IAextra

Sea el Autómata Celular Infinito Uniforme siguiente: Matriz monodimensional Binaria con Q={0,1}; V={-1, 0, 1} y siguiente patrón de interconexciones : (7 cuadrados seguidos) Función de Transición Local f(a-1, a0, a1) = { 1 si a-1+a0+a1 >= 2; 0 en otro caso. Indicar si es un sistema estable y decir en que estado alcanza su convergencia.

Sea un sistema de diagnóstico médico, elija su lenguaje de representación. Podemos representar el mismo con un lenguaje formal basado en probabilidades. Ambos sistemas representacionales pueden ser usados, de forma finita, dependiendo de la tipología del sistema. Podemos representar el mismo con un lenguaje de representación basado en lógica de Primer Orden.

Marcar las sentencias falsas. Se puede considerar que la probabilidad condicional es lo mismo que una implicación lógica con incertidumbre. La probabilidad condicional no es lo mismo que una implicación lógica con incertidumbre. No se puede representar una implicación lógica con incertidumbre. La probabilidad condicional y la implicación lógica con incertidumbre no están relacionadas.

¿Cuál es la base del funcionamiento del algoritmo de optimización de colonias de hormigas (AC=) y con que formalismo matemático se representa?.

Diga cuáles de las siguientes afirmaciones son ciertas: Una red bayesiana es un grafo dirigido acíclico. Cada nodo está comentado con información probabilística cuantitativa. Una red bayesiana es un grafo acíclico. Cada nodo está comentado con información probabilística cuantitativa. Un conjunto de variables aleatorias forman los nodos de la red. Las variables son discretas. Un conjunto de variables aleatorias forman los nodos de la red. Las variables son discretas o continuas. La topología de la red especifica las relaciones de independencia condicional que se tiene en el dominio.

¿Cómo definiría usted la inteligencia de muchedumbre?. La inteligencia de muchedumbre es una inteligencia colectiva emergente de agentes smples no centralizados y auto-organizados. Es una inteligencia colectiva emergente de muchos agentes con comportamientos centralizados y dependientes entre sí. Es una inteligencia del ámbito de la vida artificial obtenida por el uso de los multi-agentes.

Diga cuál(es) de las siguientes afirmaciones es (son) cierta(s): Aprendizaje se define como la modificación del conocimiento. Aprendizaje se define como la capacidad de un sistema para absorber información del entorno sin programación externa. Aprendizaje se define como la posibilidad de tomar decisiones sobre un tema o situación nueva. Las correspondientes a que el Aprendizaje se define como la posibilidad de tomar decisiones sobre un tema o situación nueva. y que el Aprendizaje se define como la modificación del conocimiento.

En base al siguiente problema de utilización de un dispositivo personal de iluminación en entorno oscuros, o sea, una linterna, representado en PDDL (Planning Domain Definition Language): Init(cargada(linterna)) Goal (usada(linterna) ∧ cargada (linterna)) Action(usar(linterna), PRECONDITION: cargada(linterna), EFFECT: ¬cargada(linterna) ∧ usada(linterna)) Action(recargar(linterna), PRECONDITION: ¬cargada(linterna), EFFECT: cargada(linterna) Identifique y catalogue por nivel todas las acciones y todos los estados/literales en el Algoritmo de GRAPHPLAN. Entre las primeras, identifique aquellas que producen efectos inconsistentes, así como interferencias.

Señale que afirmaciones, de las siguientes, son correctas: Los Autómatas Celulares fueron introducidos por Von Neumann. La gran ventaja de los Autómatas Celulares es que su conectividad no tiene limitación alguna. La estructura de la vecindad preserva las simetrías traslacionales y rotacionales de la rejilla.

Indique cuáles de los siguientes aspectos son ventajas o no, del procedimientos de encadenamiento hacia atrás en un SBR. No es capaz de disminuir la dimensión del árbol de búsqueda, como consecuencia de la limitación en las equiparaciones. El sistema sólo planteará cuestiones al usuario cuando después de haber explorado todas las posibilidades de la Base de Reglas lo necesite. Limita el número de equiparaciones de antecedentes de las reglas porque sólo se equiparan aquellas cuyo consecuente se requiere verificar.

Para entrenar una SOM y asegurar una convergencia hacia la configuración de pesos óptima indique qué conjuntos de datos necesitaría usar: En las arquitecturas con entrenamiento no supervisado solo es necesario el conjunto de entrenamiento. Conjuntos de entrenamiento y testeo. Conjuntos de entrenamiento, de validación y de testeo.

Una arquitectura paralela de procesamiento de imágenes formada por una rejilla rectangular con un elemento de proceso de pixel. Tiene enlace de comunicación bidireccionales separados entre cada elemento de proceso y sus vecinos situados en Norte-Sur-Este-Oeste. ¿Es dicha arquitectura una red neuronal artificial?. Depende del tipo de procesamiento que soporta. Si. No.

¿Cuál es la principal diferencia entre un Perceptron monocapa y una red neuronal Backpropagation?. El proceso de aprendizaje. El número de capas que cada una tiene. Ninguna, ya que son la misma red neuronal artificial. El número de capas de pesos modificables y la ley de aprendizaje.

Un triangulo y un circulo raro. El contorno triangular se corresponde con una función de activación tipo sigmoide y/o tangente hiperbólica y el redondeado de puntos con una función de activación tipo límite duro (hard-limiting). El contorno triangular se corresponde con una función tipo límite duro (hard-limiting) y el redondeado de puntos con una función de activación tipo sigmoide y/o tangente hiperbólica. Los dos contornos se corresponden con la función de activación tipo sigmoide y/o tangente hiperbólica, dependiendo del valor de sus parámetros y del proceso de entrenamiento. El contorno triangular no se corresponde con ninguna de las dos funciones y el redondeado de puntos se corresponde con una función de activación tipo límite duro (hard-limiting). El contorno triangular se corresponde con una función de activación tipo límite duro (hard-limiting) y el redondeado de puntos no se corresponde con ninguna de las dos funciones.

Diga cuál de las siguientes afirmaciones son verdaderas: La principal herramienta para tratar con grados de veracidad será la teoría de la probabilidad. La principal herramienta para tratar con grados de creencia y veracidad será la teoría de la probabilidad. La principal herramienta para tratar con grados de creencia será la teoría de la probabilidad. La teoría de la probabilidad no se puede representar con grados de creencia.

La empresa Global Guaguas quiere optimizar recursos y se plantea cómo poder realizar el recorrido de Las Palmas de Gran Canaria-Tejeda pasando por distintos municipios de la zona Centro de la isla en el menor tiempo posible. Qué técnica(s) de computación inteligente recomendaría para calcular el recorrido óptimo buscado: Red Neuronal de Hopfield. Computación evolutiva. Todos son igualmente válidos. Un Perceptrón Monocapa. La computación evolutiva no es una técnica de computación inteligente.

Un Sistema de Producción está formado por un conjunto no vacío de reglas. ¿De qué partes se componen dichas reglas?. De un antecedente y un consecuente. De varias expresiones lógicas. De distintas proposiciones lógicas.

Si debe diseñar un sistema de ayuda al diagnóstico médico y utiliza los SBR. ¿Qué tipo de razonamiento es el que incorporaría en su diseño?. Al ser el diagnóstico un problema analítico, usaría un razonamiento hacia atrás. Al ser el diagnóstico un problema reactivo, usaría un razonamiento hacia adelante. Al ser el diagnóstico un problema analítico, usaría un razonamiento hacia adelante. Para alcanzar un diseño flexible del sistema diagnóstico, usaría un razonamiento híbrido. Al ser el diagnóstico un problema reactivo, usaría un razonamiento hacia atrás.

La lógica de proposiciones así como la lógica de primer orden, son lenguajes de representación de conocimiento, con diferencias bien establecidas, diga dónde juegan su principal papel los cuantificadores. En la lógica que asume la existencia de hechos que suceden o no. En ambas lógicas. En la lógica que nos permite representar objetos y sus relaciones.

Los dos cuantificadores que manejamos son: Universal y Existencial. Indique cuál/cuáles de las siguientes afirmaciones respecto a los mismos, son veraces: Los dos cuantificadores no tienen conexión. Los dos cuantificadores están conectados el uno al otro, mediante la negación. Los cuantificadores solo se pueden usar de forma individual.

Cuando se trabaja con incertidumbre y se usa la representación probabilista, ¿cuál es el instrumento para la inferencia pronanilista?.

Indique qué afirmaciones se pueden realizar sobre el modelo Von Neumann frente al modelo de computación neuronal: En el enfoque de computación neuronal el cómputo y la memoria están bien separados. La memoria tiene la misma ubicación en un modelo de computación tipo Von Neumann que en un modelo de computación neuronal. En un modelo de computación Von Neumann la memoria y el proceso de cómputo comparten ubicación. En el enfoque de computación Von Neumann, y el cómputo y la memoria están bien separados.

¿Qué esquema computacional constituye una forma de vida artificial de bajo nivel?. Los Autómatas Celulares. La Colonia de Hormigas. Los multi-agentes. Los Sistemas Autónomos de Computación.

Señale cuál de las siguientes afirmaciones es la verdadera respecto a la computación neuronal: La computación neuronal es un modelo de computación biológicamente inspirado cuyo elemento básico es la red neuronal artificial y con capacidad de aprendizaje. La computación neuronal es un modelo de computación secuencial, biológicamente inspirado y con capacidad de aprendizaje. La computación neuronal es un modelo de computación biológicamente inspirado con sistemas de memoria y procesos bien diferenciados.

Se crea una colección de reglas para representar un conjunto de especies de plantas. ¿Cómo se podrían generar estas reglas para cubrir la emergencia de una nueva especie?. Incorporando excepciones. No se podrían cubrir las nuevas especies. Haciendo reingeniería del conjunto entero de reglas.