Libros Inteligencia artificial, página 4 de 24

Utilizando el formato de preguntas y respuestas, Phil Husbands nos introduce a la situacion actual de los robots, la robotica y la inteligencia artificial (IA). Analizando sus origenes y hacia donde podria ir en el futuro, este libro explora la historia de los robots y su compleja relacion con la cultura popular, la tecnologia subyacente, lo que pueden hacer ahora y lo que podrian ser capaces de hacer en el futuro. & 191;Los robots representan una amenaza o una oportunidad sin precedentes? Husbands considera tanto los problemas eticos como los desafios sociopoliticos que los robots ya estan creando y elabora una guia practica para conocer mas sobre una tecnologia que habita y modela nuestra forma de vida actual.

El diseño de los modelos de inteligencia artificial se realiza a través de tres pilares esenciales: Aprendizaje Automático, Aprendizaje Profundo y Ciencia de Datos. Utilizando MATLAB, ingenieros y otros expertos han desplegado gran variedad de aplicaciones de aprendizaje automatico que generan automaticamente funcionalidades a partir de datos de entrenamiento y optimizan modelos de todo tipo. El aprendizaje profundo es un subconjunto del aprendizaje automatico basado en redes neuronales artificiales. El proceso de este aprendizaje se denomina profundo porque la estructura de estas redes consiste en tener multiples entradas, salidas y capas ocultas. Cada capa contiene unidades que transforman los datos de entrada en informacion y, de este modo, la capa siguiente puede utilizarla para una determinada tarea predictiva. De este modo, una maquina puede aprender a traves de su propio procesamiento de datos. MATLAB reduce significativamente el tiempo necesario para pre-procesar y etiquetar conjuntos de datos con aplicaciones especificas de dominio para datos de audio, video, imagen y texto. Sincroniza series temporales dispares, sustituye los valores atipicos por valores interpolados, agudiza las imagenes y filtra las señales con ruido. Utiliza aplicaciones interactivas para etiquetar, recortar e identificar caracteristicas importantes, y algoritmos integrados para automatizar el proceso de etiquetado. MATLAB cuenta con la herramienta Neural Network Toolbox (Deep Leraning Toolbox a p

Aquest treball recull l'experiència d un grup multidisciplinari que va organitzar la comunitat Iubilo de la Universitat Rovira i Virgili i va competir a l'edició 2024 de la Lliga de Debat Sènior de l

A comprehensive introduction to deep reinforcement learning, combining theory and practice. Covers key algorithms, Python implementations, and real-world applications in games, robotics, and intelligent systems. Ideal for AI researchers and students.

Partint d'una explicació bàsica de què és la intel·ligència artificial (IA), el llibre s'endinsa, amb un llenguatge amè, en els conceptes importants que cal conèixer per en­tendre'n el funcionament i

Texto introductorio en el que se estudia, desde una perspectiva novedosa, los diversos términos encuadrados bajo el concepto IA. A lo largo de los sucesivos capítulos se irá considerando una progresión de sistemas de IA o ""agentes"", cada uno ligeramente más complejo que su predecesor. Se comienza con agentes elementales que reaccionan a las propiedades que perciben en su entorno, y que permiten abordar temas complejos como la visión artificial, el aprendizaje o los sistemas artificiales evolutivos. Después, se introducen en fases sucesivas algunas técnicas que permiten a los agentes sacar partido de información sobre su entorno. Este conocimiento puede consistir en información declarativa sobre el estado del entorno, en modelos icónicos del entorno, en grafos definidos en el espacio de estados o en representaciones lógicas. A esta aproximación se le llama inteligencia artificial evolutiva, debido a su similitud con la evolución animal.Se pretende que este libro sea, tanto una propuesta acerca de cómo pensar sobre la IA, como una descripción de técnicas propias de la materia. A lo largo del texto se proponen numerosos ejemplos para proporcionar suficiente motivación y fundamento a los conocimientos adquiridos.Características principales:Enfoque intermedio entre teoría y aplicacionesAmplia cobertura de las ideas viejas y modernas más importantes en IAUso frecuente de ejemplos y diagramas ilustrativosCobertura extensa de métodos de aprendizaje de máquinasIncluye, aproximadamente, 500 referencias biliográficas

En esta obra, organizada en teoría y práctica, se balancean las necesidades de un curso de sistemas expertos. De tal manera, abarca los temas centrales de la materia como representación del conocimiento, sistemas neurales artificiales, metodos de inferencia, razonamiento bajo incertidumbre, razonamiento inexacto y diseño de sistemas expertos. Aunque para este curso es positivo tener conocimientos de inteligencia artificial, este libro contiene una introduccion al tema, lo suficientemente amplia y adecuada para quedar en contexto.

La visión por computador, es decir, el análisis de imágenes por medio de ordenadores, es una ciencia que está creciendo de una manera rápida en España. Este libro destaca por su hincapié tanto en los diversos elementos que forman un sistema de vision por computador como en los algoritmos que ya estan establecidos y probados, y que forman el cuerpo de esta tecnologia. La vision por computador, que se encuentra en pleno desarrollo, ya no ofrece solamente soluciones a campos como la robotica o el control de calidad sino que continuamente surgen nuevas aplicaciones que hasta hace poco se consideraban imposibles, como el reconocimiento automatico de caras o del iris. Sin abandonar la rigurosidad cientifica, el texto presenta un claro caracter practico, es decir, que es util a la hora de realizar aplicaciones reales. Se hace hincapie en los algoritmos que ya estan establecidos y probados, y que, formando el cuerpo de esta tecnologia, no perderan su relevancia en el futuro. Asimismo, se proporcionan las herramientas necesarias para que el lector pueda desarrollar sus propias aplicaciones.

Cazorla Quevedo, Miguel ÁngelEste libro es un documento de referencia cuyo objetivo es poner en práctica nociones presentadas durante las sesiones teóricas, a lo largo de un curso de introducción a la inteligencia artificial, sirviendo de guia, ayuda y complemento a las sesiones de laboratorio. Se incorporan conceptos teoricos que apoyan el aprendizaje de las materias relacionadas con: programacion simbolica (LISP), busqueda (heuristica, juegos, etc.), sistemas expertos y sistemas basados en el conocimiento (CLIPS), lenguaje natural, sistemas difusos (FuzzClips) y vision artificial