Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
INSTITUTO TECNOLOGICO
DE MINATITLAN
INTELIGENCIA
ARTIFICIAL
DOCENTE:
VIVAS TORRES PABLO
FRANCISCO
CARRERA:
I.S.C
8 SEMESTRE
TRABAJO:
APLICACIONES CON TECNICAS DE IA
PRESENTA:
ISIDORO QUINO FABIAN
MINATITLAN VER
1
INDICE
ndice General.. 2
Abstract.
Introduccin..
1. Robtica
1.1 Conceptos bsicos..
1.2 Clasificacin.
1.3 Desarrollo actuales y aplicaciones
5
6
6
9
2. Redes neuronales
2.1 Conceptos bsicos
2.2 Clasificacin..
2.3 Desarrollo actuales y aplicaciones ..
15
17
17
19
3. Visin artificial..
3.1 Conceptos bsicos...
3.2 Desarrollo actuales y aplicaciones.
21
21
22
4. Lgica difusa
4.1 Conceptos bsicos..
4.2 Desarrollo actuales y aplicaciones
22
24
24
25
26
27
6. Sistemas expertos...
6.1 Conceptos bsicos...
6.2 Clasificacin..
6.3 Desarrollos actuales y aplicaciones...
27
28
29
29
Bibliografas
30
Introduccin
1. ROBOTICA
1.2 Clasificacin
* Segn su Tipo
* Robots Fsicos
Robtica Industrial: Es la parte de la Ingeniera que se dedica a la construccin
de mquinas capaces de realizar tareas mecnicas y repetitivas de una manera
muy eficiente y con costes reducidos.
Poli articulados
En este grupo estn los Robots de muy diversa forma y configuracin cuya
caracterstica comn es la de ser bsicamente sedentarios (aunque
excepcionalmente pueden ser guiados para efectuar desplazamientos
limitados) y estar estructurados para mover sus elementos terminales en un
determinado espacio de trabajo segn uno o ms sistemas de coordenadas y
con un nmero limitado de grados de libertad. En este grupo se encuentran los
manipuladores, los Robots industriales, los Robots cartesianos y se emplean
cuando es preciso abarcar una zona de trabajo relativamente amplia o
alargada, actuar sobre objetos con un plano de simetra vertical o reducir el
espacio ocupado en el suelo.
Mviles
Son Robots con gran capacidad de desplazamiento, basadas en carros o
plataformas y dotados de un sistema locomotor de tipo rodante. Siguen su
camino por telemando o guindose por la informacin recibida de su entorno a
travs de sus sensores. Estos Robots aseguran el transporte de piezas de un
punto a otro de una cadena de fabricacin. Guiados mediante pistas
materializadas a travs de la radiacin electromagntica de circuitos
empotrados en el suelo, o a travs de bandas detectadas fotoelctricamente,
pueden incluso llegar a sortear obstculos y estn dotados de un nivel
relativamente elevado de inteligencia.
Androides
Son Robots que intentan reproducir total o parcialmente la forma y el
comportamiento cinemtica del ser humano. Actualmente los androides son
todava dispositivos muy poco evolucionados y sin utilidad prctica, y
destinados, fundamentalmente, al estudio y experimentacin. Uno de los
aspectos ms complejos de estos Robots, y sobre el que se centra la mayora
de los trabajos, es el de la locomocin bpeda. En este caso, el principal
problema es controlar dinmica y coordinadamente en el tiempo real el proceso
y mantener simultneamente el equilibrio del Robot.
Zoomrficos
Los Robots zoomrficos, que considerados en sentido no restrictivo podran
incluir tambin a los androides, constituyen una clase caracterizada
8
principalmente por sus sistemas de locomocin que imitan a los diversos seres
vivos. A pesar de la disparidad morfolgica de sus posibles sistemas de
locomocin es conveniente agrupar a los Robots zoomrficos en dos
categoras principales: caminadores y no caminadores. El grupo de los Robots
zoomrficos no caminadores est muy poco evolucionado. Los experimentados
efectuados en Japn basados en segmentos cilndricos biselados acoplados
axialmente entre s y dotados de un movimiento relativo de rotacin. Los
Robots zoomrficos caminadores multimedios son muy numeroso y estn
siendo experimentados en diversos laboratorios con vistas al desarrollo
posterior de verdaderos vehculos terrenos, piloteando o autnomos, capaces
de evolucionar en superficies muy accidentadas. Las aplicaciones de estos
Robots sern interesantes en el campo de la exploracin espacial y en el
estudio de los volcanes.
Hbridos
Estos Robots corresponden a aquellos de difcil clasificacin cuya estructura se
sita en combinacin con alguna de las anteriores ya expuestas, bien sea por
conjuncin o por yuxtaposicin. Por ejemplo, un dispositivo segmentado
articulado y con ruedas, es al mismo tiempo uno de los atributos de los Robots
mviles y de los Robots zoomrficos. De igual forma pueden considerarse
hbridos algunos Robots formados por la yuxtaposicin de un cuerpo formado
por un carro mvil y de un brazo semejante al de los Robots industriales. En
parecida situacin se encuentran algunos Robots antropomorfos y que no
pueden clasificarse ni como mviles ni como androides, tal es el caso de los
Robots personales.
dos piezas de metal se soldn en puntos localizados al hacer pasar una gran
corriente elctrica a travs de las piezas donde se efecta la soldadura.
Soldadura por arco contina.
La soldadura por arco es un proceso de soldadura continua en oposicin a la
soldadura por punto que podra llamarse un proceso discontinuo. La soldadura
de arco continua se utiliza para obtener uniones largas o grandes uniones
soldadas en las cuales, a menudo, se necesita una cierre hermtico entre las
dos piezas de metal que se van a unir. El proceso utiliza un electrodo en forma
de barra o alambre de metal para suministrar la alta corriente elctrica de 100 a
300 amperes.
Recubrimiento con spray
La mayora de los productos fabricados de materiales metlicos requieren de
alguna forma de acabado de pintura antes de la entrega al cliente. La
tecnologa para aplicar estos acabados varia en la complejidad desde mtodos
manuales simples a tcnicas automticas altamente sofisticadas. Se dividen los
mtodos de recubrimiento industrial en dos categoras:
1.- Mtodos de recubrimiento de flujo e inmersin.
2.- Mtodos de recubrimiento al spray.
Los mtodos de recubrimiento mediante flujo de inmersin se suelen
considerar que son mtodos de aplicar pintura al producto de baja tecnologa.
La inmersin simplemente requiere sumergir la pieza o producto en un tanque
de pintura liquida.
Adems de la soldadura por punto, la soldadura por arco, y el recubrimiento al
spray existe una serie de otras aplicaciones de robots que utilizan alguna forma
de herramienta especializada como efector final. Operaciones que estn en
sta categora incluyen:
Taladro, acanalado, y otras aplicaciones de mecanizado.
Rectificado, pulido, desbarbado, cepillado y operaciones similares.
Remachado, Corte por chorro de agua.
Taladro y corte por lser.
Laboratorios
Los robots estn encontrando un gran nmero de aplicaciones en los
laboratorios. Llevan a cabo con efectividad tareas repetitivas como la
colocacin de tubos de pruebas dentro de los instrumentos de medicin. En
sta etapa de su desarrollo los robots son utilizados para realizar
procedimientos manuales automatizados. Un tpico sistema de preparacin de
muestras consiste de un robot y una estacin de laboratorio, la cual contiene
balanzas, dispensarios, centrifugados, racks de tubos de pruebas, etc.
Las muestras son movidas desde la estacin de laboratorios por el robot bajo el
control de procedimientos de un programa.
11
2 Redes neuronales
15
tienen una gran semejanza con las dendritas y losaxones en los sistemas
nerviosos biolgicos.
En trminos generales, el Primer modelo de red neuronal fue propuesto en
1943 por McCulloch y Pitts en trminos de un modelo computacional de
"actividad nerviosa". El modelo de McCulloch-Pitts es un modelo binario, y cada
neurona tiene un escaln o umbral prefijado. Este primer modelo sirvi de
ejemplo para los modelos posteriores de John Von Neumann, Marvin Minsky,
Frank Rosenblat, y muchos otros.
Historia de las redes neuronales.
1936 - Alan Turing. Fue el primero en estudiar el cerebro como una forma de
ver el mundo de la computacin. Sin embargo, los primeros tericos que
concibieron los fundamentos de la computacin neuronal fueron Warren
McCulloch, un neurofisilogo, y Walter Pitts, un matemtico, quienes, en 1943,
lanzaron una teora acerca de la forma de trabajar de las neuronas (Un Clculo
Lgico de la Inminente Idea de la Actividad Nerviosa - Boletn de Matemtica
Biofsica 5: 115-133). Ellos modelaron una red neuronal simple mediante
circuitos elctricos.
1949 - Donald Hebb. Fue el primero en explicar los procesos del aprendizaje
(que es el elemento bsico de la inteligencia humana) desde un punto de vista
psicolgico, desarrollando una regla de como el aprendizaje ocurra. Aun hoy,
este es el fundamento de la mayora de las funciones de aprendizaje que
pueden hallarse en una red neuronal. Su idea fue que el aprendizaje ocurra
cuando ciertos cambios en una neurona eran activados. Tambin intent
encontrar semejanzas entre el aprendizaje y la actividad nerviosa. Los trabajos
de Hebb formaron las bases de la Teora de las Redes Neuronales.
1950 - Karl Lashley. En sus series de ensayos, encontr que la informacin no
era almacenada en forma centralizada en el cerebro sino que era distribuida
encima de l.
1956 - Congreso de Dartmouth. Este Congreso frecuentemente se menciona
para indicar el nacimiento de la inteligencia artificial.
1957 - Frank Rosenblatt. Comenz el desarrollo del Perceptron. Esta es la red
neuronal ms antigua; utilizndose hoy en da para aplicacin como
identificador de patrones. Este modelo era capaz de generalizar, es decir,
despus de haber aprendido una serie de patrones poda reconocer otros
similares, aunque no se le hubiesen presentado en el entrenamiento. Sin
embargo, tena una serie de limitaciones, por ejemplo, su incapacidad para
resolver el problema de la funcin OR-exclusiva y, en general, era incapaz de
clasificar clases no separables linealmente.
1959 - Frank Rosenblatt: Principios de Neurodinmica. En este libro confirm
que, bajo ciertas condiciones, el aprendizaje del Perceptron converga hacia un
estado finito (Teorema de Convergencia del Perceptron).
16
2.2 Clasificacin
Una primera clasificacin de los modelos de RN podra ser, atendiendo a su
similitud con la realidad biolgica:
Los modelos de tipo biolgico. Este comprende las redes que tratan de simular
los sistemas neuronales biolgicos as como las funciones auditivas o algunas
funciones bsicas de la visin.
17
20
3 Visin artificial
La visin artificial, tambin conocida como visin por computador (del
ingls computer visin) o visin tcnica, es un subcampo de la inteligencia
artificial. El propsito de la visin artificial es programar una computadora para
que "entienda" una escena o las caractersticas de una imagen.
Los objetivos tpicos de la visin artificial incluyen:
La deteccin, segmentacin, localizacin y reconocimiento de ciertos objetos
en imgenes (por ejemplo, caras humanas).
La evaluacin de los resultados (por ejemplo, segmentacin, registro).
Registro de diferentes imgenes de una misma escena u objeto, es decir, hacer
concordar un mismo objeto en diversas imgenes.
Seguimiento de un objeto en una secuencia de imgenes.
Mapeo de una escena para generar un modelo tridimensional de la escena;
este modelo podra ser usado por un robot para navegar por la escena.
Estimacin de las posturas tridimensionales de humanos.
Bsqueda de imgenes digitales por su contenido.
4 Lgica difusa
22
Fuzzy Logic tiene sus races en la teora de conjuntos difusos desarrollada por
Zadeh en la dcada de los 60, la que propone que un elemento siempre
pertenece en un cierto grado a un conjunto y nunca pertenece del todo al
mismo, esto permite establecer una manera eficiente para trabajar con
incertezas, as como para acondicionar el conocimiento en forma de reglas
hacia un plano cuantitativo, factible de ser procesado por computadores.
25
Recuperacin de informacin,
Interfaces en lenguaje natural,
Traduccin automtica.
27
Natural, esta tarea puede ser mejorada con el paso de tiempo, aunque
an tiene algunas cuestiones pendientes.
6 sistemas expertos
Los sistemas expertos utilizados en inteligencia artificial son software que
emula el comportamiento de un experto humano en la solucin de un problema.
Los sistemas expertos funcionan de manera que almacenan conocimientos
concretos para un campo determinado y solucionan los problemas, utilizando
esos conocimientos, mediante deduccin lgica de conclusiones. Con ellos se
busca una mejora en calidad y rapidez de respuestas dando as lugar a una
mejora de la productividad del experto.
Para los verdaderos expertos humanos supone un gran apoyo que reduce
tiempo y, en ocasiones puede realizar tareas por s mismo. Pero, para que un
sistema experto sea una herramienta efectiva debe de poseer dos
capacidades: por un lado debe ser posible explicar los razonamientos del
sistema experto, por otro debe ser capaz de integrar nuevos conocimientos as
como modificar sus conocimientos obtenidos por otros mejorados.
6.2 Clasificacin
29
Anlisis
Control.
(interpretacin):
Identificacin,Monitoreo,Diagnstico,Prediccin,
BIBLIOGRAFIAS
http://citic-research.org/area_tecnologica/2?locale=es
http://www.taringa.net/posts/ciencia-educacion/15010274/Unidad-5---Aplicaciones-contecnicas-de-I-Artificial.html
http://inteligenciaartificial-isc.blogspot.mx/p/unidad-5-aplicaciones-con-tecnicas-deia.html
lgica difusa http://www.profesaulosuna.com/data/files/ELECTRONICA/LOGICA
%20DIFUSA/TextoAplicaciones.pdf
procesamiento del lenguaje natural
http://disi.unal.edu.co/~lctorress/iartificial/IAc016.pdf
http://www.youtube.com/watch?v=UCL-b093l_Q&feature=fvwrel
http://www.youtube.com/watch?v=ddnWkCJwXaI
http://www.youtube.com/watch?v=PFU_gfio8WA
http://www.youtube.com/watch?v=h38G3ZM7zc8
http://www.youtube.com/watch?v=lGcbGfIyZV8
http://www.youtube.com/watch?v=uub916wsGRE
30
[1] lvarez, Hernn D. Control Difuso y Sistemas de Control Inteligentes en Memorias del Segundo
Congreso de la Asociacin Colombiana de Automtica, Bucaramanga, Colombia, marzo de 1997, pp 331340.
31