Inteligencia artificial: métodos, técnicas y aplicaciones -- Página Legal -- Índice general -- Prólogo -- Parte I -- Capítulo 1 -- 1.1 Introducción -- 1.2 La IA como Ciencia y como IC -- 1.3 Perspectiva histórica: fundamentos y metodología -- 1.4 Paradigmas actuales en IA -- 1.5 El conocer humano y el conocer de las máquinas -- 1.6 Algunas sugerencias -- 1.7 Resumen -- Referencias -- Parte II -- Capítulo 2 -- 2.1 Introducción: ¿Por qué la Lógica? -- 2.2 Lógica proposicional -- 2.3 Lógica de primer orden -- 2.4 Extensiones de las lógicas clásicas -- 2.5 Aplicaciones: el ejemplo de las lógicas temporales -- 2.6 Ejercicios resueltos -- 2.7 Ejercicios propuestos -- Referencias -- Capítulo 3 -- 3.1 Introducción -- 3.2 Componentes básicos de los SBR -- 3.3 Inferencia -- 3.4 Técnicas de equiparación -- 3.5 Técnicas de resolución de con.ictos -- 3.6 Ventajas e inconvenientes -- 3.7 Dominios de aplicación -- 3.8 Resumen -- 3.9 Ejercicios resueltos -- 3.10 Ejercicios propuestos -- Referencias -- Capítulo 4 -- 4.1 Introducción -- 4.2 Redes semánticas -- 4.3 Inferencia de conocimiento en redes semánticas -- 4.4 Marcos -- 4.5 Inferencia de conocimiento en SBM -- 4.6 Resumen -- 4.7 Ejercicios resueltos -- 4.8 Ejercicios propuestos -- Referencias -- Capítulo 5 -- 5.1 Introducción -- 5.2 Ontologías: de.nición y componentes -- 5.3 Una metodología para el desarrollo de ontologías: METHONTOLOGY -- 5.4 Cómo construir una ontología legal conWebODE -- 5.5 Otros métodos y herramientas para desarrollar ontologías -- 5.6 Lenguajes de implementación de ontologías -- 5.7 Resumen -- 5.8 Ejercicios resueltos -- 5.9 Ejercicios propuestos -- Referencias -- Capítulo 6 -- 6.1 Introducción -- 6.2 Conceptos básicos de la teoría de la probabilidad -- 6.3 Una introducción a las redes bayesianas -- 6.4 Razonamiento con redes bayesianas -- 6.5 Referencias bibliográ.cas y software.

6.6 Ejercicios propuestos -- Referencias -- Capítulo 7 -- 7.1 Introducción -- 7.2 Conjuntos borrosos -- 7.3 Semántica de los conjuntos borrosos -- 7.4 Teorías de conjuntos borrosos -- 7.5 Variable lingüística -- 7.6 Principio de extensión -- 7.7 Relaciones borrosas -- 7.8 El condicional -- 7.9 Cuali.cación lingüística -- 7.10 Razonamiento borroso -- 7.11 Cuanti.cación -- 7.13 Resumen -- 7.14 Ejercicios resueltos -- 7.15 Ejercicios propuestos -- Referencias -- Parte III -- Capítulo 8 -- 8.1 Introducción -- 8.2 Algunos ejemplos -- 8.3 Formulación de problemas de búsqueda -- 8.4 Métodos de búsqueda sin información -- 8.5 Resumen -- 8.6 Ejercicios resueltos -- 8.7 Ejercicios propuestos -- Referencias -- Capítulo 9 -- 9.1 Introducción -- 9.2 Búsqueda primero el mejor -- 9.3 El algoritmo A* -- 9.4 Búsqueda con memoria limitada -- 9.5 Algoritmos voraces -- 9.6 Algoritmos de rami.cación y poda -- 9.7 Algoritmos de mejora iterativa o búsqueda local -- 9.8 Resumen -- 9.9 Ejercicios resueltos -- 9.10 Ejercicios propuestos -- Referencias -- Capítulo 10 -- 10.1 Introducción -- 10.2 De.niciones y conceptos básicos -- 10.3 Ejemplos de CSP y su modelización -- 10.4 Técnicas CSP -- 10.5 Heurísticas de búsqueda -- 10.6 Extensiones de CSP -- 10.7 Lecturas recomendadas -- 10.8 Resumen -- 10.9 Ejercicios resueltos -- 10.10 Ejercicios propuestos -- Referencias -- Capítulo 11 -- 11.1 Introducción -- 11.2 Un algoritmo genético simple -- 11.3 Fundamentos de los algoritmos genéticos -- 11.4 Diseño de algoritmos evolutivos -- 11.5 Lecturas recomendadas -- 11.6 Resumen -- 11.7 Ejercicios resueltos -- 11.8 Ejercicios propuestos -- Referencias -- Parte IV -- Capítulo 12 -- 12.1 Introducción -- 12.2 Elementos básicos de un sistema de diagnosis -- 12.3 Diagnosis basada en árboles de fallos -- 12.4 Diagnosis basada en modelos de clasi.cación simbólica.

12.5 Diagnosis basada en modelos: la aproximación basada en consistencia -- 12.6 Métodos y modelos para la diagnosis -- 12.7 Resumen -- 12.8 Lecturas recomendadas -- 12.9 Ejercicios Propuestos -- Referencias -- Capítulo 13 -- 13.1 Introducción -- 13.2 Problema de plani.cación -- 13.3 Lenguaje de plani.cación PDDL -- 13.4 Plani.cación en un espacio de estados -- 13.5 Plani.cación de orden parcial -- 13.6 Plani.cación basada en grafos de plani.cación -- 13.7 Plani.cación basada en satisfacibilidad -- 13.8 Plani.cación para el mundo real -- 13.9 Lecturas recomendadas -- 13.10 Ejercicios resueltos -- 13.11 Ejercicios propuestos -- Referencias -- Capítulo 14 -- 14.1 Introducción -- 14.2 Conceptos fundamentales -- 14.3 Métodos genéricos para control -- 14.4 Control borroso -- 14.5 Arquitecturas y herramientas -- 14.6 Arquitecturas de pizarra -- 14.7 Sistemas en tiempo real basados en conocimiento -- 14.8 Lecturas recomendadas -- 14.9 Resumen -- 14.10 Ejercicios propuestos -- Referencias -- Parte V -- Capítulo 15 -- 15.1 Introducción -- 15.2 Métodos de aprendizaje supervisado -- 15.3 Métodos de aprendizaje no supervisados -- 15.4 Máquina de Vectores Soporte -- 15.5 Resumen -- 15.6 Ejercicios propuestos -- Referencias -- Capítulo 16 -- 16.1 Introducción -- 16.2 Conceptos básicos -- 16.3 Los datos de partida -- 16.4 Técnicas de agrupamiento jerárquico -- 16.5 Técnicas de agrupamiento particional -- 16.6 Nuevos resultados y extensiones -- 16.7 Técnicas de agrupamiento borroso -- 16.8 Herramientas software para el agrupamiento -- 16.9 Lecturas recomendadas -- 16.10 Resumen -- 16.11 Ejercicios propuestos -- Referencias -- Capítulo 17 -- 17.1 Introducción -- 17.2 Inducción de árboles de decisión -- 17.3 Aprendizaje de reglas por cobertura -- 17.4 Reestructuración de reglas -- 17.5 Otras aplicaciones de los árboles de decisión.

17.6 Extensiones de árboles y reglas de decisión -- 17.7 Sistemas y aplicabilidad -- 17.8 Lecturas recomendadas -- 17.9 Resumen -- 17.10 Ejercicios resueltos -- 17.11 Ejercicios propuestos -- Referencias -- Capítulo 18 -- 18.1 Introducción -- 18.2 Técnicas de extracción de reglas a partir de modelos de caja negra -- 18.3 Técnicas de extracción de reglas sobre redes neuronales -- 18.4 Técnicas de extracción de reglas sobre otros paradigmas -- 18.5 Técnicas de extracción de reglas borrosas -- 18.6 Lecturas recomendadas -- 18.7 Resumen -- 18.8 Ejercicios resueltos -- 18.9 Ejercicios propuestos -- Referencias -- Parte VI -- Capítulo 19 -- 19.1 Introducción a la Ingeniería del Conocimiento -- 19.2 Adquisición del conocimiento -- 19.3 Sistemas basados en conocimiento -- 19.4 Métodos de desarrollo de sistemas basados en conocimiento -- 19.5 Construcción de sistemas basados en conocimiento usando CommonKADS -- 19.6 Lecturas recomendadas -- 19.7 Resumen -- 19.8 Ejercicio propuesto -- Referencias -- Capítulo 20 -- 20.1 Introducción -- 20.2 Arquitecturas de agentes -- 20.3 Sociedades de agentes -- 20.4 Comunicación entre agentes -- 20.5 Métodos, herramientas y plataformas -- 20.6 Aplicaciones de los agentes -- 20.7 Ejercicios resueltos: Análisis y diseño de un SMA -- 20.8 Ejercicios propuestos -- Referencias -- Capítulo 21 -- 21.1 Introducción -- 21.2 Veri.cación de sistemas inteligentes -- 21.3 Validación de sistemas inteligentes -- 21.4 Métodos cuantitativos de validación -- 21.5 Síntesis metodológica del proceso de validación -- 21.6 Resumen -- 21.7 Ejercicios resueltos -- 21.8 Ejercicios propuestos -- Referencias -- Capítulo 22 -- 22.1 Introducción -- 22.2 Sistemas de Razonamiento Basado en Casos -- 22.3 Elementos de un SRBC -- 22.4 El ciclo RBC. Etapas-RE -- 22.5 Aplicaciones de los sistemas RBC -- 22.6 Herramientas para el desarrollo de SRBC.

22.7 Lecturas recomendadas y recursos en Internet -- 22.8 Resumen -- 22.9 Ejercicios resueltos -- 22.10 Ejercicios propuestos -- Referencias -- Capítulo 23 -- 23.1 Introducción -- 23.2 Modelos estadísticos -- 23.3 Modelos geométricos de la decisión -- 23.4 Aprendizaje de clasi.cadores lineales -- 23.5 Aprendizaje de clasi.cadores no lineales -- 23.6 Selección de características -- 23.7 Validación y comparación de clasi.cadores -- 23.8 Ejercicios propuestos -- Referencias.

El libro es un texto de referencia a nivel nacional y latinoamericano en el campo de la Inteligencia artificial y los Sistemas inteligentes (asignatura de posgrado). Ello se consigue mediante la participación de un gran número de autores expertos en cada uno de los temas de distintas universidades españolas, y la coordinación por parte de José Palma y Roque Marín, de la Universidad de Murcia y de la asociación iberoamericana de la Inteligencia Artificial. Cada uno de los temas que componen el libro se desarrollan de forma exhaustiva pero didáctica, plasmando en papel la experiencia de cada uno de los autores en ese campo. La parte teórica se completa con ejercicios de práctica para que el alumno desarrolle los conocimientos adquiridos. El trabajo de los coordinadores es aglutinar y homogeneizar los contenidos de los distintos autores, para lo cual cuentan con una dilatada experiencia en otras obras sobre temas informáticos universitarios. El libro se complementa con una OLC en la que tendrán cabida más materiales complementarios y de práctica desarrollados por los autores y coordinadores.

Description based on publisher supplied metadata and other sources.

Electronic reproduction. Ann Arbor, Michigan : ProQuest Ebook Central, 2021. Available via World Wide Web. Access may be limited to ProQuest Ebook Central affiliated libraries.