UNIVERSIDAD PRIVADA TELESUP

E.A.P. :

Ingenieria de Sistema

e

informatica

TEMA : Sistemas Expertos

DOCENTE : Carmona Espinoza Jorge

CURSO : Sistemas Expertos

CICLO : IX Ciclo

INTEGRANTES : Cabello Chavez Mussolini

Huacho –

2015

Dedico este trabajo a mis padres que son las personas que en todo momento me han apoyado Y a su vez son los principales impulsores para mi superación académica.

Página 2

Agradezco al Ingeniero Carmona Espinoza Jorge de Sistemas Expertos por brindarme sus consejos y conocimientos básicos que nos ayudaran a ser cada día mejores estudiantes y así lograr nuestros objetivos que es ser uno de los buenos ingenieros de sistemas.

Página 3

DEDICATORIA………………………………………….……………..……………...…. 02

AGRADECIMIENTO……………………..…………….…………………….….……..…..03.

INTRODUCCION……………………………………….……………….….…..…........…05

SISTEMAS EXPERTOS…………………………………..…….………………….......…07

ARQUITECTURA BÁSICA………..……………………………………..……..….…….…08

INTERFASE DE USUARIO………..……………...………………..…………………....…10

TAREAS REALIZABLES POR S.E.…..………………………………………..….......….…13

LIMITES Y DIFICULTADES DE LOS S.E.:……………………………..…….…....…..….…14

DIFERENCIAS Y VENTAJAS DE S.E.………..………………………………....………..…15

EJEMPLOS DE S.E.………..………….……………………………………….………..…16

CONCLUSIONES………………………………………...………….….….…….….…..…18

BIBLIOGRAFIA……………………………………….………….…….………….……..…19

ANEXOS……………………………………….………………..…….………….……..…20

INTRODUCCIÓN:

Página 4

Los S.E. se desarrollaron al reconocerse la importancia primordial que tenían los conocimientos particulares de un dominio para que los métodos formales de búsqueda e inferencia sean eficaces en la solución de problemas.

En los inicios de los años '40 surgió un modelo formal de neurona, en 1943. El modelo se llamaba PERCEPTRON y consistía en una red de neuronas binarias, es decir, representaba la actividad nerviosa como un fenómeno "todo o nada", que se podía calcular con una lógica de proposiciones. Este modelo fue considerado el comienzo de las Redes Neuronales Artificiales.

Más tarde surgió la Cibernética, formulada en 1948 por el matemático Norbert Wiener (1894-1964); esta disciplina estudia los fenómenos de comunicación y control, de manera general, aplicable a sistemas biológicos, organizacionales sociales o a máquinas.

En la década de los '60, surgió un sistema llamado DENDRAL cuya función era determinar estructuras moleculares de compuestos orgánicos. En esta época los investigadores se centraban en los procesos de lógica y búsqueda, y en métodos de gran generalidad pero de poca utilidad como el "General Problem Solver" (GPS).

A principios de los '70 el sistema "STRIPS" (Fikes y Nilsson, 1971) aplicaba la metodología del probador de teoremas a la solución de otros problemas. Hasta este momento los sistemas de este tipo eran llamados Sistemas con Base de Conocimientos, sin embargo, el sistema DENDRAL es considerado por algunos autores como el primer S.E., aunque este nombre aún no era conocido ni utilizado.

Finalmente en 1977, Edward Feigenbaum, en el Congreso Internacional de Inteligencia Artificial expuso la definición de Sistemas Expertos llamándolos así por primera vez.

El propósito de este tema es de mostrarnos una amplia y precisa descripción de lo que son los Sistemas Expertos (SE), los cuales también son conocidos como Sistemas Basados en Conocimiento. Así mismo mostramos brevemente los orígenes, conceptos, aplicaciones, ventajas, limitaciones, y su arquitectura básica de esta área y/o campo de la Inteligencia artificial. Por otra parte en la actualidad el mercado se vuelve más competitivo, donde la administración y buen manejo de la información es fundamental para todas las empresas y/o organizaciones, las cuales si quieren sobrevivir deben de mantenerse a la vanguardia en todas y cada una de las áreas.

Sus inicios datan a mediados de los años sesenta. Durante esta década los investigadores Alan Newell y Herbert Simón desarrollaron un programa llamado GPS (General Problema Solver: solucionador general de problemas).

Podía trabajar con criptoaritmética, con las torres de Hanói y con otros problemas similares. Lo que no podía hacer el GPS era resolver problemas del mundo real, tales como un diagnóstico médico.

En esa época se desarrollaron también: HERSAY, que intentaba identificar la palabra hablada, y PROSPECTOR, utilizado para hallar yacimientos de minerales. De este último derivó el Shell KAS (Knowledge Adquisition System).Un ejemplo de SE moderno es CASHVALUE, que evalúa proyectos de inversión y VATIA, que asesora acerca del impuesto sobre el valor añadido o IVA.

Página 5

Un sistema experto, puede definirse como un sistema informático (hardware y software) que simula a los expertos humanos en un área de especialización dada.” Como tal, un sistema experto debería ser capaz de procesar y memorizar información, aprender y razonar en situaciones deterministas e inciertas, comunicar con los hombres y/u otros sistemas expertos, tomar decisiones apropiadas, y explicar por qué se han tomado tales decisiones. Se puede pensar también en un sistema experto como un consultor que puede suministrar ayuda a (o en algunos casos sustituir completamente) los expertos humanos con un grado razonable de fiabilidad. De aquí se desprende:

CARACTERÍSTICAS DE SISTEMAS EXPERTOS

Solucionan problemas aplicando su experiencia de una forma eficaz, haciendo deducciones a partir de datos incompletos o inciertos.

Explican y justifican lo que están haciendo. Se comunican con otros expertos y adquieren nuevos conocimientos. Reestructuran y reorganizan el conocimiento. Interpretan al mismo tiempo el espíritu y la letra de las reglas. Determinan cuando un problema está en el dominio de su experiencia.

FUNCIÓN DE SISTEMAS EXPERTOS

Aportar soluciones a problemas, como si de humanos se tratara, es decir capaz de mostrar soluciones inteligentes.

Esto Es posible gracias a que al sistema lo crean con expertos (humanos), que intentan estructurar, y formalizar conocimientos poniéndolos a disposición del sistema, para que este pueda resolver una función dentro del ámbito del problema, de igual forma que lo hubiera hecho un experto.

TIPOS DE SISTEMAS EXPERTOS

Según la naturaleza de problemas para los que están diseñados:

Problemas Deterministas Sistemas Basados en Reglas, porque sacan sus conclusiones basándose en un conjunto de reglas utilizando un mecanismo de razonamiento lógico.

Problemas Estocásticos Sistemas Expertos Probabilísticos, utilizan la probabilidad como medida de incertidumbre y la estrategia de razonamiento que usan se conoce como razonamiento probabilístico, o inferencia probabilística.

A) BASADOS EN REGLAS (I)

Se tiene:

La base de conocimiento, que contiene las variables y el conjunto de reglas que definen el problema.

Página 6

El motor de inferencia, que obtiene las conclusiones aplicando la lógica clásica a estas reglas.

¿Qué se entiende por regla?

Una proposición lógica que relaciona dos o más objetos Incluye dos partes, la premisa y la conclusión. Cada una de estas partes consiste en una expresión lógica con una o más

afirmaciones objeto-valor conectadas mediante los operadores lógicos y, o, o no. Una regla se escribe normalmente como \Si premisa, entonces conclusión".

A) BASADOS EN REGLAS (II)

Situaciones complejas gobernadas por reglas deterministas:

Sistemas de control de tráfico. Sistemas de seguridad. Transacciones bancarias.

B) BASADOS EN PROBABILIDADES (I)

Para problemas cuyas soluciones se conducen en presencia de incertidumbre en los datos o en el conocimiento es posible utilizar técnicas numéricas, o también, las incertidumbres pueden ser manejadas con una aproximación de la forma de rastro.

El razonamiento en la presencia de incertidumbre sucede en ejemplos típicos de diagnóstico y análisis de datos.

Emplean reglas de condición-conclusión que van acompañadas de una estimación de certidumbre, en donde se tiene:

1.- Procedimiento numérico2.- Revisión de la credibilidad

1.- PROCEDIMIENTO NUMÉRICO

Ideados para manejar evidencias que pueden ser combinadas.

Los sistemas que usan esta aproximación manejan factores de certidumbre relacionados con probabilidades para indicar la intensidad de la evidencia.

La teoría de conjuntos difusos ha sido otra herramienta poderosa para esta clase de problemas.

Ejemplo: SE de diagnóstico MYCIN.

2.- REVISIÓN DE LA CREDIBILIDAD

Cuando la información es parcial o errónea completamente el sistema incurrirá en contradicciones. Malas líneas de razonamiento o creencias incorrectas producen contradicciones y como consecuencia malas conclusiones, debiendo de haber un proceso para retractarse.

Página 7

Para facilitar esto, es necesario mantener un registro en la base de datos de la credibilidad y su justificación. Usando esta aproximación es posible explotar las redundancias en los datos experimentales para mantener la verdad y así incrementar la confiabilidad del sistema

ARQUITECTURA BÁSICA

LA BASE DE CONOCIMIENTO

Los especialistas son responsables de suministrar a los ingenieros del conocimiento una base de conocimiento ordenada y estructurada, y un conjunto de relaciones bien definidas y explicadas.

Diferenciar entre datos y conocimiento

El conocimiento se refiere a afirmaciones de validez general tales como reglas, distribuciones de probabilidad, etc. Es permanente (parte de la componente permanente de un sistema) y se almacena en la base de conocimiento

Los datos se refieren a la información relacionada con una aplicación particular. Son efímeros (destruidos después de usarlos) y se almacenan en la memoria de trabajo (así como Todos los procedimientos de los diferentes sistemas y subsistemas que son de carácter transitorio)

Por ejemplo, en diagnóstico médico, los síntomas, las enfermedades y las relaciones entre ellos, forman parte del conocimiento, mientras los síntomas particulares de un paciente dado forman parte de los datos.

Página 8

SUBSISTEMA DE ADQUISICIÓN DE CONOCIMIENTO

Controla el flujo del nuevo conocimiento que fluye del experto humano a la base de datos. Determina qué nuevo conocimiento se necesita, o si el conocimiento recibido es en realidad nuevo, es decir, si debe incluirse en la base de datos y, en caso necesario, incorpora estos conocimientos a la misma.

CONTROL DE LA COHERENCIA

Ayuda a los expertos humanos a dar información fiable:

Controla la consistencia de la base de datos y evita que unidades de conocimiento inconsistentes entren en la misma.

Comprueba e informa a los expertos de las inconsistencias. Informa sobre las restricciones que la información debe cumplir para ser coherente

con la existente en la base de conocimiento cuando se solicita información de los expertos humanos.

Si un control de la coherencia:

Unidades de conocimiento contradictorio pueden formar parte de la base de conocimiento, dando lugar a un comportamiento insatisfactorio del sistema.

En mecanismos de propagación de incertidumbre, se podría llegar a conclusiones absurdas o en conflicto como, por ejemplo, situaciones en las que el sistema genera probabilidades mayores que la unidad o negativas.

Página 9

EL MOTOR DE INFERENCIA

Es el corazón de todo sistema experto.Saca conclusiones aplicando el conocimiento a los datos. Por ejemplo, en diagnóstico médico, los síntomas de un paciente (datos) son analizados a la luz de los síntomas y las enfermedades y de sus relaciones (conocimiento).Las conclusiones del motor de inferencia pueden estar basadas en conocimiento determinista o conocimiento probabilístico. En muchos casos, algunos hechos (datos) no se conocen con absoluta certeza. Por ejemplo, piénsese en un paciente que no está seguro de sus síntomas. El motor de inferencia es también responsable de la propagación de este conocimiento incierto. Es Probablemente el componente más débil de casi todos los sistemas expertos existentes.

EL SUBSISTEMA DE ADQUISICIÓN DE INFORMACIÓN

Si el conocimiento inicial es muy limitado y no se pueden sacar conclusiones, el motor de inferencia utiliza el subsistema de adquisición de información para obtener el conocimiento necesario y continuar con el proceso de inferencia hasta que se hayan sacado conclusiones. En algunos casos, el usuario puede suministrar la información requerida para este y otros objetivos. De ello resulta la necesidad de una interface de usuario y de una comprobación de la consistencia de la información suministrada por el usuario antes de introducirla en la memoria de trabajo.

Página 10

INTERFACE DE USUARIO

Es el enlace entre el sistema experto y el usuario, por ello debe incorporar mecanismos eficientes para mostrar y obtener información de forma fácil y agradable.Muestra las conclusiones, las razones que expliquen tales conclusiones y una explicación de las acciones iniciadas por el sistema experto. También es un vehículo para obtener la información necesaria del usuario.Consecuentemente, una implementación inadecuada de la interface de usuario que no facilite este proceso minaría notablemente la calidad de un sistema experto.

EL SUBSISTEMA DE EJECUCIÓN DE ÓRDENES

Permite al sistema experto iniciar acciones basadas en las conclusiones sacadas por el motor de inferencia.

Como ejemplos, un sistema experto diseñado para analizar el tráfico ferroviario puede decidir retrasar o parar ciertos trenes para optimizar el tráfico global, o un sistema para controlar una central nuclear puede abrir o cerrar ciertas válvulas, mover barras, etc., para evitar un accidente. La explicación de las razones por las que se inician estas acciones puede darse al usuario mediante el subsistema de explicación.

Página 11

EL SUBSISTEMA DE EXPLICACIÓN

Explica el proceso seguido por el motor de inferencia o por el subsistema de ejecución (explicación de las conclusiones sacadas o de las acciones iniciadas por el sistema experto).

• Por ejemplo, si un cajero automático decide rechazar la palabra clave (una acción), la máquina puede mostrar un mensaje (una explicación) como la siguiente: ¡Lo siento!, su palabra clave es todavía incorrecta tras tres intentos. Retenemos su tarjeta de crédito, para garantizar su seguridad. Por favor, póngase en contacto con su banco en horas de oficina.

En muchos dominios de aplicaciones, es necesaria la explicación de las conclusiones debido a los riesgos asociados con las acciones a ejecutar.

Por ejemplo, en el campo del diagnóstico médico, los doctores son responsable últimos de los diagnósticos, independientemente de las herramientas técnicas utilizadas para sacar conclusiones. En estas situaciones, sin un subsistema de explicación, los doctores pueden no ser capaces de explicar a sus pacientes las razones de su diagnóstico.

EL SUBSISTEMA DE APRENDIZAJE

Una de las principales características de un sistema experto es su capacidad para aprender.

Página 12

TAREAS REALIZABLES POR LOS SISTEMAS EXPERTOS

Adquisición de conocimiento y la verificación de su coherencia; por lo que el sistema experto puede ayudar a los expertos humanos a dar conocimiento coherente.

Almacenar (memorizar) conocimiento. Preguntar cuando se requiere nuevo conocimiento. Aprender de la base de conocimiento y de los datos disponibles. Realizar inferencia y razonamiento en situaciones deterministas y de incertidumbre. Explicar conclusiones o acciones tomadas. Comunicar con los expertos y no expertos humanos y con otros sistemas expertos

APLICACIONES

En los últimos años se ha visto cómo la informática ha crecido a pasos agigantados no sólo en desarrollo de tecnología sino en posibles aplicaciones de la misma y aún más, es sorprendente cómo la IA ha ganado espacio en el mundo utilizándosela en campos queno se relacionan con la informática; algunos de éstos, son:

1. Medicina.2. Geología.3. Química.4. Economía. 5. Ingeniería civil

RAZONES PARA LA UTILIZACIÓN DE S.E.

Existen varias razones por las cuales se hace deseable aplicar un S.E. a un problema determinado, algunas de ellas, las más importantes, son las siguientes:

1. "El conocimiento tiene poder organizador" (Edward Feigenbaum).

2. Los expertos son escasos, costosos y tardan mucho tiempo en formarse.

3. Un S.E. permite mayor accesibilidad a la experiencia gracias a la posibilidad de duplicación y transferencia. Esto es útil en organización es que tienen varias sucursales dispersas geográficamente y sólo existe un único experto humano; con un SS.EE. en cada sucursal el conocimiento del experto humano puede duplicarse y ser utilizado en cada sucursal. También es posible transferir conocimientos de un experto a lugares donde haya escasos o nulos expertos humanos.

4. El S.E., al dedicarse a casos en donde no necesita asistencia o supervisión de un experto humano, permite el ahorro de tiempo a este último para que dedique todo su esfuerzo y tiempo a casos que excedan la capacidad del S.E.

5. Con la utilización de S.E. los novatos se vuelven expertos de manera incremental.

6. La mayoría de los S.E. han llegado a las mismas conclusiones que los expertos humanos en una gran cantidad de casos, comprobando que los S.E. son casi tan buenos como sus pares humanos.

Página 13

7. Un S.E. posee conocimientos utilizables directamente de manera descentralizada y duradera.

8. El desarrollo de un S.E. obliga a la recuperación, depuración, formalización y conservación de conocimientos y experiencia.

9. Gracias a que posee un subsistema de explicación o justificación, el razonamiento del S.E. es visible para los usuarios brindando la confiabilidad necesaria para su utilización continua en casos futuros.

10.Por la razón anterior, los S.E. son utilizables para el entrenamiento de nuevo personal.

11.Posee un mejor y más fácil mantenimiento al poseer separados los conocimientos del procedimiento lógico.

12.Un S.E. aumenta la productividad por:

a. Ahorrar tiempo valioso del experto.b. Ser más ágil que el humano, en especial cuando éste debe consultar grandes

volúmenes de datos los cuales no los posee incorporados totalmente. c. La accesibilidad y rapidez para atender, por ejemplo, diagnóstico de equipos;

puede reducir perdidas al disminuir el tiempo fuera de servicio de un equipo.

13.Un SS.EE. puede funcionar por tiempo indeterminado sin tomar descansos típicos de un humano.

LÍMITES Y DIFICULTADES DE LOS S.E.

Por ser invenciones del hombre y por el límite natural que poseen las máquinas, los S.E presentan las siguientes limitantes:

1. Son utilizables en un estrecho dominio de aplicación.

2. No existe gran variedad de lenguajes de programación para representar hechos y

relaciones.

3. Los conocimientos llegan a ser demasiado superficiales.

4. Por ser máquinas o sistemas no poseen "conciencia" de su propio alcance y

limitaciones.

5. El ser humano posee la capacidad de aplicar todos los conocimientos adquiridos para

solucionar los problemas que se le presenten, aun estando fuera del campo de su

especialidad consiguiendo, sin embargo, un éxito que disminuye conforme se aleja de

su campo de especialidad. Esto no sucede con los S.E. ya que al alejarse de su

dominio de aplicación fracasan catastróficamente y no de forma gradual.

6. La explicación que brinda, por lo general, se limita a la enumeración de las reglas que

utilizó para llegar a determinada conclusión o acción.

Página 14

DIFERENCIAS ENTRE UN EXPERTO Y UN NO EXPERTO HUMANO

DIFERENCIAS ENTRE UN SISTEMA EXPERTO Y UN PROGRAMA TRADICIONAL

DIFERENCIAS ENTRE UN SISTEMA EXPERTO Y UN EXPERTO HUMANO

VENTAJAS DE LOS SISTEMAS EXPERTOS

Las ventajas se presentan a continuación son la comparación con los expertos humanos:

Están siempre disponible a cualquier hora del día y de la noche, y de forma interrumpida.

Mantiene el humor. Pueden duplicarse (Lo que permite tener tantos S.E. como se necesite). Pueden situarse en el mismo lugar donde se necesarios.

Página 15

Permiten tener decisiones homogéneas efectuadas según las directrices que se les fijen.

Son fáciles de reprogramar. Pueden perdurar y crecer en el tiempo de forma indefinidamente. Pueden ser consultados por personas u otros sistemas automáticos.

LIMITACIONES Y EJEMPLOS DE SISTEMAS EXPERTOS

Para actualizar se necesita de reprogramación de estos. Elevado costo en dinero y tiempo Programas son poco flexibles a cambios y de Difícil acceso a información no estructurada. Escasez de expertos humanos en determinadas áreas No se han desarrollado sistemas que sean capaces de resolver problemas de manera

general.

1. EJEMPLOS DE S.E

Mycin (Sistema Experto para diagnósticos médicos)

MYCIN es un Sistema Experto para la realización de diagnósticos, iniciado pro Ed. Feigenbaum y posteriormente desarrollados por E.Shortliffe y sus colaboradores. Su función es la de aconsejar a los médicos en la investigación y determinación de diagnósticos en el campo de las enfermedades infecciosas de la sangre. El sistema MYCIN, al ser consultado por el médico, solicita primero datos generales sobre el paciente: nombre, edad, síntomas, etc. Una vez conocida esta información por parte del sistema, el Sistema Experto plantea unas hipótesis. Para poder verificarlas comprueba primero la exactitud de las premisas de la regla.

2. EJEMPLOS DE S.E (II)

Esto se realiza mediante una búsqueda de enunciados correspondientes en la base de conocimientos. Estos enunciados pueden a su vez estar de nuevo en la parte de consulta de otra regla. También lo realiza mediante determinadas preguntas al usuario. Aquí se hacen preguntas del tipo: ¿Se ha practicado en el paciente algún tipo de intervención quirúrgica?

Con las respuestas que recibe, el MYCIN verifica o rechaza las hipótesis planteadas. Una serie de test ha demostrado que MYCIN trabaja igual de bien que un médico.

Página 16

3. EJEMPLOS DE S.E (III)

Xcon (Sistema Experto para configuración de Ordenadores)

XCON es un Sistema Experto para configuraciones desarrollado por la Digital Equipen Corporación. Según los deseos individuales del cliente se configuran redes de ordenadores VAX. Ya que el abanico de productos que se ofrecen en el mercado es muy amplio, la configuración completa y correcta de un sistema de estas características es un problema de gran complejidad.

XCON es capaz de comprobar y completar los pedidos entrantes mucho más rápido y mejor que las personas encargadas hasta ahora de esa labor.

4. EJEMPLOS DE S.E (IV)

COACH (Cognitive Adaptive Computer Help)

Permite crear ayuda personalizada al usuario. Es un observador de las acciones del usuario que está aprendiendo a operar un ambiente, y en base a ellas construye un modelo adaptativo del usuario. Si bien el concepto general es aplicable para áreas diversas tales como las Interfaces Inteligentes y el soporte técnico, en particular es de interés para este trabajo ya que los dominios de prueba que modeló corresponden al de un lenguaje y un entorno de programación (LISP y UNIX, respectivamente); así como por la prueba de adaptabilidad a distintos dominios en que probó ser efectivo. En dicha prueba, después de completar el desarrollo y pruebas del tutor bajo el dominio de LISP, se encargó a un estudiante inexperto, su adaptación al dominio de UNIX; dado el éxito de la adaptación, a pesar de la inexperiencia del constructor del dominio, Selker concluye que la aplicación de los conceptos y modelación del dominio son apropiados para diversos dominios, y por lo tanto, fácilmente adaptables.

5. EJEMPLOS DE S.E (V)

Una de las contribuciones importantes de Coach consiste en la descripción de diversos modelos de usuarios, representados por medio de frases adaptativos; y el modelado cognitivo de variables tales como la experiencia, la latencia del conocimiento. Por otro lado, el análisis de resultados que hace Selker, basado en el comportamiento registrado por los usuarios de sistemas tradicionales y los del sistema asesor, muestra variables cuantificables para medir el éxito de un sistema similar como el que ocupa este trabajo.

Página 17

CONCLUSIONES:

Actualmente el duro, difícil y cambiante mercado competitivo se vuelve más complejo por la gran diversidad de información que se ven obligados a almacenar y analizar, razón por la cual las empresas se ven en la necesidad de recurrir a poderosas y/o robustas herramientas o sistemas que les sirvan de soporte a la hora de tomar decisiones. De esta forma estos inteligentes, precisos y eficientes sistemas son adoptados por más organizaciones, en las cuales se convierten y/o transforman en una importante estrategia de negocio.

Por otra parte es importante mencionar que estos seguirán siendo usados en los todos y cada una de las áreas y/o campos donde los expertos humanos sean escasos. Por consecuencia de lo anterior estos sistemas son utilizados por personas no especializadas, por lo cual el uso frecuente de los (SE) les produce y/o genera conocimiento a los usuarios.

El presente informe ha permitido concluir las grandes ventajas de este Sistema Experto MYCIN, y del gran apoyo que entrega en el área de la Medicina tanto para diagnosticar, como también para entrenar a los médicos para mantenerse en constante aprendizaje. Además vemos cómo se puede interactuar con este Sistema. También se puede considerar lo apasionante que resulta poder aplicar los Sistemas Expertos en tantas áreas del conocimiento.

Sistemas expertos son programas que reproducen el proceso intelectual de un experto humano en un campo particular, pudiendo mejorar su productividad, ahorrar tiempo y dinero, conservar sus valiosos conocimientos y difundirlos más fácilmente.

Como Breve historia Los sistemas expertos proceden inicialmente de la inteligencia artificial a mediados de los años sesenta. En ese período se creía que bastaban unas pocas leyes de razonamiento junto con potentes ordenadores para producir resultados brillantes.

Página 18

BIBLIOGRAFIA

http://www.mistrabajos.8k.com/Sistema%20experto%20fuzzy.htm http://es.wikipedia.org/wiki/Sistema_experto http://www.slideshare.net/Luzedithvalv/presentacion-sistemas-expertos http://www.slideshare.net/ruttbar/sistemas-expertos-4637427 http://www.slideshare.net/leonardobernalzamora/sistemas-expertos-5396761 http://www.slideshare.net/juanmiguel431/sistemas-expertos-3771338 http://www.slideshare.net/cecipenan/sistemas-expertos-6762508 http://www.slideshare.net/SEoperaciones http://www.slideshare.net/MichellePerez2/sistemas-expertos-9762728 http://www.slideshare.net/rolangom/sistemas-expertos-3654399 http://www.slideshare.net/DreakThunder/sistemas-expertos-1206040

Página 19

ANEXOS

SISTEMAS EXPERTOS

ARQUITECTURA DE LOS S.E

Página 20