Sistemas Inteligentes UTP 2013 III

PERIODO 2013-II
SISTEMAS INTELIGENTES
ESCUELA DE INGENIERA DE REDES Y
COMUNICACIONES
JOSE EDUARDO TORRES VEGA
Coronel EP ( R )
Diplomado en Ciencia y Tecnologa
Ingeniero Electrnico CIP
Maestro en Administracin
Experto en Logstica
Diplomado en Seguridad y Salud Ocupacional
Docente Universitario a nivel pre grado y post grado
Consultor en Servicios de Telecomunicaciones
Estudios Tericos de Radiaciones No Ionizantes
PRESENTADO POR:
COMUNICACIONES
SEM. HRS. TEMA
1 04
Lgica para Sistemas Inteligentes: Introduccin a la representacin del conocimiento; Introduccin a las
ontologas formales
2 04 Lgica para Sistemas Inteligentes: Lgicas descriptivas; lgicas hbridas
3 04
Computacin Neuro borrosa: Teora de conjuntos borrosos, Definiciones y operaciones bsicas,
Extensin a la lgica, Algoritmo bsico de inferencia borrosa
4 04
Computacin Neuro borrosa: Redes neuronales: motivaciones, Modelos, historia, Arquitectura de Redes,
Aprendizaje: paradigmas, reglas, algoritmos,
5 04
Computacin Neuro borrosa: Perceptron simple y multicapas, Redes auto organizadas, recurrentes y
jerrquicas, Funciones de base radial, Implementaciones y aplicaciones
6 04 Minera de datos: Definicin y clasificacin; El proceso de minera de datos
7 04 Minera de datos: Mtodos supervisados; Mtodos no supervisados ; aplicaciones
8 04
Control Inteligente: Introduccin a los Sistemas de Control. Modelado y simulacin de sistemas
dinmicos
9 04 Control Inteligente: Control clsico, Regulacin; Control borroso; Control Neuronal
10 02 EXAMEN PARCIAL
11 04
Control Inteligente: Control adaptativo; Control basado en algoritmos genticos; Control experto;
Aplicaciones
12 04
Inteligencia ambiental y Sistemas multiagente: Introduccin; Tecnologa bsica para el desarrollo de
Sistemas de inteligencia ambiental
13 04
Inteligencia ambiental y Sistemas multiagente: Modelos inteligentes; Aplicaciones de inteligencia
ambiental; Introduccin a los Agentes y Sistemas Multiagente
14 04
Inteligencia ambiental y Sistemas multiagente: Arquitecturas; Tipos de agentes; Comunicacin; Sistemas
multiagente
15 04
Ingeniera Web y Web semntica: Introduccin; Lenguaje unificado del modelado; Proceso software en la
Ingeniera Web
16 04
Ingeniera Web y Web semntica: Mtodos de desarrollo para aplicaciones web; Web semntica y
Ontologas; Anlisis temporal de sistemas
17 04
Robot autnomos: Introduccin. Estructura General; estructura mecnica; Actuadores y Sensores;
Capacidades autnomas; Planificacin y como evitar colisiones
18 04 Nuevas tendencias en Sistemas Inteligentes:
19 02 EXAMEN FINAL
20 02 EXAMEN SUSTITUTORIO
COMUNICACIONES
CONTROL SILBICO
SUMARIO
1. TECNOLOGA BSICA PARA EL DESARROLLO DE
SISTEMAS DE INTELIGENCIA AMBIENTAL
2. MINERIA DE DATOS MAS CONOCIDOS
3. SISTEMAS DE CONTROL
BIBLIOGRAFA
1. J-s.R. Jang, C-T Sun and E. Mizutani (1996) Neuro-Fuzzy and Soft Computing Prentice Hall
2. Aranda Almanza, et, al (2000) Fundamentos de Lgica matemtica Sanz y Fors
3. Dumitrescu, Lazzzerini , Jain (2000) Fuzzy Sets and their application to clustering and training-
CRC Press 2000.
COMUNICACIONES
COMUNICACIONES
DIMENSION TECNOLGICA:

HARDWARE NO OBSTRUCTIVO: MINIATURIZACIN Y NANO-TECNOLOGAS,
DISPOSITIVOS INTELIGENTES, ORDENADORES EMBEBIDOS, ALIMENTACIN, SENSORES,
ACTIVADORES
INFRAESTRUCTURAS DE COMUNICACIONES CONTINUAS BASADAS EN ACCESO WEB
FIJO Y MVIL.
REDES DE DISPOSITIVOS DINMICOS Y DISTRIBUIDOS, DISPOSITIVOS INTEROPERABLES
Y REDES CONFIGURABLES A MEDIDA, INTELIGENCIA EMBEBIDA EN REDES.
INTERFACES HUMANAS SIMILARES A LAS NATURALES: AGENTES INTELIGENTES,
INTERFACES MULTIMODALES, MODELOS DE PERCEPCIN DE CONTEXTO.
FIABILIDAD Y SEGURIDAD: SISTEMAS ROBUSTOS Y FIABLES, SOFTWARE CAPAZ DE
AUTO- CHEQUEO Y AUTO-REPARACIN Y AUTOORGANIZACIN
TECNOLOGA BSICA PARA EL DESARROLLO DE SISTEMAS
DE INTELIGENCIA AMBIENTAL
COMUNICACIONES
DIMENSION SOCIAL:

LA GENTE NO ACEPTA TODO LO QUE SEA TECNOLGICAMENTE POSIBLE Y EST
DISPONIBLE.
LA POBLACIN NECESITA CIERTAS CAPACIDADES Y HABILIDADES PARA ADQUIRIR Y
UTILIZAR LAS TECNOLOGAS: DINERO, TIEMPO, HABILIDADES, APTITUDES,
LENGUAJE, ETC., QUE NO ESTN HOMOGNEAMENTE DISTRIBUIDAS ENTRE LA
POBLACIN.
LA GENTE PUEDE HACER USO DE TECNOLOGAS DE FORMA MUY DIFERENTE A
LOS USOS PREVISTOS POR LOS PROVEEDORES (INTERNET, SMS).
NUEVOS USOS DE LAS TIC QUE EMERGEN COMO INTERACCIN DE
USUARIOS Y PRODUCTORES.
LA DEMANDA DE LOS USUARIOS SLO SE CUBRE SI EL PRECIO ES ATRACTIVO.
NO EXISTE EL PRODUCTO TPICO O DE USO NORMAL, SINO UNA DIVERSIDAD
DE USOS Y USUARIOS.
HAY DIFERENCIA ENTRE PROPIETARIOS, USUARIOS Y FAMILIARIZADOS CON LAS
TIC. LA GENTE TIENE TECNOLOGA, PERO PUEDE NO UTILIZARLA; LA GENTE
USA TECNOLOGAS PERO PUEDE NO TENER CONFIANZA EN ELLA
COMUNICACIONES
FUNCIONES DEL HOGAR INTELIGENTES:

ORDENADORES QUE AYUDAN A LA POBLACIN A VIVIR DE FORMA MS SANA, FELIZ Y SEGURA
REALIZACIN DE TAREAS COTIDIANAS AUTOMTICAMENTE REDUCIENDO EL STRESS DE LA GESTIN
DOMSTICA
INTEGRACIN DEL HOGAR CON EL TRABAJO, EL APRENDIZAJE Y EL OCIO
DESAPARICIN DE TODOS LOS DETALLES EXTRAVAGANTES ACTUALES

PRINCIPALES TENDENCIAS:

ACELERACIN DEL RITMO DE LA VIDA DIARIA, ESTILO DE VIDA FRENTICO, DEMANDA CRECIENTE
DE EFICIENCIA Y FLEXIBILIDAD EN LAS RUTINAS DIARIAS
LMITES POCO CLAROS ENTRE EL TIEMPO Y EL ESPACIO (CRECIMIENTO DE LA TELE-
PRESENCIA)
ENVEJECIMIENTO DE LA POBLACIN CON UNA MAYOR DEMANDA POR PARTE DE LOS MAYORES
DE PERMANENCIA EN SUS HOGARES
DEMANDA CRECIENTE DE SEGURIDAD
PRESIN CRECIENTE SOBRE LOS PROBLEMAS MEDIOAMBIENTALES Y EL AHORRO ENERGTICO
(PROMOVER EL DESARROLLO SOSTENIBLE Y COMPENSAR LOS ALTOS PRECIOS DE LA ENERGA)
INVESTIGACIN CRECIENTE DE EXPERIENCIAS Y PROYECTOS
NECESIDAD CRECIENTE DEL HOGAR COMO UN SANTUARIO, MODO DE VIDA TECNOLGICO
COMUNICACIONES
FUNCIONES BSICAS A SER CUMPLIDAS POR LOS HOGARES:

AUTOMATIZACIN DEL HOGAR: SOPORTE DE LAS FUNCIONES BSICAS COMO PUEDE
SER LA CALEFACCIN, VENTILACIN, AIRE ACONDICIONADO AS COMO OTRAS
INSTALACIONES ELCTRICAS. LAS FUNCIONES DE SEGURIDAD TAMBIN ESTN
INCLUIDAS DENTRO DEL AUTOMATISMO E INCLUYE DIFERENTES ASPECTOS: SEGURIDAD
EN TRMINOS DE CONTROL DE ACCESO FSICO Y SISTEMAS DE ALARMAS, SEGURIDAD
EN TRMINOS DE SALUD (PREVENCIN, MONITORIZACIN) Y SEGURIDAD EN TRMINOS
DE CONSTRUCCIN SEGURA Y DE MATERIALES. TAMBIN SE INCLUYEN LAS FUNCIONES
DE CONTROL.
COMUNICACIN Y SOCIALIZACIN, INCLUYE LA COMUNICACIN INTERPERSONAL Y EL
ACCESO A INTERNET Y A OTROS SISTEMAS DE INFORMACIN.
DESCANSO, RELAJACIN Y ENTRETENIMIENTO CONSTITUYEN UN ELEMENTO BSICO,
CON LA ELECTRNICA DEL HOGAR COMO VDEO, TV, MSICA, JUEGOS, ETC. TAMBIN
INCLUYE LAS FUNCIONES RELACIONADAS CON LA HIGIENE.
TRABAJO Y APRENDIZAJE, CON UN AUMENTO DE SUS POSIBILIDADES EN EL HOGAR.
INCLUYE EL TRABAJO DE MANTENIMIENTO Y CUIDADO DEL HOGAR, PERO TAMBIN
LAS ACTIVIDADES PROFESIONALES QUE SE PODRAN REALIZAR EN CUALQUIER OTRO
SITIO.
COMUNICACIONES
AUTOMATIZACIN DEL HOGAR:

FUNCIONES BSICAS DE AYUDA: CLIMATIZACIN, ELECTRICIDAD Y OTRAS INSTALACIONES.

SEGURIDAD

CONTROL DE ACCESO FSICO

CUIDADO DE LA SALUD Y BIENESTAR

COMUNICACIN

DESCANSO, RELAJACIN Y ENTRETENIMIENTO

TRABAJO Y APRENDIZAJE

ACEPTACIN

COMUNICACIONES
Objetivo mbito de uso Usuarios Proveedores
Gestin de trfico
- Optimizacin del
uso de las infraestructuras
- Conservacin del medioambiente
- Pblico: gestin,
prediccin, monitorizacin y
encaminamiento
- Comercial: transporte de
mercancas
Pblico en general,
pasajeros especiales y usuarios de
medios de transporte
-Administracin
pblica
- Transportistas
- Proveedores de servicios
- Industria TIC
Navegacin
- Llegada al destino
de la forma ms rpida y adecuada
- Evitar los cambios de medios de
transporte
- Privado y pblico:
informacin general e individual del
trfico
- Pblico: Ayuda, navegacin de
vehculos individuales
Pblico en general - Industria del
automvil
- Autoridades pblicas
- Transportistas
- Industria TIC
Seguridad
Reduccin del
riesgo de accidentes
Pblico: ayuda al
conductor, vigilancia del vehculo y
del medio ambiente
- Pblico en general
- Grupos especiales: conductores
profesionales
- Grupos de riesgo
- Autoridades
pblicas
- Industria del automvil
- Industria textil
- Artculos de deporte e industria del
ocio
- Industria TIC
Informacin mvil y entretenimiento
- Informacin sobre
el entorno de una persona,
especialmente sobre las opciones de
movilidad
- Entretenimiento y acceso a
informacin donde sea posible y
necesario
- Todos: asistente
de informacin personal
- Pblico y privado: dependiente de
la localizacin
- Comercial:
multimedia
- Pblico general
- Grupos
especiales: turistas, viajeros de
negocios
- Proveedores de
contenidos, industria del
entretenimiento
- Autoridades semipblicas: oficinas
de turismo
- Industria TIC
COMUNICACIONES
ADQUISICIN
VALIDACIN
REPRESENTACIN
DIFUSIN

LAS PRINCIPALES APLICACIONES Y HERRAMIENTAS PARA LOS FUTUROS ESCENARIOS ESTARN
ENFOCADAS HACIA

ENTORNOS VIRTUALES Y COMUNIDADES VIRTUALES
UTILIZACIN DE AGENTES INTELIGENTES EN EL PROCESO DE APRENDIZAJE Y EVALUACIN
DEL CONOCIMIENTO
INTERFACES DE USUARIOS CONTINUAS, ADAPTATIVAS Y INTERACTIVAS
HERRAMIENTAS DE ACCESO A INFORMACIN
REDES ACTIVAS A NIVEL LOCAL, CVICAS Y GLOBALES
TECNOLOGAS MVILES
CRECIMIENTO DE LA VELOCIDAD/CAPACIDAD DE LOS ORDENADORES CON DISMINUCIN
DE SU TAMAO
EVOLUCIN DE LOS DISPOSITIVOS DE PRESENTACIN
COMUNICACIONES Y ORDENADORES DE BAJO-COSTE
ROBOTS INTELIGENTES PARA USO UBICUO
ORGANIZACIN DEL CONOCIMIENTO
COMUNICACIONES
Categoras Contexto de uso Usuarios
Prevencin General
Comercial Privado Laboral
Pblico general
Grupos especiales Poblacin de
diferentes grupos de edad
Tratamiento Pblico
Comercial
Privado
Pacientes
Cuidado Pblico
Comercial
Privado
Mayores
Discapacitados Enfermos crnicos
Pacientes en rehabilitacin Personas en
exclusin social
Gestin y administracin Pblico / comercial Pacientes
Ciudadanos
APLICACIONES EN EL AREA DE SALUD
COMUNICACIONES
EN EL CONCEPTO DE
INTELIGENCIA AMBIENTAL
(AMI) CONVERGEN TRES
TECNOLOGAS: COMPUTACIN
UBICUA, COMUNICACIONES
UBICUAS E INTERFACES
INTELIGENTES AMIGABLES
PARA EL USUARIO
COMUNICACIONES
LAS CARACTERSTICAS TECNOLGICAS PRINCIPALES DE LA INTELIGENCIA AMBIENTAL,
PUEDEN SER:

HARDWARE NADA INTRUSIVO Y DE GRAN COMPATIBILIDAD, INCLUYENDO REDES
PTICAS, NANO Y MICRO ELECTRNICA, TECNOLOGAS DE POTENCIA Y DE
PRESENTACIN, CHIPS DE RADIOFRECUENCIA DE MUY BAJA POTENCIA
INFRAESTRUCTURA DE COMUNICACIONES FIJA / MVIL CONTINUA, PLATAFORMAS
ABIERTAS O ESTNDARES DE FACTO QUE PERMITAN LA INTEROPERABILIDAD.
REDES DE REA PERSONAL (PAN) INTEGRADAS EN REDES DE REA DE VEHCULOS
(VAN), A SU VEZ INTEGRADAS EN REDES DE REA AMPLIA (WAN)
REDES DE DISPOSITIVOS MASIVA Y DINMICAMENTE DISTRIBUIDOS
INTERFACES HUMANAS DE ASPECTO NATURAL, TECNOLOGAS INTUITIVAS, NUEVOS
MATERIALES
DESARROLLOS PERSONALES Y COMUNITARIOS, INCLUYENDO FACTORES DE DISEO
SOCIO- TECNOLGICO, SOPORTE DE INTERACCIN HOMBRE HOMBRE, BASES DE
DATOS DISTRIBUIDAS
FIABILIDAD Y SEGURIDAD PRIVADA, SISTEMAS DE AUTENTICACIN BIOMTRICOS,
FIRMA DIGITAL Y MTODOS BASADOS EN LA GENTICA
TECNOLOGA QUE GARANTICE EL DERECHO A LA INTIMIDAD / ANONIMATO /
IDENTIDAD DE LAS PERSONAS Y DE LAS ORGANIZACIONES
REDUCIR EL COSTE SOCIAL Y EL RIESGO PARA LA SALUD.
COMUNICACIONES
LAS REDES QUE PERMITEN LA INTERCONEXIN ENTRE DIFERENTES DISPOSITIVOS LLEVABLES
CONSTITUYEN LAS BAN (BODY AREA NETWORKS, EN ESPAOL, REDES DE REA CORPORAL). PARA
ASEGURAR LA INTEROPERABILIDAD ENTRE DIFERENTES FABRICANTES, ES NECESARIO DEFINIR UN
PROTOCOLO DE COMUNICACIONES COMN. UN DISPOSITIVO DE UNA BAN PUEDE SER TANTO UN
EQUIPO COMPLETO (POR EJEMPLO, UN TELFONO MVIL) COMO UN COMPONENTE NICO (POR
EJEMPLO, UN AUDFONO O UN TECLADO). ESTOS ELEMENTOS NORMALMENTE NO NECESITAN
COMUNICARSE A MS DE 1 A 2 M DE DISTANCIA Y PERMITE LA TRANSMISIN DE VARIAS CLASES DE
PARMETROS.
COMUNICACIONES

802.11 802.15 802.16 802.20
Espectro Sin licencia Sin licencia Licencia
Sin licencia
Licencia
Banda de frecuencias 2,4GHz, 5GHz Varias segn
aplicacin
10-66GHz
2-11GHz
Por debajo
3,5GHz
Tipo de acceso Area Local Espacio
personal
Accesos fijos
PMP y mallados en MAN
Ubicuidad en
reas metropolitanas
Movilidad Portatibilidad Espacio
personal
Fijo

Alimentacin Batera Batera Red Batera
LOS/NLOS NLOS NLOS LOS (10-
66GHz) NLOS (2-
11GHz)
NLOS
Capas afectadas PHY y MAC
para LAN
PHY y MAC
para PAN
PHY y MAC
para acceso inalambrico
PMP
PHY y MAC
para redes acceso
mviles
CONFIGURACIONES INALMBRICAS:
COMUNICACIONES
Bluetooth HomeRF IEEE
802.11a
Wireless1394 IEEE
1394+UWB
Espectro
2,4 GHz (Banda
ICM)
2,4 GHz (Banda
ICM)
5,2 GHz (Banda ICM)
5,2 GHz
(Banda ICM)
3,1-10,6 GHz
Rgimen de pico
a 720 Kb/s 0,8 ~ 1,6
Mb/s
~ 54 Mb/s ~ 70 Mb/s >100Mb/s
(~ 400 Mb/s)
Modulacin FHSS:
1600saltos/
s
FHSS: 50 saltos/s
OFDM OFDM
TH-PPM, PAM
Modulacin bifase
Distancia < 10m < 50m ~ 50m 10 ~ 20m < 10m
Topologa de
conexin
Per-to-peer
maestro-
esclavo
Peer-to-peer
Ms-to-BS
MS-to-BS
Peer-to-peer,
multisalto
Peer-to-peer,
multisalto
Prestaciones en
tiempo real
SI SI NO SI SI
Aplicacin
Telefona mvil
Terminales
porttiles
PC, perifricos,
terminales mviles
Transmisi n de
datos IP
Dispositivos del
hogar (audio, vdeo,
datos IP)
Dispositivos del
hogar (audio, vdeo,
datos IP)
La Ultra Wide Band (UWB) es un mtodo de transmisin que se basa en la creacin de pulsos de banda base
ultracortos con enormes anchos de banda (del orden de varios GHz). Al contrario de los sistemas sin hilos
convencionales que convierten seales de banda base en portadoras de radiofrecuencia (RF), la UWB se puede usar en
banda base y puede ser considerada como un modelo de transmisin de la banda base que se propaga en frecuencias de
RF. Se ha demostrado que la UWB proporciona transmisin de datos fiable a un rgimen que sobrepasa los 100 Mb/s
dentro de edificios, con densidades espectrales de potencia extremadamente bajas
COMUNICACIONES
PREDICEN FUTURAS TENDENCIAS Y COMPORTAMIENTOS, PERMITIENDO EN
LOS NEGOCIOS TOMAR DECISIONES PROACTIVAS Y CONDUCIDAS POR UN
CONOCIMIENTO ACABADO DE LA INFORMACIN (KNOWLEDGE-DRIVEN).

SE BASA EN LA EXTRACCIN DE INFORMACIN OCULTA Y PREDECIBLE DE
GRANDES BASES DE DATOS; QUE PERMITE RESPONDER A PREGUNTAS SOBRE
EL COMPORTAMIENTO PARTICULAR DE ALGUNOS TEMAS Y QUE CONSUMEN
DEMASIADO TIEMPO PARA PODER SER RESUELTAS Y CUYOS USUARIOS DE
ESTA INFORMACIN NO ESTN DISPUESTOS A ACEPTAR. EJ.: REPORTES

LA META ES PRODUCIR NUEVO CONOCIMIENTO QUE EL USUSARIO PUEDA
UTILIZAR. PARA LO CUAL SE CONTRUYE UN MODELO DEL MUNDO REAL
BASADO EN LOS DATOS DE UNA VARIEDAD DE FUENTES. EL RESULTADO DEL
MODELO CONSTRUIDO ES UNA DESCRIPCION DE PATRONES Y RELACIONES EN
LOS DATOS QUE SE PUEDE USAR CONFIADAMENTE PARA PREDICCIN.

EL MODELADO DE DATOS ES SIMPLEMENTE EL ACTO DE CONSTRUIR UN
MODELO EN UNA SITUACION DONDE SE SABE LA RESPUESTA Y LUEGO ESTA SE
APLICA A OTRA SITUACION EN LA QUE NO SE SABE LA RESPUESTA
MINERA DE DATOS:
COMUNICACIONES
PARA OBTENER EL MEJOR RESULTADO, SE DEBE INTEGRARLAS CON UN DATA
WAREHOUSE, AS COMO HERRAMIENTAS DE ANLISIS INTERACTIVAS Y FLEXIBLES.

MUCHAS HERRAMIENTAS DE ANLISIS OPERAN CORRIENTEMENTE FUERA DE UN
DATA WARE HOUSE, REQUIRIENDO DE UN PASO PARA EXTRAER, IMPORTAR Y
ANALIZAR LOS DATOS. ES CONVENIENTE DISPONER DE UN SERVIDOR QUE REALICE
EL PROCESO ANALTICO EN LNEA (SERVIDOR OLAP).

PARA EVITAR CONFUNDIR LOS ASPECTOS DIFERENTES DE LA MINERIA DE DATOS ES
NECESARIO IMAGINAR UNA JERARQUIA DE LAS ELECCIONES Y DECISIONES QUE SE
NECESITA HACER ANTES DE EMPEZAR:

META
TIPO DE PREDICCIN
TIPO EJEMPLAR
ALGORITMO
PRODUCTO

LA CONSTRUCCION DE UN MODELO DE MINERIA DE DATOS CONSISTE EN LA
SELECCIN DE UN ALGORITMO DE MINERIA DE DATOS QUE SE AJUSTE A LAS
METAS QUE SE DESEA OBTENER AL EVALUAR EL CONJUNTO DE CASOS. ESTE A SU
VEZ GENERA UN CONJUNTO DE VALORES QUE REFLEJAN UNAS O MS VISTAS
ESTADSTICAS CON EL COMPORTAMIENTO DEL CONJUNTO DE CASOS, LA QUE SE
UTILIZA POSTERIORMENTE PARA PROPORCIONAR POSIBLES PATRONES EN
CONJUNTOS DE CASOS SIMILARES CON RESULTADOS DESCONOCIDOS
COMUNICACIONES
MINERIA DE DATOS PRODUCTIVA O PREDICTIVA:

SE UTILIZAN TECNICAS DE CLASIFICACION Y ESTIMACION PARA DERIVAR UN
MODELO DE DATOS CON RESULTADOS CONOCIDOS, QUE ENTONCES SE UTILIZA
PARA LLENAR UN ESCENARIO ESPECFICO. EL MODELO SE COMPARA ENTONCES
CONTRA LOS DATOS DE UN RESULTADO DESCONOCIDO PARA DETERMINAR LA
PROBABILIDAD DE TALES DATOS PARA SATISFACER EL MISMO ESCENARIO.

ESTA APROXIMACION SE EMPLEA MEJOR EN UN ESCENARIO CLARO Y PUEDE SER
EMPLEADO CONTRA UN GRUPO GRANDE DE DATOS HISTRICOS CONOCIDOS PARA
CONSTRUIR UN MODELO DE DATOS PREDICTIVO.

ESTE TIPO DE MINERIA DE DATOS ES TRATADA COMO UNA CAJA NEGRA EN QUE EL
USUARIO SE PREOCUPA CADA VEZ MENOS SOBRE EL MODELO Y MS SOBRE LOS
RESULTADOS QUE SE PUEDEN OBTENER MIRANDO LOS DATOS A TRAVS DEL
MODELO.

LOS DATOS DIRIGIDOS DE LA MINERIA DE DATOS SE UTILIZAN PARA DESCUBRIR LAS
RELACIONES ENTRE ATRIBUTOS DE DATOS DESCONOCIDOS CON O SIN LOS DATOS
CONOCIDOS CON QU COMPARAR EL RESULTADO.

PUEDE O NO PUEDE, EXISTIR UN ESCENARIO ESPECFICO. EJM. AGRUPACION Y
ASOCIACIN
COMUNICACIONES
MINERIA DE DATOS DIRIGIDA:

LOS PROPIOS DATOS MANEJAN EL PROCESO DE MINERIA DE DATOS.

LA APROXIMACION SE EMPLEA DE MEJOR MANERA EN SITUACIONES EN QUE SE
NECESITA DESCUBRIR REGLAS Y PATRONES DE DATOS DESCONOCIDOS.

SE PUEDE LLEGAR A DESCUBRIR ATRIBUTOS SIGNIFICATIVOS Y PATRONES DE DATOS
DESCONOCIDOS EN UN CONJUNTO DE DATOS SIN USAR DATOS DE PRUEBA O SIN
TENER UN ESCENARIO PREDEFINIDO.

LOS DATOS DIRIGIDOS SON TRATADOS COMO UNA OPERACIN DE CAJA BLANCA
EN LA QUE EL USUARIO SE INTERESA SOBRE AMBOS PROCESOS UTILIZADOS POR EL
ALGORITMO DE LA MINERIA DE DATOS PARA CREAR EL MODELO Y LOS RESULTADOS
GENERADOS POR LAS VISTAS A TRAVES DEL MODELO.
CRIPS - DM
CROSS-INDUSTRY STANDARD PROCESS FOR DATA MINING.

METODOLOGA PARA EL PROCESO DE LA MD.
VALIDA EL PROCESO, DISPONE DE MODELOS DE REFERENCIA (PLANTILLAS), AYUDA A
PLANEAR Y ADMINISTRAR PROYECTOS.

SIN PROPIETARIO. DESARROLLADO POR ALGUNOS LDERES DE LA INDUSTRIA: IBM,
SAS, SPSS/ISL, NCR, DAIMLER-BENZ, OHRA

ALIENTA LA INTER-OPERATIVIDAD DE HERRAMIENTAS.
NEUTRAL PARA LA INDUSTRIA Y PARA LA HERRAMIENTA
ENFOCADO AL NEGOCIO Y AL ANLISIS TCNICO
COMUNICACIONES
MINERIA DE DATOS MAS CONOCIDOS
ESQUEMA GENERAL
Comprensin
del negocio
Comprensin
de los datos
Preparacin de
los datos
Modelacin
Evaluacin
Despliegue de
resultados
DATOS
COMUNICACIONES
Fases
DETERMINACIN DE LOS OBJETIVOS. DEFINICIN DE CRITERIOS DE
XITO. CALIFICACIN DE LA SITUACIN. DETERMINACIN DE LAS
METAS DE LA MINERA DE DATOS
RECOLECTAR LOS DATOS INICIALES. DESCRIPCIN DE LOS DATOS.
EXPLORACIN DE LOS DATOS. VERIFICACIN DE LA CALIDAD DE LOS
DATOS.
SELECCIN DE DATOS. LIMPIEZA DE LOS DATOS. CONSTRUCCIN DE
NUEVOS DATOS. FORMATEO DE LOS DATOS.
SELECCIN DE LA TCNICA DE MODELACIN. GENERACIN DE
PRUEBAS PARA EL MODELO. CONSTRUCCIN DEL MODELO.
CALIFICACIN DEL MODELO.
APLICACIN DEL MODELO A LA RUTINA DIARIA. MONITOREO Y
MANTENIMIENTO. REPORTE FINAL
EVALUACIN DEL MODELO CON RESPECTO A LOS OBJETIVOS DEL
PROYECTO. EVALUACIN COSTO-BENEFICIO. EVALUAR SU
APLICACIN EN LA REALIDAD
COMPRENSIN
DE NEGOCIO
ENTENDIMIENTO
DE DATOS
PREPARACIN
DE DATOS
MODELADO
EVALUACIN
DESPLIEGUE DE
RESULTADOS
COMUNICACIONES
COMPRENSIN DE NEGOCIO
COMUNICACIONES
ENTENDIMIENTO DE LOS DATOS
COMUNICACIONES
PREPARACIN DE LOS DATOS
COMUNICACIONES
PREPARACIN DE LOS DATOS
Limpieza de datos
Integracin de Datos
Transformacin de
datos
Reduccin de datos
Valores extremos Valores null Valores con ruido Valores inconsistentes Valores mal clasificados
Problemas de semntica significa lo mismo?
Problemas de temporalidad cundo fue registrado?
Problemas de codificacin y formato.
Problemas de idioma.
Problemas de duplicidad cul vale?
Problema de medio de almacenamiento.
Filas: suma y agregacin de datos
Columnas: log, sin, exp, tan, etc
Funciones entre columnas.
COMUNICACIONES
ENTENDIMIENTO DE LOS DATOS
Recoleccin de datos
inciales
Descripcin de los
datos
Exploracin de los
datos
Verificacin de la
calidad de los datos
univariada
multivariada
series de datos
COMUNICACIONES
MODELADO
COMUNICACIONES
EVALUACIN DEL MODELO
COMUNICACIONES
EXPLOTACIN DE RESULTADOS
COMUNICACIONES
TAREAS GENRICAS Y RESULTADOS
COMUNICACIONES
SEMMA
ES UNA METODOLOGA PROPUESTA POR SAS QUE SIGNIFICA:
(SAMPLE, EXPLORE, MODIFY, MODEL, ASSESS)
MUESTREA, EXPLORA, MODIFICA, MODELA, EVALA
COMUNICACIONES
MUESTREO.
EXTRAE MUESTRAS DESDE LA POBLACIN, PARA APLICAR EL ANLISIS.
SELECCIONA UNA MUESTRA REPRESENTATIVA DEL PROBLEMA EN ESTUDIO.
MUESTREO ALEATORIO SIMPLE. MUESTREO ALEATORIO CON REPOSICIN.
ESTABLECE UN NIVEL DE CONFIANZA PARA LA MUESTRA.

EXPLORACIN.
PARA SIMPLIFICAR EL PROBLEMA Y OPTIMIZAR LA EFICIENCIA DEL MODELO.
USA HERRAMIENTAS DE VISUALIZACIN Y TCNICAS DE ESTADSTICAS DESCRIPTIVA.
DETERMINA LAS VARIABLES EXPLICATIVAS (ENTRADAS AL MODELO)

MODIFICA
FORMATEA LOS DATOS, PARA SER UTILIZADO POR EL MODELO.

COMUNICACIONES
MODELA
ESTABLECE UNA RELACIN [VARIABLES EXPLICATIVAS Y VARIABLES OBJETIVO]
TRABAJA CON UN NIVEL DE CONFIANZA DETERMINADO.
LAS TCNICAS SON: ANLISIS DISCRIMINANTE, MTODOS DE AGRUPAMIENTO, Y
ANLISIS DE REGRESIN, REDES NEURONALES, TCNICAS ADAPTATIVAS, LGICA
FUZZY, RBOLES DE DECISIN, REGLAS DE ASOCIACIN Y COMPUTACIN EVOLUTIVA.

EVALA.
VALORA LOS RESULTADOS MEDIANTE EL ANLISIS DE BONDAD DEL MODELO.
CONTRASTA CON OTROS MTODOS ESTADSTICOS O CON NUEVAS MUESTRAS.
COMUNICACIONES
COMPARACIN
SEMMA CRISP
ORIENTADO AL
DESARROLLO DEL
PROCESO DE MD
ORIENTADO A LOS
OBJETIVOS
EMPRESARIALES
SE INICIA ANALIZANDO
LOS DATOS
SE INICIA ANALIZANDO
LOS OBJETIVOS DEL
NEGOCIO
LIGADA A PRODUCTOS
SAS
METODOLOGA ABIERTA
Y GRATUITA
ORIENTADO A UNA
METODOLOGA DE
GESTIN DE PROYECTOS
COMUNICACIONES
ESTNDARES
OLE DB for DM.
Especifica la interfaz comn entre un DM Consumer y DM Provider.
Es auspiciado por Microsoft para usar algoritmos de proveedores.
Define un lenguaje para MD, para crear, entrenar y predecir con modelos.
Define un modelo de datos para los mtodos y algoritmos de MD.
CREATE MINING MODEL
[Heart_Health Prediction]
[ID] Int Key,
[Age] Int,
[Smoker] Int,
[Salary] Double discretized,
[HeartAttack] Int PREDICT,
USING [Decision_Trees_101]
INSERT INTO
[Heart_Health Prediction]
([ID], [Age], [Smoker],
[Salary])

SELECT [ID],[Age], [Smoker],
[Salary]

FROM Patient_Medical M,
Patient_Financial F
WHERE M.ID = F.ID
SELECT
t.[ID],
[Heart_Health
Prediction].[HeartAttack]
FROM [Heart_Health Prediction]
PREDICTION JOIN (
SELECT [ID],[Age],[Smoker],[Salary]
FROM Patient_Medical M,
Patient_Financial F
WHERE M.ID = F.ID) as t
ON [Heart_Health Prediction].Age =
t.Age AND [Heath_Health
Prediction].Smoker = t.Smoker
AND [Heart_Health
Prediction].Salary = t.Salary
Identifica las columnas de entrenamiento,
la columna a predecir y el algoritmo de
minera de datos
El INSERT representa los datos usados para el
entrenamiento del modelo
Usa el modelo entrenado y los datos actuales para
hacer predicciones
COMUNICACIONES
SQL MM/DM
SQL/ Multimedia for Data Mining) fue propuesto por IBM.
Trabaja con texto, datos espaciales, imgenes y algoritmos de MD.
Trabaja con tipos de datos definidos por los usuarios y mtodos en una base
de datos para MD.
XML for Analysis:
Es un estndar de la industria propuesto por el XML / A Council.
Crea el lenguaje de consultas query language Data Mining eXtensions (DMX)
Permite consultas basadas en XML a los servidores de MD.
JAVA DATA MINING API.
Es un paquete JAVA para MD propuesto por ORACLE.
El objetivo es permitir a las aplicaciones JAVA usar motores de MD.

COMUNICACIONES
PMML.
Es un lenguaje de marcas basado en XML.
Describe modelos estadsticos y de MD.
Define datos de entrada, transformaciones y parmetros del modelo.
Existe un esquema XML para cada tipo de modelo de MD.
COMUNICACIONES
SISTEMA DE CONTROL
CONTROL CLSICO
LAZO ABIERTO LAZO CERRADO
CONTROL ON-OFF
CONTROL PROPORCIONAL
CONTROL PD, PID
CONTROL INTELIGENTE
CONTROL DIFUSO

TAREA BSICA DE UN CONTROLADOR AJUSTAR EL ESTADO
DE UN PROCESO (VARIABLE DE PROCESO - VA) A UN VALOR
DESEADO (VALOR DE REFERENCIA - VR)
LA DIFERENCIA ENTRE AMBOS VALORES ES EL ERROR:
E = VR - VA
ENTONCES EL OBJETIVO DEL CONTROLADOR ES REDUCIR EL
ERROR A CERO (O AL MNIMO)
COMUNICACIONES
Sistema de Control
Controlador Proceso
Sensor
VA VR
E
+
-
COMUNICACIONES
Ejemplo mantener al robot a una distancia (DR) de la pared (seguimiento de pared)
COMUNICACIONES
Control
direccin
Robot
Sensor de
distancia
DA DR
E
Lazo abierto vs. lazo cerrado
LAZO ABIERTO
SE AJUSTA EL VALOR DEL CONTROLADOR DE ACUERDO AL VALOR DESEADO
PERO NO HAY MEDICIN DEL VALOR ACTUAL (NO HAY RETROALIMENTACIN)
LAZO CERRADO
SE MIDE LA SALIDA DEL PROCESO DE FORMA QUE SE COMPARE CON EL VALOR
DESEADO Y SE PUEDA AUTOMTICAMENTE REDUCIR EL ERROR
LA FORMA DE AJUSTAR EL PROCESO EN FUNCIN DEL ERROR SE LE DENOMINA
EL ALGORITMO DE CONTROL
ALGUNOS DE LOS ALGORITMOS BSICOS EN CONTROL CLSICO SON:

CONTROL ON OFF
CONTROL PROPORCIONAL
CONTROL PROPORCIONAL DERIVATIVO (PD)
CONTROL PROPORCIONAL INTEGRAL (PI)
CONTROL PROPORCIONAL INTEGRAL-DERIVATIVO (PID)
CONTROL ON - OFF
Se basa en que el controlador tiene slo dos estados (ON/OFF, abierto/cerrado,
izq./der.). Si comparamos el VA con el VR, se toma una de las dos posibles
acciones dependiendo del signo del error
Por ejemplo, en un control de temperatura de un refrigerador:
Si Temp > T-ref. encender compresor
Si Temp < T-ref. apagar compresor
OFF
ON
Ref.
T
COMUNICACIONES
Normalmente se tiene una zona de tolerancia (GAP o histresis) en la que se mantiene el
estado anterior. Algoritmo de control:
E = VR VA; C = signo E
Si |E| - GAP < 0 OFF
Si |E| + GAP > 0 ON
Control ON OFF, con GAP
OFF
ON
Ref.
T
Gap
COMUNICACIONES
Control ON OFF Respuesta
Temp.
Ref.
Tiempo
Control
ON
OFF
COMUNICACIONES
LA TEORIA DESARROLLADA PARA EL CONTROL DE PROCESOS, DESDE EL PUNTO
DE VISTA CLSICO Y MODERNO, TIENE SU BASE ESENCIAL EN EL CONOCIMIENTO
DE LA DINMICA DEL PROCESO QUE SE DESEA CONTROLAR.
ESTA SE EXPRESA MEDIANTE EL EMPLEO DE ECUACIONES DIFERENCIALES
ORDINARIAS Y EN EL CASO DE SISTEMAS LINEALES SE HACE USO DE LA
TRANSFORMADA DE LA PLACE PARA OBTENER UNA REPRESENTACION
MATEMTICA QUE RELACIONE LA SEAL QUE SE QUIERE CONTROLAR Y LA
SEAL DE ENTRADA AL SISTEMA.
ESTA RELACIN MATEMTICA SE CONOCE COMO FUNCIN DE TRANSFERENCIA
COMUNICACIONES
DEBEMOS TENER EN CUENTA:
LA FUNCION DE TRANSFERENCIA PUEDE SER EXPRESADA COMO UNA RELACIN DE
DOS POLINOMIOS; Y ESTA PUEDE SER MS GENERAL SI SE HACE USO DE LA TEORA
DE CONTROL MODERNA, EN DONDE LA REPRESENTACIN MATEMTICA UTILIZA EL
CONCEPTO DENOMINADO ESTADO DEL SISTEMA. SU REPRESENTACIN CONSIDERA
UNA SEAL ADICIONAL DENOMINADA ESTADO X DEL SISTEMA, QUE ES LA SEAL
QUE NOS PROPORCIONARA INFORMACION MAS COMPLETA DEL PROCESO:
Planta o
Proceso
Entrada
incierta
v
y
x
u
Entrada de
Control
Salida
Estado
dx/dt = f(x,u,v)
COMUNICACIONES
PARTIENDO DE CUALQUIER REPRESENTACION MATEMTICA, SE UTILIZA EL
CONCEPTO DE CONTROL RETROALIMENTADO QUE EN FORMA DE DIAGRAMA DE
BLOQUES TIENE LA SIGUIENTE ESTRUCTURA:
CONTROLADOR
PLANTA O
PROCESO
MEDICIN
Entrada
incierta
Entrada de
Control
Entrada de
referencia
v
y u
r Salida
EL PROBLEMA DE CONTROL SE RESTRINGE UNA VEZ QUE HA SIDO SELECCIONADO EL
MEJOR SISTEMA DE MEDICIN Y QUE TAMBIN ES REPRESENTADO POR ECUACIONES,
AL DISEO DEL CONTROLADOR QUE BUSCA DETERMINAR LA RELACIN FUNCIONAL
MAS ADECUADA PARA GENERAR LA ENTRADA U (ENTRADA DE CONTROL) DE MANERA
QUE EL MODELO DEL SISTEMA SUJETA A ENTRADAS DE COMANDO (ENTRADA DE
REFERENCIA) Y POSIBLEMENTE ENTRADAS INCIERTAS,GENERE UNA RESPUESTA DEL
ESTADO X(t) O UNA RESPUESTA EN LA SEAL DE SALIDA Y(t) CON PROPIEDADES
ESPECFICAS O COMPORTAMIENTO ACEPTABLE
COMUNICACIONES
EN ALGUNAS APLICACIONES, EL CONTROLADOR PUEDE GENERAR LA MISMA
SEAL DE COMANDO u= r(t).
LA SEAL DE COMANDO ES UNA SEAL EXTERNA QUE COMANDAR AL
SISTEMA DE CONTROL; ESTA FUNCIN DE COMANDO r(t) DEBE SER
CONOCIDA PARA PROPSITOS DE DISEO.
EL CONTROLADOR PODR SER UNA FUNCIN DE LA SEAL DE COMANDO Y
TAMBIN DEL TIEMPO, u [r(t), t]. ESTOS DOS TIPOS DE RELACIONES
FUNCIONALES PARA EL CONTROLADOR CORRESPONDEN A LOS SISTEMAS
DENOMINADOS DE LAZO ABIERTO.
LA RELACIN FUNCIONAL PARA EL CONTROLADOR PUEDE SER UNA FUNCIN
DE ENTRADA DE COMANDO Y DE LA SALIDA DEL SISTEMA u = u[r(t), y]; A
ESTE TIPO DE SISTEMA SE LE CONOCE COMO CONTROL EN LAZO CERRADO O
CONTROL RETROALIMENTADO.
LOS SISTEMAS DE CONTROL RETROALIMENTADO SE PUEDEN CLASIFICAR EN
DOS. AQUELLOS ESQUEMAS QUE RETROALIMENTAN PROPIAMENTE LA SEAL
DE SALIDA (RETROALIMENTACION DE LA SEAL DE SALIDA) Y LOS QUE
RETROALIMENTAN EL ESTADO (RETROALIMENTACIN DE LAS VARIABLES DE
ESTADO) Y CUYA FUNCIN SE PUEDE EXPRESAR COMO u= u[r(t), x]
COMUNICACIONES
LA RETROALIMENTACIN PUEDE TAMBIN SER REALIZADA EN FORMA DIRECTA, EN
DONDE LAS VARIABLES DE ESTADO SE RETROALIMENTAN DIRECTAMENTE AL
CONTROLADOR (SE RETROALIMENTAN TODAS LAS VARIABLES DE ESTADO:
COMUNICACIONES
PARA EL CASO EN QUE NO SE PUEDA TENER ACCESO A LOS ESTADOS DEL SISTEMA Y
SOLO SE TENGA UN CONJUNTO DE VARIABLES DE SALIDA; SE TIENE QUE DISEAR UN
ELEMENTO DENOMINADO ESTIMADOR QUE ALIMENTADO POR LA INFORMACIN DE
SALIDA Y LA ENTRADA DISPONIBLES PUEDA RECONSTRUIR EL ESTADO x DEL
SISTEMA:
COMUNICACIONES
EL PROBLEMA FUNDAMENTAL DE CONTROL ESTA ASOCIADO CON LA
TRANSFERENCIA DEL ESTADO DEL SISTEMA x(t) A UN CONJUNTO DESTINO
DETERMINADO EN EL ESPACIO DE ESTADOS O CERCA DE ESE DESTINO.
SI EL CONJUNTO DESTINO ES UN CONJUNTO CONSTANTE EN EL ESPACIO DE
ESTADOS; EL PROBLEMA DE CONTROL SE CONOCE COMO PROBLEMA DE CONTROL
DE REGULACIN.
SI EL CONJUNTO DESTINO ES VARIABLE EN EL TIEMPO, EN RELACION A UNA
ENTRADA DE COMANDO QUE DEPENDE DEL TIEMPO, ENTONCES EL PROBLEMA SE
CONOCE COMO PROBLEMA DE CONTROL DE SEGUIMIENTO.
ASOCIADAS A ESTAS CARACTERISTICAS APARECEN LOS CONCEPTOS DE: LA
CONTROLABILIDAD Y LA OBSERVABILIDAD.
LA CONTROLABILIDAD ESTA RELACIONADA CON UNA ENTRADA DE CONTROL QUE
SE SUPONE COMO EXISTENTE Y QUE LLEVAR AL ESTADO DEL SISTEMA A UN
DESTINO DETERMINADO. UN REQUERIMIENTO PRIMORDIAL EN EL DISEO DE UN
SISTEMA DE CONTROL AUTOMTICO ES CONTAR CON SISTEMAS CONTROLABLES.
EL OBJETIVO ES QUE LA SALIDA y (t) SE APROXIME A SIGA (SISTEMA INTEGRADO
DE GESTION ADMINISTRATIVA) EN LA ENTRADA DE COMANDO x(t). LA TAREA DEL
CONTROLADOR ES LLEVAR AL SISTEMA A LA CONDICIN DE OPERACIN DESEADA
COMUNICACIONES
SI EL SISTEMA ES CONTROLABLE, EL OBJETIVO DE DISEO CORRESPONDE A HACER
QUE EL SISTEMA GLOBAL SEA ESTABLE ALREDEDOR DEL PUNTO DE OPERACIN.

LA OBSERVABILIDAD SE ENFOCA EN EL PROBLEMA DE DETERMINAR EL ESTADO x(t)
A PARTIR DE LAS MEDICIONES y(t). FRECUENTEMENTE LAS MEDICIONES
CONTIENEN SOLAMENTE ALGUNOS DE LOS ESTADOS. SE DICE QUE UN SISTEMA ES
OBSERVABLE SI ES POSIBLE INFERIR EL ESTADO INICIAL x (0) A PARTIR DE UN
CONJUNTO DE MEDICIONES DE LA SALIDA y (t) SOBRE UN INTERVALO FINITO DE
TIEMPO (0,T)

EXISTEN ADEMS DE LAS TCNICAS MENCIONADAS LAS TCNICAS DE CONTROL
PTIMO QUE BUSCAN MEDIANTE PROCEDIMIENTOS MATEMTICOS DE
OPTIMIZACIN GENERAR LOS MEJORES PARAMETROS DE CONTROL; LOS DE CONTROL
ADAPTATIVO SE PUEDEN CONSIDERAR COMO EL INICIO DE LAS TCNICAS DE
CONTROL INTELIGENTE; PARA FENMENOS ALEATORIOS SE EMPLEA EL CONTROL
ESTOCSTICO Y PARA MULTIPLES ENTRADAS Y SALIDAS EL CONTROL MULTIVARIABLE
COMUNICACIONES
ESQUEMAS DE CONTROL INTELIGENTE:

EL INCREMENTO DE LAS DEMANDAS TECNOLGICAS, HA GENERADO SISTEMAS
MUY COMPLEJOS QUE REQUIEREN CONTROLADORES MUY SOFISTICADOS PARA
ASEGURAR UN ALTO DESEMPEO DENTRO DE CONDICIONES ADVERSAS, COMO
AQUELLA ORIGINADA POR LA FALTA DE CONOCIMIENTO PRECISO ACERCA DEL
PROCESO QUE SE DESEA CONTROLAR.

EL CONTROL INTELIGENTE ES UNA GENERALIZACION DEL CONCEPTO DE CONTROL
Y SE PUEDE VER COMO UNA DISCIPLINA DONDE LOS METODOS DE CONTROL SE
DESARROLLAN PARA EMULAR ALGUNAS CARACTERSTICAS IMPORTANTES DEL
SER HUMANO. ESTAS CARACTERSTICAS INCLUYEN:
ADAPTACION Y APRENDIZAJE
PLANEACION BAJO GRAN INCERTIDUMBRE
EL TRABAJO CON GRAN CANTIDAD DE DATOS.

LAS METODOLOGAS DE CONTROL INTELIGENTE ESTN SIENDO APLICADAS A LA
ROBTICA, LAS COMUNICACIONES, LA MANUFACTURA, EL CONTROL DE TRFICO.
COMUNICACIONES
LAS AREAS EN DONDE SE ESTA REALIZANDO TRABAJO ALREDEDOR DEL CONTROL
INTELIGENTE SON: REDES NEURONALES, CONTROL DIFUSO, ALGORITMOS
GENTICOS, SISTEMAS DE PLANEACIN, SISTEMAS EXPERTOS Y SISTEMAS
HBRIDOS.

UN SISTEMA DE CONTROL INTELIGENTE DEBE SER AUTONOMO. EXISTEN VARIOS
GRADOS DE AUTONOMIA: UN CONTROLADOR TOTALMENTE AUTNOMO DEBERA
TENER LA HABILIDAD DE REPARAR SU PROPIO HARDWARE SI UNO DE SUS
COMPONENTES FALLA.

LOS SISTEMAS DE CONTROL CONVENCIONALES SE DISEAN USANDO LOS
MODELOS MATEMTICOS DE SISTEMAS FSICOS.
SE SELECCIONA UN MODELO MATEMTICO QUE CAPTURA EL
COMPORTAMIENTO DE LA DINMICA DE INTERS.
SE APLICAN LAS TCNICAS DE DISEO, PARA DISEAR EL MODELO
MATEMTICO APROPIADO DEL CONTROLADOR (CAD)
SE REALIZA EL CONTROLADOR YA SEA EN HARDWARE O EN SOFTWARE EN EL
SISTEMA FSICO.

COMUNICACIONES
SE EJECUTAN INTERACCIONES HASTA LOGRAR EL MEJOR COMPORTAMIENTO.

POR LO GENERAL EL COMPORTAMIENTO DE LA PLANTA SE APROXIMA EN LAS
VECINDADES DE UN PUNTO DE OPERACIN PARA HACER MS SENCILLO EL
DISEO DEL CONTROLADOR. ESTO SIGNIFICA QUE LOS CONTROLADORES PUEDEN
DISEARSE PARA CUMPLIR LAS ESPECIFICACIONES ALREDEDOR DE UN PUNTO DE
OPERACIN, DONDE EL MODELO LINEAL ES VLIDO.
EN SISTEMAS DE CONTROL CON ALTO GRADO DE AUTONOMA SE NECESITA
INCREMENTAR SIGNIFICATIVAMENTE EL GRADO DE OPERACIN

LA FORMA EN COMO SE INCREMENTA LA COMPLEJIDAD DE UN CONTROLADOR,
SE PUEDE DESCRIBIR:
o EN EL NIVEL MAS BAJO.
SE UTILIZA EL CONTROL RETROALIMENTADO DETERMINISTICO BASADO EN LA
TEORIA DE CONTROL CONVENCIONAL; EN PARTICULAR PARA LAS PLANTAS
QUE PUEDEN SER REPRESENTADAS CON MODELOS LINEALES MS SIMPLES
QUE SON ESENCIALMENTE BUENAS APROXIMACIONES AL COMPORTAMIENTO
REAL
COMUNICACIONES
o SI SE INCREMENTA LA COMPLEJIDAD DE LA PLANTA
LOS CONTROLADORES NECESITARN ESTIMADORES DE ESTADO. SI SE
INCREMENTA LA SEAL DE RUIDO, SE NECESITAN FILTROS KALMAN U OTRO TIPO
DE FILTROS. SI SE REQUIERE COMPLETAR UNA TAREA DE CONTROL EN UN
TIEMPO MNIMO (O ENERGA MNIMA), SE UTILIZAN TCNICAS DE CONTROL
PTIMO.
o CUANDO HAY CARACTERSTICAS CUANTIFICABLES ESTOCSTICAS EN LA PLANTA,
SE USA LA TEORA DE CONTROL ESTOCSTICO.
o SI HAY VARIACIONES SIGNIFICATIVAS DE LOS PARAMETROS DE LA PLANTA, TAL
QUE LA TEORA DEL CONTROL ROBUSTO SEA INAPROPIADA, SE EMPLEAN
TCNICAS DE CONTROL ADAPTATIVO.
o PARA PLANTAS AN MAS COMPLEJAS ES NECESARIO USAR CONTROL DE
APRENDIZAJE O AUTO ORGANIZADO.
o EN EL NIVEL MAS ALTO DE JERARQUA
LA COMPLEJIDAD DE LA PLANTA ES TAL Y LAS ESPECIFICACIONES SON TAN
DEMANDANTES QUE SE USAN TCNICAS DE CONTROL INTELIGENTE.
o SE CAMBIA A CONTROLADORES MS SOFISTICADOS SOLAMENTE SI LOS MAS
SIMPLES NO PUEDEN LOGRAR LOS OBJETIVOS BUSCADOS.
COMUNICACIONES
o LA NECESIDAD DE USAR CONTROL AUTNOMO INTELIGENTE SE ORIGINA
DE LA NECESIDAD POR INCREMENTAR LA HABILIDAD DE TOMAR
DECISIONES AUTNOMAS PARA EJECUTAR TAREAS COMPLEJAS DE
CONTROL.

CONTROL DIFUSO:

PARA EL DISEO NO SE REQUIERE EL MODELO ANALTICO COMPLETO DEL
SISTEMA DINMICO. EL RESULTADO DE ESTE DISEO ES UN CONTROLADOR
HEURSTICO BASADO EN CONOCIMIENTO, UTILIZADO PARA CONTROLAR UN
SISTEMA COMPLEJO E INDEFINIDO.
PARA EL DISEO SE INCORPORAN TRES BLOQUES: FUZZIFICACIN,
DEFUZZIFICACIN Y OTRO ETIQUETADO COMO INFERENCIA.
LA FUNCIN INVOLUCRADA EN EL PRIMER BLOQUE, LA FUZZIFICACIN
TIENE EL OBJETIVO DE TOMAR EL VALOR DE LA SEAL LEIDA DEL PROCESO
(EN ESTE ESQUEMA ES LA SEAL DE ERROR) Y TRANSFORMARLA EN UNA
SEAL ENTENDIBLE POR EL SISTEMA DIFUSO.
COMUNICACIONES
LA FUNCION DE FUZZIFICACIN TIENE EL OBJETIVO DE CONVERTIR EL
RESULTADO DEL BLOQUE ETIQUETADO COMO INFERENCIA DESDE UN
RESULTADO DIFUSO, A UN RESULTADO ENTENDIBLE PARA EL PROCESO.
FINALMENTE EL BLOQUE ETIQUETADO COMO INFERENCIA SE ENCARGA DE
REALIZAR TODO EL RAZONAMIENTO DEL SISTEMA DE CONTROL

CUANDO SE DISEA UN CONTROL DIFUSO ES NECESARIO DETERMINAR LAS
VARIABLES DE ENTRADA Y DE SALIDA. LAS VARIABLES DE SALIDA REPRESENTAN EL
RESULTADO DE LA OPERACIN QUE REALIZAR EL CONTROLADOR Y SERN
DETERMINADAS POR EL OBJETIVO DE CONTROL. LA DECISIN DE LAS VARIABLES
DE ENTRADA DEPENDEN DE LA SITUACIN EN PARTICULAR.

GENERALMENTE EN SISTEMAS DE MULTIPLES ENTRADAS Y SALIDAS, ES DIFICIL
GENERAR REGLAS DE CONTROL. EL DISEO DE UN CONTROLADOR DIFUSO
INVOLUCRA LA CONSTRUCCIN DE REGLAS DE CONTROL. EN MUCHOS CASOS SE
PUEDEN OBTENER ESTAS REGLAS DESCRIBIENDO LAS ACCIONES DE LOS
OPERADORES DEL SISTEMA DE CONTROL EN EL FORMATO IF THEN
COMUNICACIONES
COMUNICACIONES
LOS PARMETROS DE LOS CONJUNTOS DIFUSOS REPRESENTAN LOS
PARMETROS PARA EL CONTROLADOR. LA SINTONIZACIN SIGNIFICA AJUSTAR
LOS PARMETROS PARA LOS CONJUNTOS DIFUSOS, INCLUIDAS LAS REGLAS DE
CONTROL.
SE PUEDE MEJORAR EL FUNCIONAMIENTO DEL CONTROLADOR CON LA
SINTONIZACIN DE TALES PARMETROS. SI LAS CONDICIONES DE
FUNCIONAMIENTO NO PUEDEN SER MEJORADAS SE DEBE MEJORAR LAS
REGLAS DE CONTROL Y SINTONIZAR LOS PARMETROS PARA LAS NUEVAS
REGLAS.
PARA UN CONTROLADOR DIFUSO SE DEBE TENER EN CUENTA:

o SE CONSIDERA A X UN CONJUNTO DETERMINADO DE VALORES DENOMINADO
UNIVERSO DE DISCURSO FORMADO POR TODOS LOS NMEROS REALES
o CONJUNTO DIFUSO: UN CONJUNTO DIFUSO a EN X ES UN SUBCONJUNTO DE X
CUYA FUNCIN DE MEMBRESA Ua(x) TIENE VALORES EN EL INTERVALO REAL
(0, 1)
o FUNCION DE MEMBRESA: CUALQUIER FUNCIN DE LA FORMA a: X (0,1)
DESCRIBE A UNA FUNCIN DE MEMBRESA ASOCIADA CON UN CONJUNTO
DIFUSO a
o ETIQUETA: A ESTOS CONJUNTOS DIFUSOS SE LES ASOCIA UN NOMBRE O
ETIQUETA QUE REPRESENTA UN TRMINO LINGISTICO CONOCIDO COMO
POR EJEMPLO: EL CONJUNTO DIFUSO a PUEDE SER ETIQUETADO CON EL
NOMBRE DE NEGATIVO
o PARTICIN DIFUSA: N CONJUNTOS DIFUSOS a1,an QUE CUBREN EL
ESPECTRO COMPLETO X, ES DECIR EL UNIVERSO DE DISCURSO.
COMUNICACIONES
LAS REGLAS DIFUSAS TIENEN LA SIGUIENTE ESTRUCTURA:
IF (antecedente 1) AND (antecedente 2) ANDAND (antecedente n), THEN
(consecuencia 1),(consecuencia n)
SE DISTINGUEN DOS TIPOS DE CONTROLADORES CARACTERIZADOS
ESENCIALMENTE POR LA FORMA EN QUE SE DEFINEN LOS CONSECUENTES,
DENOMINADOS MAMDAMI Y TAKAGI SUGENO
COMUNICACIONES
CONSTRUCCION DE UN SISTEMA NEURODIFUSO Y SU EMPLEO COMO
UN CONTROLADOR
SISTEMA NEURODIFUSO ES UNA COMBINACIN DE REDES NEURONALES Y
SISTEMAS DIFUSOS DE TAL FORMA QUE LA RED NEURONAL O LOS ALGORITMOS DE
APRENDIZAJE DE LA RED NEURONAL SE USAN PARA DETERMINAR PARMETROS DEL
SISTEMA DIFUSO (CREA O MEJORA UN SISTEMA DIFUSO AUTOMTICAMENTE POR
MEDIO DE LOS MTODOS O ALGORITMOS DE LAS REDES NEURONALES.

UNA RED NEURONAL DIFUSA, ES UNA RED NEURONAL QUE USA MTODOS DIFUSOS
PARA APRENDER MS RPIDO O PARA FUNCIONAR MEJOR EN ESTE CASO LA
INTENCIN PRINCIPAL ES MEJORAR LA RED NEURONAL. LA RED NEURONAL
PROPORCIONA EL MODELO DE LA ESTRUCTURA CONEXIONISTA (TOLERANCIA A
FALLAS Y PROPIEDADES DE REPRESENTACIN DISTRIBUIDA) CON HABILIDADES DE
APRENDIZAJE A LOS SISTEMAS DE LGICA DIFUSA; Y LA LGICA DIFUSA
PROPORCIONA A LAS REDES NEURONALES UNA ARMAZN ESTRUCTURAL CON
REGLAS DE REPRESENTACIN DEL CONOCIMIENTO Y DEL RAZONAMIENTO DE ALTO
NIVEL SI- ENTONCES

COMUNICACIONES
COMBINACIONES:
REDES NEURONALES DIFUSAS-FUZZY:
EN ESTE TIPO DE COMBINACIN SE USAN MTODOS DIFUSOS PARA
INCREMENTAR LA CAPACIDAD DE APRENDIZAJE DE UNA RED NEURONAL POR
EJEMPLO SE PUEDE VARIAR LA RAZN DE APRENDIZAJE USANDO REGLAS
DIFUSAS
SISTEMAS NEURONAL/DIFUSO FUZZY CONCURRENTES:
EN ESTE TIPO DE SISTEMAS UNA RED NEURONAL Y UN SISTEMA DIFUSO
TRABAJAN JUNTOS EN LA MISMA TAREA SIN INFLUENCIARSE EL UNO AL OTRO.
USUALMENTE LA RED NEURONAL SE USA PARA PREPROCESAR LA ENTRADA O
POST PROCESAR LA SALIDA DEL SISTEMA DIFUSO.
MODELOS NEURODIFUSOS COOPERATIVOS:
EN ESTE TIPO DE ESQUEMAS UNA RED NEURONAL SE USA PARA DETERMINAR
LOS PARMETROS DE UN SISTEMA DIFUSO (REGLAS, PESOS Y/O CONJUNTOS
DIFUSOS). DESPUS DE LA FASE DE APRENDIZAJE, EL SISTEMA DIFUSO TRABAJA
SIN LA RED NEURONAL. ESTOS MODELOS SUELEN DE SER 4 CLASES:
o APRENDE CONJUNTOS DIFUSOS FUERA DE LNEA
o APRENDE REGLAS DIFUSAS FUERA DE LNEA
o APRENDE CONJUNTOS DIFUSOS EN LNEA
o APRENDE REGLAS DIFUSAS EN LNEA
COMUNICACIONES
ALGORITMO DE BSQUEDA BASADO EN LA MECNICA DE LA GENTICA Y LA
SELECCIN NATURAL.
UN ALGORITMO GENTICO PUEDE RESOLVER PROBLEMAS QUE AN NO ESTN
COMPLETAMENTE CARACTERIZADOS O SON DEMASIADO COMPLEJOS PARA
PERMITIR UNA COMPLETA CARACTERIZACIN. PROBLEMAS PARA LOS CUALES NO
CONOCEMOS CMO LLEGAR A UNA BUENA SOLUCIN, PERO SI PODEMOS
EVALUAR EL VALOR RELATIVO DE UNA SOLUCIN (O AL MENOS EL VALOR RELATIVO
DE UNA SOLUCIN POTENCIAL EN COMPARACIN CON OTRA).
SU CONCEPTO BSICO ES LA CODIFICACIN DE UNA SOLUCIN POTENCIAL DE UN
PROBLEMA COMO UNA SERIE DE PARMETROS.
UN CONJUNTO DE VALORES DE PARMETROS ES TRATADO COMO EL GENOMA O
MATERIAL GENTICO DE UNA SOLUCIN INDIVIDUAL. SE CREA UNA GRAN
POBLACIN DE SOLUCIONES CANDIDATAS (INICIALMENTE CON VALORES DE
PARMETROS AL AZAR). ESTAS SOLUCIONES SON ESENCIALMENTE APAREADAS
UNAS CON OTRAS POR VARIAS GENERACIONES SIMULADAS BAJO EL PRINCIPIO DE
SUPERVIVENCIA DEL MS APTO.
EL APAREAMIENTO TIENE LUGAR HACIENDO USO DE OPERADORES TALES COMO EL
ENTRECRUZAMIENTO, Y LA MUTACIN (ESENCIALMENTE LA INTRODUCCIN DE
RUIDO). EL TERCER OPERADOR BSICO ES LA REPRODUCCIN.
CONTROL BASADO EN ALGORITMO GENTICO
COMUNICACIONES
LOS AGs, TERICA Y PRCTICAMENTE HAN PROBADO QUE PROVEEN UNA
BSQUEDA ROBUSTA EN ESPACIOS COMPLEJOS. SON SIMPLES
COMPUTACIONALMENTE Y NO ESTN LIMITADOS POR SUPOSICIONES
RESTRICTIVAS ACERCA DEL ESPACIO DE BSQUEDA (SUPOSICIONES ACERCA DE
CONTINUIDAD, EXISTENCIA DE DERIVADAS, UNIMODALIDAD Y/U OTRAS
CUESTIONES).

DIFERENCIAS ENTRE AGs Y LOS METODOS TRADICIONALES DE BSQUEDA

1. TRABAJAN CON LA CODIFICACIN DEL CONJUNTO DE PARMETROS, NO CON LOS
PARMETROS.

2. BUSCAN A PARTIR DE UNA POBLACIN DE PUNTOS, NO UN PUNTO NICO.

3. USAN INFORMACIN DE UNA FUNCIN OBJETIVO (O MS), NO DERIVADAS U
OTRO CONOCIMIENTO ADICIONAL.

4. USAN REGLAS DE TRANSICIN PROBABILSTICAS, NO REGLAS DETERMINSTICAS.

COMUNICACIONES
EL SISTEMA EXPERTO MODELA EL PROCESO DE RAZONAMIENTO HUMANO
CON UN MDULO CONOCIDO COMO EL MOTOR DE INFERENCIA. EL QUE
TRABAJA CON LA INFORMACIN CONTENIDA EN LA BASE DE
CONOCIMIENTOS Y LA BASE DE HECHOS PARA DEDUCIR NUEVOS HECHOS.
CONTRASTA LOS HECHOS PARTICULARES DE LA BASE DE HECHOS CON EL
CONOCIMIENTO CONTENIDO EN LA BASE DE CONOCIMIENTOS PARA
OBTENER CONCLUSIONES ACERCA DEL PROBLEMA.

EST CONFORMADO POR:

o BASE DE CONOCIMIENTOS (BC).
o BASE DE HECHOS (MEMORIA DE TRABAJO).
o MOTOR DE INFERENCIA: INTENTANDO MODELAR EL PROCESO DE
RAZONAMIENTO HUMANO.
o MDULOS DE JUSTIFICACIN: MUESTRA EL RAZONAMIENTO SEGUIDO
PARA LLEGAR A UNA CONCLUSIN DETERMINADA.
o INTERFAZ DE USUARIO.
SISTEMA EXPERTO
COMUNICACIONES
TIPOS DE SISTEMAS EXPERTOS (SEGN NATURALEZA DEL PROBLEMA):

DETERMINISTAS:

EL ESTADO ACTUAL DEPENDE DEL ESTADO ANTERIOR Y LAS ACCIONES
SOBRE EL ENTORNO. SON LOS SISTEMAS EXPERTOS BASADOS EN REGLAS,
QUE USAN UN MECANISMO DE RAZONAMIENTO LGICO PARA SACAR SUS
CONCLUSIONES.

ESTOCSTICOS:

SISTEMAS EN LOS QUE EXISTE INCERTIDUMBRE, POR LO QUE NECESITA SER
TRATADA. SON LOS SISTEMAS EXPERTOS PROBABILSTICOS Y LA ESTRATEGIA
DE RAZONAMIENTO USADA ES EL RAZONAMIENTO PROBABILSTICO.
COMUNICACIONES
BASE DE CONOCIMIENTOS (BC):

ES LA PARTE DEL SISTEMA EXPERTO QUE CONTIENE EL CONOCIMIENTO SOBRE
EL DOMINIO. HAY QUE OBTENER EL CONOCIMIENTO DEL EXPERTO Y
CODIFICARLO EN LA BASE DE CONOCIMIENTOS. UNA FORMA CLSICA DE
REPRESENTAR EL CONOCIMIENTO EN UN SISTEMA EXPERTO SON LAR REGLAS.
UNA REGLA ES UNA ESTRUCTURA CONDICIONAL QUE RELACIONA
LGICAMENTE LA INFORMACIN CONTENIDA EN LA PARTE DEL ANTECEDENTE
CON OTRA INFORMACIN CONTENIDA EN LA PARTE DEL CONSECUENTE.

BASE DE DATOS O BASE DE HECHOS:

CONTIENE LOS HECHOS SOBRE UN PROBLEMA QUE SE HAN DESCUBIERTO
DURANTE UNA CONSULTA. DURANTE UNA CONSULTA CON EL SISTEMA
EXPERTO, EL USUARIO INTRODUCE LA INFORMACIN DEL PROBLEMA ACTUAL
EN LA BASE DE HECHOS. EL SISTEMA EMPAREJA ESTA INFORMACIN CON EL
CONOCIMIENTO DISPONIBLE EN LA BASE DE CONOCIMIENTOS PARA DEDUCIR
NUEVOS HECHOS.
COMUNICACIONES
MOTOR DE INFERENCIA

ES EL SISTEMA DE SOFTWARE QUE RELACIONA LAS REGLAS
ALMACENADAS EN LA BASE DE CONOCIMIENTOS CON LOS
ACONTECIMIENTOS (HECHOS) ALMACENADOS EN LAS BASE DE HECHOS,
Y POR MEDIO DE TCNICAS DE BSQUEDA HEURSTICA INFIERE NUEVOS
CONOCIMIENTOS.
ES UN INTRPRETE QUE EJECUTA LAS REGLAS Y OBTIENE LA CADENA DE
RAZONAMIENTO QUE SOLUCIONA EL PROBLEMA, EST COMPUESTO DE
DOS ELEMENTOS: INTERPRETE DE REGLAS Y ESTRATEGIA DE CONTROL.
INTERPRETE DE REGLAS: MECANISMO DE RAZONAMIENTO QUE
DETERMINA QU REGLAS DE LA BC SE PUEDEN APLICAR PARA RESOLVER
EL PROBLEMA.
ESTRATEGIA DE CONTROL: ES LA ESTRATEGIA DE RESOLUCIN DE
CONFLICTOS.
LA INFERENCIA PERMITE DEDUCIR NUEVO CONOCIMIENTO A PARTIR DE
CONOCIMIENTO QUE SE SABE QUE ES CIERTO.
USA LA BASE DE HECHOS Y EL CONOCIMIENTO BASE PARA OBTENER
NUEVAS CONCLUSIONES O HECHOS.
COMUNICACIONES
FUNCION:
EJECUTAR ACCIONES PARA RESOLVER EL PROBLEMA (OBJETIVO) A PARTIR DE UN
CONJUNTO INICIAL DE HECHOS Y EVENTUALMENTE A TRAVS DE UNA INTERACCIN
CON EL USUARIO
LA EJECUCIN PUEDE LLEVAR A LA DEDUCCIN DE NUEVOS HECHOS.
TIPOS DE INFERENCIA:
EXISTEN DIFERENTES REGLAS DE INFERENCIA (MODUS PONENS, MODUS TOLLENS)
EXISTEN DIFERENTES ESTRATEGIAS DE INFERENCIA (ENCADENAMIENTO DE REGLAS
HACIA DELANTE Y HACIA ATRS).
ENCADENAMIENTO HACIA DELANTE (FORWARD CHAINING) DEDUCTIVO: SE
EJECUTAN LAS REGLAS QUE LA SITUACIN ESPECIFICADA EN LA BASE DE
HECHOS PERMITE. CADA REGLA EJECUTADA MODIFICA LA BASE DE HECHOS LO
QUE HACE QUE OTRAS REGLAS PUEDAN SER EJECUTADAS. SE CONTINUA EL
PROCESO HASTA QUE NO PUEDAN EJECUTARSE MS REGLAS. (EJEMPLO
CONFIGURACIN DE PCS).
ENCADENAMIENTO HACIA ATRS (BACKWARD CHAINING) INDUCTIVO : SE
PARTE DE UN CONJUNTO DE HIPTESIS QUE SON CONTRASTADAS CON LAS
CONCLUSIONES DE CIERTAS REGLAS; PARA PODER EJECUTAR UNA DE ESTAS
REGLAS, SE SUSTITUYE EL OBJETIVO INICIAL POR UN CONJUNTO DE SUB
OBJETIVOS INDICADOS POR LAS PREMISAS DE LA REGLA INDICADA, EL PROCESO
CONTINA HASTA QUE SE PUEDE EJECUTAR LA REGLA. (EJEMPLO DIAGNSTICO
DE ACCIDENTES EN PLANTAS NUCLEARES)

COMUNICACIONES
MDULO DE JUSTIFICACIN:
UNA CARACTERSTICA DE LOS SISTEMAS EXPERTOS ES SU HABILIDAD PARA
EXPLICAR SU RAZONAMIENTO. USANDO EL MDULO DEL SUBSISTEMA DE
EXPLICACIN, UN SISTEMA EXPERTO PUEDE PROPORCIONAR UNA EXPLICACIN AL
USUARIO DE POR QU EST HACIENDO UNA PREGUNTA Y CMO HA LLEGADO A
UNA CONCLUSIN. ESTE MDULO PROPORCIONA BENEFICIOS TANTO AL
DISEADOR DEL SISTEMA COMO AL USUARIO. EL DISEADOR PUEDE USARLO
PARA DETECTAR ERRORES Y EL USUARIO SE BENEFICIA DE LA TRANSPARENCIA DEL
SISTEMA.

INTERFAZ DE USUARIO:
LA INTERACCIN ENTRE UN SISTEMA EXPERTO Y UN USUARIO SE REALIZA EN
LENGUAJE NATURAL. TAMBIN ES ALTAMENTE INTERACTIVA Y SIGUE EL PATRN
DE LA CONVERSACIN ENTRE SERES HUMANOS. PARA CONDUCIR ESTE PROCESO
DE MANERA ACEPTABLE PARA EL USUARIO ES ESPECIALMENTE IMPORTANTE EL
DISEO DEL INTERFAZ DE USUARIO. UN REQUERIMIENTO BSICO DEL INTERFAZ ES
LA HABILIDAD DE HACER PREGUNTAS. PARA OBTENER INFORMACIN FIABLE DEL
USUARIO HAY QUE PONER ESPECIAL CUIDADO EN EL DISEO DE LAS CUESTIONES.
ESTO PUEDE REQUERIR DISEAR EL INTERFAZ USANDO MENS O GRFICOS.
COMUNICACIONES
GRACIAS POR SU ATENCIN
COMUNICACIONES

Sistemas Inteligentes UTP 2013 III

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Sistemas Inteligentes UTP 2013 III

Caricato da

Copyright:

Formati disponibili

PERIODO 2013-II

Potrebbero piacerti anche