Escolar Documentos
Profissional Documentos
Cultura Documentos
Solución por:
0720078 Ccaipani Sanchez marco
0720021 Garaundo Rodríguez Carlos
0720042 Rojas Alvarado Giovanna
07200115 Sulca Paucar Eder Kim
2
Solucionario Examen Final - Inteligencia Artificial 2010-I
3
20. (V) Es recomendable usar heurísticas para determinar rutas óptimas para el
recojo de basura en municipalidades.
It
Sw_s Sw_d
er Reglas sin Procesar Rx Cx BH ol i
a
R1,R2,R3,R4,R5,R6,R7,R8,R9,R10,
0 R9 K,B C2,C3,C6,C7,C8 F T
R11,R12
R1,R2,R3,R4,R5,R6,R7,R8,R10,R11
1 R1 X C2,C3,C6,C7,C8,K,B F T
,R12
R2,R3,R4,R5,R6,R7,R8,R10,R11,R1
2 R2 M,-K C2,C3,C6,C7,C8,K,B,X F T
2
3 R3,R4,R5,R6,R7,R8,R10,R11,R12 R6 U,T C2,C3,C6,C7,C8,B,X,M F T
C2,C3,C6,C7,C8,B,X,M,U,
4 R3,R4,R5,R7,R8,R10,R11,R12 R8 J F T
T
C2,C3,C6,C7,C8,B,X,M,U,
5 R3,R4,R5,R7,R10,R11,R12 R4 A1 F T
T,J
C2,C3,C6,C7,C8,B,X,M,U,
6 R3,R5,R7,R10,R11,R12 R10 P,-U F T
T,J,A1
C2,C3,C6,C7,C8,B,X,M,T,J
7 R3,R5,R7,R11,R12 R12 S,-T F T
,A1,P
4
C2,C3,C6,C7,C8,B,X,M,J,A
1,P,S
--------------------------------------------------------------------------------------------
2.3) No, porque puede ser que la base de Hechos este incompleta o
falten reglas en la Base de Conocimiento.
-------------------------------------------------------------------------------------
Proyecto 1
- Título: Sistema Experto de Diagnóstico para Minas
- Descripción: El S.E. se encargará de diagnosticar si en
posibles tierras existen metales como oro, plata y otros,
conociendo los tipos, la ubicación y otros para la excavación.
- Beneficios: Se obtendrá con mayor exactitud.
5
- Tipo de Sistema: Como se mencionó anteriormente será un
sistema Experto que verifique los posibles metales a encontrar.
Proyecto 2
- Título: Sistema Inteligente optimizador de Procesos en la
Ingeniería
- Descripción: Se podrá realizar una excavación dependiendo
del lugar, ubicación y posibles metales a encontrar.
- Beneficios: Optimizar los tiempos en los procesos de
extracción, transformación de minerales.
- Tipo de Sistema: Machina Learning.
6
7
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
Facultad de Ingeniería de Sistemas e Informática
EAP - Ingeniería de Sistemas e Informática
INTELIGENCIA ARTIFICAL
Examen Final – 2009-I
Profesor :
Apellido y Nombre:
8
conocimiento.
12. La base de conocimiento para un sistema experto de diagnóstico de enfermedades (f)
es dada por los síntomas que presenta el paciente.
13. El método de encadenamiento progresivo recibe este nombre porque las (f)
inferencias las realiza desde los consecuentes hacia los antecedentes.
14. La lista de consecuente terminales es dado siempre por la lista de todos los (f)
consecuentes que existe en la base de conocimiento.
15. Computación convencional: Arquitectura de Von Neumann; Computación (v)
simbólica; lógica cognitiva; Computación neuronal; Neurobiología.
16. Las Redes Neuronales Artificiales (RNA) son redes interconectadas masivamente (v)
en paralelo de elementos simples (usualmente adaptativos) y con organización
jerárquica, las cuales intentan interactuar con los objetos del mundo real del mismo
modo que lo hace el sistema nervioso biológico.
17. Existen dos problemas para el desarrollo de máquinas inteligentes: ordenadores (v)
basados en el modelo de Von Neumann, proceso secuencial para el procesamiento
de la información.
18. En los sistemas expertos basados en RNA, para rechazar un patrón cuando se (v)
verifica una característica, basta asignar a esta relación (patrón característica) un
peso negativo muy grande.
19. La denominación de sistemas inteligentes es usada para catalogar a sistemas que (v)
tienen la característica de adquirir conocimiento basado en aprendizaje.
20. Las técnicas sub-simbólicas como las RNA, los algoritmos meméticos, (v)
programación genética son adecuadas para desarrollar sistemas inteligentes.
R1: IF aspirante_contesta_firmemente
THEN aspirante_tiene_facilidad_palabra
R2: IF aspirante_parece_honesto
THEN aspirante_contesta_firmemente
R3: IF
aspirante_declara_habilidades_no_comprobables
THEN aspirante_no_parece_honesto
ELSE aspirante_parece_honesto
R4: IF aspirante_dispuesto_conversar_con_ejecutivo
THEN aspirante_capaz_conversar_con_ejecutivo
R5: IF aspirante_capaz_conversar_con_ejecutivo AND
aspirante_tiene_facilidad_palabra
THEN aspirante_amable
R6: IF aspirante_amable
9
THEN aspirante_con_habilidades_interpersonales
R7: IF aspirante_con_habilidades_interpersonales
THEN aspirante_con_empleo
Responda:
10
2.1 Defina LCT (2 puntos)
Definición de LCT aspirante
LCT(TE) //tiene empleo
(8
puntos)
R1 CFTFP
R2 PH CF
R3 DHNC NPH
R4 NDHNC PH
R5 DCE CCE
R6 CCE TFP A
R7 A HI
R8 HI TE
Responda:
3.1 Represente la base conocimiento como una red neuronal artificial.
Use símbolos.
(3 puntos)
3.2 Represente la RNA como una estructura de datos conocida
(matriz). (3 puntos)
A B C D
umbr 9 10. 12 10
al 5
C1 3 2 0 0
C2 0 0 0 3
C3 5 0 1 0
C4 0 2 3 6
C5 0 3 5 0
C6 0 1 4 3
C7 1 3 0 0
Suma 9 11 13 12
A B C D
umbral 9 10.5 12 10
0 C1 3 2 0 0
1 C2 0 0 0 3
0 C3 5 0 1 0
1 C4 0 2 3 6
1 C5 0 3 5 0
0 C6 0 1 4 3
1 C7 1 3 0 0
Suma 1 8 8 9
Suma 11. 76.1 66.6 90%
y0 1 9 7
Exactamente no pertenece a ninguna categoría establecida porque
nadie llega al umbral, es mejor ampliar la (B4)
3.4 Determine aproximadamente el resultado del sistema, para el
solicitante dado en el ítem 3.3. Considere el nivel de confianza del
90% para la toma de decisiones
(6 puntos)
Da como resultado que el solictante es ubicado en la categoría “D”.
3.5 Cuando el sistema no consigue identificar la categoría asociada a
un solicitante, ¿Qué debe sugerir el sistema?
(2 puntos)
Conclusiones
Conclusiones
Conclusiones
Donde:
PRM: Prematures; NAM: Natimuerto;
MBP:Muy bajo peso al nacer; SAN: Síndrome de abstinencia
neonatal
CRP: Cromosomopatopías; SPS: Sepsis
ANC: Anomalías congénitas; MTS: Muerte súbita
AFX: Asfixia; DFR: Dificultades respiratorias