Final

`Universidad Nacional Mayor de San marcos

Facultad de Ingeniera de Sistemas e Informtica EAP de Ing. de

Sistemas

Inteligencia Artificial

Examen Final Semestre 2010-2

1. Conceptos Generales (6 puntos)

Marque al lado derecho V para verdadero y F para Falso (+.3 correcta, -0.1 incorrecta)

1. El nivel conceptual del mtodo CommonKADS es dado por los modelos de conocimiento y

comunicacin.

( F )

2. El modelo de comunicacin tiene por finalidad identificar y describir las transacciones de

comunicacin entre agentes, y este debe ser especificado de forma conceptual e

independiente de su implementacin.

( V )

3. Las fuentes estticas para la adquisicin de conocimiento de un sistema experto de

segmentacin de clientes de una empresa de telecomunicacin son dadas por las reglas

de negocio y las polticas de segmentacin establecidas en los manuales y reportes de la

gerencia de marketing.

( F )

4. El conocimiento dado en los manuales de los procedimientos de auditoria ambiental es

catalogado de conocimiento dinmico.

( F )

5. En sistemas expertos de pequea o mediana envergadura, el rol del ingeniero de

conocimiento y el rol del desarrollador en general puede ser realizado por una misma

persona.

( F )

6. La base de hechos para un sistema experto de evaluacin de la gestin de una

municipalidad es dada por los valores de los indicadores de gestin municipal que

proporciona los sistemas de informacin gerencial de dicha la municipalidad.

( V )

7. La lista de consecuente terminales de un sistema experto de identificacin de tipos de

fallas de redes de telefona es dada por todos los tipos de fallas.

( V )

8. El mximo nmero de iteraciones del algoritmo de encadenamiento progresivo cuando

se usa el algoritmo RETE (resolucin de conflicto) con el principio de refraccin es dado

por el nmero de reglas que tiene la base de conocimiento.

( V )

9. En los sistemas expertos basados en RNA, el conocimiento de confirmar un patrn

cuando se verifica una caracterstica, puede ser formulado como un peso negativo de

valor absoluto muy grande asociado a la relacin patrn - caracterstica.

( V )

10. Cuando los resultados (otorgar crdito o rechazar crdito) de un sistema experto

basado en RNA de acreditacin financiera, presentan un porcentaje de proximidad

inferior al nivel de confianza para la toma de decisiones, entonces se debe recomendar

no otorgar crdito.

( V )

11. Los errores ms frecuente del ingeniero de conocimiento se originan por el conocimiento

incompleto e incorrecto que presenta el especialista.

( F )

2

12. El proceso de consistencia de la base de conocimiento debe evitar reglas de la forma: P ^

Q R, Q ^ P S, en donde R y S son sinnimos (reglas redundantes).

( V )

13. La finalidad del proceso de validacin de un sistema experto es conocer si el sistema se

encuentra apto para pasar a comercializacin.

( V )

14. La principal caracterstica de los sistemas machine learning es la capacidad de aprender a

realizar una tarea a travs de experiencias.

( V )

15. La principal dificultad que presentan los mtodos de redes neuronales artificiales para

desarrollar machine learning es explicitar el conocimiento asociado a la tarea que se

desea aprender.

( V )

16. Es recomendable usar machine learning para pronosticar la demanda de un producto. ( V )

17. Es adecuado usar machine learning para planificar las rutas de los mnibus del proyecto

metropolitano.

( F )

18. Es recomendable usar heursticas para administrar el cambio de luz de los semforos en

una red de transporte urbano.

( F )

19. Las meta-heursticas son adecuadas para resolver problemas de la optimizacin

combinatoria que son tratables.

( V )

20. Es recomendable usar meta-heursticas para determinar rutas para el recojo de basuras

en las ciudades.

( V )

2. SBC basado en Reglas (7 puntos)

Clasificacin de Proveedores

RopaQModa es una empresa lder en confecciones de ropa, que trabaja con varias empresas que le proveen

ropas confeccionadas. RopaQModa ha decidido automatizar el proceso de clasificacin de sus proveedores

de ropa de la lnea de algodn, con la finalidad de acelerar la categorizacin de sus proveedores y mejorar

la satisfaccin de sus clientes. Para este fin los ingenieros de conocimiento han determinado los siguientes

factores:

Q1: Cumple con las especificaciones tcnicas

Q2: Cumple con las condiciones comerciales

Q3: Cumple con el cronograma de entrega

Q4: Suministra certificados de calidad

Q5: Tiene capacidad de financiamiento

Q6: Cumple con la calidad del empaque del material

Q7: Cumple las normativas de seguridad

Q8: Posee equipos de procesos adecuados

Q9: Brinda documentacin adecuada

Q10: Posibilita identificacin del producto

Q11: Posee sistema de control para prevencin de defectos

3

La gerencia general de RopaQModa considera las siguientes categoras de proveedores y polticas:

Cdigo Categora Poltica

B Bueno Mantener relaciones contractuales

C Aceptable Se puede buscar otros proveedores como alternativa sin

cuestionar al proveedor

E No Aceptable Rechazar proveedor, exigir mejoras a corto plazo

Los ingenieros de conocimiento han determinado las siguientes reglas de clasificacin:

R1: SI Q3 Q6 Q7 ENTONCES E1

R2: SI E1 Q8 Q9 ENTONCES E2

R3: SI E2 Q1 Q2 ENTONCES E

R4: SI Q4 ENTONCES C1 C2 B1

R5: SI Q4 ENTONCES C1 C2

R6: SI C1 Q5 Q6 ENTONCES C3








R14: SI C3 C4 ENTONCES C

R15 SI B1 Q2 Q3 ENTONCES B2

R16: SI B2 Q5 Q6 Q7 Q8 ENTONCES B3

R17: SI B3 Q10 Q11 ENTONCES B

Para resolver conflictos de reglas a procesar (pues varias reglas se pueden disparar a la vez) use las

siguientes estrategias en esa orden de prioridad:

- Principio de refraccin (la regla a procesar no debe ser procesada otra vez).

- Regla ms general (la regla que tiene menos antecedentes).

- Orden lineal (esto es la primera regla que se dispara).

Si la primera estrategia de resolucin de conflictos no resuelve el conflicto, se deber aplicar la segunda

estrategia, y en el caso que esta ltima no tenga suceso, se deber aplicar la tercera regla.

Responda:

2.1 Presente el motor de inferencia adecuado para clasificar a los proveedores de la empresa RopaQModa

(2.5 puntos)

4

2.2 Aplique el algoritmo propuesto en 2.1 para categorizar a un proveedor que presenta los siguientes

hechos:

Q2, Q3, Q4, Q5, Q6, Q7, Q8, Q9, Q10, Q11

Muestre en una tabla los resultados del algoritmo iteracin por iteracin

(3.5 puntos)

2.3 Cuando el sistema no llega a ninguna categorizacin podemos afirmar que el proveedor es no

aceptable. Justifique su respuesta.

(1 punto)

Solucin

2.1 BH = (Q2, Q3, Q4, Q5, Q6, Q7, Q8, Q9, Q10, Q11) LCT = (B, C, E)

Read (BC)

Read(BH)

Read(LCT)

sw_sol false

sw_di true

while not(sw_sol) and (sw_di)

verificar c/regla de la BC

resolver_conflicto(Rx, Cx, sw_di)

if (sw_di) then

BH BH + Cx)

If (Cx LCT) then

sw_sol true

end

end

end

if (Cx LCT Cx = B) then

write (Bueno)

end

if (Cx LCT Cx = C) then

write (Aceptable)

end

if (Cx LCT Cx = E) then

write (No aceptable)

end

5

2.2 BH = (Q2, Q3, Q4, Q5, Q6, Q7, Q8, Q9, Q10, Q11) LCT = (B, C, E)

Iteracin Reglas Rx Cx BH sw_sol sw_di

0 R1, R2, R3, R4,,

R17

R4 K, B Q2, Q3, Q4, Q5, Q6, Q7, Q8,

Q9, Q10, Q11 F T

1 R1, R2, R3, R5,,

R17

R6 C3 Q2, Q3, Q4, Q5, Q6, Q7, Q8,

Q9, Q10, Q11, C1, C2, B1

F T

2 R1, R2, R3, R5, R7,

R8,, R16, R17

R10 C4 Q2, Q3, Q4, Q5, Q6, Q7, Q8,

Q9, Q10, Q11, C1, C2, B1,

C3

F T

3 R1, R2, R3, R5, R7,

R8, R9, R11,,

R16, R17

R14 C Q2, Q3, Q4, Q5, Q6, Q7, Q8,

Q9, Q10, Q11, C1, C2, B1,

C3, C4

F T

4 R1, R2, R3, R5, R7,

R8, R9, R11, R12,

R13, R15, R16, R17

Q2, Q3, Q4, Q5, Q6, Q7, Q8,

Q9, Q10, Q11, C1, C2, B1,

C3, C4, C

T T

Si Q2, Q3, Q4, Q5, Q6, Q7, Q8, Q9, Q10, Q11 C Aceptable.

2.3 No se puede afirmar que cuando el sistema no llegue a ninguna categorizacin el proveedor sea

No aceptable, dado que eso ocurre solo en el caso de que se llegue a la categorizacin E. Se

puede tener otros problemas por los cuales no se haya podido llegar a una categorizacin como

por ejemplo que se us mal las reglas.

6

3. Confiabilidad de SBC (4 puntos)

El Departamento de Tecnologa de Informacin y Telecomunicacin de Banco para Todos, banco lder en

el pas, ha desarrollado un sistema experto CREDMYPE (sistema experto de evaluacin de crditos

financieros) basado en reglas de inferencias, que evala solicitudes de crditos financieros para MYPE

(medianas y pequeas empresas) y decide la accin a tomar en funcin a la categora identificada para el

cliente solicitante como sigue:

Categora Decisin

A1 Sujeto a crdito (aprobacin)

A2 Deficiente (rechazar crdito)

A3 Condicional (aprobacin sujeta a hipoteca de algn bien)

Los experimentos numricos realizados durante la fase de campo del sistema experto para una muestra

representativa muestran resultados que se resumen en la siguiente matriz:

Conclusiones

Sistema Experto

A1 A2 A3

35 0 1 A1

0 39 0 A2

2 1 22 A3

Resultados del sistema CREDMYPE

Los nmeros que se muestran en la tabla arriba indican el nmero de veces que el sistema ha identificado

una categora respecto a una categora dada por el experto. As por ejemplo, el sistema ha identificado 1

vez la categora A3, cuando el experto concluye que debe ser A1.

Responda:

3.1 Presente la tabla de contingencia para calcular los ratios de acuerdo para cada categora.

(1 punto)

3.2 Determine la confiabilidad (ndice de acuerdo) del sistema para cada categora.

(1 punto)

7

3.3 Determine para cada categora la probabilidad que el sistema responda correctamente sabiendo que el

caso es positivo (sensibilidad).

(1 punto)

3.4 Se puede recomendar que CREDMYPE pase a la fase de produccin? Considere que la gerencia de

crditos del Banco para Todos exige un nivel de confianza para aceptar el sistema (ndice de acuerdo

aceptable) para todas las categoras del 93%. Justifique su respuesta.

(1 punto)

Solucin

3.1 Tablas de contingencia:

Tabla de contingencia para la Categora A1

EXPERTO

A1 A1

SISTEMA

EXPERTO

A1 35 2

A1 1 62


EXPERTO

A2 A2

SISTEMA

EXPERTO

A2 39 1

A2 0 60

8


EXPERTO

A3 A3

SISTEMA

EXPERTO

A3 22 1

A3 3 74

3.2 Confiabilidad: (a + d) / (a + b + c + d)

Confiabilidad para la Categora A1

= (35 + 62) / 100 = 0.97


= (39 + 60) / 100 = 0.99


= (22 + 74) / 100 = 0.96

3.3 Sensibilidad: a / (a + c)

Sensibilidad para la Categora A1

= (35) / (35 + 1) = 0.97


= (39) / (39 + 0) = 1


= (22) / (22 + 3) = 0.88

3.4 Si se puede recomendar dado que el nivel de confianza exigido es 93% y todas las categoras pasan el

nivel. La categora A1 = 97%, A2 = 99% y A3 = 96%.

4. Aplicacin de Sistemas Inteligentes (3 puntos)

Sistemas Inteligentes para Municipalidades Distritales

Ciudad Feliz es una municipalidad distrital que cubre todos los servicios de limpieza, transporte, deportes,

prevencin (salud), seguridad, etc. El nuevo alcalde elegido recientemente de dicha municipalidad desea

convertir a Ciudad Feliz en una municipalidad modelo y de vanguardia; para ello ha solicitado a la

gerencia del Departamento de Informtica que proponga proyectos de sistemas inteligentes del tipo:

sistemas que aprenden (machine learning), sistemas expertos y sistemas de optimizacin.

9

Responda:

Presente a seguir 2 propuestas de proyectos por cada tipo de sistemas inteligente, y para cada uno de ellos

presente la siguiente informacin:

- Ttulo del proyecto

- Breve descripcin del proyecto, de 3 a 5 lneas

- Beneficios del proyecto que lo justifique (3 a 5 lneas)

- Justificar el tipo de sistema

Solucin

SISTEMA EXPERTO:

1. Ttulo: Organizacin municipal

Descripcin: Este proyecto abarca la organizacin interna de la municipalidad, sus jefes, sus reas de

representacin, etc. Desde el ms alto nivel hasta el ms bajo por jerarquas.

Beneficios: Mantendra una adecuada organizacin para que si un usuario quisiera comunicarse con el

encargado de un rea se le pueda dar informacin de forma rpida.

Justificar: Se le brinda al sistema experto conocimientos de las diferentes reas de la expresa y hay un

experto.

2. Ttulo: Territorio municipal y seguridad

Descripcin: El sistema se encargar de ver todo el territorio municipal, sus calles principales y lugares

estratgicos en donde estaran las cmaras de seguridad y el nmero de las mismas.

Beneficios: Mantendra una adecuada organizacin en cuanto a la seguridad y distribucin de cmaras

en todo el dominio distrital, informando la cantidad de cmaras en avenidas principales y lugares

estratgicos.

Justificar: Se le brinda al sistema experto conocimientos de las diferentes reas de la empresa y hay un

experto.

MACHINE LEARNING:

1. Ttulo: Mayor seguridad mejor distrito

Descripcin: Sistema reconocedor de voz para mayor seguridad de informacin altamente confidencial

de la municipalidad

Beneficios: Mayor seguridad

Justificar: El sistema aprender las voces de los encargados o jefes que tengan acceso a informacin de

alta seguridad.

10

2. Ttulo: Reconocedor de billetes falsos

Descripcin: El sistema reconocer billetes y monedas falsos de acuerdo a ciertas caractersticas de

autenticidad que vaya aprendiendo. Esto servir en algunos para que se haga en la municipalidad, como

pagos tributarios.

Beneficios: Mayor seguridad y reconocimiento del dinero falso que puedan querer pasar personas

inescrupulosas.

Justificar: El sistema aprender caractersticas de reconocimiento de los billetes y monedas.

SISTEMA DE OPTIMIZACIN:

1. Ttulo: Optimizacin del sistema de transporte pblico

Descripcin: Sistema que me ayude en el estudio de las rutas del transporte pblico, viendo la mejor

opcin para evitar el caos vehicular, haciendo que se optimice la distribucin de los carros en las

distintas rutas que tomen, se puede tomar como referencia el problema del viajante.

Beneficios: Ayuda en la construccin de un nuevo proyecto de transporte que me brinde soluciones de

tiempo y rutas ptimas.

Justificar: El sistema me permitir optimizar las rutas del transporte pblico.

2. Ttulo: Optimizacin del inventario

Descripcin: El sistema que me ayude a repartir de una mejor forma el inventario dentro de la

municipalidad teniendo en cuenta el espacio de cada ambiente, de esta forma se optimizara la compra

de inventario y as se podr hacer pedidos con exactitud y no hacer gastos de mantenimiento en vano

Beneficios: Optimizacin del inventario

Justificar: El sistema me permitir optimizar y reducir los gastos de inventario.

Final

Documents

Transcript of Final