Envíos gratis en compras superiores a $80.000
Inicio/Profesional/TICs y Computación/Nuevas tecnologías/Inteligencia Artificial – con Aplicaciones a la Ingeniería

Inteligencia Artificial – con Aplicaciones a la Ingeniería

$40.568

  • Envío gratis en compras superiores a $80.000
  • Autor: PONCE, Pedro

    Páginas: 376

    Editorial: Alfaomega

    ISBN: 9786077854838 Categoría:

    Descripción

    Esta es una obra completa sobre los temas más importantes de la Inteligencia artificial que se emplean en ingeniería, los expone de manera sencilla y accesible con múltiples aplicaciones, este libro ayudará a los lectores a desarrollar un amplio conocimiento del comportamiento de los sistemas de IA aplicada a control, instrumentación y modelado de sistemas así como de las herramientas necesarias para analizar e implementar estos sistemas. Presenta gráficas e ilustraciones que refuerzan los principios expuestos a lo largo del texto. Cuenta con ejemplos completamente desarrollados en MATLAB ®, que permiten una mejor comprensión de los temas expuestos.

    Este libro está dirigido a profesores, alumnos y profesionistas de cualquier disciplina de la ingeniería, que busquen entender y aplicar los conocimientos avanzados de inteligencia artificial en su área de acción correspondiente de una manera sencilla y amigable.

    Ventajas Competitivas

    Cada capítulo contiene: Una amplia cobertura, enfoque práctico y aplicado con objetivos bien definidos y puntualmente desarrollados. Incluye numerosos casos de estudios para el uso de modelos de sistemas que proporcionan un contexto del mundo real al fin de introducir al lector a las aplicaciones de la Inteligencia Artificial.
    Archivos para descargar con todas las aplicaciones desarrolladas en el libro para las herramientas MATLAB® y Simulink®.

    Aprenda

    La teoría que sustenta a la lógica difusa, redes neurales, sistemas neuro-difusos, algoritmos genéticos.
    La aplicación de la IA para el desarrollo de sistemas expertos, procesamiento del lenguaje natural, reconocimiento de modelos, aprendizaje de las máquinas, incertidumbre y lógica difusa, robótica, automatización y control.

    Conozca
    Cómo adecuar la solución de diferentes problemas en problemas de ingeniería.
    Cómo emplear MATLAB® y Simulink®. para elaborar el diseño del sistema de IA.
    Desarrolle sus habilidades y capacidades para solucionar problemas de ingeniería mediante el uso de los métodos de la IA.
    Proponer y validar las mejores alternativas de solución.

    CONTENIDO

    A quién está dirigido Inteligencia artificial con aplicaciones a la ingeniería XIX
    Acceso al material complementario XX
    Prefacio XXI
    Por qué la inteligencia artificial XXII
    CAPÍTULO 1: INTELIGENCIA ARTIFICIAL 1
    INTRODUCCIÓN 1
    ANTECEDENTES DE LA INTELIGENCIA ARTIFICIAL 1
    RAMAS QUE COMPONEN LA INTELIGENCIA ARTIFICIAL 2
    LÓGICA DIFUSA 3
    Introducción 3
    Historia de la lógica difusa 3
    REDES NEURALES ARTIFICIALES 6
    Introducción 6
    Historia de las redes neurales 6
    Perceptrón 8
    Redes de retropropagación (backpropagation) 9
    ALGORITMOS GENÉTICOS 12
    Introducción 12
    Historia de los algoritmos genéticos 12
    Definiciones 13
    Herencia 14
    ¿Qué es herencia? 14
    El código genético 15
    Selección natural 15
    Operaciones genéticas en cadenas binarias 17
    Selección 17
    Cruzamiento 17
    Mutación 19
    RESUMEN 19
    EJEMPLOS 20
    APLICACIONES 21
    1. Desentrelazado de señales de video con lógica difusa 21
    Procedimiento 22
    Conclusiones 25
    2. Marcadores anatómicos de los ventrículos del corazón 25
    Procedimiento 25
    Resultados 26
    Conclusiones 27
    3. Segmentación de imágenes cerebrales de resonancia magnética basada
    en redes neuronales 27
    Procedimiento 28
    Resultados y conclusiones 29
    Referencias 29
    4. Optimización de sistemas para tratamiento de agua (Austria, lógica difusa) 29
    5. Monitoreo de glaucoma a través de redes neuronales 30
    6. Algoritmos genéticos para el diseño de sistemas de MRI (magnetic
    resonance imaging) 32
    CAPÍTULO 2: LÓGICA DIFUSA 33
    INTRODUCCIÓN 33
    Qué es una variable lingüística 34
    Aplicaciones 34
    Cámaras de video 34
    Reconocimiento 34
    Controladores 35
    Sistemas de control en lazo abierto 35
    Sistema de control en lazo cerrado 35
    Uso de lógica difusa en el Transporte 35
    Uso de lógica difusa en los sistemas de control 36
    CONCEPTOS DE LÓGICA BOOLEANA Y DIFUSA 36
    LÓGICA BOOLEANA 38
    Axiomas de los conjuntos convencionales 39
    Operaciones en la lógica convencional 39
    Leyes de De Morgan 40
    LÓGICA DIFUSA 40
    Lógica simbólica 41
    Tautologías y quasi-tautologías 42
    Representación de conjuntos difusos discretos 42
    Operaciones en la lógica difusa empleando conjuntos difusos 43
    Ejemplo de programa de operación difusa realizado en MATLAB® 43
    Norma triangular (T) 44
    Co-normas T (normas S) 45
    Aseveraciones booleanas aplicadas a la lógica difusa 45
    Operaciones entre conjuntos difusos 47
    Producto de dos conjuntos difusos 47
    Potencia de un conjunto difuso 47
    Concentración 47
    Dilación 48
    Intensificación de contraste 48
    Corte alfa 49
    Propiedades de los conjuntos difusos 49
    Funciones de membresía y sus partes básicas 49
    Función de saturación 50
    Función hombro 50
    Función triangular 51
    Función trapecio o Pi 52
    Función “S” o sigmoidal 52
    Descripción matemática de las funciones de membresía 53
    Aplicaciones reales de las distintas funciones de membresía 54
    Partes de una función de membresía 56
    Cálculo de función de pertenencia 56
    1. Método HORIZONTAL 57
    2. Método VERTICAL 57
    3. Método de comparación de parejas (Saaty, 1980) 57
    4. Método basado en la especificación del problema 58
    5. Método basado en la optimización de parámetros 58
    6. Método basado en la agrupación difusa (Fuzzy Clustering) 58
    El principio de extensión: generalización 58
    PRINCIPIO DE EXTENSIÓN 61
    NÚMEROS DIFUSOS 61
    Suma de números difusos 62
    RELACIONES NÍTIDAS Y DIFUSAS 64
    Producto cartesiano 64
    Relaciones nítidas 64
    Relaciones difusas 65
    Composición 65
    Composición sup-estrella 68
    Operaciones con relaciones difusas 69
    Unión 69
    Intersección 69
    Complemento 69
    Producto cartesiano difuso y composición 69
    Reglas difusas 69
    Modus ponens y modus tollens 70
    CONTROLADORES DIFUSOS 71
    Interfaz de difusificación 72
    Base de conocimientos 72
    Lógica de decisiones 73
    Interfaz de desdifusificación 73
    Método de centro de área o gravedad 74
    Método de centro máximo 75
    Método de izquierda máximo 76
    Método de derecha máximo 76
    Aproximación de sistemas difusos 77
    Definición de las entradas y salidas del sistema 78
    Ejemplo de un sistema difuso con retardos en la información para aproximaciones difusas 80
    Funciones de membresía 80
    Reglas lingüísticas 80
    Superficie de salida 81
    Diseño de controladores con base en Mamdani 81
    Ejemplo 82
    Aplicaciones reales de controladores difusos 85
    Controlador difuso clásico 86
    Ejemplo 90
    Controladores P 91
    Controladores PD 92
    Controladores PI 94
    Controlador PID 95
    Simulación de un Control PID difuso 103
    Controlador difuso con PID convencional como respaldo 104
    Controlador difuso como sintonizador de PID convencional 104
    Concepto de estabilidad 104
    Punto de equilibrio 104
    Asintóticamente estable 105
    Entrada-cero de estabilidad 105
    Teorema 1. (Estabilidad de Lyapunov para sistemas autónomos) 106
    Estabilidad de Lyapunov para sistemas difusos 107
    Teorema 107
    La construcción para muestreo de datos 107
    Controlador difuso-convencional autosintonizable por lógica difusa 108
    Método Ziegler-Nichols 109
    Controlador proporcional difuso 109
    PD autosintonizable 112
    PI autosintonizable 113
    PID autosintonizable 114
    Análisis de resultados 115
    Autosintonización vs. Ziegler-Nichols 116
    Controlador difuso como programador de ganancias para PID 120
    Estabilidad 120
    Diseño con base en Sugeno 121
    Ejemplo 121
    ALGORITMO DEL RAZONAMIENTO 122
    Ejemplo 122
    Diseño digital con base en estabilidad 123
    Ejemplo 126
    EJEMPLO SISTEMA DIFUSO SUGENO 127
    EJEMPLO DE MOTOR DC 129
    EJEMPLO DE SISTEMA DE 2 ENTRADAS 131
    MÉTODOS DE INFERENCIA 132
    Método de Tsukamoto 132
    Método de Larsen 132
    Resumen de mecanismos de inferencia 132
    AGRUPAMIENTOS DIFUSOS 133
    Validez de un cluster 133
    Clusters nítidos 134
    Ejemplo 135
    Clusters difusos 138
    Ejemplo 139
    Aplicaciones reales de los agrupamientos difusos 141
    Aproximaciones de sistemas reales por el método de Sugeno 143
    Aproximación de un deshumidifi cador desecante 146
    Aproximación de un potenciómetro 147
    Aproximación de un sensor óptico 149
    Ejemplo de aplicación de método para optimización de clusters con lógica difusa
    tipo Mamdani 150
    Calculadora difusa por método Mamdani 155
    Caracterización de un controlador tipo PID mediante un controlador tipo Sugeno 156
    Controlador difuso basado en control directo del par (DTC) 159
    Control de velocidad sin sensores usando control directo del par (DTC)
    basado en la modulación del ancho de pulso mediante vectores espaciales (SVPWM) 162
    Agrupamientos difusos con pesos 164
    Segmentación de imágenes médicas a través de agrupamientos difusos 166
    Aproximación de un modelado de sentimientos humanos basado en el
    reconocimiento de expresiones faciales con lógica difusa 168
    Aproximación a los sentimientos humanos a través de lógica difusa 169
    PROGRAMAS BÁSICOS EN MATLAB® 172
    SATURACIÓN 172
    HOMBRO 172
    TRIANGULAR 173
    TRAPEZOIDAL 174
    SIGMOIDAL 175
    CLUSTERS DIFUSOS Y SISTEMA SUGENO 176
    CALCULADORA DIFUSA MATLAB® 179
    CAPÍTULO 3 REDES NEURALES ARTIFICIALES 193
    REDES NEURALES BIOLÓGICAS 193
    Fundamentos biológicos de las redes neurales naturales 193
    Máquinas inteligentes 194
    Sistema eléctrico neuronal 195
    MODELOS DE NEURONAS 196
    Ruido 197
    Neuronas de dos estados 197
    La neurona genérica 197
    APLICACIONES DE LAS REDES NEURALES ARTIFICIALES (RNA) 198
    DEFINICIÓN DE UNA RED NEURONAL ARTIFICIAL 198
    FUNCIONES DE ACTIVACIÓN 199
    Función escalón 200
    Función lineal y mixta 200
    Función tangente hiperbólica 201
    Función sigmoidal 201
    Función de Gauss 202
    TOPOLOGÍAS DE LAS REDES NEURALES 202
    Elementos de una red neuronal artifi cial 202
    ENTRENAMIENTO DE LAS REDES NEURALES 203
    REDES DE UNA CAPA 203
    Perceptrón 204
    Separación de variables linealmente separables con el perceptrón 206
    ADALINE (Adaptive Linear Neuron) 208
    Problema del operador lógico XOR por uso del perceptrón 210
    Desarrollo 210
    OR 211
    AND 212
    XOR 212
    Control de un motor de pasos con un grupo de perceptrones 216
    Teorema de Kolmogorov 224
    REDES MULTICAPA 224
    Perceptrón multicapa 225
    Redes de retropropagación (backpropagation) 225
    Principios para entrenar una red multicapa empleando el algoritmo de retropropagación 225
    Redes neurales – Retropropagación del error 228
    Capas intermedias 230
    Algoritmo de retropropagación con momento (Backpropagation with Momentum) 231
    DISEÑO DE FILTROS FIR CON REDES NEURALES ARTIFICIALES 232
    Filtro 232
    Filtros adaptativos digitales 233
    Emulación del fi ltro empleando una red neuronal programada en MATLAB® 234
    EJEMPLO RECONOCIMIENTO DE LETRAS EMPLEANDO ENTRENAMIENTO DE
    RETROPROPAGACIÓN DEL ERROR 234
    Resultados 235
    REDES AUTOORGANIZABLES 236
    Aprendizaje asociativo 236
    Red de una sola neurona 237
    Tipos de estímulos 237
    Ejemplo 237
    Interpretación de la Regla de Hebb en asociadores lineales 238
    TOPOLOGÍA DE REDES NEURONALES EMPLEADAS PARA LA CLASIFICACIÓN,
    PREDICCIÓN Y RECONOCIMIENTO DE PATRONES 238
    Red Instar 238
    Red Outstar 239
    Redes Competitivas 239
    Red de Kohonen 240
    Red de Hamming 241
    Mapas de Autoorganización (SOM) 241
    Learning Vector Quantization (LVQ) 241
    Redes Recurrentes 242
    Red Hopfield 242
    Redes ANFIS 244
    Algoritmo de un sistema ANFIS 247
    Algoritmo de entrenamiento para ANFIS 248
    Arquitectura de ANFIS 256
    Método de mínimos cuadrados 258
    Mínimos cuadrados recursivos 259
    Ejemplo ANFIS con línea de comandos 259
    Ejemplo sistema ANFIS empleando ANFIS EDIT de MATLAB® 260
    Empleo de función Genfi s1 265
    EJEMPLO DE UN SISTEMA ANFIS Y DIFUSO PARA EL MODELADO DE MÁQUINAS DE
    CORRIENTE ALTERNA, EN UN ESQUEMA DE CONTROL VECTORIAL 267
    Introducción 267
    Etapas del control difuso tipo Sugeno 268
    Fusificación 268
    Evaluación de reglas 268
    Desarrollo 268
    Control vectorial 268
    Modelo difuso del motor de inducción 271
    Fusificación 271
    Edición de reglas 272
    Modelo ANFIS del motor de inducción 273
    Control vectorial difuso 275
    APROXIMADOR NEURO-DIFUSO CON CLUSTERS Y REDES NEURALES
    TRIGONOMÉTRICAS 277
    Entrenamiento de retro propagación 279
    Redes neurales basadas en Fourier 280
    Cálculo de la función de la red neuronal basada en Fourier 281
    Establecimiento de los pesos 282
    CAPÍTULO 4 ALGORITMOS GENÉTICOS 285
    CHARLES DARWIN Y LA TEORÍA DE LA EVOLUCIÓN 285
    ALGORITMOS GENÉTICOS 287
    Introducción 287
    Algoritmos genéticos 289
    Definiciones 290
    Operaciones genéticas en cadenas binarias 292
    Selección 292
    Cruzamiento 293
    Mutación 294
    Algoritmo 294
    Resumen 295
    Ejemplo 296
    Análisis 297
    El Teorema del Schema 298
    La óptima asignación de los procesos 300
    Paralelismo implícito 300
    Conjunto difuso de sintonización 301
    Codificación de un subconjunto difuso en un intervalo 301
    Funciones de aptitud estándar 302
    CAPÍTULO 5 EJEMPLO DE AG EN MATLAB® 306
    DETERMINAR LA IMPEDANCIA NECESARIA DE UN COMPONENTE PARA QUE
    UN CIRCUITO AC LE TRANSFIERA LA MÁXIMA POTENCIA DE ENERGÍA 306
    Introducción 306
    Aplicaciones 306
    Problema de máxima transferencia de potencia 306
    El algoritmo genético 307
    1. Problema de optimización 307
    2. Representación 308
    3. Población inicial 308
    4. Evaluación 309
    5. Crear una nueva población 310
    ALGORITMOS GENÉTICOS 313
    ALGORITMO GENÉTICO BÁSICO CONVENCIONAL BINARIO 313
    ALGORITMO GENERACIÓN DE NUEVOS INDIVIDUOS MEDIANTE OPERACIONES
    DE CRUZA Y MUTACIÓN 314
    ALGORITMO DE SELECCIÓN PROPORCIONAL O RULETA 315
    ARCHIVOS M DE MATLAB® PARA EL ALGORITMO 315
    MAIN 315
    FUNCIÓN OBJETIVO 316
    EVAL. POBLACIÓN 319
    EVAL. EACH 319
    CONVERTIR BIT2NUM 320
    NEXT POPULATION 320
    Introducción 323
    Sección 1. Declaración de función aptitud y restricciones 324
    Fitness function/Función aptitud 324
    Number of variables/ Número de variables 324
    Constraints/ Restricciones 326
    Linear inequalities/ Desigualdades lineales 326
    Sección 2. Área de gráfi cos 327
    Plot interval/Intervalo de trazado 327
    Best fi tness/Mejor aptitud 328
    Best individual/Mejor individuo 328
    Distance/Distancia 329
    Expectation/Expectativa 329
    Genealogy/Genealogía 330
    Range/Rango 330
    Score diversity/Diversidad de puntuación 331
    Scores/Puntuación o ponderación 331
    Selection/Selección 332
    Stopping/Detención 332
    Max constrain/Máxima violación 333
    Custom function/Función personalizada 333
    Sección 3. Resultados de la función aptitud 333
    Use random status from previous run/ Uso aleatorio de la corrida anterior 334
    Current generation/Generación actual 334
    Status and results/ Estado y resultado 334
    Sección 4. Alternativas de optimización para la función aptitud 335
    Population /Población 335
    Population Type /Tipo de la población 335
    Creation function/Función de la creación (CreationFcn) 336
    InitialPopulation/Población inicial 336
    InicialScores/Puntuación inicial 336
    PopInitRange /Rango inicial 336
    Fitness Scaling/Escala de la función de ajuste o evaluación 336
    FitnessScalingFcn/Función del escalamiento 336
    Shift linear/Cambio Lineal (@fi tscalingshiftlinear) 337
    Custom/Personalizado 337
    Selection/Selección 338
    Stochastic Uniform/ Estocástico uniforme (@ selectionstochunif) 338
    Remainder/Resto (@ selectionremainder) 338
    Uniform/Uniforme (@ selectionuniform) 338
    Roulette/Ruleta (@ selectionroulette) 338
    Tournament/Torneo (@ selectiontournament) 338
    Custom/Personalizado 338
    Reproduction/Reproducción 339
    Elite Count/Conteo elite 339
    Crossover fraction/Fracción de cruzamiento 339
    Mutation/Mutación 339
    Mutation function/Función mutación 340
    Uniform/Uniforme (mutación uniforme) 341
    Custom/personalizado 341
    Crossover/Cruzamiento 341
    Scattered/Dispersos (@ crossoverscattered) 341
    Single Point/Un solo punto (@crossoversinglepoint) 342
    Two point/Dos puntos (@ crossovertwopoint) 342
    Intermediate/Intermedio (@crossoverintermediate) 342
    Heuristic/Heurística (@crossoverheuristic) 343
    Custom/Personalizado 343
    Migration/Migración 343
    Direction/Dirección (MigrationDirection) 344
    Interval/Intervalo 344
    Fraction/Fracción 344
    Algorithm settings/Parámetros del algoritmo 344
    Initial penalty/Penalidad inicial 344
    Penalty factor/Factor de penalización 344
    Hybrid Function/Función de hibridación 345
    Stopping Criteria/Criterio de detención 345
    Generations/Generaciones 345
    Time Limit/Tiempo límite 345
    Fitness Limit/Límite de ajuste 345
    Stall Generations/ Generaciones recesivas 345
    Stall Time/ Tiempo de retardo (StallTimeLimit) 346
    Output Function/Función de salida 346
    History to new window/Historia de una nueva ventana (@gaoutputgen) 346
    Custom/Personalizado 346
    Estructura de la función de salida 346
    Display to command window/Despliegue en la ventana de comandos 346
    Vectorize/Vectorizar 347
    Referencias 347
    Bibliografía 348

    Ir a Arriba