Documente Academic
Documente Profesional
Documente Cultură
LA INTELIGENCIA ARTIFICIAL
ESTUDIANTE
ADRIANO GUTIÉRREZ
GRUPO COLABORATIVO 28
TUTOR
FERNANDO ROJAS
BELALCÁZAR CAUCA
ABRIL DE 2019
TABLA DE CONTENIDO
Para el proyecto en desarrollo se utilizaron redes neuronales artificiales (RNA), con el algoritmo
de retropropagación (backpropagation) y con perceptrón multicapa, el cual tiene 12 entradas y
una sola salida. Para esto se utilizarán datos reales de un pozo, al cual por seguridad se le ha
cambiado el nombre a TEST-1. Para la construcción del modelo, se utilizaron 4 capas:
Para el entrenamiento del modelo se utilizó una base de datos “Training_coma.txt” en la cual se
establecieron las entradas y las salidas del modelo, estableciendo el número de épocas en 150 y
el batch size en 10, la cual es la cantidad de instancias antes de que se actualice el peso de las
neuronas.
Grafica 1. Fase de Entrenamiento de la red neuronal.
ROP GR RPD2 RPM2 RPS2 RHOB DRHO NPSS NPLS NPDL PHIE PERM_FINAL
194.78 69.89 10.41 10.41 10.41 2.53 0.03 0.22 0.16 0.15 0.11 21.15
206.60 66.56 9.57 9.57 9.57 2.51 0.03 0.22 0.16 0.14 0.10 4.14
184.03 63.91 8.89 8.89 8.89 2.50 0.03 0.21 0.16 0.14 0.09 0.96
184.28 59.48 8.44 8.44 8.44 2.50 0.04 0.21 0.15 0.14 0.10 0.30
183.81 56.93 8.25 8.25 8.25 2.50 0.04 0.21 0.15 0.14 0.11 0.45
167.34 55.30 8.28 8.28 8.28 2.50 0.04 0.20 0.15 0.13 0.12 0.80
187.33 54.09 8.47 8.47 8.47 2.51 0.04 0.20 0.14 0.13 0.12 1.12
198.61 53.42 8.76 8.76 8.76 2.52 0.04 0.20 0.14 0.13 0.12 0.87
240.78 51.77 9.08 9.08 9.08 2.52 0.04 0.20 0.14 0.13 0.12 0.72
257.80 50.72 9.39 9.39 9.39 2.52 0.04 0.19 0.14 0.13 0.12 0.90
250.43 49.85 9.65 9.65 9.65 2.52 0.04 0.19 0.14 0.13 0.13 2.36
252.60 49.50 9.83 9.83 9.83 2.52 0.04 0.19 0.14 0.13 0.14 4.17
Posteriormente se realizaron las pruebas con datos reales del archivo “Testing_coma.txt” y se
obtuvo que el porcentaje de aciertos fue del 91%, esto se realizó en el archivo de Excel llamado
“Calculo de Rendimiento de la Red.xlsx”.
Operadores
Función de transformación: Intercambio de las posiciones del espacio está encima de éste.
Función de transformación: Intercambio de las posiciones del espacio que está debajo de éste.
éste.
Función de transformación: Intercambio de las posiciones del espacio que está a la izquierda
de éste.
todos los nodos de los niveles superiores precedentes han sido visitados.
nodos sucesores.
Algoritmos de búsqueda
Algoritmo de Búsqueda en profundidad es un algoritmo que permite recorrer todos los nodos de
recurrente, en un camino concreto. Cuando ya no quedan más nodos que visitar en dicho camino,
regresa (Backtracking), de modo que repite el mismo proceso con cada uno de los hermanos del
nodo ya procesado.
La incertidumbre surge porque se tiene un conocimiento incompleto / incorrecto del mundo o por
limitaciones en la forma de representar dicho conocimiento, por ejemplo:
Un sistema experto médico, Un robot móvil, Un sistema de análisis financiero, Un sistema de
reconocimiento de voz o imágenes
Por ejemplo un robot móvil tiene incertidumbre respecto a lo que obtiene de sus sensores y de su
posición en el mundo
Existen varias causas de incertidumbre que tienen que ver con la información, el conocimiento y
la representación, por información incompleta, poco confiable, ruido, distorsión y el
conocimiento es impreciso y contradictorio
Entre los efectos de la incertidumbre esta que se pierden varias propiedades de los sistemas que
no tienen incertidumbre, basados en lógicas o reglas, lo cual hace el manejo de incertidumbre
más complejo. Las principales dos características que, en general, ya no aplican son: Modular y
Monotónica
Modular: Un sistema de reglas es modular, ya que para saber la verdad de una regla sólo tiene
que considerarla a ésta, sin importar el resto del conocimiento. Pero si hay incertidumbre ya no
puedo considerar la regla por sí sola, debe tomar en cuenta otras reglas.
SBC4-rbayesianas.pdf
Caparrini, F. and Work, W. (2018). Espacios de estados - Fernando Sancho Caparrini. [Online]
https://elvex.ugr.es/decsai/iaio/slides/A3%20Search.pdf
ingenieria/sistemas-expertos-e-inteligencia-artificial/2016/i/guia-7.pdf