoritmos genticos. Basada en las ideas bsicas de la teora de la evolucin: cruzamiento y mutacin de individuos y seleccin de los mejor adaptados Ha sido aplicada en nuevas tcnicas de optimizacin conocidas por Algoritmos evolutivos. Operadores genticos de cruzamiento y mutacin, mediante los cuales se introducir diversidad en la poblacin. La mutacin se lleva a cabo variando aleatoriamente el valor de algn bit, o introduciendo un valor aleatorio en los nmeros reales. El cruzamiento trata de combinar elementos de la poblacin para combinar las mejores caractersticas. Todo esto implementndolo en un mecanismo de seleccin para tomar una subpoblacin con los individuos mejor adaptados de la poblacin. Un mecanismo de ruleta permite obtener una subpoblacin donde cada individuo tendr una probabilidad proporcional a su funcin de adaptacin de ser seleccionado en la subpoblacin. 3.- CONCLUSIN De las redes semnticas, pude aprender que se comprende mejor el conocimiento ya que este se desglosa en conceptos ms pequeos que se relacionan entre ellos y puedes entender mejor. Tiene una aplicacin en la Inteligencia Artificial muy importante ya que al fin y al cabo son algoritmos que se tienen que implementar en una computadora con el fin de obtener respuestas correctas, todo este conocimiento como se implementara en un robot u otros objetos. Una de las aplicaciones que mas me gusto fue el de las redes neuronales ya que es como nuestro cerebro est relacionado con todo y toda la informacin que nosotros guardamos la tiene almacenada por decirlo as

en conceptos ms pequeos. Fue de mucha ayuda conocer esta nueva forma de representar el conocimiento.

4.-BIBLIOGRAFIA http://personales.unican.es/gutierjm/docs/trans_ai.pdf http://www.angelfire.com/journal/noemiparedes/red.htm

4.- REDES SEMNTICAS DE ARCHIVOS ANTERIORES

También podría gustarte