Escolar Documentos
Profissional Documentos
Cultura Documentos
Red Outstar
La red Outstar (fi gura 3.46) tiene una entrada escalar y una salida vectorial y
recuerda patrones por asociacin de un estmulo de entrada con un vector de
respuesta. La expresin de salida corresponde a: a = satlins ( p).
Redes Competitivas
En este tipo de redes las neuronas compiten para activarse quedando
finalmente una, o una por grupo, como neurona vencedora; el resto quedarn
anuladas y siendo forzadas a sus valores de respuesta mnimos. La
competencia se realiza en todas las capas de la red, existiendo conexiones de
autoexcitacin y conexiones de inhibicin. El objetivo de la competencia es
categorizar o agrupar los datos de entrada, de tal manera que las entradas de
la misma categora activen la misma neurona de salida.
Red de Kohonen
Existen evidencias que demuestran que en el cerebro hay neuronas
organizadas en zonas, de tal forma que la informacin captada del entorno se
representa internamente en forma de mapas bidimensionales. Estas teoras se
sustentan en que algunas reas del cerebro pueden crear y ordenar neuronas
especializadas y construir mapas especiales para atributos y caractersticas.
Redes ANFIS
Los sistemas ANFIS son sistemas basados en redes neurales adaptables con
inferencia difusa. En dichos sistemas se tiene como principio el uso de
diferentes mtodos para el ajuste de los parmetros de ajuste, entre ellos se
encuentra el mtodo de retro propagacin del error. El principio de
funcionamiento de este tipo de topologas fue propuesto por R. Jang en su
trabajo de tesis neuro-fuzzy modeling.
Los dos niveles iniciales hacen referencia a la base y los estndares en los que
se sustenta su desarrollo: Unicode, URI, XML y RDF. stos permiten convertir
la web en una infraestructura global donde ser posible compartir y reutilizar
datos y documentos entre diferentes tipos de usuarios.
La siguiente capa, referida a las ontologas, es en donde reside el contenido
semntico del sistema. La cuarta capa tiene que permitir, a partir de la
estructura semntica generada con las ontologas y los metadatos, realizar
inferencias lgicas. Estas dos etapas son las que presentan ms incgnitas
actualmente y las que pueden actuar como freno para la implantacin de la
web semntica ya que comportan una infraestructura que actualmente no es
posible realizar a gran escala. Es aqu donde las tecnologas del lenguaje
humano pueden intervenir ayudando a la creacin y mantenimiento de las
ontologas y tambin vinculando stas con los documentos, pero se trata de un
camino an en fase experimental.
Conclusiones
Las tecnologas y la infraestructura desarrollada para la web semntica tendrn
repercusin directa en muchas reas y disciplinas que tienen como eje la
comunicacin y gestin de informacin en lenguaje natural. As pues, la
estructura diseada para la web semntica permitir mejorar los diferentes
mecanismos existentes para el acceso a la informacin puesto que la
informacin ya estar estructurada. Existen diferentes campos de investigacin
relacionados con el acceso a la informacin en lenguaje natural que podrn
evolucionar y ofrecer productos de calidad cuando la infraestructura de la web
semntica est extendida a gran escala.
El desarrollo de ontologas, que se ha visto activamente impulsado con la web
semntica, tendra tambin repercusin directa en el mbito del procesamiento
del lenguaje natural, ya que las ontologas como representaciones de un
dominio e independientes de la lengua pueden ser el punto de encuentro entre
dos o ms lenguas. Por tanto, las ontologas consideradas como un repositorio
de conceptos que establece conexiones entre los smbolos de una lengua y sus
referentes en el dominio que refleja, permiten llevar a cabo un tratamiento
adecuado del fenmeno de la sinonimia y tambin son un soporte bsico para
la desambiguacin, tanto lxica como estructural. Ello podra resultar til para
avanzar en otras disciplinas en las que el lenguaje natural es un elemento
clave, como por ejemplo la traduccin automtica, la recuperacin de
informacin, la interaccin persona-ordenador, la enseanza de segundas
lenguas.
4) AGENTES INTELIGENTES
Un agente es cualquier cosa capaz de percibir su medioambiente con la ayuda
de sensores y actuar en ese medio utilizando actuadores.
Se trabajar con la hiptesis general de que cada agente puede percibir sus
propias acciones (pero no siempre sus efectos).
El trmino percepcin se utiliza en este contexto para indicar que el agente
puede recibir entradas en cualquier instante. La secuencia de percepciones de
un agente refleja el historial completo de lo que el agente ha recibido. En
general, un agente tomar una decisin en un momento dado dependiendo de
la secuencia completa de percepciones hasta ese instante. En trminos
matemticos se puede decir que el comportamiento del agente viene dado por
la funcin del agente que proyecta una percepcin dada en una accin.
percepciones posibles
acciones posibles
medida de desempeo u objetivos que debe lograr tipo de entorno en el
que va a operar
almacenar
5) ALGORITMOS GENETICOS
Elementos de un AG.-
Algoritmo Principal:
Los Algoritmos Genticos trabajan sobre una poblacin de individuos.
Cada uno de ellos representa una posible solucin al problema que se desea
resolver.
Todo individuo tiene asociado un ajuste de acuerdo a la bondad con respecto al
problema de la solucin que representa (en la naturaleza el equivalente sera
una medida de la eficiencia del individuo en la lucha por los recursos).
Una generacin se obtiene a partir de la anterior por medio de los operadores
de reproduccin. Existen 2 tipos:
Cruce. Se trata de una reproduccin de tipo sexual. Se genera una
descendencia a partir del mismo nmero de individuos (generalmente 2)
de la generacin anterior. Existen varios tipos que se detallarn en un
punto posterior.
Copia. Se trata de una reproduccin de tipo asexual. Un determinado
nmero de individuos pasa sin sufrir ninguna variacin directamente a la
siguiente generacin.
Cruce de 2 puntos
Se trata de una generalizacin del cruce de 1 punto. En vez de cortar por un
nico punto los cromosomas de los padres, como en el caso anterior, se
realizan dos cortes. Deber tenerse en cuenta que ninguno de estos puntos de
corte coincida con el extremo de los cromosomas para garantizar que se
originen tres segmentos. Para generar la descendencia se escoge el segmento
central de uno de los padres y los segmentos laterales del otro padre.
Ventajas y Desventajas
No necesitan conocimientos especficos sobre el problema que intentan
resolver.
EJEMPLO:
Generar una poblacin intermedia. Para ello asignar a cada individuo una
probabilidad de ser seleccionado directamente proporcional a su funcin de
calidad.
6) REDES BAYECIANAS
Nodos en secuencia: X Y Z.
Nodos divergentes: X Y Z.
Nodos convergentes: X Y Z.
Separacin D
El conjunto de variables A es independiente del conjunto B dado el conjunto C,
si no existe trayectoria entre A y B en que:
1. Todos los nodos convergentes estn o tienen descendientes en C.
2. Todos los dems nodos estn fuera de C.
La cobija de Markov (manto de Markov, Markov Blanquet) de un nodo es el
conjunto de nodos que lo hacen independiente del resto de la red. Para una
RB, la cobija de Markov est formada por:
Nodos padre.
Nodos hijo.
Otros padres de los hijos.
Estructura
La topologa o estructura de la red nos da informacin sobre las
dependencias probabilsticas entre las variables.
La red tambin representa las independencias condicionales de una variable
(o conjunto de variables) dadas otra variable(s).
Representacin Grfica
Especificacin Estructural
INFERENCIA
El razonamiento probabilstico o propagacin de probabilidades consiste en
propagar los efectos de la evidencia a travs de la red para conocer la
probabilidad a posteriori de las variables. Es decir, se le dan valores a ciertas
variables (evidencia), y se obtiene la probabilidad posterior de las dems
variables dadas las variables conocidas (el conjunto de variables conocidas
puede ser vaco, en este caso se obtienen las probabilidades a priori). Existen
diferentes tipos de algoritmos para calcular las probabilidades posteriores, que
APRENDIZAJE DE POLIRBOLES
Arcos divergentes
Arcos secuenciales
Arcos convergentes
EJEMPLO:
Si es cero o cercana a cero, quiere decir que son independientes (se puede
usar un umbral o una prueba estadstica con cierto nivel de significancia).
Algoritmo
1. Encontrar un esqueleto (grafo no dirigido)
2. Encontrar arcos convergentes en tripletas de variables por pruebas de
independencia
3. Orientar el resto de las ligas de forma que no se produzcan ciclos
Esqueleto
La idea bsica para determinar el esqueleto es iniciar con un grafo completo
(conectando todos vs. todos los nodos) y eliminar el arco entre X Y si hay un
subconjunto de nodos en G (excepto X, Y) que los hace independientes
En principio se consideran todos los posibles subconjuntos de variables, de
tamao 1 hasta de tamao N-1 (N es el nmero de nodos adyacentes a X)
El considerar todos los posibles subconjuntos es muy ineficiente, y
normalmente se limita a considerar slo subconjuntos de 1, 2,, k nodos.
Arcos convergentes
Otras orientaciones
En base a los arcos existentes, se orientan los dems con pruebas de
independencia, evitando crear ciclos
Ejemplo 2:
Tenemos una alarma antirrobo instalada en una casa
La alarma salta normalmente con la presencia de ladrones
Pero tambin cuando ocurren pequeos temblores de tierra
Tenemos dos vecinos en la casa, Juan y Mara, que han prometido llamara la
polica si oyen la alarma
Juan y Mara podran no llamar aunque la alarma sonara: por tener
msica muy alta en su casa, por ejemplo
Incluso podran llamar aunque no hubiera sonado: por confundirla con
un telfono.