Esta es una obra completa sobre los temas más importantes de la Inteligencia artificial que se emplean en ingeniería; está dirigida a profesores, alumnos y profesionistas de las diversas ramas de la tecnología, que busquen entender y aplicar los conocimientos avanzados de inteligencia artificial en su área de acción correspondiente de una manera sencilla y amigable.
Presenta gráficas, ilustraciones y numerosos ejemplos desarrollados en MATLAB ®, que permiten una mejor comprensión de lo expuesto.

CAPÍTULO 1: INTELIGENCIA ARTIFICIAL 1 INTRODUCCIÓN 1 ANTECEDENTES DE LA INTELIGENCIA ARTIFICIAL 1 RAMAS QUE COMPONEN LA INTELIGENCIA ARTIFICIAL 2 LÓGICA DIFUSA 3 Introducción 3 Historia de la lógica difusa 3 REDES NEURALES ARTIFICIALES 6 Introducción 6 Historia de las redes neurales 6 Perceptrón 8 Redes de retropropagación (backpropagation) 9 ALGORITMOS GENÉTICOS 12 Introducción 12 Historia de los algoritmos genéticos 12 Defi niciones 13 Herencia 14 ¿Qué es herencia? 14 El código genético 15 Selección natural 15 Operaciones genéticas en cadenas binarias 17 Selección 17 Cruzamiento 17 Mutación 19 RESUMEN 19 EJEMPLOS 20 APLICACIONES 21 1. Desentrelazado de señales de video con lógica difusa 21 Procedimiento 22 Conclusiones 25 2. Marcadores anatómicos de los ventrículos del corazón 25 Procedimiento 25 Resultados 26 Conclusiones 27 3. Segmentación de imágenes cerebrales de resonancia magnética basada en redes neuronales 27 Procedimiento 28 Resultados y conclusiones 29 Referencias 29 4. Optimización de sistemas para tratamiento de agua (Austria, lógica difusa) 29 5. Monitoreo de glaucoma a través de redes neuronales 30 6. Algoritmos genéticos para el diseño de sistemas de MRI (magnetic resonance imaging) 32 CAPÍTULO 2: LÓGICA DIFUSA 33 INTRODUCCIÓN 33 Qué es una variable lingüística 34 Aplicaciones 34 Cámaras de video 34 Reconocimiento 34 Controladores 35 Sistemas de control en lazo abierto 35 Sistema de control en lazo cerrado 35 Uso de lógica difusa en el Transporte 35 Uso de lógica difusa en los sistemas de control 36 CONCEPTOS DE LÓGICA BOOLEANA Y DIFUSA 36 LÓGICA BOOLEANA 38 Axiomas de los conjuntos convencionales 39 Operaciones en la lógica convencional 39 Leyes de De Morgan 40 LÓGICA DIFUSA 40 Lógica simbólica 41 Tautologías y quasi-tautologías 42 Representación de conjuntos difusos discretos 42 Operaciones en la lógica difusa empleando conjuntos difusos 43 Ejemplo de programa de operación difusa realizado en MATLAB® 43 Norma triangular (T) 44 Co-normas T (normas S) 45 Aseveraciones booleanas aplicadas a la lógica difusa 45 Operaciones entre conjuntos difusos 47 Producto de dos conjuntos difusos 47 Potencia de un conjunto difuso 47 Concentración 47 Dilación 48 Intensifi cación de contraste 48 Corte alfa 49 Propiedades de los conjuntos difusos 49 Funciones de membresía y sus partes básicas 49 Función de saturación 50 Función hombro 50 Función triangular 51 Función trapecio o Pi 52 Función "S" o sigmoidal 52 Descripción matemática de las funciones de membresía 53 Aplicaciones reales de las distintas funciones de membresía 54 Partes de una función de membresía 56 Cálculo de función de pertenencia 56 1. Método HORIZONTAL 57 2. Método VERTICAL 57 3. Método de comparación de parejas (Saaty, 1980) 57 4. Método basado en la especifi cación del problema 58 5. Método basado en la optimización de parámetros 58 6. Método basado en la agrupación difusa (Fuzzy Clustering) 58 El principio de extensión: generalización 58 PRINCIPIO DE EXTENSIÓN 61 NÚMEROS DIFUSOS 61 Suma de números difusos 62 RELACIONES NÍTIDAS Y DIFUSAS 64 Producto cartesiano 64 Relaciones nítidas 64 Relaciones difusas 65 Composición 65 Composición sup-estrella 68 Operaciones con relaciones difusas 69 Unión 69 Intersección 69 Complemento 69 Producto cartesiano difuso y composición 69 Reglas difusas 69 Modus ponens y modus tollens 70 CONTROLADORES DIFUSOS 71 Interfaz de difusifi cación 72 Base de conocimientos 72 Lógica de decisiones 73 Interfaz de desdifusifi cación 73 Método de centro de área o gravedad 74 Método de centro máximo 75 Método de izquierda máximo 76 Método de derecha máximo 76 Aproximación de sistemas difusos 77 Defi nición de las entradas y salidas del sistema 78 Ejemplo de un sistema difuso con retardos en la información para aproximaciones difusas 80 Funciones de membresía 80 Reglas lingüísticas 80 Superfi cie de salida 81 Diseño de controladores con base en Mamdani 81 Ejemplo 82 Aplicaciones reales de controladores difusos 85 Controlador difuso clásico 86 Ejemplo 90 Controladores P 91 Controladores PD 92 Controladores PI 94 Controlador PID 95 Simulación de un Control PID difuso 103 Controlador difuso con PID convencional como respaldo 104 Controlador difuso como sintonizador de PID convencional 104 Concepto de estabilidad 104 Punto de equilibrio 104 Asintóticamente estable 105 Entrada-cero de estabilidad 105 Teorema 1. (Estabilidad de Lyapunov para sistemas autónomos) 106 Estabilidad de Lyapunov para sistemas difusos 107 Teorema 107 La construcción para muestreo de datos 107 Controlador difuso-convencional autosintonizable por lógica difusa 108 Método Ziegler-Nichols 109 Controlador proporcional difuso 109 PD autosintonizable 112 PI autosintonizable 113 PID autosintonizable 114 Análisis de resultados 115 Autosintonización vs. Ziegler-Nichols 116 Controlador difuso como programador de ganancias para PID 120 Estabilidad 120 Diseño con base en Sugeno 121 Ejemplo 121 ALGORITMO DEL RAZONAMIENTO 122 Ejemplo 122 Diseño digital con base en estabilidad 123 Ejemplo 126 EJEMPLO SISTEMA DIFUSO SUGENO 127 EJEMPLO DE MOTOR DC 129 EJEMPLO DE SISTEMA DE 2 ENTRADAS 131 MÉTODOS DE INFERENCIA 132 Método de Tsukamoto 132 Método de Larsen 132 Resumen de mecanismos de inferencia 132 AGRUPAMIENTOS DIFUSOS 133 Validez de un cluster 133 Clusters nítidos 134 Ejemplo 135 Clusters difusos 138 Ejemplo 139 Aplicaciones reales de los agrupamientos difusos 141 Aproximaciones de sistemas reales por el método de Sugeno 143 Aproximación de un deshumidifi cador desecante 146 Aproximación de un potenciómetro 147 Aproximación de un sensor óptico 149 Ejemplo de aplicación de método para optimización de clusters con lógica difusa tipo Mamdani 150 Calculadora difusa por método Mamdani 155 Caracterización de un controlador tipo PID mediante un controlador tipo Sugeno 156 Controlador difuso basado en control directo del par (DTC) 159 Control de velocidad sin sensores usando control directo del par (DTC) basado en la modulación del ancho de pulso mediante vectores espaciales (SVPWM) 162 Agrupamientos difusos con pesos 164 Segmentación de imágenes médicas a través de agrupamientos difusos 166 Aproximación de un modelado de sentimientos humanos basado en el reconocimiento de expresiones faciales con lógica difusa 168 Aproximación a los sentimientos humanos a través de lógica difusa 169 PROGRAMAS BÁSICOS EN MATLAB® 172 SATURACIÓN 172 HOMBRO 172 TRIANGULAR 173 TRAPEZOIDAL 174 SIGMOIDAL 175 CLUSTERS DIFUSOS Y SISTEMA SUGENO 176 CALCULADORA DIFUSA MATLAB® 179 CAPÍTULO 3 REDES NEURALES ARTIFICIALES 193 REDES NEURALES BIOLÓGICAS 193 Fundamentos biológicos de las redes neurales naturales 193 Máquinas inteligentes 194 Sistema eléctrico neuronal 195 MODELOS DE NEURONAS 196 Ruido 197 Neuronas de dos estados 197 La neurona genérica 197 APLICACIONES DE LAS REDES NEURALES ARTIFICIALES (RNA) 198 DEFINICIÓN DE UNA RED NEURONAL ARTIFICIAL 198 FUNCIONES DE ACTIVACIÓN 199 Función escalón 200 Función lineal y mixta 200 Función tangente hiperbólica 201 Función sigmoidal 201 Función de Gauss 202 TOPOLOGÍAS DE LAS REDES NEURALES 202 Elementos de una red neuronal artifi cial 202 ENTRENAMIENTO DE LAS REDES NEURALES 203 REDES DE UNA CAPA 203 Perceptrón 204 Separación de variables linealmente separables con el perceptrón 206 ADALINE (Adaptive Linear Neuron) 208 Problema del operador lógico XOR por uso del perceptrón 210 Desarrollo 210 OR 211 AND 212 XOR 212 Control de un motor de pasos con un grupo de perceptrones 216 Teorema de Kolmogorov 224 REDES MULTICAPA 224 Perceptrón multicapa 225 Redes de retropropagación (backpropagation) 225 Principios para entrenar una red multicapa empleando el algoritmo de retropropagación 225 Redes neurales - Retropropagación del error 228 Capas intermedias 230 Algoritmo de retropropagación con momento (Backpropagation with Momentum) 231 DISEÑO DE FILTROS FIR CON REDES NEURALES ARTIFICIALES 232 Filtro 232 Filtros adaptativos digitales 233 Emulación del fi ltro empleando una red neuronal programada en MATLAB® 234 EJEMPLO RECONOCIMIENTO DE LETRAS EMPLEANDO ENTRENAMIENTO DE RETROPROPAGACIÓN DEL ERROR 234 Resultados 235 REDES AUTOORGANIZABLES 236 Aprendizaje asociativo 236 Red de una sola neurona 237 Tipos de estímulos 237 Ejemplo 237 Interpretación de la Regla de Hebb en asociadores lineales 238 TOPOLOGÍA DE REDES NEURONALES EMPLEADAS PARA LA CLASIFICACIÓN, PREDICCIÓN Y RECONOCIMIENTO DE PATRONES 238 Red Instar 238 Red Outstar 239 Redes Competitivas 239 Red de Kohonen 240 Red de Hamming 241 Mapas de Autoorganización (SOM) 241 Learning Vector Quantization (LVQ) 241 Redes Recurrentes 242 Red Hopfi eld 242 Redes ANFIS 244 Algoritmo de un sistema ANFIS 247 Algoritmo de entrenamiento para ANFIS 248 Arquitectura de ANFIS 256 Método de mínimos cuadrados 258 Mínimos cuadrados recursivos 259 Ejemplo ANFIS con línea de comandos 259 Ejemplo sistema ANFIS empleando ANFIS EDIT de MATLAB® 260 Empleo de función Genfi s1 265 EJEMPLO DE UN SISTEMA ANFIS Y DIFUSO PARA EL MODELADO DE MÁQUINAS DE CORRIENTE ALTERNA, EN UN ESQUEMA DE CONTROL VECTORIAL 267 Introducción 267 Etapas del control difuso tipo Sugeno 268 Fusifi cación 268 Evaluación de reglas 268 Desarrollo 268 Control vectorial 268 Modelo difuso del motor de inducción 271 Fusifi cación 271 Edición de reglas 272 Modelo ANFIS del motor de inducción 273 Control vectorial difuso 275 APROXIMADOR NEURO-DIFUSO CON CLUSTERS Y REDES NEURALES TRIGONOMÉTRICAS 277 Entrenamiento de retropropagación 279 Redes neurales basadas en Fourier 280 Cálculo de la función de la red neuronal basada en Fourier 281 Establecimiento de los pesos 282 CAPÍTULO 4 ALGORITMOS GENÉTICOS 285 CHARLES DARWIN Y LA TEORÍA DE LA EVOLUCIÓN 285 ALGORITMOS GENÉTICOS 287 Introducción 287 Algoritmos genéticos 289 Defi niciones 290 Operaciones genéticas en cadenas binarias 292 Selección 292 Cruzamiento 293 Mutación 294 Algoritmo 294 Resumen 295 Ejemplo 296 Análisis 297 El Teorema del Schema 298 La óptima asignación de los procesos 300 Paralelismo implícito 300 Conjunto difuso de sintonización 301 Codifi cación de un subconjunto difuso en un intervalo 301 Funciones de aptitud estándar 302 CAPÍTULO 5 EJEMPLO DE AG EN MATLAB® 306 DETERMINAR LA IMPEDANCIA NECESARIA DE UN COMPONENTE PARA QUE UN CIRCUITO AC LE TRANSFIERA LA MÁXIMA POTENCIA DE ENERGÍA 306 Introducción 306 Aplicaciones 306 Problema de máxima transferencia de potencia 306 El algoritmo genético 307 1. Problema de optimización 307 2. Representación 308 3. Población inicial 308 4. Evaluación 309 5. Crear una nueva población 310 ALGORITMOS GENÉTICOS 313 ALGORITMO GENÉTICO BÁSICO CONVENCIONAL BINARIO 313 ALGORITMO GENERACIÓN DE NUEVOS INDIVIDUOS MEDIANTE OPERACIONES DE CRUZA Y MUTACIÓN 314 ALGORITMO DE SELECCIÓN PROPORCIONAL O RULETA 315 ARCHIVOS M DE MATLAB® PARA EL ALGORITMO 315 MAIN 315 FUNCIÓN OBJETIVO 316 EVAL. POBLACIÓN 319 EVAL. EACH 319 CONVERTIR BIT2NUM 320 NEXT POPULATION 320 Anexo A MATLAB® GENETIC ALGORITHMS TOOLBOX Introducción 323 Sección 1. Declaración de función aptitud y restricciones 324 Fitness function/Función aptitud 324 Number of variables/ Número de variables 324 Constraints/ Restricciones 326 Linear inequalities/ Desigualdades lineales 326 Sección 2. Área de gráfi cos 327 Plot interval/Intervalo de trazado 327 Best fi tness/Mejor aptitud 328 Best individual/Mejor individuo 328 Distance/Distancia 329 Expectation/Expectativa 329 Genealogy/Genealogía 330 Range/Rango 330 Score diversity/Diversidad de puntuación 331 Scores/Puntuación o ponderación 331 Selection/Selección 332 Stopping/Detención 332 Max constrain/Máxima violación 333 Custom function/Función personalizada 333 Sección 3. Resultados de la función aptitud 333 Use random status from previous run/ Uso aleatorio de la corrida anterior 334 Current generation/Generación actual 334 Status and results/ Estado y resultado 334 Sección 4. Alternativas de optimización para la función aptitud 335 Population /Población 335 Population Type /Tipo de la población 335 Creation function/Función de la creación (CreationFcn) 336 InitialPopulation/Población inicial 336 InicialScores/Puntuación inicial 336 PopInitRange /Rango inicial 336 Fitness Scaling/Escala de la función de ajuste o evaluación 336 FitnessScalingFcn/Función del escalamiento 336 Shift linear/Cambio Lineal (@fi tscalingshiftlinear) 337 Custom/Personalizado 337 Selection/Selección 338 Stochastic Uniform/ Estocástico uniforme (@ selectionstochunif) 338 Remainder/Resto (@ selectionremainder) 338 Uniform/Uniforme (@ selectionuniform) 338 Roulette/Ruleta (@ selectionroulette) 338 Tournament/Torneo (@ selectiontournament) 338 Custom/Personalizado 338 Reproduction/Reproducción 339 Elite Count/Conteo elite 339 Crossover fraction/Fracción de cruzamiento 339 Mutation/Mutación 339 Mutation function/Función mutación 340 Uniform/Uniforme (mutación uniforme) 341 Custom/personalizado 341 Crossover/Cruzamiento 341 Scattered/Dispersos (@ crossoverscattered) 341 Single Point/Un solo punto (@crossoversinglepoint) 342 Two point/Dos puntos (@ crossovertwopoint) 342 Intermediate/Intermedio (@crossoverintermediate) 342 Heuristic/Heurística (@crossoverheuristic) 343 Custom/Personalizado 343 Migration/Migración 343 Direction/Dirección (MigrationDirection) 344 Interval/Intervalo 344 Fraction/Fracción 344 Algorithm settings/Parámetros del algoritmo 344 Initial penalty/Penalidad inicial 344 Penalty factor/Factor de penalización 344 Hybrid Function/Función de hibridación 345 Stopping Criteria/Criterio de detención 345 Generations/Generaciones 345 Time Limit/Tiempo límite 345 Fitness Limit/Límite de ajuste 345 Stall Generations/ Generaciones recesivas 345 Stall Time/ Tiempo de retardo (StallTimeLimit) 346 Output Function/Función de salida 346 History to new window/Historia de una nueva ventana (@gaoutputgen) 346 Custom/Personalizado 346 Estructura de la función de salida 346 Display to command window/Despliegue en la ventana de comandos 346 Vectorize/Vectorizar 347 Referencias 347 Bibliografía 34