Este volumen es una continuación del libro Fundamentos de inteligencia artificial. Los contenidos del libro se estructuran en cuatro bloques: Lenguaje natural, Visión artificial, Lógica difusa y Aprendizaje. En cada bloque se revisan los conceptos teóricos más relevantes en cada campo y las técnicas o algoritmos más conocidos. Cada capítulo incorpora una serie de ejercicios orientados a consolidar los conocimientos teóricos que se han expuesto.
- Cover
- Índice General
- I: Introducción al procesamiento de lenguaje natural
- 1 Aspectos básicos del lenguaje natural
- 1.1 Introducción
- 1.2 Pasos en el proceso de análisis
- 1.3 Problemáticas en el lenguaje
- 1.4 Análisis morfológico
- 1.5 Ejercicios
- 2 Análisis sintáctico
- 2.1 Gramáticas y árboles sintácticos
- 2.2 Tratamiento de la ambigüedad
- 2.3 Análisis sintáctico descendente
- 2.4 Análisis ascendente
- 2.5 Redes de transición
- 2.6 Ejercicios
- 3 Comprensión del lenguaje natural
- 3.1 Introducción
- 3.2 Análisis semántico
- 3.3 Análisis pragmático e integración del discurso
- 3.4 Ejercicios
- II: Percepción visual. Análisis de imágenes
- 4 Visión de bajo nivel
- 4.1 Adquisición de imagen
- 4.2 Relaciones básicas entre píxeles
- 4.3 Preprocesamiento
- 4.4 Morfología matemática. Introducción
- 4.5 Ejercicios
- 5 Visión de nivel medio. Segmentación
- 5.1 Detección de discontinuidades
- 5.2 Detección de líneas
- 5.3 Detección de contornos
- 5.4 Técnicas de umbralización
- 5.5 Detección de primitivas geométricas
- 5.6 Extracción de características
- 5.7 Morfología matemática en visión de nivel medio
- 5.8 Ejercicios
- 6 Visión de alto nivel
- 6.1 Introducción
- 6.2 ¿Qué significa reconocer?
- 6.3 Variabilidad en el reconocimiento de objetos
- 6.4 Enfoques para el reconocimiento de objetos
- 6.5 Reconocimiento de objetos 3D
- 6.6 Ejercicios
- III: Sistemas expertos y lógica difusa
- 7 Fundamentos de la lógica difusa
- 7.1 Variables y modificadores lingüísticos
- 7.2 Conjuntos difusos
- 7.3 Relaciones difusas
- 7.4 Ejercicios
- 8 Sistemas expertos difusos
- 8.1 Arquitectura de un sistema experto difuso
- 8.2 Componentes de un sistema experto difuso
- 8.3 Clasificación de los sistemas de inferencia difusos
- 8.4 Especificación y diseño de sistemas difusos
- 8.5 Ejercicios
- IV: Aprendizaje
- 9 Aprendizaje inductivo
- 9.1 Introducción al aprendizaje
- 9.2 Aprendizaje inductivo
- 9.3 Aprendizaje inductivo basado en el conocimiento
- 9.4 Ejercicios
- 10 Aprendizaje mediante redes neuronales
- 10.1 Introducción
- 10.2 Modelo biológico
- 10.3 Modelo computacional
- 10.4 Perceptrones
- 10.5 Perceptrones multicapa
- 10.6 Aplicaciones de los perceptrones multicapa
- 10.7 Ejercicios
- 11 Computación evolutiva
- 11.1 Introducción
- 11.2 Modelo biológico
- 11.3 Modelo computacional
- 11.4 Representación de las soluciones
- 11.5 Operadores de modificación
- 11.6 Selección
- 11.7 Teoria de la computación evolutiva
- 11.8 Aplicación de la computación evolutiva
- 11.9 Resultados
- 11.10 Ejercicios
Texto
Audio
Adobe DRM
Ingrese a su cuenta