neat beans

Upload: ivan-timekool

Post on 10-Feb-2018

231 views

Category:

Documents


0 download

TRANSCRIPT

  • 7/22/2019 Neat Beans

    1/58

  • 7/22/2019 Neat Beans

    2/58

    MATERIA :PROGRAMACION 5

    Tema: NeatBeans

    MAGISTER

    Profesor. Teobaldo Smith.

    Presentado por :Geovany A Guerra

    C.I.P: 4 718 53

    Nivel: Licenciatura.Sistemas Informticos

    Ao: 2012

    Domingo Lunes Martes Miercoles Jueves Viernes Sabado

    05/03/2014

    ACTIVIDAD EN CASA

    AbrMarFebEne

    DIA

    AgoJunMay Jul Sep Oct Nov Dic.

    PROGRAMACION

  • 7/22/2019 Neat Beans

    3/58

    TABLA DE CONTENIDO

    PRESENTACION INDICE INTRODUCCION

    PRELIMINAR

    GUIA DEL TEMA

    PROLOGO

    HISTORIA

    CAPITULOS

    TEMAS

    RESUMEN

    INVESTIGACION

    EJEMPLOSGLOSARIO escrito

    ILUSTRACIONES

    CONCLUSION BIBLIOGRAFIA

    INFOGRAFIAWhile- Else- Numbers, Case y

    otros usados en VB

  • 7/22/2019 Neat Beans

    4/58

    CONTENIDO

    Sintaxis

    Desarrollo

    Problema

    Caracteristicas

    Clasificacion

    Tablas

    Recursos

    Programas

    Mercado Tipos

    Utilizacion

    Usos

    INDICE DE TEMAS1. Historia de la programacionorientada a objetos (POO).2. Historia del lenguaje

    Java(Orientacion a objetosPOO).3. Conceptos, campo, deaplicacin (uso actual delmismo).4. Caractersticas importantes

    del JAVA.5. POO como base de Java.6. Entornos o ambientes paraprogramar en Java(escoger uno yexplicar).7. Uso del lenguaje Java eneducacion, de ejemplos.8. Confeccionar un mapaconceptual.9. Que es IHMC Cmap Tools.10. Utilizar de Power Point.11. Investigacion de java?12. < Ejemplificacion de Java >

    PRODUCIONJAVA

  • 7/22/2019 Neat Beans

    5/58

    Mapa de NeatBeans

    Inteligencia yConocimiento

    Patrones

    Agentes

    Coordinacinde web

    Robtica Mvil

    Robtica deManipuladores

    Procesamientode Imgenes

    RedesNeuronales

  • 7/22/2019 Neat Beans

    6/58

    Tabla de ContenidoAgentes Inteligentes.

    Propiedades de los agentes

    Sensores y Efectores

    Medida de Rendimiento

    El Medio Ambiente

    Tipos de Agentes

    Agente reflejo simpleAgente con estado interno

    Agente basado en metas

    Agente basado en utilidad

  • 7/22/2019 Neat Beans

    7/58

    Objetivos Exponer los conceptos asociados a agentes

    inteligentes.

    Presentar las propiedades de un agente. Presentar la medida de rendimiento

    Identificar los tipos de ambiente.

    Presentar los tipos de agentes.

  • 7/22/2019 Neat Beans

    8/58

  • 7/22/2019 Neat Beans

    9/58

    Agentes Inteligentes Un agente es un sistema conformado por hardware

    y/o software que basa su comportamiento en las

    percepciones que tiene del medio ambiente

    mediante sus sensores y en las reglas de

    comportamiento incorporadas en el software.

    Un agentees todo aquello que percibe su ambiente

    mediantesensores

    y queresponde

    oacta

    en tal

    ambiente por medio de efectores.

  • 7/22/2019 Neat Beans

    10/58

    Agentes No requieren de humanos para operar (autonoma).

    Tienen una medida de desempeo (racionalidad)

    Usan sensorespara enterarse de lo que pasa fuera.

    Usan efectorespara modificar su entorno

    La inteligencia est determinada por sus reglas.

    Las reglas se pueden pre-grabar Instintos

    Las reglas pueden ser aprendidas Aprendizaje

    (aprender memorizar)

  • 7/22/2019 Neat Beans

    11/58

    Agentes Inteligentes Un agente inteligente es un sistema de computadora

    capaz de ejecutar acciones autnomas y flexibles en

    cierto medio ambiente.

    Agentes triviales (no interesantes): Termstato El demonio de UNIX

    Se busca que un agente tenga capacidad deiniciativa propia (imitar el libre albedrio)

  • 7/22/2019 Neat Beans

    12/58

    Propiedades de los agentes

    Autonoma

    Reactividad

    Proactividad

    Cooperacin

    Aprendizaje

  • 7/22/2019 Neat Beans

    13/58

    Autonoma Un sistema ser autnomo en la medida en que su

    conducta est definida por su propia experiencia.

    Si las acciones del agente se basan en un

    conocimiento integrado previamente, no es

    autnomo.

    Un agente es ms autnomo en la medida en que

    su comportamiento se basa: (+) en el aprendizaje y

    (-) en el conocimiento incorporado.

  • 7/22/2019 Neat Beans

    14/58

    ReactividadMedio ambiente esttico.

    El programa no necesita preocuparse sobre su xito o falla, elprograma se ejecutar ciegamente. (lazo abierto)

    Compilador.

    Medio ambiente dinmico. Para el software es difcil de construir dominios dinmicos: el

    programa debe tener en cuenta la posibilidad de fracaso

    Un sistema reactivo mantiene una permanente interaccin consu medio ambiente y responde a los cambios que ocurren en l

    (en un tiempo para la respuesta sea til)

  • 7/22/2019 Neat Beans

    15/58

    Pro Actividad Reaccionar a un entorno es fcil?

    Estmulorespuesta basada en reglas

    Comportamiento. Secuencia de acciones, no solo una accin aislada.

    Se desea que los agentes ejecuten accionespor nosotros.

    El objetivo est orientado al comportamiento del agente.

    Pro-actividad. Intenta generar y lograr objetivos.

    Toma iniciativa cuando es necesario.

    Reconoce las oportunidades

  • 7/22/2019 Neat Beans

    16/58

    CooperacinMulti-agentes.

    El mundo real es un entorno multi-agentes:

    No podemos ignorar a los otros para lograr metas.

    Ciertas metas pueden lograrse nicamente con la

    cooperacin de otros.

    Habilidad social Es la habilidad para interactuarcon otros agentes

    (posiblemente humanos) mediante algn lenguaje de

    comunicacinentre agentes y cooperarcon ellos.

  • 7/22/2019 Neat Beans

    17/58

    Aprendizaje El agente es capaz de usar algoritmo para aprender

    de su propia experiencia.

    Trata de aprender para mejorar su rendimiento en eltiempo.

    Se trata de crear programas capaces de generalizarcomportamientos a partir de una informacin noestructurada suministrada en forma de ejemplos. Es,por lo tanto, un proceso de induccin delconocimiento.

  • 7/22/2019 Neat Beans

    18/58

    Ejercicio 1Diga si los siguientes sistemas son agentes:1. Un reloj.

    2. Un termostato.

    3. Un celular.

    4. Un sistema de control de acceso a personas.5. El sistema de aire acondicionado de un automvil.

    6. Una lavadora automtica.

    7. Un software para entrenar personas.

    8. Un software para ensear a sumar.

    9. Un reloj despertador.10. El sistema que controla si una persona saca un producto sin

    pagar.

    11. Internet.

    12. La red telefnica

  • 7/22/2019 Neat Beans

    19/58

    Sistemas MultiagenteCuando mltiples agentes individuales coordinan sus

    habilidades para resolver problemas.1. Organizacin Social. c/u cumple una funcin dentro del sistema,

    tiene caractersticas y responsabilidades.2. Cooperacin. El mtodo de solucin de los problemas se basa en

    la forma cmose asignan las responsabilidadesy como se usalas respuestas de los otros.

    3. Coordinacin. Planificacin de acciones para la resolucin de

    tareas, cundose ejecutan las acciones.4. Negociacin. Forma de ponerse de acuerdo cuando cada agente

    defiende sus propios intereses, llevndolos a una situacin que losbeneficie a todos teniendo en cuenta el punto de vista de cadauno.

  • 7/22/2019 Neat Beans

    20/58

    Sistemas Multiagente

  • 7/22/2019 Neat Beans

    21/58

    SENSORES Y EFECTORES

  • 7/22/2019 Neat Beans

    22/58

    Sensores Los sensores sirven para adquirir informacin del

    medio ambiente

    Los sensores no son confiables por que:

    Incertidumbre, estn afectados por cambios en el

    Medio.

    Error, en la deteccin.

  • 7/22/2019 Neat Beans

    23/58

    Sensores Qu sensor usar?

    Qu modelo de sensor?

    Cmo calibrar el sensor? Cmo entrega los datos en sensor?

    cmo se activa en sensor?

    cul es la frecuencia de muestreo?

    Cul es el error?

    Qu procesos de bajo nivel realizar?assembler

    Qu procesos de alto nivel realizar? en el agente

  • 7/22/2019 Neat Beans

    24/58

    SensoresSentido

    Percepcin de equilibrio

    Propiocepcin Magnetocepcin

    Electrocepcin

    Eco localizacin

    Gradiente de presin

    Sensores

    Acelermetro

    Encoder Magnetmetro

    Sensor de voltaje

    Sonar

    Arreglo de presin

  • 7/22/2019 Neat Beans

    25/58

    EfectoresHumanos Msculos

    Movimientos compuestos.

    Movimientos de brazos Caminata

    Escritura

    Habla

    Mquinas

    Rotacin de Motores

    Apertura o cierre devlvulas.

    Movimientos compuestos

    Movimiento dearticulaciones

    Orugas

    Patas

  • 7/22/2019 Neat Beans

    26/58

    Ejercicio 2 Diga qu sensores tienen los humanos?

    Conoce algn sensor que tienen los animales pero

    no lo tienen los humanos?

    Conoce algn sensor que tienen los humanos pero

    no lo tienen los animales?

    Cules son los efectores de los humanos?

    Conoce algn efector que tienen los animales perono lo tienen los humanos?, Viceversa?

  • 7/22/2019 Neat Beans

    27/58

    MEDIDA DE RENDIMIENTO

  • 7/22/2019 Neat Beans

    28/58

    Medida de rendimiento Para cada conjunto de percepciones, el agente toma la

    accin que maximiza su rendimiento basado en lainformacin de la percepcin y su propio conocimiento

    implcito. Medida del desempeo

    Evala el cmo

    qu tan exitoso ha sido un agente?

    Debe ser objetiva

    La racionalidad NO ES omnisciencia, clarividencia niexitosa necesariamente.

    La racionalidad se puede ver como un xito esperado,tomando como base lo que se ha percibido.

  • 7/22/2019 Neat Beans

    29/58

    Agente RacionalDepende de:

    Medida del grado de xito.

    Secuencia de percepciones. Conocimiento acerca del medio

    Acciones que puede emprenderEn todos los casos de posibles percepciones, un agenteracional deber emprender todas aquellas acciones que

    favorezcan obtener el mximo de su medida de rendimiento,basndose en las evidencias aportadas por la secuencia de

    percepciones y en todo conocimiento incorporado en tal

    agente.

  • 7/22/2019 Neat Beans

    30/58

    Ejercicio 3 Diga para los siguientes agentes qu medidas de

    desempeo usara, formule c/u en notacin formal:

    Personal que recoge la basura en las noches.

    Software para jugar ajedrez.

    Google Noticias.

    Software que resuelve laberintos.

    Ej i i 4

  • 7/22/2019 Neat Beans

    31/58

    Ejercicio 4 El siguiente agente tiene aprendidouna

    serie de reglas que se puedenrepresentar mediante un rbol dedecisin:

    En determinado momento el agente tienelas siguientes percepciones. Diga cualesson las respuestas del agente.-20, 40, 2, 35, 14, 45, 6, 22, 9

    Disee una medida de desempeosabiendo que las respuestas del agentedeberan ser:1, 6, 1, 6, 4, 7, 2, 5, 2

    Modifique el rbol de decisin para queel agente obtenga estas respuestas (*).

    (*) puede obviar esta pregunta

    >2

    >81

    2 >10

    3 4

  • 7/22/2019 Neat Beans

    32/58

    Ejercicio 5Para los agentes del ejercicio 4.

    1. Indique qu medidas de rendimiento usara para

    indicar el desempeo del agente.

    2. Formule cada medida de desempeo mediante alguna

    notacin formal.

    3. Evale el desempeo de los agentes haciendo uso de

    la medida de rendimiento.

    4. Identifique en qu casos su medida de desempeo no

    es capaz de medir el desempeo del agente.

  • 7/22/2019 Neat Beans

    33/58

    EL MEDIO AMBIENTE

  • 7/22/2019 Neat Beans

    34/58

    El Ambiente La relacin entre el agente y el ambiente es siempre

    la misma: el agente ejerce acciones sobre el

    ambiente, que, a su vez, aporta percepciones al

    primero.

    medio ambiente

  • 7/22/2019 Neat Beans

    35/58

    Medio Ambiente Accesible y no accesible. Accesible, si los sensores detectan los aspectos que requiere el agente para

    elegir una accin.

    Deterministas y no deterministas.

    Determinista, si el estado siguiente de un ambiente se puede determinarcompletamente con el estado actual y las acciones escogidas por el agente.

    Episdicos y no episdicos.

    Episdico, cuando la experiencia del agente se divide en episodios, si esepisdico, es ms simple.

    Estticos y dinmicos.

    Esttico, si el medio ambiente no cambia mientras el agente se encuentradeliberando.

    Discreto y continuo.

    Discreto, si existe una cantidad limitada de percepciones y acciones distintasy distinguibles

  • 7/22/2019 Neat Beans

    36/58

    Ejercicio 6Ambiente Accesi-ble

    Determ

    i-

    nstico

    Epis-

    dico

    Esttic

    o

    Discre-

    to

    Ajedrez con reloj

    Ajedrez sin reloj

    Pquer

    Conducir un taxi

    Sist. de diagnstico mdico

    Sistema. de anlisis de

    imgs.

    Robot clasificador de partes

    Controlador de refinera

    Asesor de ingls interactivo

  • 7/22/2019 Neat Beans

    37/58

    TIPOS DE AGENTES

  • 7/22/2019 Neat Beans

    38/58

    Tipos de Agentes1. Agente reflejo simple.

    Las acciones del agente se establecen en funcin a unatabla de percepcin accin.

    2. Agentes con estado interno.

    Es un agente reflejo, pero que almacena sus percepcionesanteriores, tiene memoria.

    3. Agentes basados en metas

    Agente que combina propiedades de los dos anteriores, peroque tiene una meta a la cual llegar. Necesita buscarel mejorcamino y planificarla secuencia de acciones.

    4. Agentes basados en utilidad. Son aquellos agentes que tienen mltiples metas que

    cumplir, mide el grado de satisfaccin del grado decumplimiento de sus metas.

  • 7/22/2019 Neat Beans

    39/58

    Ejercicio 7Indique el tipo de agente para cada caso:Agente resuelve laberintos.

    Agente que entrega la Raz Cuadrada de un nmero.

    Agente que conduce un automvil.

    Agente del mundo de los wumpus

    Agente que resuelve el problema de los bloques.

  • 7/22/2019 Neat Beans

    40/58

    Ejercicio 7Indique el tipo de agente para cada caso:Agente resuelve laberintos.

    Agente basado en metas

    Agente que entrega la Raz Cuadrada de un nmero.Agente reflejo

    Agente que conduce un automvil.

    Agente basado en utilidad

    Agente del mundo de los wumpus

    Agente con estado interno

    Agente que resuelve el problema de los bloques.

    Agente basado en metas

    RS EI BM BU

  • 7/22/2019 Neat Beans

    41/58

    1. Agente reflejo simple El usar una tabla de consulta explcita est fuera de

    toda consideracin.

    Sin embargo, es posible resumir fragmentos de tabla

    observando ciertas asociaciones entre

    entradas/salidas que se producen frecuentemente, y

    haciendo reglas de condicin-accin, por ejemplo:

    Siel carro de adelan te est frenando ,

    entoncesempezar a frenar.

    A t fl j i lRS EI BM BU

  • 7/22/2019 Neat Beans

    42/58

    Agente reflejo simple

    AgenteComo es el mundo

    ahora

    Accin que debo

    tomarReglas condicin-accin

    Sensores

    Efectores

    RS EI BM BU

  • 7/22/2019 Neat Beans

    43/58

    Agente reflejo simpleFuncinAgente-reflejo-simple(percepcin)respondecon una accin

    esttica: reglas, un conjunto de reglas de

    condicin-accin

    estado Interpretar-Entrada (percepcin).

    regla Regla-Coincidencia (estado , reglas).

    accin Regla-Accin[regla]

    responder con una accin

  • 7/22/2019 Neat Beans

    44/58

    Ejercicio 8 Construya un agente para identificar las soluciones de

    la siguiente ecuacin, asuma que los aison enteros.

    Diga de que tamao es la tabla percepcin accin. Es prctico este agente?

    Cules son las restricciones?, resuelve todos los casos.

    0

    0

    ni

    i

    i

    ixa

    RS EI BM BU

  • 7/22/2019 Neat Beans

    45/58

    2. Agente con estado internoAgentes bien informados de todo lo que pasa.

    El agente reflejo simple funciona slo si se toma la

    decisin adecuada con base en la percepcin de unmomento dado.

    En ocasiones se requiere mantener cierto tipo deestado interno para estar en condiciones de estaroptar por una accin.

    Ejemplo: imgenes de antes y despus paredetectar cambios.

    Agente con estado internoRS EI BM BU

  • 7/22/2019 Neat Beans

    46/58

    Agente con estado interno

    Agente

    Como es el mundoahora

    Accin que debo

    tomarReglas condicin-accin

    Sensores

    Efectores

    Estado

    Como evoluciona elmundo

    Lo que mis acciones

    hacen

    RS EI BM BU

  • 7/22/2019 Neat Beans

    47/58

    Agente con estado internoFuncinAgente-reflejo-con-estado(percepcin)respondecon una accin

    esttica: estado, una descripcin prevaleciente del

    estado del mundoreglas, un conjunto de reglas de condicin-

    accin

    estado Actualizar-Estado (estado, percepc in).

    regla Regla-Coincidencia (estado, reglas).

    accin Regla-Accin[regla]

    estado Actualizar-Estado (estado , acc in)

    responder con una accin

    Ejercicio 9

  • 7/22/2019 Neat Beans

    48/58

    Ejercicio 9

    Cierto agente desea resolver el

    problema del mundo de laaspiradora.

    El mundo est conformado por una

    cuadrcula de 2x2 (dos con basura).

    Disee un agente que usa una tabla depercepcinaccinpara resolver este problema.

    El agente inicia en la parte superior izquierda.

    El agente recuerdalas celdas ya visitas, pero no es capaz

    de ver las otras celdas.

    Diga que acciones son necesarias para resolver el

    problema.

    Diga cul es el tamao de la tabla percepcinaccin.

    Ejercicio 9

  • 7/22/2019 Neat Beans

    49/58

    1

    3

    5

    7

    2

    4

    6

    8

    Ejercicio 9

    RS EI BM BU

  • 7/22/2019 Neat Beans

    50/58

    3. Agente basado en metas Para decidir qu hacer no basta con tener informacinacerca del estado que prevalece en el ambiente.

    Adems del estado prevaleciente, se requiere cierto tipode informacin sobre su meta.

    La bsqueday la planificacinson sub-campos de la IAque se ocupan de encontrar las secuencias de accionesque permiten alcanzar las metas de un agente.

    Este tipo de agente es diferente a los anteriores, debidoa que implica tomar en cuenta el futuro.

    Puede ser ms flexible si cambian las condiciones ocambian las metas.

    Agente basado en metasRS EI BM BU

  • 7/22/2019 Neat Beans

    51/58

    Agente basado en metas

    Agente

    Como es el mundo

    ahora

    Accin que debo

    tomarMetas

    Sensores

    Efectores

    Estado

    Como evoluciona el

    mundo

    Lo que mis acciones

    hacen

    Qu efectos tiene

    tomar

    la accin A

  • 7/22/2019 Neat Beans

    52/58

    Ejercicio 10 Resolver el problema de las k-reinas, para k = 3.

    El problema consiste en identificar en qu

    posiciones colocar k reinas en un tablero de ajedrez

    de tal manera que no se comanentre ellas

    Ejercicio 10

  • 7/22/2019 Neat Beans

    53/58

    Ejercicio 10

    Bsqueda

    Ejecucin

    Formulacin

    Ejercicio 11

  • 7/22/2019 Neat Beans

    54/58

    Ejercicio 11

    Disear un agente para resolver el problema del

    rompecabezas mvil o problema de las ocho fichaso puzzle.

    2 8

    1 6 4

    7

    3

    5

    1 2 3

    8 4

    7 6 5

  • 7/22/2019 Neat Beans

    55/58

    Ejercicio 11

    RS EI BM BU

  • 7/22/2019 Neat Beans

    56/58

    4. Agente basado en utilidad Las metas no bastan por s mismas para generaruna conducta de alta calidad.

    Puede haber muchas secuencias de acciones que

    permitan alcanzar la meta, pero algunas ofrecenms utilidad que otras.

    La utilidad es una funcin que correlaciona unestado y un nmero real mediante el cual se

    caracteriza el correspondiente grado de satisfaccin.

    Agente basado en utilidadRS EI BM BU

  • 7/22/2019 Neat Beans

    57/58

    Agente basado en utilidad

    Agente

    Como es el mundo

    ahora

    Accin que debo

    tomar

    Sensores

    Efectores

    Estado

    Como evoluciona el

    mundo

    Lo que mis acciones

    hacen

    Que efectos tiene

    tomar

    la accin A

    Que tan feliz

    estara en un estado

    determinado

    Utilidad

  • 7/22/2019 Neat Beans

    58/58

    Bibliografa AIMA . Captu lo 2 y 3, primera ed ic in.

    AIMA. Chapter 2 y 3, second edit ion .