martes 9

Diga cuáles de las siguientes afirmaciones son ciertas: Un conjunto de variables aleatorias forman los nodos de la red. Las variables pueden ser discretas o continuas. Una red bayesiana es un grafo acíclico. Cada nodo está comentado con información probabilista cuantitativa. Una red bayesiana es un grafo dirigido acíclico. Cada nodo está comentado con información probabilista cuantitativa.

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

Indique qué afirmaciones, de las siguientes, son verdaderas: El Motor de Inferencia permite pasar una lógica proposicional a una de Primer Orden. Es posible que el motor de inferencia pueda concluir utilizando un conjunto de reglas, pero no pueda, utilizando otro. El Motor de Inferencia es una parte esencial en un Sistema de Producción. El rendimiento del motor de inferencia no depende del conjunto de reglas en su base de conocimiento. Que el motor de inferencia pueda concluir utilizando un conjunto de reglas, pero no pueda, utilizando otro, solo sucede cuando dichos conjuntos de reglas no son lógicamente equivalentes.

Indique el significado de la Probabilidad Condicional, P(a/b), y sus características propias: P(a|b) expresa la creencia sobre a cuando b es la única evidencia conocida en ese momento. P(a/b) = 0.3 SIGNIFICA que estimamos la probabilidad de P(a) en 0.3 cuando tenemos evidencia de que b ocurre. P(a/b) = 0.7 SIGNIFICA que “siempre que b sea verdad entonces P(a) = 0.7”. En la Probabilidad Condicional si aparecen nuevas evidencias, nuestra creencia P(a) se puede ver modificada. En la Probabilidad Condicional aún apareciendo nuevas evidencias, nuestra creencia P(a) no se verá modificada.

Si un 1 % de las mujeres de más de 40 años que se hacen un chequeo tienen cáncer de mama. Un 80 % de las que tienen cáncer de mama se lo detectaron con una mamografía y el 9.6 % de las que no tienen cáncer de mama, al realizarse una mamografía se le diagnostica cáncer erróneamente ¿Cuál es la probabilidad de tener cáncer realmente, si la mamografía así lo diagnostica?. Es de un 7,8%. Es un 80%. Es un 70,4%. Es de un 71,4%.

La empresa Global Guaguas quiere optimizar recursos y se plantea cómo poder realizar el recorrido Las Palmas de Gran Canaria-Tejeda pasando por los 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. Un Perceptrón Monocapa. Todos son igualmente válidos. La computación evolutiva no es una técnica de computación inteligente. Computación evolutiva.

Una arquitectura neuronal con aprendizaje no supervisado, ¿cómo puede implementar su proceso competitivo que no sea algorítmico?. a. Implementando un proceso de relajación mediante inhibición. b. Determinando el proceso de relajación óptimo. c. Implementando un proceso de relajación sin conexiones laterales. d. La implementación no depende del proceso de relajación.

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

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

Para caracterizar 572 aceites de oliva italianos, le dan como datos la composición analítica de dichos aceites de oliva. Es decir, para cada uno de ellos se proporciona un porcentaje diferente de 8 ácidos grasos que los componen. Cada uno de dichos ácidos son característicos de las distintas zonas de Italia a las que pertenece cada tipo de aceite. ¿Si quisiéramos determinar y mostrar la procedencia geográfica de dicho conjunto de aceites de oliva, qué red neuronal artificial (RNA) sería la óptima para ello?. Una counterpropagation. Una red de Kohonen. El perceptrón mono o multicapa. Una red de Hopfield.

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.

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 están conectados el uno al otro, mediante la negación. Los cuantificadores solo se pueden usar de forma individual. Los cuantificadores no tienen conexión.

¿Qué modelo de IA basa su capacidad inteligente en reglas?. IA simbólica. Solo la IA generativa y la IA conexionista. IA conexionista. IA generativa. Ninguna de las tres.

En los problemas de búsqueda en Espacios de Estados, donde se utilizan grafos representados explícita e implícitamente, ¿cuál de las siguientes afirmaciones son ciertas cuando estamos identificando aspectos que son diferentes entre dichas representaciones?. Ambas representaciones lógicas construyen el grafo completo antes de iniciar la búsqueda, pero difieren en la forma de almacenar las aristas. La representación explícita genera los nodos al momento de la búsqueda, mientras que la implícita los almacena todos desde el principio. La representación implícita define los nodos y sus conexiones a través de funciones generadoras aplicables durante la búsqueda, lo que la hace más eficiente en memoria frente a la representación explícita, que almacena la totalidad del grafo desde el principio. La representación explícita guarda todos los nodos y aristas en estructuras de datos, mientras que la implícita los genera a demanda mediante funciones o reglas.

Una vez construido correctamente el grafo de planificación en el algoritmo GRAPHPLAN, ¿qué se puede obtener de dicho grafo?. Permite verificar si los objetivos pueden alcanzarse desde el estado inicial sin conflictos y, en caso afirmativo, extraer un plan válido mediante búsqueda hacia atrás. Únicamente sirve como estructura previa para generar heurísticas, pero no permite extraer planes completos. Garantiza que todos los planes extraídos serán óptimos en cuanto al número total de acciones utilizadas, sin necesidad de exploración adicional. Permite conocer de antemano la duración total del plan, incluyendo el tiempo real de ejecución de cada acción en el entorno físico.

Elija las sentencias correctas: Los sistemas de optimización ACO y PSO basan su comportamiento en procesos competitivos y cooperativos. Los sistemas de optimización ACO y PSO basan su comportamiento en procesos competitivos. Los sistemas de optimización ACO y PSO basan su comportamiento en procesos cooperativos.

¿Cuáles de los siguientes esquemas computacionales fueron una forma de vida artificial, que constituyen implementaciones de bajo nivel de vida artificial?. Los Autómatas Celulares. La Colonia de Hormigas. Los multi-agentes. Los Sistemas Autónomos de Computación.

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

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

Marca las sentencias falsas: No se puede representar una implicación lógica con incertidumbre (falso, redes bayesianas lo hacen). La probabilidad condicional y la implicación lógica con incertidumbre no están relacionadas (falso, relacionadas en modelos probabilísticos). La probabilidad condicional no es lo mismo que una implicación lógica con incertidumbre. Se puede considerar que la probabilidad condicional es lo mismo que una implicación lógica con incertidumbre.

Indique las características del encadenamiento hacia atrás en un SBR: No es capaz de disminuir la dimensión del árbol de búsqueda. El sistema solo plantea cuestiones al usuario cuando las necesite. Limita el número de equiparaciones de antecedentes de las reglas.

Para resolver un problema con aprendizaje basado en reglas utilizamos: Redes Neuronales Artificiales. Árboles de decisión.

¿Es el encadenamiento de reglas una estrategia de inferencia?. No. Las reglas de un SBR no pueden ser encadenadas. Sí.

Si tenemos un sistema de clasificación de plantas autóctonas, ¿cómo cubrimos la emergencia de una nueva especie en una colección de reglas?. Incorporando excepciones. Haciendo reingeniería del conjunto entero de reglas. No se pueden cubrir las nuevas especies.

Entre lógica proposicional y lógica de Primer Orden, ¿cuál gana poder expresivo? Desarrolla.

¿Cuál es la diferencia principal que existe entre un algoritmo de aprendizaje supervisado y uno de reforzamiento? Explica y luego diga si en la Lógica Difusa el aprendizaje usado es el de reforzamiento.

Cuando estamos trabajando en la resolución de problemas de planificación. ¿Cuál diría usted que es una diferencia entre los algoritmos GRAPHPLAN y SATPLAN?.

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

Diga qué afirmaciones son correctas (gráfica puntos, círculo y triángulo): 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. 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 de activación 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).

Sea el Autómata Celular Infinito Uniforme. Con Q = {0,1} y V = {-1, 0, 1}, y siguiendo el patrón de conexiones y función de transición local siguientes, indica si es un sistema estable y di en qué estado alcanza su convergencia.