No abstract

Esta investigación tuvo como objetivo encontrar la ruta más corta de n puntos en el espacio, sin corte o intersección entre las líneas generadas por los caminos. Para lograr esto, se usó el algoritmo genético, donde se aprovechó la ventaja de no competir “todos contra todos”, sino que a partir de una pequeña población puede encontrarse la posible mejor ruta en el espacio, también llamada “búsqueda local”. Para realizar el proceso evolutivo, se consideró el método de la ruleta, cruce por intercambio de 2 puntos, mutación por intercambio y método de parada a la varianza a 25 generaciones. Implementado en Matlab 8.3, se obtuvo como resultado una duración de 24.7 s y 210.6 s, con funciones de adaptación de 0.79 y 0.76, 76 y 206 generaciones a las pruebas realizadas de 10 y 100 puntos, respectivamente. Demostrando que con el algoritmo genético se encontró la posible mejor ruta corta de n puntos en el espacio y que el método de parada ideal para este problema en particular es la varianza, aunque consuma más tiempo frente cantidad de generaciones establecidas.

To identify the fingerprint type according to Henry's classification despite having noise present in the fingerprint image, the artificial neural network SOM of Teuvo Kohonen was used.

El presente artículo “Comparativa de sistema experto basado en reglas, redes neuronales y probabilidades”, muestra los diferentes modelos para resolver un caso de sistemas expertos, para ello nos agenciamos de dos áreas de la inteligencia artificial y una de la estadística y probabilidad para poder dar solución a este tipo de casos que requiera conocimiento.Considerando casos similares de tipo síntomas-enfermedad para las diferentes maneras de cómo resolverlos. Para el caso de probabilidades se tiene que crear un conjunto de reglas que refleja la interpretación del especialista en el área deevaluación (esto se encarga el ingeniero de conocimiento) formalizándolo en un grafo AND/OR y llevando a un lenguaje de tenga motor de inferencia para poder resolverlos. Otro caso es usando redes neuronales donde los patrones de entrada son los síntomas y las salidas son las enfermedades, para ello se tiene que ingresar casos para el proceso de aprendizaje, tomando como tipo de red neuronal el de propagación hacia atrás. Como último caso se usa el método probabilístico del teorema de bayes (tomando los casos históricos como antecedentes de pacientes).Usamos estos métodos para dar solución a casos que se requiera un especialista, donde cada uno tiene su particularidad para dar soluciones (ya sea en el proceso de aprendizaje, de inferencia o de evaluación por antecedentes), entre otras cosas.

This research aims to cover a need to predict the behavior of the number of deaths in a country that has ended quarantine due to Covid-19.To achieve this, a backpropagation neural network was used as a prediction tool. Taking a public database the country Denmark's death data from Covid-19, with the data accumulated in the range of March 16, 2020 to May 10, 2020 being the inputs for the neural network, managing to predict for May 11, 2020 a cumulative of 209 deaths, implying a forecast of 2 deaths of error according to those that have actually been published of accumulated of 210 deaths. This result represents 98.8% effectiveness.