SIMULACION DE SISTEMAS EXPERTOS: Saludos: Saludos muchachos de LIAI4
Este es nuestro blog de la asignatura de Simulación de sistemas Expertos y aqui compartiremos
nuestras activi...
JULIO CESAR LOPEZ BECERRIL
MARIA DEL ROSARIO MARCOS CRUZ
CLARA BELLA NUÑEZ SANCHEZ
IVETTE LOPEZ MONRROY
La Inteligencia Artificial
Es la ciencia que se ocupa del diseño de sistemas de computación inteligentes, es decir, sistemas que exhiben las características que asociamos a la inteligencia en el comportamiento humano que se refiere a la comprensión del lenguaje, el aprendizaje, el razonamiento, la resolución de problemas.
Sistema Experto. 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 que se han tomado tales decisiones.
Campos en los cuales los sistemas expertos se encuentran.
Ejemplos:
Transacciones bancarias.
Control de tráfico.
Problemas de planificación.
Diagnostico medico.
Agentes secretos.
¿Por Que los Sistemas Expertos?
Un sistema experto es generalmente caro, pero el mantenimiento y el coste marginal de su uso repetido es relativamente bajo.
En términos monetarios, tiempo, y precisión resultantes del uso de los sistemas expertos son muy altas, y la amortización es muy rápida, antes de desarrollar o adquirir un sistema experto debe realizarse un análisis de factibilidad y de coste-beneficio.
1. Personal con poca experiencia puede resolver problemas que requieren un conocimiento de experto
2. Sistema experto que combina la sabiduría colectiva de varios expertos humanos en lugar de la de uno solo.
3. Los sistemas expertos pueden responder a preguntas y resolver problemas mucho más rápidamente que un experto humano.
4. Los sistemas expertos suministran respuestas rápidas y fiables en situaciones en las que los expertos humanos no pueden.
5. Los sistemas expertos pueden ser utilizados para realizar operaciones monótonas, aburridas e inconfortables para los humanos.
El uso de los sistemas expertos se recomienda especialmente en las situaciones siguientes:
• Cuando el conocimiento es difícil de adquirir o se basa en reglas que solo pueden ser aprendidas de la experiencia.
• Cuando la mejora continua del conocimiento es esencial y/o cuando el problema esta sujeto a reglas o códigos cambiantes.
• Cuando los expertos humanos son caros o difíciles de encontrar.
• Cuando el conocimiento de los usuarios sobre el tema es limitado.
Tipos de Sistemas Expertos
Consecuentemente, los sistemas expertos pueden clasificarse en dos tipos principales según la naturaleza de problemas para los que están diseñados: deterministas y estocásticos.
Los problemas de tipo determinista pueden ser formulados usando un conjunto de reglas que relacionen varios objetos bien definidos. Los sistemas expertos que tratan problemas deterministas son conocidos como sistemas basados en reglas, porque sacan sus conclusiones basándose en un conjunto de reglas utilizando un mecanismo de razonamiento lógico.
Los sistemas expertos que utilizan la probabilidad como medida de incertidumbre se conocen como sistemas expertos probabilísticos y la estrategia de razonamiento que usan se conoce como razonamiento probabilístico, o inferencia probabilística.
Las redes de Markov y las Bayesianas, se basan en una representación grafica de las relaciones entre las variables. Esta representación conduce no solo a formas más eficientes de definir la distribución conjunta de probabilidad sino también a una propagación de incertidumbre muy eficiente, que permite sacar conclusiones
Componentes de un Sistema Experto
Los expertos humanos suministran el conocimiento básico en el tema de interés, y los ingenieros del conocimiento trasladan este conocimiento a un lenguaje, que el sistema experto pueda entender.
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.
El conocimiento se refiere a afirmaciones de validez general tales como reglas, distribuciones de probabilidad, etc. Los datos se refieren a la información relacionada con una aplicación particular.
Subsistema de Adquisición de Conocimiento
Controla el flujo del nuevo conocimiento que fluye del experto humano a la base de datos. El sistema determina que nuevo conocimiento se necesita, o si el conocimiento recibido es en realidad nuevo.
Control de la Coherencia
La consistencia de la base de datos y evita que unidades de conocimiento inconsistentes entren en la misma. En situaciones complejas incluso un experto humano puede formular afirmaciones inconsistentes. Por ello, sin un subsistema de control de la coherencia, unidades de conocimiento contradictorio pueden formar parte de la base de conocimiento, dando lugar a un comportamiento insatisfactorio del sistema.
Motor de Inferencia
Las conclusiones del motor de inferencia pueden estar basadas en conocimiento determinista o conocimiento probabilístico, sacar conclusiones bajo incertidumbre.
El Subsistema de Adquisición de Conocimiento
Si el conocimiento inicial es muy limitado y no se pueden sacar conclusiones, el motor de inferencia utiliza el subsistema de adquisición de conocimiento para obtener el conocimiento necesario y continuar con el proceso de inferencia
Interfase de Usuario
La interfase de usuario es el enlace entre el sistema experto y el usuario. Por ello, para que un sistema experto sea una herramienta efectiva, debe incorporar mecanismos eficientes para mostrar y obtener información de forma fácil y agradable.
El Subsistema de Ejecución de Ordenes
Es la componente que permite al sistema experto iniciar acciones. Estas acciones se basan en las conclusiones sacadas por el motor de inferencia.
El Subsistema de Explicación
Es necesario un subsistema que explique el proceso seguido por el motor de inferencia o por el subsistema de ejecución.
El Subsistema de Aprendizaje
Características de un sistema experto es su capacidad para aprender.
Por aprendizaje estructural nos referimos a algunos aspectos relacionados con la estructura del conocimiento (reglas, distribuciones de probabilidad, etc.)
Por aprendizaje parametrito nos referimos a estimar los parámetros necesarios para construir la base de conocimiento.
Otra característica de los sistemas expertos es su habilidad para obtener experiencia a partir de los datos disponibles. Estos datos pueden ser obtenidos por expertos y no expertos y pueden utilizarse por el subsistema de adquisición de conocimiento y por el subsistema de aprendizaje.
Sistemas expertos pueden realizar varias tareas:
• 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.
Desarrollo de un Sistema Experto
Weiss y Kulikowski (1984) sugieren las etapas siguientes para el diseño e implementación de un sistema experto
Áreas de la IA
Planificación
Demostración Automática de Teoremas
Los Juegos Automatizados
Reconocimiento de patrones
Reconocimiento de la Voz
Procesamiento de Lenguaje Natural
Visión Artificial / Robótica / Redes Neuronales
CUESTIONARIO
1. ¿Qué es la Inteligencia Artificial? Ciencia que se encarga del estudio de los sistemas inteligentes, es decir, sistemas que exhiben las características que asociamos a la inteligencia en el comportamiento humano como: comprensión del lenguaje, razonamiento, aprendizaje y resolución de problemas.
2. Menciona algunos ejemplos de Sistemas inteligentes: Transacciones bancarias, control de tráfico, diagnostico médico.
3. Capacidades de un Sistema Experto: Procesamiento, memoria, aprendizaje y razonamiento
4. ¿Cuáles son los tipos de sistemas expertos según su naturaleza? Deterministas y Estocásticos
5. Menciona algunas áreas donde interviene la inteligencia artificial: Planificación, juegos automatizados, reconocimiento de patrones y de voz, procesamiento del lenguaje natural, redes neuronales, robótica, y redes neuronales.
miércoles, 31 de agosto de 2011
lunes, 29 de agosto de 2011
SIMULACION DE SISTEMAS EXPERTOS
SIMULACION DE SISTEMAS EXPERTOS
Saludos: Saludos muchachos de LIAI4
Este es nuestro blog de la asignatura de Simulación de sistemas Expertos y aqui compartiremos
nuestras activi...
JULIO CESAR LOPEZ BECERRIL
MARIA DEL ROSARIO MARCOS CRUZ
CLARA BELLA NUÑEZ SANCHEZ
IVETTE LOPEZ MONRROY
La Inteligencia Artificial
Es la ciencia que se ocupa del diseño de sistemas de computación inteligentes, es decir, sistemas que exhiben las características que asociamos a la inteligencia en el comportamiento humano que se refiere a la comprensión del lenguaje, el aprendizaje, el razonamiento, la resolución de problemas.
Sistema Experto. 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 que se han tomado tales decisiones.
Campos en los cuales los sistemas expertos se encuentran.
Ejemplos:
Transacciones bancarias.
Control de tráfico.
Problemas de planificación.
Diagnostico medico.
Agentes secretos.
¿Por Que los Sistemas Expertos?
Un sistema experto es generalmente caro, pero el mantenimiento y el coste marginal de su uso repetido es relativamente bajo.
En términos monetarios, tiempo, y precisión resultantes del uso de los sistemas expertos son muy altas, y la amortización es muy rápida, antes de desarrollar o adquirir un sistema experto debe realizarse un análisis de factibilidad y de coste-beneficio.
1. Personal con poca experiencia puede resolver problemas que requieren un conocimiento de experto
2. Sistema experto que combina la sabiduría colectiva de varios expertos humanos en lugar de la de uno solo.
3. Los sistemas expertos pueden responder a preguntas y resolver problemas mucho más rápidamente que un experto humano.
4. Los sistemas expertos suministran respuestas rápidas y fiables en situaciones en las que los expertos humanos no pueden.
5. Los sistemas expertos pueden ser utilizados para realizar operaciones monótonas, aburridas e inconfortables para los humanos.
El uso de los sistemas expertos se recomienda especialmente en las situaciones siguientes:
• Cuando el conocimiento es difícil de adquirir o se basa en reglas que solo pueden ser aprendidas de la experiencia.
• Cuando la mejora continua del conocimiento es esencial y/o cuando el problema esta sujeto a reglas o códigos cambiantes.
• Cuando los expertos humanos son caros o difíciles de encontrar.
• Cuando el conocimiento de los usuarios sobre el tema es limitado.
Tipos de Sistemas Expertos
Consecuentemente, los sistemas expertos pueden clasificarse en dos tipos principales según la naturaleza de problemas para los que están diseñados: deterministas y estocásticos.
Los problemas de tipo determinista pueden ser formulados usando un conjunto de reglas que relacionen varios objetos bien definidos. Los sistemas expertos que tratan problemas deterministas son conocidos como sistemas basados en reglas, porque sacan sus conclusiones basándose en un conjunto de reglas utilizando un mecanismo de razonamiento lógico.
Los sistemas expertos que utilizan la probabilidad como medida de incertidumbre se conocen como sistemas expertos probabilísticos y la estrategia de razonamiento que usan se conoce como razonamiento probabilístico, o inferencia probabilística.
Las redes de Markov y las Bayesianas, se basan en una representación grafica de las relaciones entre las variables. Esta representación conduce no solo a formas más eficientes de definir la distribución conjunta de probabilidad sino también a una propagación de incertidumbre muy eficiente, que permite sacar conclusiones
Componentes de un Sistema Experto
Los expertos humanos suministran el conocimiento básico en el tema de interés, y los ingenieros del conocimiento trasladan este conocimiento a un lenguaje, que el sistema experto pueda entender.
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.
El conocimiento se refiere a afirmaciones de validez general tales como reglas, distribuciones de probabilidad, etc. Los datos se refieren a la información relacionada con una aplicación particular.
Subsistema de Adquisición de Conocimiento
Controla el flujo del nuevo conocimiento que fluye del experto humano a la base de datos. El sistema determina que nuevo conocimiento se necesita, o si el conocimiento recibido es en realidad nuevo.
Control de la Coherencia
La consistencia de la base de datos y evita que unidades de conocimiento inconsistentes entren en la misma. En situaciones complejas incluso un experto humano puede formular afirmaciones inconsistentes. Por ello, sin un subsistema de control de la coherencia, unidades de conocimiento contradictorio pueden formar parte de la base de conocimiento, dando lugar a un comportamiento insatisfactorio del sistema.
Motor de Inferencia
Las conclusiones del motor de inferencia pueden estar basadas en conocimiento determinista o conocimiento probabilístico, sacar conclusiones bajo incertidumbre.
El Subsistema de Adquisición de Conocimiento
Si el conocimiento inicial es muy limitado y no se pueden sacar conclusiones, el motor de inferencia utiliza el subsistema de adquisición de conocimiento para obtener el conocimiento necesario y continuar con el proceso de inferencia
Interfase de Usuario
La interfase de usuario es el enlace entre el sistema experto y el usuario. Por ello, para que un sistema experto sea una herramienta efectiva, debe incorporar mecanismos eficientes para mostrar y obtener información de forma fácil y agradable.
El Subsistema de Ejecución de Ordenes
Es la componente que permite al sistema experto iniciar acciones. Estas acciones se basan en las conclusiones sacadas por el motor de inferencia.
El Subsistema de Explicación
Es necesario un subsistema que explique el proceso seguido por el motor de inferencia o por el subsistema de ejecución.
El Subsistema de Aprendizaje
Características de un sistema experto es su capacidad para aprender.
Por aprendizaje estructural nos referimos a algunos aspectos relacionados con la estructura del conocimiento (reglas, distribuciones de probabilidad, etc.)
Por aprendizaje parametrito nos referimos a estimar los parámetros necesarios para construir la base de conocimiento.
Otra característica de los sistemas expertos es su habilidad para obtener experiencia a partir de los datos disponibles. Estos datos pueden ser obtenidos por expertos y no expertos y pueden utilizarse por el subsistema de adquisición de conocimiento y por el subsistema de aprendizaje.
Sistemas expertos pueden realizar varias tareas:
• 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.
Desarrollo de un Sistema Experto
Weiss y Kulikowski (1984) sugieren las etapas siguientes para el diseño e implementación de un sistema experto
Áreas de la IA
Planificación
Demostración Automática de Teoremas
Los Juegos Automatizados
Reconocimiento de patrones
Reconocimiento de la Voz
Procesamiento de Lenguaje Natural
Visión Artificial / Robótica / Redes Neuronales
CUESTIONARIO
1. ¿Qué es la Inteligencia Artificial? Ciencia que se encarga del estudio de los sistemas inteligentes, es decir, sistemas que exhiben las características que asociamos a la inteligencia en el comportamiento humano como: comprensión del lenguaje, razonamiento, aprendizaje y resolución de problemas.
2. Menciona algunos ejemplos de Sistemas inteligentes: Transacciones bancarias, control de tráfico, diagnostico médico.
3. Capacidades de un Sistema Experto: Procesamiento, memoria, aprendizaje y razonamiento
4. ¿Cuáles son los tipos de sistemas expertos según su naturaleza? Deterministas y Estocásticos
5. Menciona algunas áreas donde interviene la inteligencia artificial: Planificación, juegos automatizados, reconocimiento de patrones y de voz, procesamiento del lenguaje natural, redes neuronales, robótica, y redes neuronales.
Saludos: Saludos muchachos de LIAI4
Este es nuestro blog de la asignatura de Simulación de sistemas Expertos y aqui compartiremos
nuestras activi...
JULIO CESAR LOPEZ BECERRIL
MARIA DEL ROSARIO MARCOS CRUZ
CLARA BELLA NUÑEZ SANCHEZ
IVETTE LOPEZ MONRROY
La Inteligencia Artificial
Es la ciencia que se ocupa del diseño de sistemas de computación inteligentes, es decir, sistemas que exhiben las características que asociamos a la inteligencia en el comportamiento humano que se refiere a la comprensión del lenguaje, el aprendizaje, el razonamiento, la resolución de problemas.
Sistema Experto. 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 que se han tomado tales decisiones.
Campos en los cuales los sistemas expertos se encuentran.
Ejemplos:
Transacciones bancarias.
Control de tráfico.
Problemas de planificación.
Diagnostico medico.
Agentes secretos.
¿Por Que los Sistemas Expertos?
Un sistema experto es generalmente caro, pero el mantenimiento y el coste marginal de su uso repetido es relativamente bajo.
En términos monetarios, tiempo, y precisión resultantes del uso de los sistemas expertos son muy altas, y la amortización es muy rápida, antes de desarrollar o adquirir un sistema experto debe realizarse un análisis de factibilidad y de coste-beneficio.
1. Personal con poca experiencia puede resolver problemas que requieren un conocimiento de experto
2. Sistema experto que combina la sabiduría colectiva de varios expertos humanos en lugar de la de uno solo.
3. Los sistemas expertos pueden responder a preguntas y resolver problemas mucho más rápidamente que un experto humano.
4. Los sistemas expertos suministran respuestas rápidas y fiables en situaciones en las que los expertos humanos no pueden.
5. Los sistemas expertos pueden ser utilizados para realizar operaciones monótonas, aburridas e inconfortables para los humanos.
El uso de los sistemas expertos se recomienda especialmente en las situaciones siguientes:
• Cuando el conocimiento es difícil de adquirir o se basa en reglas que solo pueden ser aprendidas de la experiencia.
• Cuando la mejora continua del conocimiento es esencial y/o cuando el problema esta sujeto a reglas o códigos cambiantes.
• Cuando los expertos humanos son caros o difíciles de encontrar.
• Cuando el conocimiento de los usuarios sobre el tema es limitado.
Tipos de Sistemas Expertos
Consecuentemente, los sistemas expertos pueden clasificarse en dos tipos principales según la naturaleza de problemas para los que están diseñados: deterministas y estocásticos.
Los problemas de tipo determinista pueden ser formulados usando un conjunto de reglas que relacionen varios objetos bien definidos. Los sistemas expertos que tratan problemas deterministas son conocidos como sistemas basados en reglas, porque sacan sus conclusiones basándose en un conjunto de reglas utilizando un mecanismo de razonamiento lógico.
Los sistemas expertos que utilizan la probabilidad como medida de incertidumbre se conocen como sistemas expertos probabilísticos y la estrategia de razonamiento que usan se conoce como razonamiento probabilístico, o inferencia probabilística.
Las redes de Markov y las Bayesianas, se basan en una representación grafica de las relaciones entre las variables. Esta representación conduce no solo a formas más eficientes de definir la distribución conjunta de probabilidad sino también a una propagación de incertidumbre muy eficiente, que permite sacar conclusiones
Componentes de un Sistema Experto
Los expertos humanos suministran el conocimiento básico en el tema de interés, y los ingenieros del conocimiento trasladan este conocimiento a un lenguaje, que el sistema experto pueda entender.
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.
El conocimiento se refiere a afirmaciones de validez general tales como reglas, distribuciones de probabilidad, etc. Los datos se refieren a la información relacionada con una aplicación particular.
Subsistema de Adquisición de Conocimiento
Controla el flujo del nuevo conocimiento que fluye del experto humano a la base de datos. El sistema determina que nuevo conocimiento se necesita, o si el conocimiento recibido es en realidad nuevo.
Control de la Coherencia
La consistencia de la base de datos y evita que unidades de conocimiento inconsistentes entren en la misma. En situaciones complejas incluso un experto humano puede formular afirmaciones inconsistentes. Por ello, sin un subsistema de control de la coherencia, unidades de conocimiento contradictorio pueden formar parte de la base de conocimiento, dando lugar a un comportamiento insatisfactorio del sistema.
Motor de Inferencia
Las conclusiones del motor de inferencia pueden estar basadas en conocimiento determinista o conocimiento probabilístico, sacar conclusiones bajo incertidumbre.
El Subsistema de Adquisición de Conocimiento
Si el conocimiento inicial es muy limitado y no se pueden sacar conclusiones, el motor de inferencia utiliza el subsistema de adquisición de conocimiento para obtener el conocimiento necesario y continuar con el proceso de inferencia
Interfase de Usuario
La interfase de usuario es el enlace entre el sistema experto y el usuario. Por ello, para que un sistema experto sea una herramienta efectiva, debe incorporar mecanismos eficientes para mostrar y obtener información de forma fácil y agradable.
El Subsistema de Ejecución de Ordenes
Es la componente que permite al sistema experto iniciar acciones. Estas acciones se basan en las conclusiones sacadas por el motor de inferencia.
El Subsistema de Explicación
Es necesario un subsistema que explique el proceso seguido por el motor de inferencia o por el subsistema de ejecución.
El Subsistema de Aprendizaje
Características de un sistema experto es su capacidad para aprender.
Por aprendizaje estructural nos referimos a algunos aspectos relacionados con la estructura del conocimiento (reglas, distribuciones de probabilidad, etc.)
Por aprendizaje parametrito nos referimos a estimar los parámetros necesarios para construir la base de conocimiento.
Otra característica de los sistemas expertos es su habilidad para obtener experiencia a partir de los datos disponibles. Estos datos pueden ser obtenidos por expertos y no expertos y pueden utilizarse por el subsistema de adquisición de conocimiento y por el subsistema de aprendizaje.
Sistemas expertos pueden realizar varias tareas:
• 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.
Desarrollo de un Sistema Experto
Weiss y Kulikowski (1984) sugieren las etapas siguientes para el diseño e implementación de un sistema experto
Áreas de la IA
Planificación
Demostración Automática de Teoremas
Los Juegos Automatizados
Reconocimiento de patrones
Reconocimiento de la Voz
Procesamiento de Lenguaje Natural
Visión Artificial / Robótica / Redes Neuronales
CUESTIONARIO
1. ¿Qué es la Inteligencia Artificial? Ciencia que se encarga del estudio de los sistemas inteligentes, es decir, sistemas que exhiben las características que asociamos a la inteligencia en el comportamiento humano como: comprensión del lenguaje, razonamiento, aprendizaje y resolución de problemas.
2. Menciona algunos ejemplos de Sistemas inteligentes: Transacciones bancarias, control de tráfico, diagnostico médico.
3. Capacidades de un Sistema Experto: Procesamiento, memoria, aprendizaje y razonamiento
4. ¿Cuáles son los tipos de sistemas expertos según su naturaleza? Deterministas y Estocásticos
5. Menciona algunas áreas donde interviene la inteligencia artificial: Planificación, juegos automatizados, reconocimiento de patrones y de voz, procesamiento del lenguaje natural, redes neuronales, robótica, y redes neuronales.
Suscribirse a:
Entradas (Atom)
