Ingeniería del Conocimiento Ingeniería Electrónica Exámen Recuperatorio 2007 1) - De qué se ocupa la Ingeniería del Conocimiento? - Por qué es importante en la IA la representación del conocimiento? Mencione alguno de los formalismos para su representación . 2) Modelar un KBS, determinando los marcos (objetos) que entran en juego, y las reglas necesarias para inferir los resultados esperados: Un grupo de amigos (Juan, Pedro y Pablo) tiene que decidir que carrera estudiar luego de terminar la secundaria. Se informaron de 4 carreras, y de los planes de estudio le prestaron mucha atención a las materias que conocían por haberlas tenido durante la secundaria: Abogacía: no tiene nada de matemáticas, tiene mucha historia, no tiene biología. Bioquímica: tiene matemáticas, no tiene historia, tiene biología. Antropología: no tiene matemáticas, tiene historia, tiene biología. Licenciatura en Economía: tiene matemáticas, tiene historia, no tiene biología. A Juan le gustan las matemáticas, pero no la historia, y sí la biología. A Pedro le gusta mucho estudiar historia y biología, pero le cuestan las matemáticas. A Pablo le gusta la historia, pero odia la biología y las matemáticas. El sistema debe determinar la mejor carrera que se adapta a los gustos de los estudiantes. No es necesario respetar la sintaxis exacta de Kappa-PC, pero sí lograr que la BC sea lo suficientemente genérica como para poder inferir una carrera para cada chico. 3) Se quiere inferir la velocidad lineal de un robot. Para simplificar el problema se ha supuesto que la velocidad depende únicamente de la distancias al destino y al obstáculo más cercano. La tabla muestra las reglas definidas para el problema y se dan las definiciones de los conjuntos difusos asociados. Sabiendo que la distancia al obstáculo (dobs) es 160 cm y la distancia al destino (ddes) es de 20 cm realice el proceso de inferencia utilizando el modelo de composición MIN-MAX, para hallar que velocidad recomienda al robot. 4) Decidir si cada enunciado es verdadero o falso. Justificar en 2 o 3 renglones: a) Las redes neuronales que sirven para clasificación deben tener como entrada atributos discretos. b) Los árboles de decisión pueden ser usados para regresión ya que la entropía varía a valores continuos entre 0 y 1. c) El ruido en una base de datos de entrenamiento puede perjudicar a los métodos de aprendizaje automático. d) Tener un conjunto de entrenamiento que no sea representativo del dominio dificulta la generalización. e) El descenso por el gradiente garantiza que el error de simulación en el conjunto de test será mínimo. f) El método de retropropagación es usado solamente cuando existe más de una capa de neuronas.