Contenido - 978 2 409 01491 8
Contenido - 978 2 409 01491 8
Prólogo
1. Objetivos de este libro
15
Introducción
1. Presentación del capítulo
19
2. Definir la inteligencia
20
4. La inteligencia artificial
24
5. Dominios de aplicación
26
6. Resumen
28
Sistemas expertos
1. Presentación del capítulo
29
4. Tipos de inferencia
40
4.1 Razonamiento deductivo
40
4.1.1 Principio
40
4.1.2 Aplicación a un ejemplo
41
4.2 Razonamiento inductivo
42
4.2.1 Principio
42
4.2.2 Aplicación a un ejemplo
43
4.3 Razonamiento mixto
44
6. Rendimiento y mejoras
48
6.1 Criterios de rendimiento
48
6.2 Mejorar el rendimiento mediante la escritura de reglas
49
6.3 Importancia de la representación del problema
50
8. Campos de aplicación
55
8.1 Ayuda al diagnóstico
55
8.2 Evaluación de riesgos
56
8.3 Planificación y logística
56
8.4 Transferencia de competencias y conocimiento
57
8.5 Otras aplicaciones
57
11. Resumen
93
Lógica difusa
1. Presentación del capítulo
95
2. Incertidumbre e imprecisión
96
2.1 Incertidumbre y probabilidad
96
2.2 Imprecisión y subjetividad
96
2.3 Necesidad de tratar la imprecisión
97
5. Creación de reglas
110
5.1 Reglas en lógica booleana
110
5.2 Reglas difusas
110
6. Fuzzificación y defuzzificación
113
6.1 Valor de verdad
113
6.2 Fuzzificación y aplicación de las reglas
115
6.3 Defuzzificación
119
7. Dominios de aplicacion
121
7.1 Primer uso
121
7.2 En los productos electrónicos
122
7.3 En el mundo del automóvil
122
7.4 Otros dominios
123
10. Resumen
160
Búsqueda de rutas
1. Presentación del capítulo
161
2. Rutas y grafos
162
2.1 Definición y conceptos
162
2.2 Representaciones
163
2.2.1 Representación gráfica
163
2.2.2 Matriz de adyacencia
163
2.3 Coste de una ruta y matriz de distancias
167
3. Ejemplo en cartografía
168
5. Algoritmos "inteligentes"
180
6. Dominios de aplicación
201
7. Implementación
202
7.1 Nodos, arcos y grafos
202
7.1.1 Implementación de los nodos
203
7.1.2 Clase que representa los arcos
204
7.1.3 Interfaz de los grafos
204
7.2 Fin del programa genérico
206
7.2.1 IHM
206
7.2.2 Algoritmo genérico
206
7.3 Codificación de los diferentes algoritmos
207
7.3.1 Búsqueda en profundidad
207
7.3.2 Búsqueda en anchura
209
7.3.3 Algoritmo de Bellman-Ford
211
7.3.4 Algoritmo de Dijkstra
212
7.3.5 Algoritmo A*
214
7.4 Aplicación al mapa
216
7.4.1 Tile y Tiletype
216
7.4.2 Implementación del mapa
219
7.4.3 Programa principal
226
7.5 Comparación del rendimiento
229
8. Resumen
231
Algoritmos genéticos
1. Presentación del capítulo
233
2. Evolución biológica
234
2.1 El concepto de evolución
234
2.2 Las causas de las mutaciones
235
2.3 El soporte de esta información: los factores
236
2.4 De los factores al código genético
239
3. Evolución artificial
242
3.1 Los principios
242
3.2 Convergencia
243
3.3 Ejemplo
243
3.3.1 Juego del Mastermind
243
3.3.2 Creación de la población inicial
245
3.3.3 Función de evaluación
245
3.3.4 Fase de reproducción
246
3.3.5 Supervivencia y encadenamiento de generaciones
248
3.3.6 Terminación del algoritmo
249
6. Coevolución
261
7. Dominios de aplicación
263
8. Implementación
264
8.1 Implementación genérica de un algoritmo
265
8.1.1 Especificaciones
265
8.1.2 Parámetros
266
8.1.3 Individuos y genes
267
8.1.4 IHM
270
8.1.5 Proceso evolutivo
270
8.2 Uso para el hombre de negocios
275
8.2.1 Presentación del problema
275
8.2.2 Entorno
276
8.2.3 Genes
279
8.2.4 Individuos
280
8.2.5 Programa principal
284
8.2.6 Resultados
286
8.3 Uso para la resolución de un laberinto
286
8.3.1 Presentación del problema
286
8.3.2 Entorno
288
8.3.3 Genes
294
8.3.4 Individuos
296
8.3.5 Programa principal
300
8.3.6 Resultados
302
9. Resumen
303
Metaheurísticos de optimización
1. Presentación del capítulo
305
2. Optimización y mínimos
306
2.1 Ejemplos
306
2.2 El problema de la mochila
306
2.3 Formulación de los problemas
308
2.4 Resolución matemática
309
2.5 Búsqueda exhaustiva
310
2.6 Metaheurísticos
310
3. Algoritmos voraces
311
5. Búsqueda tabú
316
6. Recocido simulado
319
8. Meta-optimización
322
9. Dominios de aplicación
323
10. Implementación
324
10.1 Clases genéricas
324
10.2 Implementación de los distintos algoritmos
326
10.2.1 Algoritmo voraz
326
10.2.2 Descenso por gradiente
327
10.2.3 Búsqueda tabú
328
10.2.4 Recocido simulado
329
11. Resumen
357
Sistemas multi-agentes
1. Presentación del capítulo
359
2. Origen biológico
360
2.1 Las abejas y la danza
360
2.2 Las termitas y la ingeniería civil
362
2.3 Las hormigas y la optimización de caminos
363
2.4 Inteligencia social
364
3. Sistemas multi-agentes
364
3.1 El entorno
364
3.2 Los objetos
365
3.3 Los agentes
365
5. Principales algoritmos
369
5.1 Algoritmos de manadas
369
5.2 Optimización por colonia de hormigas
370
5.3 Sistemas inmunitarios artificiales
372
5.4 Autómatas celulares
373
6. Dominios de aplicación
375
6.1 Simulación de multitudes
375
6.2 Planificación
376
6.3 Fenómenos complejos
376
6.4 Otros dominios
377
7. Implementación
377
7.1 Banco de peces
378
7.1.1 Los objetos del mundo y las zonas a evitar
378
7.1.2 Los agentes-peces
380
7.1.3 El océano
389
7.1.4 La aplicación gráfica
392
7.1.5 Resultados obtenidos
396
7.2 Recogida selectiva
398
7.2.1 Los residuos
398
7.2.2 Los agentes limpiadores
401
7.2.3 El entorno
406
7.2.4 La aplicación gráfica
409
7.2.5 Resultados obtenidos
413
7.3 El juego de la vida
415
7.3.1 La malla
415
7.3.2 La aplicación gráfica
418
7.3.3 Resultados obtenidos
422
8. Resumen
423
Redes neuronales
1. Presentación del capítulo
425
2. Origen biológico
426
3. Machine Learning
428
3.1 Formas de aprendizaje y ejemplos
428
3.1.1 Aprendizaje no supervisado
428
3.1.2 Aprendizaje supervisado
430
3.1.3 Aprendizaje por refuerzo
432
3.2 Regresión y algoritmo de regresión lineal
432
3.3 Clasificación y algoritmo de regresión logística
436
5. Redes feed-forward
448
5.1 Redes con capa oculta
449
5.2 Aprendizaje por retropropagación del gradiente
450
5.3 Sobreaprendizaje
453
5.4 Mejoras del algoritmo
455
5.4.1 Batch, mini-batch y gradiente estocástico
455
5.4.2 Regularización
456
5.4.3 Dropout
456
5.4.4 Variación del algoritmo de descenso por gradiente
457
5.4.5 Creación de nuevos datos
457
6. Otras arquitecturas
458
6.1 Redes neuronales de convolución
458
6.2 Mapas de Kohonen
459
6.3 Redes neuronales recurrentes
459
6.4 Redes de Hopfield
460
7. Dominios de aplicación
460
7.1 Reconocimiento de patrones
461
8. Implementación
463
8.1 Puntos y conjuntos de puntos
463
8.2 Neurona
467
8.3 Red neuronal
470
8.4 Interfaz Hombre-Máquina
474
8.5 Sistema completo
475
8.6 Programa principal
479
8.7 Aplicaciones
480
8.7.1 Aplicación al XOR
480
8.7.2 Aplicación a Abalone
482
8.7.3 Posibles mejoras
484
Webgrafía
1. ¿ Por qué una webgrafía ?
487
2. Sistemas expertos
487
3. Lógica difusa
490
4. Búsqueda de rutas
492
5. Algoritmos genéticos
494
6. Metaheurísticos
496
7. Sistemas multi-agentes
497
8. Redes neuronales
499
Anexo
1. Instalación de SWI-Prolog
503
2. Uso de SWI-Prolog
504
índice
507