Introducción a la Inteligencia Computacional y su Aplicación en la Ingeniería Dr.Youness El Hamzaoui Universidad Autónoma de Cd Juárez 1.

Presentación del tema: "Introducción a la Inteligencia Computacional y su Aplicación en la Ingeniería Dr.Youness El Hamzaoui Universidad Autónoma de Cd Juárez 1."— Transcripción de la presentación:

1 Introducción a la Inteligencia Computacional y su Aplicación en la Ingeniería Dr.Youness El Hamzaoui Universidad Autónoma de Cd Juárez 1

2 2

3 3 La Inteligencia Computacional combina elementos de aprendizaje, adaptación, evolución y Lógica difusa para crear programas que son, en cierta manera, inteligentes. La investigación en Inteligencia Computacional no rechaza los métodos estadísticos, pero muy a menudo aporta una vista complementaria. Las Redes Neuronales son una rama de la inteligencia computacional muy relacionada con el aprendizaje automático. Definición 1

4 4 Es una disciplina que busca dar claridad de acción ante situaciones de decisión confusas; esta disciplina posee herramientas las cuales sirven para entender claramente la situación de decisión, extienden la memoria y la capacidad cognoscitiva, ayudan a superar la incertidumbre encontrando la mejor alternativa. Definición 2

5 5 “Sistemas interactivos basados en computadora que auxilian a quienes toman decisiones en la utilización de datos modelos para resolver problemas no estructurados”. "Son Sistemas de Apoyo a la Decisión acoplan los recursos intelectuales de los individuos con las capacidades de las computadoras para mejorar la calidad de las decisiones de quienes contienden con problemas semiestructurados” Definición 3 Definición 4

6 6 Beneficios percibidos atribuibles al uso de la Inteligencia Computacional son: -Alta calidad en las decisiones -Comunicación mejorada -Reducción de costos -Incremento en la productividad -Ahorro de tiempo - Mayor satisfacción de empleados y clientes

7 7 Sistemas basados en Inteligencia Computacional (IC) Las compañías se apoyan en los expertos para tomar una decisión compleja o para resolver un problema (conocimiento y experiencia). Entre menos estructurada sea la situación, más especializada (y cara) es la recomendación. Los sistemas expertos intentan hacer una mímica de los expertos humanos. Un sistema experto (SE) es un paquete de cómputo para la toma de decisiones o resolución de problemas en un área de problemas bien definida.

8 8 Sistemas basados en Inteligencia Computacional (IC) Sistemas Expertos Experto Experticia Recomendaciones Consultas Usuarios

9 9 Inteligencia Artificial (IA) John McCarthy lo define como métodos algorítmicos capaces de hacer pensar a las computadoras. La IA pretenden modelar el comportamiento inteligente, principalmente humano, con la intención de desarrollar sistemas con características y capacidades inteligentes similares.

10 10 La IA modela el comportamiento inteligente

11 11 La IA modela el comportamiento inteligente Inteligencia Computacional Redes Neuronales Lógica Difusa Algoritmos Evolutivos Sistema Inmune Artificial

12 12 Optimización Inteligente Los Algoritmos Genéticos (AG) son métodos adaptativos que pueden usarse para resolver problemas de búsqueda y optimización. Existe la posibilidad de planear la arquitectura de un AG para que sus funciones de convergencia y control, así como sus operadores genéticos estén basados en Distribución de Probabilidad y Lógica Difusa.

13 13 Ventajas del Algoritmo Genético Resuelve problemas no estructurados Variables combinatorias Optimización multicriterio Incertidumbre

14 14 Fase de Inteligencia Fase de Diseño Fase de Opción Objetivos Organizacionales Procedimientos de búsqueda y Examen Colección de datos Identificación de problemas Clasificación de problemas Establecimiento del problema Formular un modelo (suposiciones) Establecer criterios de opción Buscar alternativas Predecir y medir los resultados Solución al modelo Análisis de sensibilidad Selección de la mejor alternativa Plan para implementación (acción) Diseño de un sistema de control REALIDAD Implementación de la solución Verificación, Prueba de la Solución Propuesta Validación del Modelo Examen EXITO FALLA Fases de la Inteligencia Computacional

15 15 Red Neuronal Artificiales Herramientas Practicas de la Inteligencia Computacional

16 16 Arquitectura de una red neuronal artificial Entrada Interna Salida IW ij LW ij S ij = f1( IW ij *Ej + b1) S (1) = f2( LW ij *S ij +b2) E (x1) E (x2) Herramientas Practicas de la Inteligencia Computacional

17 Presentación de una simple neurona (Demuth y Beale, 2003) Modelo RNA multicapas (Demuth y Beale, 2003) Redes Neuronales Artificiales (RNA) 17

18 Redes Neuronales Artificiales inversa (RNAi) [Hernandez et al, 2009] Conjuntos de pesos y bias 18 Herramientas Practicas de la Inteligencia Computacional

19 19 Herramientas Practicas de la Inteligencia Computacional Redes Neuronales Artificiales inversa (RNAi) El modelo general de la RNAi

20 Red neuro difusa (TSK) Capa oculta 1: Cada nodo en esta capa es un nodo cuadrado con un nodo función Función de pertenecía Capa de entrada: Base datos 20 Herramientas Practicas de la Inteligencia Computacional

21 Capa oculta 2: Fuerzas de disparos de las reglas Capa oculta 3: Fuerzas de disparos normalizadas Capa oculta 4: Consecuente TSK Capa de salida 21 Red neuro difusa Herramientas Practicas de la Inteligencia Computacional

22 22 Codigo de RNA en C++

23 23 Codigo de RNA en C++

24 24

25 Algoritmo genético (AG) [Wang et al. 1996] 25 Herramientas Practicas de la Inteligencia Computacional

26 Enjambre de partículas [Kennedy y Eberhart 1995 ] 26 Herramientas Practicas de la Inteligencia Computacional

27 27 1. Reconocimiento de rostros Aplicaciones RNA

28 28 1. Reconocimiento de rostros

29 29 Aplicaciones RNA 2. Reconocimiento de objetos

30 30 Aplicaciones RNA 2. Reconocimiento de objetos

31 Modelación, simulación de la DQO y mejoramiento del proceso durante la degradación de moléculas CO2 por medio de RNA y RNAi 31 Problema 1

32 32

33 Modelación y simulación del COP para el proceso del purificador de agua integrado al transformador térmico por medio de sistemas neuro difusos 33 Problema 2

34 Transformador térmico por absorción 34 Problema 2

35 35 Otras Aplicaciones

36 Conclusiones generales 36 1. La inteligencia computacional, si bien limitada, por ahora, en lo que se refiere a creatividad y sentido común, puede hacer uso de una capacidad que no poseen las criaturas humanas: la inteligencia evolutiva. 2. Si bien ninguno de los paradigmas puros de softbots inteligentes cumple estrictamente las condiciones establecidas por la definición de Sistema Inteligente, puede afirmarse que todos ellos poseen, al menos, una característica que la diferencia claramente de los no inteligentes, por ejemplo, de los Sistemas Automáticos. 3. La complementación aprovechada por los Sistemas Híbridos actuales abre una perspectiva muy grande de mejoramiento en el comportamiento de los mismos, muy especialmente, cuando se puedan instalar en las futuras plataformas de hardware, como las que prometen la computación cuántica o la computación basada en ADN, entre otras.

37 37 Basado en todo lo desarrollado y, resumido, en las conclusiones anteriores, se está en condiciones de responder a la pregunta planteada: Son INTELIGENTES… los SISTEMAS INTELIGENTES ?

38 38 Referencias Demuth H., Beale M., Eds., Neural Network Toolbox for Matlab-User’s Guide Version 3, MathWorks, MA, 1998. Hernández J.A., Bassam A., Siqueiros J., Romero D.J., Optimum operating conditions for a water purification process integrated to a heat transformer with energy recycling using neural networks inverse, Renewable Energy, 34(2009) 1084-1091. Nelder J. A., Mead R., A simplex method for function optimization, Computer Journal, 07 (1965) 308-313. Siqueiros J., Romero R.J., Increased COP for heat transformer in water purification systems, Part I: temperature increase for heat source, Appliel Thermal Engineering, 27 (2007) 1043– 1053. Verma S. P., Andaverde J, Santoyo E., Application of the error propagation theory in estimates of static formation temperatures in geothermal and petroleum boreholes, Heat Transfer in Components and Systems for Sustainable Energy Technologies: Heat-SET 5–7 April 2005, Grenoble, France, 47 pp. 3659-3671. Wang C., Quan H., Xu X., Optimal design of multiproduct batch chemical process using genetic algorithm. Industrial engineering and chemistry research, 1996, 35, 10, 3560-6.

39 ¡MUCHAS GRACIAS POR SU ASISTENCIA Y ATENCIÓN! THANK YOU VERY MUCH MERCI BEAUCOUP! شكرا جزيلا 39