La idea de una máquina que aprende puede parecer paradójica. ¿Cómo se podrían cambiar las reglas de operación de una máquina? La explicación de la paradoja es que las reglas se pueden hacer efímeras y poco pretenciosas, que evoquen solamente una validez cirunstancial
A. M. Turing


¤º°`°º¤ø,¸¸,ø¤º°`°º¤ø,¸¸,ø¤º°`°º¤ø,¸¸,ø¤º°`°º¤ø,¸¸,ø¤º°`°º¤ø,¸¸,ø¤º°`°º¤ø,¸¸,ø¤º°`°º¤ø

INTELIGENCIA ARTIFICIAL

¤º°`°º¤ø,¸¸,ø¤º°`°º¤ø,¸¸,ø¤º°`°º¤ø,¸¸,ø¤º°`°º¤ø,¸¸,ø¤º°`°º¤ø,¸¸,ø¤º°`°º¤ø,¸¸,ø¤º°`°º¤ø

Cap. 18 r&n [= Russell y Norvig - Inteligencia artificial, un enfoque moderno - Prentice Hall (1996)]-

Aprendizaje por observación

(Diapositivas, glosas, etc.)
Diapositivas sobre el cap.18 de r&n (Aprendizaje por observación)---
18.1 Un modelo general de agentes con capacidad de aprender
18.2 Aprendizaje inductivo
18.3 Árboles de decisión y aprendizaje
18.4 Empleo de la teoría de información
18.5 Aprendizaje de las descripciones lógicas generales
18.6 Por qué funciona el aprendizaje - Teoría computacional del aprendizaje

Jeff Thomson - Calgary U. -
  • Lab 533 - Neural nets
    Le & Wamala - Calgary U. -
    1. Introduction: What is Learning?
    2. A General Model of Learning Agents
    3. How to Design a Learning Agent?
    3.1. Components of the Performance Element
    3.2. Component Representation
    3.3. Available FeedBack
    3.4. Available BackGround Knowledge
    4. Inductive Learning (induction)
    5. Learning Decision Tree
    5.1. Elements of Decision Tree
    5.2. Expressiveness of Decision Tree
    5.3. Inducing Decision Tree from examples
    5.3.1 Knowledge and Problem
    5.3.2 Decision Tree Learning Algorithm
    5.4. Assessing the performance of learning algorithm
    6. Summary
    7. References
    Tres aplicacioncitas de redes neurales (neurona artificial y dos perceptrones)- Fred Corbett - Manitoba Espejo incompleto del Url original
    Cómo aprenden las máquinas al jugar
  • Presentación de Cap.18.1 a 18.3 de r&n y de Cap.19.1 a 19.4 de r&n - Timothy Colburn - Minnesota
    Circuito neural de la Tritonia diomedea, un nudibranquio, explicado muy esquematicamente
    Robots no-verbales que operan en monitores bidimensionales
  • Archy, un robot con número par de patas (4,6,8,20) en su simulación con applet y con 6 patas y 20 kg en la realidad de Richard Kennaway, basado en la teoría jerárquica de control perceptual (hierarchical-PCT) de William Powers
    Gráfica explicando el control biológico según Powers
  • Distintos aportes de Auke Ijkspeert (Southern California)
  • Espejo de algunas de estas ilustrativas contribuciones, que originalmente son de lerda descarga.
  • 18.3- David Poole (Vancouver): Learning Decision Trees.
    In this module we consider the general problem of learning from examples, in particular the problem of supervised classification, and learning as search through a space of representations. We consider the representation of decision trees.
  • Lectures:  Lecture 1  Lecture 2  (or pdf (b&w 2-up for printing))
  • Readings:  Computational Intelligence, Sections 11.1, 11.2.
  • Assignment 11 (or pdf). .
  • Solution to Assignment 11 (or pdf).

  • What you should know: bias, overfitting, what is a decision tree, top-down induction of decision trees, bias of decision trees, handling overfitting.
    Cap. 19- r&n-Aprendizaje en redes neurales y redes de creencia (Diapositivas, glosas, etc.)

    FastCounter by bCentral
    desde 01-11-01

    14.jun.2002

    Pulsar tecla de vuelta

    Vuelta a Portada


    Glosario de Carlos von der Becke.

    . .