PDF de programación - TExonomía de los principales temas de IA

Taxonomía de los principales temas de I A

Por: Luis Guillermo Restrepo Rivas

1. DEFINICIONES, UBICACIÓN CONCEPTUAL E HISTORIA DE LA I.A.
2. COMPLEJIDAD COMPUTACIONAL, EXPLOSIÓN COMBINATORIA, DOMINIOS NO

3.
4.

5.

6.

ESTRUCTURADOS Y SENTIDO COMÚN
PROBLEMAS Y ESPACIOS DE ESTADOS
TÉCNICAS DE BÚSQUEDA EN ESPACIOS DE ESTADOS
4.1. BÚSQUEDA PRIMERO EN AMPLITUD
4.2. BÚSQUEDA PRIMERO EN PROFUNDIDAD
4.3. ALGORÍTMO A*
4.4. REDUCCIÓN DE PROBLEMAS Y GRAFOS Y/O
4.5. LOS JUEGOS

4.5.1.
4.5.2.

Búsqueda MiniMax
Poda Alfa-Beta

INTRODUCCIÓN

LENGUAJE COMMON LISP
5.1.
5.2. TIPOS DE DATOS
5.3. LISTAS Y OTRAS ESTRUCTURAS DE DATOS
5.4. FUNCIONES Y PROGRAMACIÓN FUNCIONAL
5.5. CONTROL DE EJECUCIÓN Y RECURSIÓN
5.6. ENTRADA Y SALIDA
5.7. MACROS
5.8. ORIENTACIÓN A OBJETOS: CLOS
LENGUAJE PROLOG
6.1.
6.2. HECHOS SIMPLES
6.3. HECHOS CON ARGMENTOS
6.4. VARIABLES Y UNIFICACIÓN
6.5. REGLAS
6.6. BÚSQUEDA
6.7. RECURSIÓN
6.8. LISTAS

INTRODUCCIÓN A LA PROGRAMACIÓN DECLARATIVA

7. REPRESENTACIÓN DEL CONOCIMIENTO

7.1. LÓGICA DE PREDICADOS
7.2. REPRESENTACIÓN MEDIANTE REGLAS

7.2.1.

Tratamiento de la Incertidumbre
7.2.1.1. Métodos Estadísticos (Bayes)
7.2.1.2. Factores de Certeza
7.2.1.3. Teoría de Dempster-Schafer
7.2.1.4. Lógica Difusa o Borrosa

8.

7.3. REPRESENTACIÓN MEDIANTE REDES SEMÁNTICAS
7.4. REPRESENTACIÓN MEDIANTE MARCOS
7.5. TÉCNICAS DE DEPENDENCIA CONCEPTUAL
7.6. REPRESENTACIÓN MEDIANTE GUIONES
LA PLANIFICACIÓN
8.1. NIVELES DE PLANIFICACIÓN, PLANIFICACIÓN JERÁRQUICA
8.2. SISTEMA STRIPS
8.3. PLANIFICACIÓN NO LINEAL
8.4. OTROS MÉTODOS

9. RAZONAMIENTO AUTOMATIZADO
9.1. CÁLCULO DE PREDICADOS
9.2. REGLAS DE INFERENCIA
9.2.1. Unificación
9.2.2. Resolución
9.2.3. Universo y Base de Herbrand
9.2.4. Otras Reglas de Inferencia

9.3. RAZONAMIENTO BASADO EN CASOS
9.4. RAZONAMIENTO ANALÓGICO
9.5. RAZONAMIENTO CUALITATIVO
9.6. RAZONAMIENTO TEMPORAL
9.7. LÓGICA BORROSA Y RAZONAMIENTO DIFUSO
9.8. RAZONAMIENTO NO MONOTÓNICO

10. EL APRENDIZAJE: SISTEMAS DISCENTES Y ADAPTATIVOS

10.1. MOTIVACIÓN, OBJETIVOS, DEFINICIONES Y EVALUACIÓN DE DESEMPEÑO
10.2. MÉTODOS SIMBÓLICOS Y ESTADÍSTICOS

10.2.1. Adquisición de conceptos por Generalización/Especialización
10.2.2. Algoritmo ID3
10.2.3. Algortimos AQ

10.3. REDES NEURONALES

10.3.1. Redes Neuronales Naturales
10.3.2. Naturaleza de la Computación neuronal
10.3.3. Red de Hebb
10.3.4. Perceptrones
10.3.5. Adeline y Madaline
10.3.6. Retropropagación
10.3.7. Redes de Hopfield y Memoria Asociativa
10.3.8. Memoria Asociativa Bidireccional
10.3.9. Máquina de Boltzman
10.3.10. Mapas Autoorzanizantes
10.3.11. Aprendizaje competitivo
10.3.12. Resonancia Adaptativa
10.3.13. Neocognitrón
10.4. COMPUTACIÓN EVOLUTIVA

10.4.1. Algoritmos Genéticos (J. Holland)
10.4.2. Estrategias de Evolución (H.-P. Schwefel)
10.4.3. Programación Evolutiva (L. J. Fogel)
10.4.4. Programación Genética (J. Koza)
10.4.5. Algortimos Culturales (R. G. Reynolds)

11. PERCEPCIÓN Y RECONOCIMIENTO

11.1. RECONOCIMIENTO DE PATRONES

11.1.1. Métodos Estadísticos

11.1.1.1. Clasificación Supervisada
11.1.1.2. Clasificación No Supervisada y Análisis de Conglomerados

11.1.2. Métodos Sintáctico-Estructurales

11.1.2.1. Introducción a Lenguajes y Gramáticas Formales
11.1.2.2. Gramáticas Lineales
11.1.2.3. Gramáticas de Dimensiones Superiores
11.1.2.4. Aplicaciones

11.1.3. Métodos Neuronales

11.2. VISIÓN ARTIFICIAL

11.2.1. Adquisición de Imágenes
11.2.2. Técnicas de Iluminación
11.2.3. Preprocesamiento
11.2.4. Segmentación
11.2.5. Descripción e Interpretación
11.2.6. Morfología Matemática
11.2.7. Visión Tridimensional
11.2.8. Tratamiento del Movimiento

11.3. RECONOCIMIENTO DEL HABLA

12. SISTEMAS BASADOS EN CONOCIMIENTO

12.1. DEFINICIÓN, MOTIVACIÓN, ORÍGENES
12.2. ARQUITECTURA DE UN S.B.C.
12.3. CRITERIOS DE APLICABILIDAD DE UN S.B.C.
12.4. CICLO DE VIDA DE UN S.B.C.
12.5. LÓGICA
12.6. EL CONOCIMIENTO Y SU REPRESENTACIÓN
12.7. REPRESENTACIÓN DEL CONOCIMIENTO CON MARCOS
12.8. LOS PROCESOS DE INFERENCIA
12.9. INCERTIDUMBRE Y RAZONAMIENTO APROXIMADO

12.9.1. Métodos Probabilísticos
12.9.2. Factores de Certeza
12.9.3. Aplicación de Lógica Borrosa y Razonamiento Difuso
12.9.4. Teoría de la Evidencia de Dempster-Schaffer
12.9.5. Aplicación del Razonamiento No Monotónico

12.10. INGENIERÍA DEL CONOCIMIENTO
12.11. INTRODUCCIÓN A LA METODOLOGÍA KADS
12.12. ADQUISICIÓN DEL CONOCIMIENTO

12.12.1. Comprensión General del Dominio y la Tarea
12.12.2. Descomposición Funcional y Estrategias
12.12.3. Comprensión del Proceso de Razonamiento
12.12.4. Organización de los Conocimientos
12.12.5. El Modelo Conceptual
12.12.6. Técnicas de Entrevista para Adquisición de Conocimientos

12.13. VALIDACIÓN Y VERIFICACIÓN DE SISTEMAS BASADOS EN CONOCIMIENTO

13. PROCESAMIENTO DE LENGUAJE NATURAL

13.1. BÁSES DE LINGÜÍSTICA
13.2. REDES DE TRANSICIÓN FINITAS
13.3. REDES DE TRANSICIÓN RECURSIVAS Y AMPLIADAS
13.4. SINTAXIS Y GRAMÁTICAS GENERATIVAS
13.5. GRAMÁTICAS DE CASO
13.6. REPRESENTACIONES DE SEMÁNTICA
13.7. EL PROBLEMA DE LA AMBIGUEDAD
13.8. TEORÍA DE LA DEPENDENCIA CONCEPTUAL
13.9. MANEJO DE DIALOGOS
13.10. ENFOQUES DE LA TRADUCCIÓN AUTOMÁTICA

14.

INTELIGENCIA ARTIFICIAL DISTRIBUIDA
14.1. SISTEMAS CON TABLERO
14.2. AGENTES

15. EXPLOTACIÓN DE DATOS

15.1. INTRODUCCIÓN A LA EXPLOTACIÓN DE DATOS
15.2. EXPLOTACIÓN DE DATOS USANDO REDES NEURONALES
15.3. EXPLOTACIÓN DE DATOS USANDO TÉCNICAS ESTADÍSTICAS
15.4. EXPLOTACIÓN DE DATOS USANDO INDUCCIÓN DE REGLAS
15.5. EXPLOTACIÓN DE DATOS USANDO COMPUTACIÓN EVOLUTIVA

15.5.1. Preparación de los Datos
15.5.2. Selección de Arquitecturas de Redes para Explotación de Datos
15.5.3. Entrenamiento
15.5.4. Aspectos prácticos de la aplicación

15.6. CASOS DE APLICACIÓN

16. ROBÓTICA

16.1. INTRODUCCIÓN
16.2. ROBOTS AUTÓNOMOS
16.3. SENSORES Y EFECTORES
16.4. FUSIÓN DE DATOS
16.5. ARQUITECTURAS CLÁSICAS
16.6. ARQUITECTURAS DE SUBSUMISIÓN

17. GESTIÓN DEL CONOCIMIENTO