avanzada 1a I bimestre

1.-Las técnicas de meta-razonamiento se pueden utilizar para: Diseñar mejores algoritmos de búsqueda y para garantizar que los algoritmos tienen la propiedad "cualquier momento" (anytime). Diseñar algoritmos de cualquier momento. Construir algoritmos de procedimiento meta-nivel.

2.-El aprendizaje en los agentes inteligentes puede ser: Supervisado y evaluable. No supervisado y por inspección. Supervisado, no supervisado o por refuerzo.

3.-La base de conocimiento de un agente contiene: Las acciones del agente en un momento dado. Información sobre el aprendizaje del agente. El conocimiento general del dominio o su entorno.

4.-RapidMiner, es una herramienta utilizada para realizar operaciones de. Minería de datos. Sistemas Multiagentes. Representación de información.

5.-El objetivo del aprendizaje automático es: Aprender de las entradas y salidas del algortimo utilizado. Desarrollar técnicas que permitan a las computadoras aprender. Predecir ciertos comportamientos no previstos.

6.-La racionalidad de un agente depende de factores como: El aprendizaje y la autonomía del agentes. La medida de rendimiento, el conocimiento del medio, las acciones y la secuencia de percepciones. La omnisciencia y la medida de rendimiento.

7.-Una plataforma multi-agente que posee muchas cualidades para aplicar conceptos de Inteligencia Artificial es: INGENIAS. JADE. FIPA.

8.-La construcción de una Base de conocimiento hace referencia al proceso de: Creación de modelos en el que se caracteriza y estructure el conocimiento. Creación de modelo ontológicos. Simplificar los procesos de búsqueda.

9.-Para el desarrollo de un sistema multi-agente (SMA) con la metodología MAS- CommonKADS, interviene la extracción o adquisición de conocimiento para obtener una primera descripción del problema. Este proceso se realiza en la fase de: Conceptuación. Integración. Diseño.

10.-Los axiomas y reglas en una ontología permiten. Hacer representaciones de objetos. Obtener inferencia a partir de las clases y sus relaciones. Relacionar dos clases.

11.-Los ingredientes básicos del conocimiento que se encuentran presentes en una ontolgía son: la representación, la inferencia y el conocimiento del dominio. La inferencia y el conocimiento. El conocimiento del dominio y el lenguaje de respresentación de conocimiento.

12.-Para la construcción de una ontología es necesario un editor de ontologías el cual permite: La definición de conceptos y su herencia, la definición de axiomas, reglas y restricciones. la definición de conceotos básicos del dominio y estructuras de datos. La representación de objetos en un lenguaje de programación.

13.-Una ontología puede trabajar con el razonamiento deductivo progresivo, que hace refrenda al: Encadenamiento hacia adelante. Encadenamiento hacia atrás. Motor de inferencia.

14.-En el modelado de una ontología, las relaciones se establecen entre. Conceptos, para representar las interacciones entre ellos. Slots. Reglas.

15.-El aprendizaje automático puede ser utilizado en áreas com el diagnóstico médico desarrollando. Sistemas expertos que permitan actualizar el conocimiento de los mismos. Sistemas de comparación que permiten encontrar soluciones en árboles de búsqueda. Sistemas de aprendizaje para determinar el comportamiento biológico de una especie.

16.-Un agente basado en modelos es aquel que: Almacena información del estado del mundo. Busca una secuencia de acciones que deberían resolver el problema, y entonces ejecuta las acciones una cada vez. Soporta su decisión mediante representación explícita y puede modificarse.

17.-El meta-razonamiento es un aspecto relacionado con la arquitectura de agentes: Reflexiva. Híbrida. Reactiva.

18.-Considerando un dominio Universitario, en una ontología las clases serían entre otras. Estudiante, Carrera, Curso, Profesor. Estudiante pertenece a una carrera; Estudiante toma Curso. Estudiante matriculado en Curso.

19.-Haciendo referencia a una ontología Universidad la propiedad "EslmpartidoPor", podría relacionar. Una instancia de una clase Curso con una instancia de una clase Profesor. Dos relaciones de clases. Dos axiomas de diferentes clases.

20.-Los tipos de modelos de mienería de datos son. Predictivos y descriptivos. Predictivos y asociativos. Descriptivos y evolutivos.

21.-La opción KnowledgeFlow de la interfaz de weka permite: Visualizar gráficamente el procesamiento de algoritmos disponibles en weka. Cargar y visualizar los datos. Crear, ejecutar, modificar y analizar experimentos.

22.-Las redes neuronales se utilizan para: Clasificar datos a partir de un conjunto de patrones. Establecer predicciones. Establecer relaciones estructurales entre variables.

23.-Cuando hablamos de R hacemos referencia a: Un software con el cual se puede calcular las estadísticas básicas de las variables, obteniendo como resultado la media aritmética, desviación típica, cuartiles, sesgo y curtosis, etc., y otro tipo de análisis como el de regresión. Un lenguaje de programación muy eficiente para representar el conocimiento. Un algoritmo que permite clasificar datos.

24.-El formato de los archivos que puede importar weka es arff, éstos constan de las siguientes partes: Una cabecera, la declaración de atributos, y la seción de datos. La declaración de atributos, un sección de relación y de aprendizaje. Una cabecera, una sección de datos y de resumen.

25.-Se conoce como estructura de representación del conocimiento. Una ontología. Un algoritmo de aprendizaje. Un Sistema multiagente.

26.-Weka permite cargar registros a través de diferentes opcioness, seleccione cuáles son: Una base de datos, un url, o a través de un archivo almacenado en el computador. Ontologías y uris. Internet, servicios web.

27.-Minería de datos es: Un proceso de extracción y descubrimiento de conocimiento que puede ser automático o semi automático. Una ténica para segmentar bases de datos. Una solución instantánea a los problemas de negocio.

28.-Algunas tareas o técnicas del aprendizaje supervisado son: La clasificación, predicción o regresión. La agrupación y asociación. Transformación y evaluación.

29.-Los árboles de decisión son: Aquellos en los que cada nodo representa una propiedad que puede tener varios valores. Los nodos hojas tienen los resultados a partir de los cuales se pueden tomar decisiones. Aquellos que buscan determinar relaciones causales que expliquen un fenómeno. Aquellos que se componen de una estructura parecida a aquellos métodos que aprenden en base a prueba y error obtenido del conjunto de datos.

30.-El software WEKA: Reúne un conjunto de algoritmos para aprendizaje automático y herramientas de preprocesamiento de datos. Agrupa una serie de estándares para el desarrollo de agentes inteligentes. Utiliza herramientas de la web semántica para el porcesamiento de datos.

31.-Algunas de las tareas que pueden realizar los algoritmos de aprendizaje automático son: Reconocer imágenes, entender el lenguaje natural, tomar decisiones... Infereir conocimiento. Desarrollar agentes inteligentes.

32.-El siguiente enunciado "un programa de computación que aprende a jugar ajedrez debería mejorar su desempeño, medida por su habilidad de ganar al oponente, a través de la experiencia obtenida de las partidas jugadas", sería un problema de: Aprendizaje automático. Sistemas multiagente. Modelado de ontologías.

33.-La minería de datos puede ser aplicada en el campo educativo para. Identificar patrones de comportamiento de usuarios (estudiante, profesor). Establecer modelos predictivos del comportamiento del sistema de estudio. Clasificar los hábitos de compras de equipos.

34.-Una ontología se la puede entender como aquella que. Define los términos a utilizar para describir y representar un área del conocimiento. Determina si una sentencia se puede inferir a partir un conocimiento dado. Representa el conocimiento mediante estructuras híbridas.

35.-INGENIAS considera cinco puntos de vista para el diseño de un SMA, éstos son. Agente, organización, entorno, tareas y objetivos, interacciones. Agente, organización operación, tareas, interacciones. Agente, Comunicación, Codificación, Entorno, Experiencia.

36.-Los modelos de minería de datos predictivos son aquellos que. Estiman valores futuros de variables de interés. Identifican patrones que representan al conjunto de datos. Infieren patrones de variables históricas.

37.-Un agente basado en conocimiento interactúa con la Base de Conocimiento a través de dos sentencias principalmente. Informar y Preguntar. Informar y Actuar. Percibir y Actuar.

38.-Un agente racional es aquel que: Intuitivamente "hace lo correcto". Posee controles diferentes. Cambia con el tiempo.

39.-Imagine que contamos con una gran cantidad de datos generados de la interacción de los estudiantes con el EVA, considerando estos datos con la ayuda de la minería de datos se podría. forma, color, dimensión. Altura, número de pasajeros. Forma, gravedad, peso.

40.-El término INGENIAS hace referencia a: Una metodología para el desarrollo de un sistema multi-agente. Una arquitectura para el desarrollo de sistemas multi-agentes. Una plataforma para el desarrollo de agentes inteligentes.

41.-El modelo de interacción de la metodología INGENIAS permite: La especificación del comportamiento de los componentes del sistema, e identificar los elementos que intervienen en la comunicación mediante roles y objetivos. El control del agente definiendo sus objetivos y estados mentales. Definir las acciones identificadas en el modelo de organización.

42.-FIPA hace referencia a: Un conjunto de epecificaciones que deben cumplir las plataformas de agentes, para las comunicaión e interacción entre ellos. Una arquitectura de agentes inteligentes. Una plataforma de desarrollo de sistemas multiagente.

43.-R es un software gratuito con el cual se puede: Realizar cálculos de estadística aplicada a la minería de datos. Desarrollar ontologías. Construir agentes inteligentes.

44.-Entre los componentes de una ontología están: Conceptos, relaciones, axiomas y reglas. Conceptos, categorías y predicados. Relaciones, axiomas e inferencias.

45.-La base de conocimiento contiene un conjunto de sentencias en un lenguaje de representación de conocimiento. Este lenguaje puede ser: Lógica de primer orden, lógica difusa, modal, etc. Ontologías. JAVA.

46.-La Metodología que permite modelar agentes a través una vista externa y una interna, se denomina: BDI (Creencias, Deseos, Intenciones). GAIA. Ingenias.

47.-La fases del ciclo de vida para el desarrollo de un sistema multi-agente en la metodología MASCommonKADS, son: Conceptuación, análisis, Diseño, Codificación y pruebas, integración, operación y mantenimiento. Conceptuación, Análisis, Diseño, Codificación y pruebas, integración e interacción. Conceptuación, Análisis, Diseño, Codificación.

48.-Las ontologías pueden trabajar con un tipo de razonamiento: Deductivo progresivo. Encadenamiento hacia atrás. Inductivo progresivo.

49.-En el diseño de un agente el primer paso es: La especificación del entorno de trabajo. Establecer la arquitectura del agente. Determinar los sensores que conforman el agente.

50.-La transducción es un tipo de: Aprendizaje. Algortimos de clasificación. Lenguaje de representación de conocimiento.

51.-La Metodología MAS- CommonKADS propone algunos modelos interrelacionados entre sí para la definición de un SMA, entre ellos están: Modelo de agente, de experiencia, y de diseño. Modelo de organización, Modelo de tares, Modelo de entorno. Modelo de coordinación, de comunicación, de entorno.

52.-La medida de rendimiento determina. El éxito en el comportamiento del agente. El aprendizaje y la autonomía del agente. La actuación del agente en su medio ambiente.

53.-Con el objeto de que se pueda codificar el significado de la información que se encuentre disponible en un sitio web, existen algunos lenguajes que contribuyen a la definición de ontologías. Entre éstos se tienen: XML y RDF. JAVA y C++. OWL y Ontolingua Server.

54.-Los agentes reactivos simples se basan en arquitecturas: Reactivas. Deliberativas. Mixtas.

55.-Podemos decir que un agente inteligente es cualquier cosa capaz de. Actualizar su entorno mediante actuadores. Recibir entradas de su entorno mediante actuadores. Actuar en el entorno utilizando sensores.

56.-En el modelado de una ontología, los slots son. Atributos que describen a los conceptos. Restricciones sobre los valores de los atributos. Relaciones de un dominio de interés.

57.-El modelo de coordinación de la metodología MAS- CommonKADS describe: Las interacciones entre agentes software. Las interacciones entre un agente software y un agente humano. La arquitectura y el diseño de sistema multi-agente.

58.-La autonomía de un agente se refiere. La actuación del agente. El aprendizaje del agente. La comunicación del agente con el usuario a través de interfaces amigables.

59.-Una ontología puede ser representada como. Una taxonomía de clases. Una estructura de axiomas y conceptos. Una jerarquía de relaciones.

60.-Los slots en una ontología decriben. Las características y atributos del concepto. La herencia de las subclases. Las instancias de una clase.

61.-Los agentes inteligentes pueden ser implementados en campos como el comercio electrónico facilitando: La personalización del contenido que se presenta y se entrega a los usuarios de los sitios web. Información relacionada a las búsqueda dentro de algún sitio. La presencia de un guía virtual para la creación de comunidades virtuales.

62.-Contextualice el dominio de una Universidad y señale cuál de las siguientes proposiciones es correcta: La universidad está formada por las clases: Persona, Estudiante, Profesor, y al relacionar la clase Profesor con la clase Estudiante se tendría la propiedad: todo profesor tiene estudiantes. La universidad está constituida por clases como: Persona, Estudiante, Profesor. Dónde una persona puede ser estudiante y profesor. La universidad está constituida por clases como: Persona, Estudiante, Profesor. Dónde Estudiante vendría a ser una subclase de Profesor.

63.-Si tenemos dos figuras que se corresponden a una misma clase, entonces se podría: Entrenar a un algoritmo para que aprenda automáticamente que ambas figuras pertenecen a una misma clase. Entrenar a una clase para clasificar ambas figuras. Clasificar ambas figuras en distintas clases a través de un algoritmo de aprendizaje automático.

64.-Considere la ontología Universidad y elija cuál de las siguientes opciones contiene ejemplos de conceptos: Estudiante, Persona, Titulación. Informática es una titulación. La titulación de informática.

65.-Un sistema multiagente para recomendar recursos en el EVA (sistema) tiene los siguientes casos de uso: Iniciar/cerrar sesión en el sistema y actualizar datos. La función de iniciar sesión es la de permitir que el usuario ingrese al sistema mediante la comprobación de su ID y password. Para este caso los actores serían. El usuario y el sistema. Sólo el sistema. Solamente el usuario.

66.-La información "ésta es una persona que tiene por nombre Maria y tiene 20 años de edad" en ACL (Agent Communication Lenguaje,) la expresión se representaría en un lenguaje propio y codificado en un formato específico, en este caso un string. En base a esto señale la respresención de esta expresión: (Persona :nombre Maria : edad 20). (nombre Maria : edad 20). (Persona: Maria : 20).

67.-Si tengo la ontología Universidad, señale cuál de los siguientes ítems corresponde a una relación: Todo estudiante pertenece a una carrera. Si Pedro está matriculado en la universidad entonces cursa una materia. Estudiante.

68.-Pensemos en un escenario de un sistema educativo en el que se tiene la intervención de tres agentes: docente, estudiante, administrador. Este último encargado del registro de estudiantes en el sistema. En este escenario cada estudiante tiene preferencias por ciertos cursos. Considerando este escenario el primer paso que se debería hacer para la implementación de los agentes sería: Identificar los roles y servicios. Definir el problema a tratar. Asignar las responsabilidades a los agentes.

69.-La tarea fundamental de la minería de datos es: Encontrar modelos a partir de datos. Aprender de los datos de entrada. Determinar cuáles son los atributos más importantes.

70.-Una ontología con ayuda de la lógica puede expresar reglas. Señale cuál de las siguientes opciones corresponde a una regla. Si un código de estudiante está asociado a un código de matrícula, y si un número es el código de estudiante, entonces ese número tiene asociado el código de matrícula. Número de estudiante asignado a un código de matrícula. Código de estudiante matriculado.

71.-El aprendizaje automático hace referencia a: La forma como un algoritmo responde a un conjunto de entradas "obteniendo una respuesta" para cada una de ellas. La representación del conocimiento y al funcionamiento de algoritmos. Al aprendizaje de los agentes inteligentes.

72.-Un agente debe poder comunicarse con el entorno mediante representaciones compartidas de conocimiento. Estas representaciones hacen referencia a: Ontologías. Modelo de comunicación. Lenguajes de programación.

73.-Consideremos que tenemos un sistema multi-agente para la representación de la actividades del usuario en el EVA, entonces una revisión de la estructura de este sistema, formado por algunos agentes que monitorean las acciones del usuario y que se unen en un grupo llamado Agentes Monitoreo que comparten recursos entre ellos. Estos recursos son: el entorno virtual de aprendizaje, una base de datos, clasificador de datos, y un gestor de agentes. La funcionalidad del agente MonitorEVA se encarga de monitorear los cambios que ocurren en el sistema . En la metodología INGENIAS esta descripción se correspondería con la fase o el modelo de: Organización. Objetivos y tareas. Entorno.

74.-El aprendizaje por refuerzo es quel que. Aprende observando el mundo que lo rodea. Su aprendizaje no se basa explícitamente en una función matemática. Que utiliza conocimiento previamente aprendido, este aprendizaje también se lo conoce con el nombre de Bias.

75.-Los métodos que permiten descubrir patrones más complejos, estableciendo relaciones de estructura entre las variables, se conocen como. Métodos relacionales estructurales. Máquinas de vectores de soporte. Redes neuronales.

76.-La selección, limpieza y transformación de datos es una de las fases de. Minería de datos. Representación del conocimiento. Aprendizaje automático.

77.-El aprendizaje por refuerzo se da cuando: Aprende observando el mundo que lo rodea. Se utiliza conocimiento aprendido previamente. Se tengan variables con valores indefinidos.

78.-Los archivos en formato arff de weka constan de algunas partes. La parte donde se declaran los datos que componen la relación separando cada uno de los registros se conoce como: Data section. Atribute Declaration. @relation.

79.-Weka es una herramienta de libre distribución utilizada para realizar: Ejercicios de minería de datos. Ontologías. Tareas de representación del conocimiento.

80.-Entre las técnicas de inteligencia artificial están las de: Agrupación y clasificación. Clasificación y reconocimiento. Medición y clustering.

81.-R presenta la característica que permite manejar tanto variables: Cuantitativas y cualitativas. Cuantitativas e inductivas. Continuas y homogéneas.

82.-Una de las fases iniciales de la minería de datos es: La integración y recopilación de datos. Selección y transformación de datos. Análisis y representación de datos.

83.-Los gráficos a cíclicos son aquellos que: Explican el comportamiento en base a la unión de fases y variables. Buscan determinar relaciones causales que expliquen un fenómeno. Permiten descubrir patrones más complejos, estableciendo relaciones de estructura entre las variables.

84.-El aprendizaje automático puede ser utilizado en la Robótica en casos como: El análisis rutas y gestión de obstáculos. Encontrar soluciones en árboles de búsqueda que activen soluciones en diversos campo. El aprendizaje del sonido evitando ruido en la señal de entrada.

85.-El aprendizaje supervisado consiste en: Entrenar un sistema a partir de un conjunto de datos etiquetados o patrones de entrenamiento, compuesto por patrones de entrada y la salida deseada. Entrenar un sistema a partir de un conjunto de datos no etiquetados, compuesto sólo por patrones de entrada. Aprender observando el entorno.

86.-Se conoce como minería de datos al proceso de. Extraer y descubrir conocimiento. Observar la relación entre la información de entrada, y que a simple vista no se puede notar. Inferir y representar el conocimiento.

87.-Se conoce como vector de características a: El conjunto de variables que describen un problema. La representación de los datos de un problema. Al conjunto de datos de salida de un algoritmo.

88.-El aprendizaje automático se refiere a: Sistemas capaces de la adquisición e integración automática de conocimiento. Sistemas capaces del procesamiento de datos automáticos. La forma en como los algoritmos aprenden.

89.-Consideremos que tenemos una figura de un veículo, al obtener su vector de características, éste estaría formado por elementos como. forma, color, dimensión. Altura, número de pasajeros. Forma, gravedad, peso.

90.-Imagine que contamos con una gran cantidad de datos generados de la interacción de los estudiantes con el EVA, considerando estos datos con la ayuda de la minería de datos se podría: Clasificar el nivel de interacción de los estudiantes en el EVA. Predecir la conexión de los estudiantes al EVA. Asociar el nivel de interacción con el nivel de deserción de los estudiantes.

91.-La Minería de datos se puede aplicar en áreas financieras y la banca con el objeto de. Obtención de patrones de uso fraudulento de tarjetas de crédito. Determinación de clientes potencialmente caros. Segmentar el mercado.

92.-La minería de datos puede ser utilizada en la mercadotecnia para. Clasificar los hábitos de compras de los clientes. Establecer modelos predictivos del comportamiento del mercado. La predicción de tormentas o cambios de clima.

93.-En la metodología MAS-Common-KADS el modelo de experiencia describe: El conocimiento necesitado por los agentes para alcanzar sus objetivos. Las tareas que los agentes pueden realizar, los objetivos de cada tarea, su descomposición, los ingredientes y los métodos de resolución de problemas para resolver cada objetivo. La arquitectura y el diseño del sistema multi-agente como un paso previo a su implementación.

94.-Una herramienta que posee un editor de ontologías es: Protégé. MAS. OWL.

95.-El agente que almacena información de cómo funciona el mundo, se conoce como: Agente Basado en modelos. Agente Reactivos simples. Agente que aprenden.

96.-Considerando la Metodología MAS-Common-KADS En un sistema multiagente la comprensión del problema, y la determinación de los casos de uso que pueden ayudar a entender los requisitos informales del sistema, se realiza en la fase de: Conceptuación. Diseño. Análisis.

97.-Dada una Ontología Universidad, una instancia de una clase Institución sería. UTPL. Facultad. Informática.

99.-El aprendizaje no supervisado es aquel que: Todo el proceso de modelado se lleva a cabo en el conjunto de entradas del sistema. Aprende observando el mundo que lo rodea. Establece una correspondencia entre las entradas y salidas del sistema.

98.-El tipo de aprendizaje conocido también con el nombte de Bias, se conoce como: Multitarea. Por refuerzo. Por transducción.

100.-Un agente reactivo simple es aquel que. Es más flexible porque el conocimiento que soporta su decisión está representado explícitamente y puede modificarse. Almacena información del estado del mundo. Selecciona las acciones sobre la base de las percepciones actuales, ignorando el resto de las percepciones históricas.

101.-Las ontologías que implementan los agentes, incluyen algún razonador dado que: Las ontologías sólo describen de forma explícita algún vocabulario de dominio y los razonadores obtienen el vocabulario implícito oculto en las mismas. Las ontologías ontologías obtienen un vocabulario implícito oculto en las mismas. Los razonadores describen de forma implíctia el vocabulario del dominio.

102.-Los componentes principales de modelado de la herramienta protégé son: Clases, slots, facetas e instancia. Clases propiedades y axiomas. Clases, relaciones y axiomas.

103.-La arquitectura de un agente se encarga de: Hacer que las percepciones de los sensores estén disponibles para el programa, ejecute el programa y poner en marcha las acciones generadas a través de los actuadores. Un computador que se ocupa de que las actuaciones lleguen al programa y que las percepciones lleguen a los efectores. Hacer que las percepciones de los actuadores ejecute los programas.

104.-Señale cuál de las siguientes opciones son metodologías de desarrollo de agentes. GAIA, INGENIAS. MAS-COMMAND-KADS , PROTEGE. JADE.

105.-En la implementación de un SMA utilizando INGENIAS, la generación de código se desarrolla junto con el desarrollo de la especificación, los cual sirve como: Validación y verificación de los diseños propuestos. Verificación y conceptualización de los diseños. Validación y organización de los diseños.

106.-La fase de análisis del ciclo de vida del desarrollo de un SMA consiste en: Determinar los requisitos del sistema partiendo del enunciado del problema. Comprobar el sistema utilizando los métodos de resolución de conflictos. La puesta en marcha del sistema.

107.-Cuando decimos que el agente, además de comunicarse, debe poder interactuar con el entorno, tomando decisiones y actuando por sí solo, hacemos referencia a la propiedad de: Autonomía. Grado de inteligencia. Comunicación.

108.-Seleccione cuál de las siguientes opciones puede ser utilizada para tareas de minería de datos: Protégé. R. JADE.

109.-El análisis de regresión puede ser muy utilizada con: R. Scheme. Web protégé.

110.-Los métodos descriptivos de minería de datos son aquellos que: Identifican patrones que representan al conjunto de datos. Estiman patrones de interés. Identifican algoritmos que pueden ser aplicados a los datos.

111.-Scheme es un lenguaje muy utilizado en Inteligencia Artificial para tareas de: Representación de conocimiento. Aprendizaje. Segmentación.

112.-Los algoritmos genéticos son aquellos que. Su aplicación por lo general se encuentra en la optimización de procesos. Se componen de una estructura parecida a aquellos métodos que aprenden en base a prueba y error obtenido del conjunto de datos. Cada nodo representa una propiedad que puede tener varios valores. Los nodos hojas tienen los resultados a partir de los cuales se pueden tomar decisiones.

113.-Una arquitectura reflexiva se puede construir mediante: La definición de un espacio de estados conjunto compuesto por el estado del entorno y del estado computacional del mismo agente. El control de sus propias deliberaciones. Los límites no fijos entre los diferentes componentes de decisión.

114.-JADE es: Una plataforma de software para programar agentes inteligentes. Una metodologia de construcción de agentes. Una arquitectura que permite el diseño de agentes inteligentes.

115.-Cuando un agente A envía información "I" a un agente B, suele ser necesario: Que cierta cantidad de información sea transferido a través de FIPA. El agente A convierta la información interna de "I" en un contenido ACL, y luego B realice el proceso inverso. B realice un proceso de tranferencia de información para veirficar si "I" es interpretable.

116.-Los métodos estadísticos son parte de las técnicas de: Representación del conocimiento. Minería de datos. Clasificación automática.