Introducción a la Inteligencia Artificial
Contexto general de la Inteligencia Artificial
- Ideas precursoras
- La relación Lógica-Matemática-Cómputo
- Breve historia de la Inteligencia Artificial
- Inteligencia Artificial Fuerte y Suave
- Argumentos a favor y en contra
- El Test de Turing
- Solución de problemas mediante búsqueda herurística
- Concepto de heurística
- Modelado del problema como máquina de estados
- Espacio de búsqueda
- Estados inicial, meta y final
- Búsqueda heurística ordenada
- Técnicas de rastreo (Bactracking)
- Completitud y Optimalidad de los algoritmos
- Variantes de búsqueda ordenada (DLS, IDS, BiDS, etc.)
- Búsqueda informada y Planeación
- Incorporación de conocimiento específico
- Algoritmos Best-First-Search y Beam-Search
- Algoritmos A*, IDA* y RBFS
- Cumplimiento de restricciones
- Métricas para evaluación de la búsqueda informada
- Agentes en competencia
- Introducción a la Teoría de Juegos
- Evaluación Mini-Max del árbol de juego
- Poda Alfa-Beta del árbol de juego
- El Efecto Horizonte y variantes de estrategia
- El dilema del prisionero y su análisis
- Sistemas de lógica simbólica
- Lógica y representación
- Demostración automática de teoremas en Lógica Proposicional
- Unificación en Lógica de Predicados
- Resolución en Lógica de Predicados
- Cláusulas de Horn y el entorno PROLOG
- Breve revisión de otras lógicas (Segundo Orden, No-monotónicas, Difusa, Modal, etc.)
- Representación de Conocimiento
- Datos, Información y Conocimiento
- Conocimiento y su aprovechamiento
- Representación por asociación
- Marcos y Redes Semánticas
- Bases de Conocimiento y su independencia estructural
- Principios de Web Semántica
- Sistemas de Producción
- Motor de inferencia y Base de Conocimiento
- Sistemas de Reglas simbólicas
- Encadenamiento directo e inverso de Reglas
- Estrategias para solución de conflictos
- Sistemas basados en Conocimiento y Sistemas Expertos
- Autómatas Celulares
- Simulación de Micromundos
- Presente y futuro de la Inteligencia Artificial
- Los límites del enfoque simbólico y del enfoque conexionista
- Las fronteras del Procesamiento del Lenguaje Natural
- Técnicas de aprendizaje y la disciplina de Machine Learning
- Aprendizaje profundo y Redes de Creencias
INTRODUCCIÓN A LAS REDES NEURONALES
- Comparativa entre el cerebro humano y la computadora
- Panorama historico de las redes neuronales artificiales
- Concepto basico y clasificación de las redes neuronales artificiales
- Conjuntos fundamental, de entrenamiento y de prueba
- Fases de aprendizaje y operación de una red neuronal artificial
- El modelo de McCulloch-Pitts
- Teoría del primer modelo de neurona artificial
- Representación de compuertas lógicas con el modelo de McCulloch-Pitts
- Donald Hebb y el aprendizaje artificia
- El Perceptron de Rosenblatt
- La TLU (Threshold Logical Unit)
- Regla del Perceptrón Simple
- Regla Delta
- Teorema de Convergencia del Perceptrón Simple
- Adaline y Madaline
- Teoría y aplicaciones del Adaline
- Madaline
- El trabajo de Minsky y Papert – limitaciones del Perceptrón Simple
- Las redes de Hopfield
- Introducción a los sistemas dinámicos
- Modelo discreto de Hopfield
- Modelo continuo de Hopfield
- Peceptrones Multicapa (MLPs) y Backpropagation
- Estructura del Perceptrón Multicapa
- Teorema de Superposición
- Regla de aprendizaje Backpropagation
- Introducción a los Modelos Asociativos
- Concepto de modelo asociativo
- Lernmatrix
- Linear Associator
- Modelo de Willshaw
- Modelo de Hamming
- Modelo básico de las Memorias Asociativas Morfológicas
