Examen-IA resuelto

Escuela Profesional: Ingeniería de Informática y de Sistemas

Examen de Unidad 2

Curso: Inteligencia Artificial

Fecha: 19 de julio de 2017

Docente: Dr. Jorge Gutiérrez Gutiérrez

Nombre: 1. escriba verdadero o falso (6 pts) El fuzzificador fuzzific ador convierte entradas lingüísticas en salidas lingüísticas John Holland es el auto de la teoría de la lógica difusa

( F) ( F)

El agente inteligente difuso usa una base de reglas IF-THEN determinísticas determinístic as

( V)

Los sistemas difusos se pueden aplicarse con facilidad a los aspectos legales

( V)

El método Mandani maximiza los antecedentes y luego minimiza los consecuentes

( F)

Las redes MLP (multilayer (multil ayer perceptron) desarrollan la idea de memoria asociativa

( F)

El algoritmo de aprendizaje Backpropagation reparte el error general de la red a todos los pesos desde la última capa hacia la primera ( V)

El teacher es el elemento clave del aprendizaje no supervisado

( F)

El peso bias es igual al negativo del umbral theta.

( V)

La función sigmoidal tangencial hiperbólico normaliza las entradas para presentar unas salidas entre 1 y -1. ( V) Sí, la siguiente imagen lo indica así:


Examen de Unidad 2




Las redes MLP utilizan un aprendizaje no supervisado.

( F)

2. Escriba el código prolog para dibujar la siguiente interface; debe considerar que coloca la imagen del estómago con cáncer (Figura 1) si la probabilidad es mayor que 60%, de lo contrario muestra la imagen sana (Figura 2) (5 ptos)

% prolog 6.6 % Teorema de Bayes % p(E|S1,S2,S3) = p(E,S1,S2,S3) / p(E,S1,S2,S3) + P(~e|S1,S2,S3) :-use_module(library(pce)), pce_image_directory('./img'). resource(imgTab, image, image('sano.jpg')). resource(imgTab2, image, image('enfermo.jpg')). sistema:- new(W,dialog('Diagnóstico de cancer de estomago')), new(P1,menu('Tiene dolor de estomago?')), send_list(P1,append,[si,no]), new(P2,menu('Ha tenido anteriormente gastritis?')), send_list(P2,append,[si,no]), new(P3,menu('Ha bajado de peso?')), send_list(P3,append,[si,no]), new(P4,menu('Tiene una mala alimentación con azucares y frituras?')), send_list(P4,append,[si,no]),


Examen de Unidad 2




send_list(W,append,[P1, P2 ,P3, P4, button(diagnosticar,message(@prolog, procesa, P1?selection, P2?selection, P3?selection, P4?selection)), button(cancelar,message(W,destroy))]), send(W,open). procesa(A1, A2, A3, A4):new(Ventana, dialog('resultado')), new(Tablero, window('Tablero', size(232,217))), reglamedica(si, A1, A2, A3, A4, Enfermo), reglamedica(no, A1, A2, A3, A4, Sano), Pbayes is 100 * Enfermo /(Enfermo +

Sano),

tipoimg(Pbayes, Tablero), new(E1, label(a,'Existe un probabilidad de ')), new(E2, label(a, Pbayes)), new(E3, label(a,'% que tenga cancer de estomago')), send_list(Ventana, append, [Tablero, E1, E2, E3]), send(Ventana, open). load_img(Ventana, Figura, Imagen, Posicion) :new(Figura, figure), new(Bitmap, bitmap(resource(Imagen),@on)), send(Bitmap, name, 1), send(Figura, display, Bitmap), send(Figura, status, 1), send(Ventana, display, Figura, Posicion). tipoimg(R, Tablero):- R > 60, load_img(Tablero, _, imgTab2, point(0,0)). tipoimg(R, Tablero):- R =< 60, load_img(Tablero, _, imgTab, point(0,0)).

% base de conocimientos:


Examen de Unidad 2




reglamedica(si, si, no, no, no, 16). reglamedica(si, si, no, no, si, 20). reglamedica(si, si, no, si, no, 24). reglamedica(si, si, no, si, si, 30). reglamedica(si, si, si, no, no, 36). reglamedica(si, si, si, no, si, 38). reglamedica(si, si, si, si, no, 40). reglamedica(si, si, si, si, si, 44). reglamedica(si, no, no, no, no, 1). reglamedica(si, no, no, no, si, 6). reglamedica(si, no, no, si, no, 3). reglamedica(si, no, no, si, si, 10). reglamedica(si, no, si, no, no, 11). reglamedica(si, no, si, no, si, 18). reglamedica(si, no, si, si, no, 22). reglamedica(si, no, si, si, si, 25). reglamedica(no, si, no, no, no, 10). reglamedica(no, si, no, no, si, 8). reglamedica(no, si, no, si, no, 7). reglamedica(no, si, no, si, si, 5). reglamedica(no, si, si, no, no, 7). reglamedica(no, si, si, no, si, 1). reglamedica(no, si, si, si, no, 1). reglamedica(no, si, si, si, si, 1). reglamedica(no, no, no, no, no, 50). reglamedica(no, no, no, no, si, 48). reglamedica(no, no, no, si, no, 36). reglamedica(no, no, no, si, si, 31). reglamedica(no, no, si, no, no, 32). reglamedica(no, no, si, no, si, 22). reglamedica(no, no, si, si, no, 19). reglamedica(no, no, si, si, si, 15).

3. Para el siguien te caso: “Se necesita construir un sistema experto para diagnosticar la afectividad de las parejas; el sistema determina cuando se separan. Para ello toma como información relevante datos de él y de ella. El sistema determina finalmente si separan al


Examen de Unidad 2




cabo de 1 año, 2, 5 o nunca se separan”. Diseñe la red neuronal del caso considerando todos los parámetros del caso. (4ptos) a) Dibuje la topología de la red.

1año 2años 5años nunca

Las 6 neuronas de la capa de entrada indican: 1) Nro de hijos 2) Edad mujer 3) Edad hombre 4) Sueldo mujer 5) Sueldo hombre 6) Tiempo de relación

b) Justifique el número de neuronas ocultas.

El número de neuronas ocultas se calcula en base a la regla de la pirámide:

ℎ = √  ∗  ℎ = √ 6 ∗ 4 ℎ = 4.9 ≅ 5

c) Elabore la tabla con algunos patrones.

m es el número de neuronas de entrada n es el número de neuronas de salida h es el número de neuronas de la capa oculta


Examen de Unidad 2




Patrón

1

2

3

4

5

6

7

8

9

10

Nro de hijos

0

1

1

0

3

3

2

3

3

2

Edad mujer

18

20

30

40

30

50

50

20

25

18

Edad hombre

18

25

40

30

35

50

30

50

60

30

Sueldo mujer

0

600

0

1200

1200 1500

1500

600

800

0

Sueldo hombre

0

1200

1500 1500

1500 1500

600

Tiempo relación

2

6

10

5

12

20

2

5

10

1

Resultado (separación)

2

5

5

1

N

N

1

5

5

1

3000 3000 1500

d) Justifique el número de patrones y de épocas.

El número de patrones debe ser representativo para calcular los pesos de la salida, se recomendaría abarcar rango de edades (ej. 5 rangos) x rango de sueldos (ej. 5 rangos) x número promedio de hijos (ej. 5) x rango de tiempo de relación (ej. 5 rangos) Tendríamos una cantidad de 625 patrones diferentes con los tener resultados más acertados. Se podría realizar en 5 épocas diferentes lo que haría un total de 3125 muestras diferentes, suficiente para tener una RNA con buenos resultados. 4. Para el siguiente caso de Lógica Difusa: (5 ptos) Se pide: a) Dibujar las funciones de pertenencia para las variables de entrada.

Variables de entrada (distancia del objeto en metros): - Distancia_izq (LEFT)


Examen de Unidad 2




-

Distancia_centro (CENTER) Distancia_der (RIGHT)

Funciones de pertenencia para la distancia:

Cerca (NEAR),

Medio (MEDIUM),

Lejos (FAR)

1

0.5

0 1

10

20

30

40

50

60

70

80

90

100

b) Si LEFT=8, CENTER=12 y RIGHT=30; indicar cuáles reglas son verdades. 

LEFT=8 => cerca, medio



CENTER=12 => medio, lejos



RIGHT = 30 => medio, lejos

Serian válidos, los que contengan estas reglas: R1, R8, R9, R10, R11, R12, R14, R15, R17 y R18



Examen de Unidad 2



Examen-IA resuelto

Recommend Documents