Para eso se vale de diferentes disciplinas como son: C\u00e1lculo, estad\u00edstica, inform\u00e1tica, procesamiento de se\u00f1ales, control, rob\u00f3tica, neurociencia.<\/p>\n
T\u00e9cnicas de Inteligencia artificial (d\u00e9cada o a\u00f1o en que aparece):<\/h2>\n\n- Redes neuronales (50’s)<\/li>\n
- L\u00f3gica difusa (70’s)<\/li>\n
- Redes bayesianas (80’s)<\/li>\n
- Miner\u00eda de datos (90’s)<\/li>\n
- Machine learning (90’s)<\/li>\n
- Deep learning (2006)<\/li>\n<\/ul>\n
Aplicaciones de Inteligencia artificial (d\u00e9cada o per\u00edodo en que se utiliza):<\/h2>\n\n- Procesamiento de lenguaje natural (70’s)<\/li>\n
- Sistemas expertos (80’s)<\/li>\n
- Sistemas que permitan analizar grandes cantidades de datos (actualidad)<\/li>\n<\/ul>\n
Redes neuronales<\/h2>\n
Imagen de un perceptr\u00f3n:<\/p>\n
![\"perceptron](\"https:\/\/naps.com.mx\/blog\/wp-content\/uploads\/2020\/09\/17pwA1DjBw6JDkwZQecUNiw.png\")
<\/a><\/p>\nUn perceptr\u00f3n tiene la funci\u00f3n de leer valores de entrada (input), y con base en pesos (w) y una funci\u00f3n de activaci\u00f3n (y) genera un resultado final (output).<\/p>\n
Si juntamos muchos de \u00e9stos:<\/p>\n
![\"red](\"https:\/\/naps.com.mx\/blog\/wp-content\/uploads\/2020\/09\/3-2.jpg\")
<\/a><\/p>\nTenemos una red neuronal que nos permite analizar muchas entradas y obtener diferentes resultados. Originalmente los pesos y la salida era controlada por el programador: el programador variaba el valor de los pesos para obtener la salida deseada.<\/p>\n
L\u00f3gica difusa:<\/h2>\n
Para comprender qu\u00e9 es la l\u00f3gica difusa debemos recordar que la l\u00f3gica booleana solo admite dos valores, verdadero y falso, mientras que la l\u00f3gica difusa contempla ciertas reglas que nos permiten llegar a diferentes resultados.<\/p>\n
Aplicaciones de Inteligencia artificial (d\u00e9cada o per\u00edodo en que se utiliza):<\/h2>\n\n- Procesamiento de lenguaje natural (70’s)<\/li>\n
- Sistemas expertos (80’s)<\/li>\n
- Sistemas que permitan analizar grandes cantidades de datos (actualidad)<\/li>\n<\/ul>\n
Redes neuronales<\/h2>\n
Imagen de un perceptr\u00f3n:<\/p>\n
<\/a><\/p>\nUn perceptr\u00f3n tiene la funci\u00f3n de leer valores de entrada (input), y con base en pesos (w) y una funci\u00f3n de activaci\u00f3n (y) genera un resultado final (output).<\/p>\n
Si juntamos muchos de \u00e9stos:<\/p>\n
<\/a><\/p>\nTenemos una red neuronal que nos permite analizar muchas entradas y obtener diferentes resultados. Originalmente los pesos y la salida era controlada por el programador: el programador variaba el valor de los pesos para obtener la salida deseada.<\/p>\n
L\u00f3gica difusa:<\/h2>\n
Para comprender qu\u00e9 es la l\u00f3gica difusa debemos recordar que la l\u00f3gica booleana solo admite dos valores, verdadero y falso, mientras que la l\u00f3gica difusa contempla ciertas reglas que nos permiten llegar a diferentes resultados.<\/p>\n
Redes neuronales<\/h2>\n
Imagen de un perceptr\u00f3n:<\/p>\n
Un perceptr\u00f3n tiene la funci\u00f3n de leer valores de entrada (input), y con base en pesos (w) y una funci\u00f3n de activaci\u00f3n (y) genera un resultado final (output).<\/p>\n Si juntamos muchos de \u00e9stos:<\/p>\n Tenemos una red neuronal que nos permite analizar muchas entradas y obtener diferentes resultados. Originalmente los pesos y la salida era controlada por el programador: el programador variaba el valor de los pesos para obtener la salida deseada.<\/p>\n Para comprender qu\u00e9 es la l\u00f3gica difusa debemos recordar que la l\u00f3gica booleana solo admite dos valores, verdadero y falso, mientras que la l\u00f3gica difusa contempla ciertas reglas que nos permiten llegar a diferentes resultados.<\/p>\n<\/a><\/p>\n<\/a><\/p>\nL\u00f3gica difusa:<\/h2>\n