Comienzo esta entrada parafraseando el lema de un anuncio de TV (de promoción turística de una comunidad española) que, en cierta forma, resume el hartazgo que se produce cuando hay una descompensación entre las expectativas y la realidad.
No me enseñes más postales ... dame más becas
De la Resolución Proposicional a la Resolución LPO
En esta entrada se presentan mecanismos para extender la Resolución Proposicional al contexto de los Lenguajes de Primer Orden. Esta entrada no es autocontenida, sino que está orientada a aclarar algunos conceptos de resolución en primer orden a los alumnos del curso de Lógica Informática, por lo que se supone que el lector ha asistido a las clases de esa materia y conoce la nomenclatura usada y los conceptos previos de los que depende.
Metaheurísticas para Búsqueda y Optimización (Parte 2)
Otro nombre habitual que se le da a la perspectiva de obtener estrategias en IA es metaheurística. En este contexto, una heurística es un algoritmo que localiza soluciones "suficientemente buenas" para un problema pero sin preocuparse de si se puede probar que la solución sea correcta u óptima. Los métodos heurísticos compensan la precisión y calidad de las soluciones con la eficiencia computacional (en espacio y tiempo). Al igual que las heurísticas, las metaheurísticas pueden ser consideradas un marco algorítmico general que puede ser aplicado a diferentes problemas de optimización con ligeras modificaciones para adaptarlos a los problemas específicos.
Metaheurísticas para Búsqueda y Optimización (Parte 1)
Otro nombre habitual que se le da a la perspectiva de obtener estrategias en IA es metaheurística. En este contexto, una heurística es un algoritmo que localiza soluciones "suficientemente buenas" para un problema pero sin preocuparse de si se puede probar que la solución sea correcta u óptima. Los métodos heurísticos compensan la precisión y calidad de las soluciones con la eficiencia computacional (en espacio y tiempo). Al igual que las heurísticas, las metaheurísticas pueden ser consideradas un marco algorítmico general que puede ser aplicado a diferentes problemas de optimización con ligeras modificaciones para adaptarlos a los problemas específicos.
Descubrimiento de Conocimiento en Grafos Multi-Relacionales
En Junio de 2017 Pedro Almagro Blanco presentó la Tesis Doctoral de título Descubrimiento de Conocimiento en Grafos Multi-Relacionales. En esta entrada se publica la introducción de su trabajo, así como el enlace al contenido de la tesis y algunos de los artículos a los que ha dado lugar.
- « Página anterior
- 1
- 2
- 3
- 4
- …
- 26
- Página siguiente »
ALGUNAS ENTRADAS ANTERIORES ... AL AZAR
El modelado de problemas
En numerosas ciencias se hace necesario el estudio y análisis de fenómenos del mundo real, y por ello se hace necesaria la aplicación del método científico a este estudio. Como acabamos de ver con anterioridad una de las fases de la aplicación del método científico se basa en la construcción de modelos o formulación de hipótesis. En nuestro caso nos centraremos en la construcción de modelos.
Introducción al Aprendizaje Automático
Grosso modo, el Aprendizaje Automático (AA, o Machine Learning, por su nombre en inglés) es la rama de la Inteligencia Artificial que tiene como objetivo desarrollar técnicas que permitan a las computadoras aprender. De forma más concreta, se trata de crear algortimos capaces de generalizar comportamientos y reconocer patrones a partir de una información suministrada en forma de ejemplos. Es, por lo tanto, un proceso de inducción del conocimiento, es decir, un método que permite obtener por generalización un enunciado general a partir de enunciados que describen casos particulares.
