Indice del Contenido


AUTORES
PRÓLOGO

CAPÍTULO 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
1.1. La inteligencia de las máquinas
1.1.1. Definiciones de sistema inteligente
1.1.2. El término Inteligencia Artificial
1.2. Estrategias de la IA
1.3. Breve visión histórica de la IA
1.3.1. Hitos en la evolución de la IA
1.3.2. Desarrollos históricos de la IA
1.4. Futuro de la IA
1.5. Comentarios bibliográficos

CAPÍTULO 2. RESOLUCIÓN DE PROBLEMAS MEDIANTE BÚSQUEDA
2.1. La definición del problema
2.2. El espacio de estados
2.2.1. Representación en el espacio de estados
2.3. Estrategias de búsqueda
2.4. Búsqueda a ciegas
2.4.1. Recorrido en amplitud
2.4.2. Recorrido en profundidad
2.5. Búsqueda heurística
2.5.1. Ascensión a la cima o gradiente
2.5.2. Primero el mejor
2.5.3. Búsqueda avara
2.5.4. Algoritmo A*
2.5.5. Algoritmos genéticos
2.6. Verificación de restricciones
2.7. Búsqueda con adversarios
2.7.1. Algoritmo del minimax
2.7.2. Poda alfa-beta
2.8. Comentarios bibliográficos

CAPÍTULO 3. FORMALISMOS DE REPRESENTACIÓN DEL CONOCIMIENTO
3.1. Introducción
3.2. Base de conocimiento
3.2.1. Procesamiento simbólico
3.2.2. Aproximación no simbólica
3.3. Representación del conocimiento
3.3.1. Representación procedural
3.3.2. Representación relacional
3.3.3. Representación jerárquica
3.4. Lógica clásica
3.4.1. La evolución de la lógica
3.4.2. Lógica proposicional
3.4.3. Lógica de predicados
3.5. Reglas
3.6. Marcos
3.6.1. Los guiones
3.7. Redes semánticas
3.8. La lógica de la incertidumbre
3.8.1. Redes bayesianas
3.8.2. Lógica borrosa (fuzzy)
3.9. Comentarios bibliográficos

CAPÍTULO 4. RAZONANDO CON EL CONOCIMIENTO
4.1. Razonamiento según los distintos paradigmas de representación
4.2. Sistemas basados en conocimiento
4.2.1. Estructura de los sistemas de reglas
4.2.2. Activación de la inferencia
4.3. Encadenamiento hacia adelante
4.3.1. Estrategias de control
4.4. Encadenamiento hacia atrás
4.5. Razonamiento borroso
4.6. Características de la inferencia basada en reglas
4.7. Inferencias y aprendizaje
4.8. Comentarios bibliográficos

CAPÍTULO 5. INGENIERO DEL CONOCIMIENTO: MODELOS EN CommonKADS
5.1. Introducción
5.2. Concepto de conocimiento
5.3. Modelos de conocimiento
5.4. Roles del proceso
5.5. Terminología
5.6. Breve reseña de otros sistemas de modelado del conocimiento
5.7. Modelado del contexto
5.7.1. Estudio de viabilidad: organización
5.7.2. Análisis de impacto y mejora: modelos de tarea y agente
5.8. Comentarios bibliográficos

CAPÍTULO 6. INGENIERÍA DEL CONOCIMIENTO: EL CONOCIMIENTO EN CommonKADS
6.1. Introducción
6.2. Aspectos del conocimiento
6.3. Naturaleza del conocimiento
6.4. Esquema general del modelo de conocimiento
6.4.1. Conocimiento de dominio
6.4.2. Conocimiento de inferencia
6.4.3. Conocimiento de tarea
6.5. Técnicas de adquisición del conocimiento
6.5.1. Técnicas manuales
6.5.2. Técnicas semiautomáticas
6.5.3. Técnicas automáticas
6.6. Comentarios bibliográficos

CAPÍTULO 7. INGENIERÍA DEL CONOCIMIENTO: PLANTILLAS DE TAREAS
7.1. Introducción
7.2. Reusabilidad de los modelos
7.2.1. Tipos de tareas
7.2.2. Tareas de análisis
7.2.3. Tareas de síntesis
7.3. Catálogo de Plantillas de Tareas
7.3.1. Clasificación
7.3.2. Diagnóstico
7.3.3. Monitorización
7.3.4. Valoración
7.3.5. Predicción
7.3.6. Síntesis
7.3.7. Diseño
7.3.8. Planificación
7.3.9. Asignación
7.3.10. Scheduling
7.3.11. Combinaciones de tareas
7.4. Construcción del modelo de conocimiento
7.5. Comentarios bibliográficos

CAPÍTULO 8. INGENIERÍA DEL CONOCIMIENTO: MODELO DE COMUNICACIÓN
8.1. Introducción
8.2. Visión general del modelo de comunicación
8.3. El plan de comunicación
8.3.1. Construcción del diagrama de diálogo
8.3.2. Control sobre las transacciones
8.4. Transacciones entre agentes
8.5. Intercambio de información detallada
8.6. Intención de los mensajes
8.7. Validación del modelo de comunicación
8.7.1. Walk-through del Plan de Comunicación
8.7.2. El Mago de Oz
8.8. Comentarios bibliográficos

CAPÍTULO 9. INGENIERÍA DEL CONOCIMIENTO: MODELO DE DISEÑO
9.1. Introducción
9.2. Diseño preservando la estructura
9.2.1. Paso 1: Diseño de la arquitectura del sistema
9.2.2. Paso 2: Identificar la plataforma de implementación
9.2.3. Paso 3: Especificar los componentes de arquitectura
9.2.4. Paso 4: Especificar la aplicación dentro de la arquitectura
9.3. Diseño de prototipos
9.4. Arquitecturas distribuidas
9.5. Implementación
9.5.1. Lenguajes de programación
9.5.2. Entornos de desarrollo
9.6. Evaluación de sistemas basados en conocimiento
9.6.1. Verificación
9.6.2. Validación
9.7. Comentarios bibliográficos

CAPÍTULO 10. APRENDIZAJE: POR OBSERVACIÓN
10.1. Introducción
10.2. Concepto de aprendizaje
10.2.1. Inferencia inductiva
10.2.2. Inferencia deductiva
10.3. Procesos de aprendizaje
10.4. Definiciones previas
10.5. Inducción basada en ejemplos
10.5.1. Procedimiento de aprendizaje inductivo
10.5.2. Restricciones
10.5.3. Estrategias de aprendizaje: algoritmo ID3
10.6. Inducción basada en el conocimiento del dominio: abducción
10.7. Aprendizaje deductivo
10.8. Aprendizaje de naturaleza mixta
10.8.1. Aprendizaje por analogía
10.8.2. Razonamiento basado en casos
10.8.3. Aprendizaje multiestrategia
10.9. Comentarios bibliográficos

CAPÍTULO 11. APRENDIZAJE: REDES NEURONALES
11.1. Introducción
11.2. El perceptrón
11.2.1. Perceptrón parados clases separables
11.2.2. Algoritmo del perceptrón
11.2.3. Ejemplo de aplicación
11.3. La red retropropagación
11.3.1. Arquitectura de la red retropropagación
11.3.2. Entrenamiento por retropropagación
11.4. Comentarios bibliográficos

CAPÍTULO 12. PERCEPCIÓN VISUAL: GENERALIDADES
12.1. Introducción
12.2. Proceso de percepción visual artificial
12.3. Formación de imágenes digitales
12.4. Preprocesamiento: suavizado y realzado
12.4.1. Suavizado de imágenes
12.4.2. Realzado de imágenes
12.5. Segmentación: bordes y regiones
12.5.1. Extracción de bordes
12.5.2. Extracción de regiones
12.6. Extracción de propiedades: líneas y regiones
12.6.1. Descripción de líneas: transformada de Hough
12.6.2. Descripción de regiones
12.7. Comentarios bibliográficos

CAPÍTULO 13. PERCEPCIÓN: VISIÓN ESTEREOSCÓPICA
13.1. Introducción
13.2. El sistema de visión estereoscópica
13.3. Geometría del sistema estereoscópico y obtención de la distancia
13.4. Correspondencia estereoscópica
13.4.1. Restricciones aplicables para la correspondencia
13.4.2. Métodos de correspondencia basados en el área
13.4.3. Métodos de correspondencia basados en características
13.5. Comentarios bibliográficos

CAPÍTULO 14. APLICACIÓN: UN CASO DE ESTUDIO
14.1. Introducción
14.2. Descripción del problema
14.3. Modelado del contexto
14.4. Modelado de concepto
14.4.1. Modelado de conocimiento
14.4.2. Modelado de comunicación
14.5. Modelado de diseño
14.6. Comentarios bibliográficos

CAPÍTULO 15. PROCESAMIENTO DEL LENGUAJE NATURAL: ANÁLISIS LÉXICO Y SINTÁCTICO
15.1. Introducción
15.2. Análisis léxico
15.3. Análisis sintáctico
15.3.1. Redes de transición
15.3.2. Gramáticas
15.4. Comentarios bibliográficos

CAPÍTULO 16. PROCESAMIENTO DEL LENGUAJE NATURAL: ANÁLISIS SEMÁNTICO Y CONTEXTUAL
16.1. Introducción
16.2. Análisis semántico: modelo estructural
16.2.1. Interpretación guiada por la sintaxis
16.2.2. Interpretación guiada por la semántica
16.3. Características del lenguaje de la forma lógica
16.4. Proceso de interpretación semántica
16.4.1. Interpretación semántica y composicionalidad
16.4.2. Verificación de la consistencia semántica
16.5. Interpretación contextual
16.6. Comentarios bibliográficos

ANEXOS
A. HOJAS DE TRABAJO
B. CATÁLOGO DE INFERENCIAS
C. LA RED NEURONAL DE HOPFIELD

BIBLIOGRAFÍA
ÍNDICE ALFABÉTICO