🏠 Inicio
1.1 Introducción a la Inteligencia Artificial Historia de la Inteligencia Artificial 1.3 Las habilidades cognoscitivas 1.4 El proceso de razonamiento según la lógica 1.5 El modelo de adquisición del conocimiento según la filosofía. 1.6 El modelo cognoscitivo. 1.7 El modelo del agente inteligente, Sistemas Multi Agentes, Sistemas Ubicuos. 1.8 Heuristica
1.8 El papel de la heurística ▶
1.8.1 Algoritmos de exploración de alternativas 1.8.2 Algoritmo A* 1.8.3 Algoritmos de búsqueda local
2.1 Principios y Metodología de la Inteligencia Artificial 2.2 Paradigmas de la Inteligencia Artificial 2.3 Mapas conceptuales 2.4 Redes semánticas 2.5 Razonamiento monótono 2.7 Conocimiento no-monótono y otras lógicas 2.8 Razonamiento probabilístico 2.9 Teorema de Bayes
3.1 Representación de conocimiento mediante reglas 3.2 Métodos de Inferencia en reglas 3.3 Reglas de producción 3.4 Sintaxis de las reglas de producción 3.5 Semántica de las reglas de producción 3.6 Arquitectura de un sistema de Producción (SP) o sistemas basados en reglas, (SBR).
3.6 Arquitectura de sistemas ▶
3.6.1 Hechos 3.6.2 Base de conocimientos 3.6.3 Mecanismo de control
3.7 Espacios de estados determinísticos y no determinísticos 3.8 Busqueda Sistematica.
3.8 Búsqueda sistemática ▶
3.8.1 Búsqueda en profundidad 3.8.2 Búsqueda en anchura
4.1 Robótica
Robotica ▶
4.1.1. Conceptos básicos. 4.1.2. Clasificación. 4.1.3. Desarrollos actuales y aplicaciones.
4.2 Redes Neuronales
Redes Neuronales ▶
4.2.1. Conceptos básicos. 4.2.2. Clasificación 4.2.3. Desarrollos actuales y aplicaciones.
4.3. Visión artificial.
Vision Artificial ▶
4.3.1. Conceptos básicos. 4.3.2. Desarrollos actuales y aplicaciones.
4.4. Lógica difusa (Fuzzy Logic).
Logica Difusa ▶
4.4.1. Conceptos básicos. 4.4.2. Desarrollos actuales y aplicaciones.
4.5. Procesamiento de Lenguaje Natural (PLN).
Procesamiento de Lenguaje Natural ▶
4.5.1. Conceptos básicos. 4.5.2. Desarrollos actuales y aplicaciones.
4.6. Sistemas Expertos (SE).
Sistemas Expertos ▶
4.5.1. Conceptos básicos. 4.5.2. Clasificación 4.5.3. Desarrollos actuales y aplicaciones.

Inteligencia Artificial

🌸 4.6.2 CLASIFICACIÓN.

 

Fundamento teórico


Los sistemas expertos pueden clasificarse según su estructura, método de razonamiento y aplicación.

Según razonamiento

Basados en reglas
Utilizan reglas IF-THEN.

Basados en casos
Resuelven usando experiencias previas.

Probabilísticos
Utilizan probabilidad.

Difusos
Manejan incertidumbre.

Según aplicación

  • Diagnóstico
  • Planificación
  • Diseño
  • Supervisión
  • Predicción

Según interacción

  • Consultivos
  • Asistenciales
  • Autónomos

Esta clasificación facilita seleccionar el sistema adecuado.

Características principales

  • 📌 Diversidad estructural
  • 📌 Especialización funcional
  • 📌 Distintos mecanismos de inferencia

Importancia

Permite elegir el sistema más adecuado para cada necesidad.

Ventajas

  • Organización
  • Mejor análisis
  • Diseño eficiente

Limitaciones

  • Algunas categorías se combinan
  • Evolución constante

Aplicaciones

  • Medicina
  • Industria
  • Finanzas
  • Educación

Video Explcativo:


Practica:

Actividad: Clasificación

Clasifica 8 ejemplos de sistemas expertos.

📄 Ver práctica en PDF

Evaluación:

  1. ¿Cómo se clasifican?
  2. ¿Qué son sistemas basados en casos?
  3. ¿Qué son probabilísticos?
  4. ¿Qué son difusos?
  5. ¿Por qué clasificarlos?

Conclusión:

La clasificación de sistemas expertos permite comprender la diversidad de enfoques disponibles para resolver problemas complejos.

Cada categoría responde a necesidades específicas y ofrece distintas estrategias de razonamiento.

Conocer estas clasificaciones facilita la implementación efectiva de soluciones inteligentes.

Referencias APA 7

  • Jackson, P. (1998).
  • Giarratano, J., & Riley, G. (2005).

Etiquetas: SistemasExpertos, Unidad4

🔍 Buscar

🔥 Populares

  • IA
  • Historia

🏷️ Temas

  • Unidad 1
  • Unidad 2

Blog de Inteligencia Artificial