Escuela Profesional: Examen de

Ingeniería de Informática y de Sistemas Unidad 2

Docente: Dr. Jorge Gutiérrez Curso: Inteligencia Artificial Fecha: 19

Gutiérrez de julio de
2017

Nombre:
1. escriba verdadero o falso (6 pts)
El fuzzificador convierte entradas lingüísticas en salidas lingüísticas (F)
John Holland es el auto de la teoría de la lógica difusa (F)

El agente inteligente difuso usa una base de reglas IF-THEN determinísticas (V)

Los sistemas difusos se pueden aplicarse con facilidad a los aspectos legales (V)

El método Mandani maximiza los antecedentes y luego minimiza los consecuentes (F)

Las redes MLP (multilayer perceptron) desarrollan la idea de memoria asociativa (F)

El algoritmo de aprendizaje Backpropagation reparte el error general de la red a todos los

pesos desde la última capa hacia la primera (V)

El teacher es el elemento clave del aprendizaje no supervisado (F)

El peso bias es igual al negativo del umbral theta. (V)

La función sigmoidal tangencial hiperbólico normaliza las entradas para presentar unas
salidas entre 1 y -1. (V)

Sí, la siguiente imagen lo indica así:

 Escuela Profesional: Examen de
Ingeniería de Informática y de Sistemas Unidad 2

Docente: Dr. Jorge Gutiérrez Curso: Inteligencia Artificial Fecha: 19

Gutiérrez de julio de
2017

Las redes MLP utilizan un aprendizaje no supervisado. (F)

2. Escriba el código prolog para dibujar la siguiente interface; debe considerar que
coloca la imagen del estómago con cáncer (Figura 1) si la probabilidad es mayor que
60%, de lo contrario muestra la imagen sana (Figura 2) (5 ptos)

% prolog 6.6
% Teorema de Bayes
% p(E|S1,S2,S3) = p(E,S1,S2,S3) / p(E,S1,S2,S3) + P(~e|S1,S2,S3)

:-use_module(library(pce)), pce_image_directory('./img').

resource(imgTab, image, image('sano.jpg')).

resource(imgTab2, image, image('enfermo.jpg')).

sistema:- new(W,dialog('Diagnóstico de cancer de estomago')),

new(P1,menu('Tiene dolor de estomago?')),
send_list(P1,append,[si,no]),
new(P2,menu('Ha tenido anteriormente gastritis?')),
send_list(P2,append,[si,no]),
new(P3,menu('Ha bajado de peso?')),
send_list(P3,append,[si,no]),
new(P4,menu('Tiene una mala alimentación con azucares y frituras?')),
send_list(P4,append,[si,no]),
 Escuela Profesional: Examen de
Ingeniería de Informática y de Sistemas Unidad 2

Docente: Dr. Jorge Gutiérrez Curso: Inteligencia Artificial Fecha: 19

Gutiérrez de julio de
2017

send_list(W,append,[P1, P2 ,P3, P4,

button(diagnosticar,message(@prolog,
procesa,
P1?selection,
P2?selection,
P3?selection,
P4?selection)),
button(cancelar,message(W,destroy))]),
send(W,open).

procesa(A1, A2, A3, A4):-

new(Ventana, dialog('resultado')),
new(Tablero, window('Tablero', size(232,217))),
reglamedica(si, A1, A2, A3, A4, Enfermo),
reglamedica(no, A1, A2, A3, A4, Sano),
Pbayes is 100 * Enfermo /(Enfermo + Sano),
tipoimg(Pbayes, Tablero),
new(E1, label(a,'Existe un probabilidad de ')),
new(E2, label(a, Pbayes)),
new(E3, label(a,'% que tenga cancer de estomago')),
send_list(Ventana, append, [Tablero, E1, E2, E3]),
send(Ventana, open).

load_img(Ventana, Figura, Imagen, Posicion) :-

new(Figura, figure),
new(Bitmap, bitmap(resource(Imagen),@on)),
send(Bitmap, name, 1),
send(Figura, display, Bitmap),
send(Figura, status, 1),
send(Ventana, display, Figura, Posicion).

tipoimg(R, Tablero):- R > 60, load_img(Tablero, _, imgTab2, point(0,0)).

tipoimg(R, Tablero):- R =< 60, load_img(Tablero, _, imgTab, point(0,0)).

% base de conocimientos:
 Escuela Profesional: Examen de
Ingeniería de Informática y de Sistemas Unidad 2

Docente: Dr. Jorge Gutiérrez Curso: Inteligencia Artificial Fecha: 19

Gutiérrez de julio de
2017

reglamedica(si, si, no, no, no, 16).

reglamedica(si, si, no, no, si, 20).
reglamedica(si, si, no, si, no, 24).
reglamedica(si, si, no, si, si, 30).
reglamedica(si, si, si, no, no, 36).
reglamedica(si, si, si, no, si, 38).
reglamedica(si, si, si, si, no, 40).
reglamedica(si, si, si, si, si, 44).
reglamedica(si, no, no, no, no, 1).
reglamedica(si, no, no, no, si, 6).
reglamedica(si, no, no, si, no, 3).
reglamedica(si, no, no, si, si, 10).
reglamedica(si, no, si, no, no, 11).
reglamedica(si, no, si, no, si, 18).
reglamedica(si, no, si, si, no, 22).
reglamedica(si, no, si, si, si, 25).
reglamedica(no, si, no, no, no, 10).
reglamedica(no, si, no, no, si, 8).
reglamedica(no, si, no, si, no, 7).
reglamedica(no, si, no, si, si, 5).
reglamedica(no, si, si, no, no, 7).
reglamedica(no, si, si, no, si, 1).
reglamedica(no, si, si, si, no, 1).
reglamedica(no, si, si, si, si, 1).
reglamedica(no, no, no, no, no, 50).
reglamedica(no, no, no, no, si, 48).
reglamedica(no, no, no, si, no, 36).
reglamedica(no, no, no, si, si, 31).
reglamedica(no, no, si, no, no, 32).
reglamedica(no, no, si, no, si, 22).
reglamedica(no, no, si, si, no, 19).
reglamedica(no, no, si, si, si, 15).

3. Para el siguiente caso: “Se necesita construir un sistema experto para diagnosticar la
afectividad de las parejas; el sistema determina cuando se separan. Para ello toma como
información relevante datos de él y de ella. El sistema determina finalmente si separan al
 Escuela Profesional: Examen de
Ingeniería de Informática y de Sistemas Unidad 2

Docente: Dr. Jorge Gutiérrez Curso: Inteligencia Artificial Fecha: 19

Gutiérrez de julio de
2017

cabo de 1 año, 2, 5 o nunca se separan”. Diseñe la red neuronal del caso considerando
todos los parámetros del caso. (4ptos)

a) Dibuje la topología de la red.

1año

2años

5años

nunca

Las 6 neuronas de la capa de entrada indican:

1) Nro de hijos
2) Edad mujer
3) Edad hombre
4) Sueldo mujer
5) Sueldo hombre
6) Tiempo de relación

b) Justifique el número de neuronas ocultas.

El número de neuronas ocultas se calcula en base a la regla de la pirámide:

ℎ = √𝑚 ∗ 𝑛 m es el número de neuronas de
entrada
ℎ = √6 ∗ 4 n es el número de neuronas de
salida
ℎ = 4.9 ≅ 5 h es el número de neuronas de la
capa oculta

c) Elabore la tabla con algunos patrones.

 Escuela Profesional: Examen de
Ingeniería de Informática y de Sistemas Unidad 2

Docente: Dr. Jorge Gutiérrez Curso: Inteligencia Artificial Fecha: 19

Gutiérrez de julio de
2017

Patrón 1 2 3 4 5 6 7 8 9 10

Nro de hijos 0 1 1 0 3 3 2 3 3 2

Edad mujer 18 20 30 40 30 50 50 20 25 18

Edad hombre 18 25 40 30 35 50 30 50 60 30

Sueldo mujer 0 600 0 1200 1200 1500 1500 600 800 0

Sueldo hombre 0 1200 1500 1500 1500 1500 600 3000 3000 1500

Tiempo relación 2 6 10 5 12 20 2 5 10 1
Resultado
2 5 5 1 N N 1 5 5 1
(separación)

d) Justifique el número de patrones y de épocas.

El número de patrones debe ser representativo para calcular los pesos de la salida, se
recomendaría abarcar rango de edades (ej. 5 rangos) x rango de sueldos (ej. 5
rangos) x número promedio de hijos (ej. 5) x rango de tiempo de relación (ej. 5
rangos)

Tendríamos una cantidad de 625 patrones diferentes con los tener resultados más
acertados.

Se podría realizar en 5 épocas diferentes lo que haría un total de 3125 muestras

diferentes, suficiente para tener una RNA con buenos resultados.

4. Para el siguiente caso de Lógica Difusa: (5 ptos)

Se pide:
a) Dibujar las funciones de pertenencia para
las variables de entrada.

Variables de entrada (distancia del objeto en

metros):
- Distancia_izq (LEFT)
 Escuela Profesional: Examen de
Ingeniería de Informática y de Sistemas Unidad 2

Docente: Dr. Jorge Gutiérrez Curso: Inteligencia Artificial Fecha: 19

Gutiérrez de julio de
2017

- Distancia_centro (CENTER)
- Distancia_der (RIGHT)
Funciones de pertenencia para la distancia:

Cerca (NEAR), Medio (MEDIUM), Lejos (FAR)

0.5

0
1 10 20 30 40 50 60 70 80 90 100

b) Si LEFT=8, CENTER=12 y RIGHT=30; indicar cuáles reglas son verdades.

 LEFT=8 => cerca, medio

 CENTER=12 => medio, lejos

 RIGHT = 30 => medio, lejos

Serian válidos, los que contengan estas reglas:

R1, R8, R9, R10, R11, R12, R14, R15, R17 y R18
 Escuela Profesional: Examen de
Ingeniería de Informática y de Sistemas Unidad 2

Docente: Dr. Jorge Gutiérrez Curso: Inteligencia Artificial Fecha: 19

Gutiérrez de julio de
2017