viernes, 24 de febrero de 2017

Vídeo Nº 149: IA Probabilidad - Modelos Ocultos de Markov 07

Cómo modelar el filtrado como una función a la que se le pasa el último valor calculado y la nueva evidencia para obtener el siguiente valor (propagación hacia adelante). Otro tema a tratar es la comparación de Modelos Temporales que compartan las mismas evidencias. También se verá cómo hacer predicciones, es decir, calcular las prosibilidades de ciertos estados futuros dadas las evidencias hasta el momento actual.


 

miércoles, 22 de febrero de 2017

lunes, 20 de febrero de 2017

Vídeo Nº 147: IA Probabilidad - Modelos Ocultos de Markov 05

Explicación detallada, paso a paso, de cómo realizar inferencia de tipo filtrado (monitorización) con Modelos Ocultos de Markov. Se van explicando cada paso, integrando el modelo sensorial o de observación con el modelo de transición para obtener la fórmula que permite hacer este tipo de inferencias. Las ventajas de conocer bien este tipo de modelo temporal es enorme ya que, como se verá, el coste en tiempo y espacio es muy bajo.



viernes, 17 de febrero de 2017

Vídeo Nº 146: IA Probabilidad - Modelos Ocultos de Markov 04

Primer vídeo sobre inferencia de tipo filtrado (monitorización) en redes bayesianas. Se explica la inferencia en Modelos de Markov, es decir, cuando aun no hay variables ocultas y se usa sólo el modelo de transición, no el sensorial. Esto permite ver cómo se hacen predicciones y facilita la explicación posterior del filtrado en Modelos Ocultos de Markov.



miércoles, 15 de febrero de 2017

Vídeo Nº 145: IA Probabilidad - Modelos Ocultos Markov 03

Introdución a la inferencia con modelos temporales en redes bayesianas, en especial los Modelos Ocultos de Markov. Se explica en qué consisten los 4 tipos de inferencia que se podrán realizar: filtrado (monotorización), predicción, suavizado y explicación más proables; así de cómo realizar inferencia en general con las técnicas ya vista en redes bayesianas.



lunes, 13 de febrero de 2017

Vídeo Nº 144: IA Probabilidad - Modelos Ocultos de Markov 02

Segundo vídeo sobre modelos temporales en redes bayesianas, en especial los Modelos Ocultos de Markov (HMM), en el que se explicará el modelo de transición, el modelo sensorial (o de observación), los cálculos que hay que realizar con los mismos y las simplificaciones que se pueden realizar cuando se aplica Markov sobre ellos.



viernes, 10 de febrero de 2017

Vídeo Nº 143: IA Probabilidad - Modelos Ocultos de Markov 01

Primer vídeo introductorio sobre los modelos temporales en redes bayesianas, en especial, el algoritmos Modelos Ocultos de Markov. Se tratarán los estados de creencia, la discretización del tiempo y se explicará detalladamente en qué consiste los procesos o cadenas de Markov y cómo se aplican a las redes bayesianas para tratar los mundos dinámicos con incertidumbre y que cambian a lo largo del tiempo.



miércoles, 8 de febrero de 2017

Vídeo Nº 142: IA Lógica - Sistemas Expertos 02

Segúndo vídeo sobre sistemas expertos donde se hablará sobre las redes asociativas, sus características, ventajas y desventajas. Entre ellas están las redes semánticas, las redes de clasificación (ontologías) las redes causales (redes bayesianas) y las redes neuroanales.



lunes, 6 de febrero de 2017

Vídeo Nº 141: IA Lógica - Sistemas Expertos 01

Primer vídeo explicativo sobre los diferentes sistemas expertos que existen y su evolución a lo largo de las últimas décadas. En este se tratará desde la lógicas clásicas a los marcos y guiones, pasando por lógicas más modernas como las modales, no monótonas y difusas hasta los sistemas basados en reglas.



viernes, 3 de febrero de 2017

Vídeo Nº 140: IA Lógica - Representar el Conocimiento 03

Último vídeo sobre técnicas efectivas de representar el conocimiento en el que se trata el problema de modificar la base de conocimiento eliminando tanto las sentencias que ya no son válidas como las que se infirieron a partir de ellas.