3095 Sistemas expertos

GOBIERNO CONSTITUCIONAL DEL ESTADO LIBRE Y SOBERANO DE OAXACA
INSTITUTO ESTATAL DE EDUCACIÓN PÚBLICA DE OAXACA
COORDINACIÓN GENERAL DE PLANEACIÓN EDUCATIVA
COORDINACIÓN GENERAL DE EDUCACIÓN MEDIA SUPERIOR Y SUPERIOR
PROGRAMA DE ESTUDIOS
NOMBRE DE LA ASIGNATURA:
SISTEMAS EXPERTOS
CICLO
NOVENO SEMESTRE
CLAVE DE LA ASIGNATURA
3095
TOTAL DE HORAS
102
OBJETIVOS GENERALES DE LA ASIGNATURA:
Profundizar en uno de los campos más exitosos de la Inteligencia Artificial: los Sistemas Expertos, para resolver problemas
específicos y acotados con los métodos habituales de la ingeniería.
1.
TEMAS Y SUBTEMAS
INTRODUCCIÓN.
1.1. Reseña histórica.
1.2. Bases de conocimiento.
1.3. Sistemas de bases de conocimiento.
1.4. Desarrollos actuales en los componentes de los SBC.
1.5. Arquitectura de un sistema experto típico.
2.
REPRESENTACIÓN DEL CONOCIMIENTO.
2.1. Introducción.
2.2. La lógica como representación del conocimiento.
2.3. Representación basada en reglas.
2.4. Representación basada en frames.
2.5. Cálculo proposicional.
2.6. Tablas de verdad.
2.7. Adquisición de conocimientos.
2.8. Conceptualización del problema.
2.9. Formalización del problema.
3.
LOS SISTEMAS BASADOS EN EL CONOCIMIENTO.
3.1. Metodologías para el desarrollo de sistemas basados en el conocimiento.
3.2. Verificación y validación de sistemas basados en el conocimiento.
3.3. Mantenimiento de bases de conocimiento dinámicas.
3.4. Ejemplos de sistemas basados en el conocimiento.
3.5. Alcances de las ventajas de la reutilización.
4.
SISTEMAS EXPERTOS.
4.1. Definición.
4.2. Partes de un sistema experto.
4.3. Planteamiento de un sistema experto.
4.4. Diferencia entre un sistema experto y un sistema tradicional.
4.5. Funcionamiento de un sistema experto.
4.6. Aplicaciones y áreas de investigación.
4.7. Bases de conocimientos.
4.8. Bases de hechos.
5.
INTRODUCCIÓN AL RAZONAMIENTO DIFUSO.
5.1. Fundamentos teóricos.
5.2. Teoría de conjuntos.
5.3. Conjuntos difusos.
5.4. Propiedades y estructura de los conjuntos difusos.
5.5. Representación del conocimiento difuso.
5.6. Mecanismos de inferencia y clasificación difusa.
6.
SISTEMAS EXPERTOS DIFUSOS.
6.1. Evolución de los sistemas expertos a los sistemas expertos difusos.
6.2. Propósito general de los sistemas expertos difusos.
6.3. El valor difuso esperado.
6.4. El intervalo difuso esperado.
6.5. El motor de inferencia difuso.
6.6. El procedimiento de inferencia.
6.7. Inferencia con imprecisión e incertidumbre en sistemas expertos.
6.8. Valores duros del antecedente “X es A”, y la regla consecuente “Y es B”.
6.9. Modelo Mamdani.
6.10. Modelo Sugeno.
6.11. Modelo Tsukamoto.
6.12. Tool-box “fuzzy” de Matlab, como una herramienta de estudio.
6.13. El rol del razonamiento aproximado en sistemas expertos médicos.
ACTIVIDADES DE ENSEÑANZA-APRENDIZAJE:






Exposición de cada tema mediante de ejercicios que permitan entender el funcionamiento de un sistema Experto.
Realizar prácticas de laboratorio (Programación de los algoritmos), que validen el conocimiento adquirido en cada
una de las unidades.
Realización de ensayos y escritura de artículos técnicos con formato técnico científico.
Examen práctico y escrito por cada una de las unidades.
Explicación sobre dudas y comentarios que surjan en el transcurso de cada una de las unidades.
Construcción de un sistema experto al término del semestre.
CRITERIOS Y PROCEDIMIENTOS DE EVALUACIÓN Y ACREDITACIÓN:
Al inicio del curso el profesor indicará el procedimiento de evaluación para la obtención de la calificación final, de la cual el
50% lo representará el promedio de las calificaciones parciales y el otro 50 % el examen ordinario. Para tener derecho a cada
evaluación, el alumno deberá cumplir con un mínimo de 85% de asistencia.
BIBLIOGRAFÍA (TIPO, TÍTULO, AUTOR, EDITORIAL Y AÑO):
BÁSICA




Inteligencia artificial, Rich & Knight, Editorial McGraw Hill, 1994.
Principios de inteligencia artificial y sistemas expertos, Rolston, Editorial McGraw Hill, 1990.
Inteligencia artificial. Un enfoque moderno, Russell S, Editorial Norving P- Prentice Hall, 2005.
A guide to expert systems, Waterman. Addison-Wesley editorial, 1986.
CONSULTA

Building expert systems, Hayes Roth et. al., Addison-Wesley editorial, 1983.

Fuzzy expert system, Abraham Kandel, CRC press editorial, 1991.

AI application programming, M. Tim Jones, Second edition, Charles River Media editorial, 2005.

Artículo, “Fuzzy Decision Analysis.” Watson, Weiss, Donnell. IEEE Transactions on Systems, Man and Cybernetics,
9, 1979

Artículo, “Knowledge Representation in Fuzzy Logic”. Zadeh. IEEE Transactions on Knowledge and Data
Engineering, 1, 1989
PERFIL PROFESIONAL DEL DOCENTE:
Maestría o Doctorado en Computación o área afín, con especialidad en inteligencia artificial.
Experiencia profesional y docente mínima de 1 año.