Sistemas expertos: definiciones y características

1. 1explican [blank_start]aplican[blank_end]

   1. Aaplican
2. 2comunican [blank_start]reorganizan[blank_end]

   1. Areorganizan
3. 3DEFINICIONES DE S.E
   - imita el [blank_start]comportamiento solucion de un problema[blank_end]

   1. Acomportamiento solucion de un problema
4. 4DEFINICIONES DE S.E
   - [blank_start]programas[blank_end] que se realizan [blank_start]sabiendo ya el conocimiento de ellos[blank_end]

   1. Aprogramas
   2. Bsabiendo ya el conocimiento de ellos
5. 5DEFINICIONES DE S.E
   - manipulan [blank_start]conocimiento codificado[blank_end] para resolver [blank_start]problemas[blank_end] en un [blank_start]dominio especializado[blank_end]
   - tanto [blank_start]conocimiento declarativo[blank_end] como [blank_start]de control[blank_end]
   - [blank_start]conocimiento de experto[blank_end] sobre un dominio de [blank_start]aplicación dado[blank_end]
   - como un [blank_start]sistema informático[blank_end]
   - ser capaz de [blank_start]procesar[blank_end] y [blank_start]memorizar información[blank_end], [blank_start]aprender y razonar en situaciones[blank_end] inciertas

   1. Aconocimiento codificado
   2. Bproblemas
   3. Cdominio especializado
   4. Dconocimiento declarativo
   5. Ede control
   6. Fconocimiento de experto
   7. Gaplicación dado
   8. Hprocesar
   9. Imemorizar informacion
   10. Japrender y razonar en situaciones
   11. Ksistema informatico
6. 6CARACTERÍSTICAS SE
   - [blank_start]aplican[blank_end] [blank_start]experiencia[blank_end]
   - [blank_start]explican[blank_end]
   - [blank_start]comunican[blank_end]
   - [blank_start]reorganizan[blank_end]
   - [blank_start]mismo[blank_end] [blank_start]tiempo[blank_end] [blank_start]espiritu[blank_end] [blank_start]letra[blank_end]
   - [blank_start]problema[blank_end] [blank_start]rango[blank_end] [blank_start]experiencia[blank_end]

   1. Aaplican
   2. Bexperiencia
   3. Cexplican
   4. Dcomunican
   5. Ereorganizan
   6. Fmismo
   7. Gtiempo
   8. Hespiritu
   9. Iletra
   10. Jproblema
   11. Krango
   12. Lexperiencia
7. 7Elementos de los S.E
   [blank_start]subsistema[blank_end] de adquisicon o[blank_start]rdenes[blank_end]
   i[blank_start]nformacion[blank_end]
   e[blank_start]xplicacion[blank_end]
   a[blank_start]prendizaje[blank_end]
   c[blank_start]onocimiento[blank_end]
   c[blank_start]omponente humano[blank_end]
   b[blank_start]ase de conocimiento[blank_end]
   c[blank_start]ontrol coherencia[blank_end]
   m[blank_start]otor de inferencia[blank_end]
   i[blank_start]nterfaz de usuario[blank_end]

   1. Asubsistema
   2. Brdenes
   3. Cnformacion
   4. Dxplicacion
   5. Eprendizaje
   6. Fonocimiento
   7. Gomponente humano
   8. Hase de conocimiento
   9. Iontrol coherencia
   10. Jotor de inferencia
   11. Knterfaz de usuario
8. 8ETAPAS PARA DISEÑO E IMPLEMENT. DE UN S.E (IV)
   1.- [blank_start]Planteamiento del problema[blank_end]
   2. [blank_start]resolver el problema[blank_end].
   3. [blank_start]Diseño[blank_end]
   4. [blank_start]Elegir[blank_end]
   5. [blank_start]Desarrollo y prueba[blank_end]
   6. [blank_start]Refinamiento y generalización[blank_end]
   7. [blank_start]Mantenimiento[blank_end] y puesta [blank_start]al día[blank_end].

   1. APlanteamiento del problema
   2. Bresolver el problema
   3. CDiseño
   4. DElegir
   5. EDesarrollo y prueba
   6. FRefinamiento y generalización
   7. GMantenimiento
   8. Hal día
9. 9LIMITACIONES
   - [blank_start]reprogramación[blank_end]
   - [blank_start]elevado costo[blank_end]
   - [blank_start]poco flexibles a cambios[blank_end] y de [blank_start]difícil acceso a información[blank_end]
   - [blank_start]Escasez de expertos humanos en areas[blank_end] dete
   - [blank_start]No se han desarrollado sistemas[blank_end] que sean [blank_start]capaces de resolver problemas[blank_end]

   1. Areprogramación
   2. Belevado costo
   3. Cpoco flexibles a cambios
   4. Ddifícil acceso a información
   5. EEscasez de expertos humanos en areas
   6. FNo se han desarrollado sistemas
   7. Gcapaces de resolver problemas
10. 10REDES SEMÁNTICAS
    -representacion de [blank_start]IA[blank_end] que se basa en [blank_start]toda la informacion de proposiciones[blank_end]
    - [blank_start]representar la memoria[blank_end] y [blank_start]comprensión del lenguaje[blank_end]
    - se divide en [blank_start]nodos(objetos)[blank_end] y [blank_start]arcos(bordes)[blank_end] que se conectan
    DIFICULTADES
    - falta de [blank_start]estándares[blank_end]
    - explosión [blank_start]combinatoria[blank_end]
    - responder [blank_start]consultas negativas[blank_end]

    1. Atoda la informacion de proposiciones
    2. Brepresentar la memoria
    3. Ccomprensión del lenguaje
    4. Dnodos(objetos)
    5. Earcos(bordes)
    6. Festándares
    7. Gcombinatoria
    8. Hconsultas negativas
    9. IIA

11. 11TRES CATEGORIAS IA
    - [blank_start]alta velocidad[blank_end]
    - [blank_start]adivinar respuestas asignación[blank_end]
    - [blank_start]respuesta a datos desconocidos[blank_end]

    1. Aalta velocidad
    2. Badivinar respuestas asignación
    3. Crespuesta a datos desconocidos
12. 12Con Deep Learning una máquina en sí es [blank_start]capaz de averiguar[blank_end] la [blank_start]cantidad de características[blank_end] de los datos dados, y aprender

    1. Acapaz de averiguar
    2. Bcantidad de características
13. 13[blank_start]DBN[blank_end] red neuronal profunda compuesta por múltiples capas de unidades ocultas, con conexiones entre las capas.

    1. ADBN
14. 14[blank_start]DA[blank_end] se entrena para usar una capa oculta para reconstruir un modelo particular basado en sus entradas

    1. ADA
15. 15[blank_start]SDA[blank_end] Es un autocodificador que tiene varias capas, excepto que su entrenamiento no es lo mismo que un NN de múltiples capas

    1. ASDA
16. 16[blank_start]regresión lineal[blank_end] modelo estadístico que nos permite explicar los datos con una recta.
    regresión LOGÍSTICA modelo estadístico, utilizado para predecir el resultado de una variable categórica, modelar la probabilidad de un evento

    1. Aregresion lineal
17. 17[blank_start]regresion LOGiSTICA[blank_end] modelo estadístico, utilizado para predecir el resultado de una variable categórica, modelar la probabilidad de un evento

    1. Aregresion LOGiSTICA

Description

Quiz on Untitled, created by Diego fernandez cabero on 05/07/2019.

Author

Diego fernandez cabero

Language

Español

Views

1

History

Created on 5 Jul 2019 · updated on 12 Jul 2019

Rating

No ratings yet

Rate this quiz

Rate this quiz

More on Sistemas expertos