inteligencia artificial
Páginas: 2 (251 palabras)
Publicado: 10 de abril de 2014
1.3 Enfoques
º Enfoque Estadístico – Probabilístico
Su principal clasificador se basa en la teoría de la probabilidad, particularmente en el teorema de Bayes.Es el primer enfoque históricamente, por lo mismo es el que más se ha desarrollado.
º Clasificadores basados en métricas
Usualmente los incluyen en el ítemanterior. SU funcionamiento se basa en el cálculo de métricas o espacios métricos.
º Neuronal
Se basa en el modelo de la neurona artificial propuesto por McCulloch yPitts. Trata de emular el funcionamiento de las neuronas biológicas del ser humano.
º Asociativo
El enfoque más reciente. Utiliza las memorias asociativas para crearclasificadores robustos.
º Sintáctico – Estructural
Modelar los problemas mediante el uso de Autómatas gramáticas formales y/o grafos.
1.4 Conceptos básicos
-Patrón
Un conjunto de características o atributos que definan un objeto o ente
- Atributo, rasgo, características (Feature)
características intrínsecas queposee un objeto y que varían de uno a otro ejemplar.
- Clase
El conjunto de objetos o patrones que comparten características similares o en común.
- Conjunto deaprendizaje o conjunto fundamental
El grupo de varios patrones de las clases a utilizar que servirán como base al algoritmo para poder clasificar objetos (de esasmismas clases) que no aprendió.
Un patrón es un vector cuyas componentes son los atributos que representan dicho objeto.
Definición: Sea x un vector y columna quecontiene n componentes denotadas por x1, x2, x3, …, xn.
For i=1 hasta tam_x
Resultado=resultado+potencia(abs(xi-yi),r),
End
Resultado=potencia(rwsultado,i/r),
1.3 Enfoques
º Enfoque Estadístico – Probabilístico
Su principal clasificador se basa en la teoría de la probabilidad, particularmente en el teorema de Bayes.Es el primer enfoque históricamente, por lo mismo es el que más se ha desarrollado.
º Clasificadores basados en métricas
Usualmente los incluyen en el ítemanterior. SU funcionamiento se basa en el cálculo de métricas o espacios métricos.
º Neuronal
Se basa en el modelo de la neurona artificial propuesto por McCulloch yPitts. Trata de emular el funcionamiento de las neuronas biológicas del ser humano.
º Asociativo
El enfoque más reciente. Utiliza las memorias asociativas para crearclasificadores robustos.
º Sintáctico – Estructural
Modelar los problemas mediante el uso de Autómatas gramáticas formales y/o grafos.
1.4 Conceptos básicos
-Patrón
Un conjunto de características o atributos que definan un objeto o ente
- Atributo, rasgo, características (Feature)
características intrínsecas queposee un objeto y que varían de uno a otro ejemplar.
- Clase
El conjunto de objetos o patrones que comparten características similares o en común.
- Conjunto deaprendizaje o conjunto fundamental
El grupo de varios patrones de las clases a utilizar que servirán como base al algoritmo para poder clasificar objetos (de esasmismas clases) que no aprendió.
Un patrón es un vector cuyas componentes son los atributos que representan dicho objeto.
Definición: Sea x un vector y columna quecontiene n componentes denotadas por x1, x2, x3, …, xn.
For i=1 hasta tam_x
Resultado=resultado+potencia(abs(xi-yi),r),
End
Resultado=potencia(rwsultado,i/r),
Leer documento completo
Regístrate para leer el documento completo.