Detalles MARC
| 000 -Cabecera |
|---|
| Campo de control de longitud fija |
21187nam a2200421 a 4500 |
| 003 - Identificador del Número de control |
|---|
| Identificador del número de control |
AR-sfUTN |
| 008 - Códigos de información de longitud fija-Información general |
|---|
| Códigos de información de longitud fija |
170717b ||||| |||| 00| 0 d |
| 020 ## - ISBN |
|---|
| ISBN |
842054003X |
| 040 ## - Fuente de la catalogación |
|---|
| Centro transcriptor |
AR-sfUTN |
| 041 ## - Código de lengua |
|---|
| Código de lengua del texto |
spa |
| 080 ## - CDU |
|---|
| Clasificación Decimal Universal |
004.8 R917 2004 |
| Edición de la CDU |
2000 |
| 100 1# - Punto de acceso principal-Nombre de persona |
|---|
| Nombre personal |
Russell, Stuart J. |
| 245 10 - Mención de título |
|---|
| Título |
Inteligencia artificial : |
| Resto del título |
un enfoque moderno / |
| Mención de responsabilidad |
Stuart J. Russell y Peter Norvig. |
| 250 ## - Mención de edición |
|---|
| Mención de edición |
2da. |
| 260 ## - Publicación, distribución, etc. (pie de imprenta) |
|---|
| Lugar de publicación, distribución, etc. |
Madrid: |
| Nombre del editor, distribuidor, etc. |
Pearson, |
| Fecha de publicación, distribución, etc. |
2004 |
| 300 ## - Descripción física |
|---|
| Extensión |
1212 p. |
| 336 ## - Tipo de contenido |
|---|
| Fuente |
rdacontent |
| Término de tipo de contenido |
texto |
| Código de tipo de contenido |
txt |
| 337 ## - Tipo de medio |
|---|
| Fuente |
rdamedia |
| Nombre del tipo de medio |
sin mediación |
| Código del tipo de medio |
n |
| 338 ## - Tipo de soporte |
|---|
| Fuente |
rdacarrier |
| Nombre del tipo de soporte |
volumen |
| Código del tipo de soporte |
nc |
| 505 80 - Nota de contenido con formato |
|---|
| Nota de contenido con formato |
CONTENIDO<br/>Prólogo<br/>Sobre los autores<br/>1 Introducción<br/>1.1 ¿Qué es la IA?<br/>Comportamiento humano: el enfoque de la Prueba de Turing<br/>Pensar como un humano: el enfoque del modelo cognitivo<br/>Pensamiento racional: el enfoque de las "leyes del pensamiento"<br/>Actuar de forma racional: el enfoque del agente racional<br/>1.2 Los fundamentos de la inteligencia artificial<br/>1.3 Historia de la inteligencia artificial<br/>Génesis de la inteligencia artificial (1943-1955)<br/>Nacimiento de la inteligencia artificial (1956)<br/>Entusiasmo inicial, grandes esperanzas (1952-1969)<br/>Una dosis de realidad (1966-1973)<br/>Sistemas basados en el conocimiento: ¿clave del poder? (1969-1979)<br/>La IA se convierte en una industria (desde 1980 hasta el presente)<br/>Regreso de las redes neuronales (desde 1986 hasta el presente)<br/>IA se convierte en una ciencia (desde 1987 hasta el presente)<br/>Emergencia de los sistemas inteligentes (desde 1995 hasta el presente)<br/>1.4 El estado del arte<br/>2 Agentes inteligentes<br/>2.1 Agentes y su entorno<br/>2.2 Buen comportamiento: el concepto de racionalidad<br/>Medidas de rendimiento<br/>Racionalidad<br/>Omnisciencia, aprendizaje y autonomía<br/>2.3 La naturaleza del entorno<br/>2.4 Estructura de los agentes<br/>Programas de los agentes<br/>Agentes reactivos simples<br/>Agentes reactivos basados en modelos<br/>Agentes basados en objetivos<br/>Agentes basados en utilidad<br/>Agentes que aprenden<br/>3 Resolver problemas mediante búsqueda<br/>3.1 Agentes resolventes-problemas<br/>Problemas y soluciones bien definidos<br/>Formular los problemas<br/>3.2 Ejemplos de problemas<br/>Problemas de juguete<br/>Problemas del mundo real<br/>3.3 Búsqueda de soluciones<br/>Medir el rendimiento de la resolución del problema<br/>3.4 Estrategias de búsqueda no informada<br/>Búsqueda primero en anchura<br/>Búsqueda de costo uniforme<br/>Búsqueda primero en profundidad<br/>Búsqueda de profundidad limitada<br/>Búsqueda primero en profundidad con profundidad iterativa<br/>Búsqueda bidireccional<br/>Comparación de las estrategias de búsqueda no informada<br/>3.5 Evitar estados repetidos<br/>3.6 Búsqueda con información parcial<br/>Problemas sin sensores<br/>Problemas de contingencia<br/>4 Búsqueda informada y exploración<br/>4.1 Estrategias de búsqueda informada (heurísticas)<br/>Búsqueda voraz primero el mejor<br/>Búsqueda A*: minimizar el costo estimado total de la solución<br/>Búsqueda heurística con memoria acotada<br/>Aprender a buscar mejor<br/>4.2 Funciones heurísticas<br/>El efecto de la precisión heurística en el rendimiento<br/>Inventar funciones heurísticas admisibles<br/>Aprendizaje de heurísticas desde la experiencia<br/>4.3 Algoritmos de búsqueda local y problemas de optimización<br/>Búsqueda de ascensión de colinas<br/>Búsqueda de temple simulado<br/>Búsqueda por haz local<br/>Algoritmos genéticos<br/>4.4 Búsqueda local en espacios continuos<br/>4.5 Agentes de búsqueda online y ambientes desconocidos<br/>Problemas de búsqueda en línea (online)<br/>Agentes de búsqueda en línea (online)<br/>Búsqueda local en línea (online)<br/>Aprendizaje en la búsqueda en línea (online)<br/>5 Problemas de satisfacción de restricciones<br/>5.1 Problemas de satisfacción de restricciones<br/>5.2 Búsqueda con vuelta atrás para PSR<br/>Variable y ordenamiento de valor<br/>Propagación de la información a través de las restricciones<br/>Comprobación hacia delante<br/>Propagación de restricciones<br/>Manejo de restricciones especiales<br/>Vuelta atrás inteligente: mirando hacia atrás<br/>5.3 Búsqueda local para problemas de satisfacción de restricciones<br/>5.4 La estructura de los problemas<br/>6 Búsqueda entre adversarios<br/>6.1 Juegos<br/>6.2 Decisiones óptimas en juegos<br/>Estrategias óptimas<br/>El algoritmo minimax<br/>Decisiones óptimas en juegos multi-jugador<br/>6.3 Poda alfa-beta<br/>6.4 Decisiones en tiempo real imperfectas<br/>Funciones de evaluación<br/>Corte de la búsqueda<br/>6.5 Juegos que incluyen un elemento de posibilidad<br/>Evaluación de la posición en juegos con nodos de posibilidad<br/>Complejidad del minimaxesperado<br/>Juegos de cartas<br/>6.6 Programas de juegos<br/>6.7 Discusión<br/>7 Agentes lógicos<br/>7.1 Agentes basados en conocimiento<br/>7.2 El mundo de wumpus<br/>7.3 Lógica<br/>7.4 Lógica proposicional: una lógica muy sencilla<br/>Sintaxis<br/>Semántica<br/>Una base de conocimiento sencilla<br/>Inferencia<br/>Equivalencia, validez y satisfacibilidad<br/>7.5 Patrones de razonamiento en lógica proposicional<br/>Forma normal conjuntiva<br/>Un algoritmo de resolución<br/>Completitud de la resolución<br/>Encadenamiento hacia delante y hacia atrás<br/>7.6 Inferencia proposicional efectiva<br/>Un algoritmo completo con backtracking ("vuelta atrás")<br/>Algoritmos de búsqueda local<br/>Problemas duros de satisfacibilidad<br/>7.7 Agentes basados en lógica proposicional<br/>Encontrar hoyos y wumpus utilizando la inferencia lógica<br/>Guardar la pista acerca de la localización y la orientación del agente<br/>Agentes basados en circuitos<br/>Una comparación<br/>8 Lógica de primer orden<br/>8.1 Revisión de la representación<br/>8.2 Sintaxis y semántica de la lógica de primer orden<br/>Modelos en lógica de primer orden<br/>Símbolos e interpretaciones<br/>Sentencias atómicas<br/>Sentencias compuestas<br/>Cuantificadores<br/>Cuantificador universal<br/>Cuantificación existencial<br/>Cuantificadores anidados<br/>Conexiones entre Cuantificador universal y Cuantificadores anidados<br/>8.3 Utilizar la lógica de primer orden<br/>Aserciones y peticiones en lógica de primer orden<br/>El dominio del parentesco<br/>Números, conjuntos y listas<br/>El mundo de wumpus<br/>8.4 Ingeniería del conocimiento con lógica de primer orden<br/>El proceso de ingeniería del conocimiento<br/>El dominio de los circuitos electrónicos<br/>Identificar la tarea<br/>Recopilar el conocimiento relevante<br/>Decidir el vocabulario<br/>Codificar el conocimiento general del dominio<br/>Codificar la instancia del problema específico<br/>Plantear peticiones al procedimiento de inferencia<br/>Depurar la base de conocimiento<br/>9 Inferencia en lógica de primer orden<br/>9.1 Lógica proposicional vs. Lógica de primer orden<br/>Reglas de inferencia para cuantificadores<br/>Reducción a la inferencia proposicional<br/>9.2 Unificación y sustitución<br/>Una regla de inferencia de primer orden<br/>Almacenamiento y recuperación<br/>9.3 Encadenamiento hacia delante<br/>Cláusulas positivas de primer orden<br/>Un algoritmo sencillo de encadenamiento hacia delante<br/>Encadenamiento hacia delante eficiente<br/>Emparejar reglas con los hechos conocidos<br/>Encadenamiento hacia delante incremental<br/>Hechos irrelevantes<br/>9.4 Encadenamiento hacia atrás<br/>Un algoritmo de encadenamiento hacia atrás<br/>Programación lógica<br/>Implementación eficiente de programas lógicos<br/>Inferencia redundante y bucles infinitos<br/>Programación lógica con restricciones<br/>9.5 Resolución<br/>Formas normales conjuntivas en lógica de primer orden<br/>La regla de inferencia de resolución<br/>Demostraciones de ejemplo<br/>Completitud de la resolución<br/>Manejar la igualdad<br/>Estrategias de resolución<br/>Resolución unitaria<br/>Resolución mediante conjunto soporte<br/>Resolución lineal<br/>Subsunción<br/>Demostradores de teoremas<br/>Diseño de un demostrador de teoremas<br/>Ampliar el Prolog<br/>Demostradores de teoremas como asistentes<br/>Usos prácticos de los demostradores de teoremas<br/>10 Representación del conocimiento<br/>10.1 Ingeniería ontológica<br/>10.2 Categoría y objetos<br/>Objetos compuestos<br/>Sustancias y objetos<br/>10.3 Acciones, situaciones y eventos<br/>La ontología del cálculo de situaciones<br/>Descripción de acciones en el cálculo de situaciones<br/>Resolver el problema de la representación del marco<br/>Resolver el problema de la inferencia del marco<br/>El tiempo y el cálculo de eventos<br/>Eventos generalizados<br/>Flujos y objetos<br/>10.4 Eventos mentales y objetos mentales<br/>Una teoría formal de creencias<br/>Conocimiento y creencia<br/>Conocimiento, tiempo y acción<br/>10.5 El mundo de la compra por Internet<br/>Comparación de ofertas<br/>10.6 Sistemas de razonamiento para categorías<br/>Redes semánticas<br/>Lógica descriptiva<br/>10.7 Razonamiento con información por defecto<br/>Mundos abiertos y cerrados<br/>Negación como fallo y semánticas de modelado estables<br/>Circunscripción y lógica por defecto<br/>10.8 Sistemas de mantenimiento de verdad<br/>11 Planificación<br/>11.1 El problema de planificación<br/>El lenguaje de los problemas de planificación<br/>Expresividad y extensiones<br/>Ejemplo: transporte de carga aéreo<br/>Ejemplo: el problema de la rueda de recambio<br/>Ejemplo: el mundo de los bloques<br/>11.2 Planificación con búsquedas en espacios de estado<br/>Búsquedas hacia-delante en el espacio de estados<br/>Búsquedas hacia-atrás en el espacio de estados<br/>Heurísticas para la búsqueda en el espacio de estados<br/>11.3 Planificación ordenada parcialmente<br/>Ejemplo de planificación de orden parcial<br/>Planificación de orden parcial con variables independientes<br/>Heurísticas para planificación de orden parcial<br/>11.4 Grafos de planificación<br/>Grafos de planificación para estimación de heurísticas<br/>El algoritmo GRAPHPLAN<br/>Interrupción de GRAPHPLAN<br/>11.5 Planificación con lógica proposicional<br/>Descripción de problemas de planificación en lógica proposicional<br/>Complejidad de codificaciones proposicionales<br/>11.6 Análisis de los enfoques de planificación<br/>12 Planificación y acción en el mundo real<br/>12.1 Tiempo, planificación y recursos<br/>Programación con restricción de recursos<br/>12.2 Redes de planificación jerárquica de tareas<br/>Representación de descomposición de acciones<br/>Modificación de planificadores para su descomposición<br/>12.3 Planificación y acción en dominios no deterministas<br/>12.4 Planificación condicional<br/>Planificación condicional en entornos completamente observables<br/>Planificación condicional en entornos parcialmente observables<br/>12.5 Vigilancia de ejecución y replanificación<br/>12.6 Planificación continua<br/>12.7 Planificación multiagente<br/>Cooperación: planes y objetivos conjuntos<br/>Planificación condicional en entornos parcialmente observables<br/>Mecanismos de coordinación<br/>Mecanismos de coordinación<br/>13 Incertidumbre<br/>13.1 Comportamiento bajo incertidumbre<br/>Manipulación del conocimiento incierto<br/>Incertidumbre y decisiones racionales<br/>Diseño de un agente de decisión teórico<br/>13.2 Notación básica con probabilidades<br/>Sucesos atómicos<br/>Probabilidad priori<br/>Probabilidad condicional<br/>13.3 Los axiomas de la probabilidad<br/>Utilización de los axiomas de probabilidad<br/>Por qué los axiomas de la probabilidad son razonables<br/>13.4 Inferencia usando las distribuciones conjuntas totales<br/>13.5 Independencia<br/>13.6 La Regla de Bayes y su uso<br/>Aplicación de la regla de Bayes: el caso sencillo<br/>Utilización de la regla de Bayes: combinación de evidencia<br/>13.7 El mundo wumpus revisado<br/>14 Razonamiento probabilista<br/>14.1 La representación del conocimiento en un dominio incierto<br/>14.2 La semántica de las redes bayesianas<br/>La representación de la distribución conjunta completa<br/>Un método para la construcción de redes bayesianas<br/>Compactación y ordenación de nodos<br/>Relaciones de independencia condicional en redes bayesianas<br/>14.3 Representación eficiente de las distribuciones condicionales<br/>Redes bayesianas con variables continuas<br/>14.4 Inferencia exacta en redes bayesianas<br/>Inferencia por enumeración<br/>El algoritmo de eliminación de variables<br/>La complejidad de la inferencia exacta<br/>Algoritmos basados en grupos<br/>14.5 Inferencia aproximada en redes bayesianas<br/>Métodos de muestreo directo<br/>Muestreo por rechazo en redes bayesianas<br/>Ponderación de la verosimilitud<br/>Inferencia por simulación en cadenas de Markov<br/>14.6 Extensión de la probabilidad a representaciones de primer orden<br/>14.7 Otros enfoques al razonamiento con incertidumbre<br/>Métodos basados en reglas para razonamiento con incertidumbre<br/>Representación de la ignorancia: teoría de Dempster-Shafer<br/>Representación de la vaguedad: conjuntos difusos y lógica difusa<br/>15 Razonamiento probabilista en el tiempo<br/>15.1 El tiempo y la incertidumbre<br/>Estados y observaciones<br/>Procesos estacionarios e hipótesis de Markov<br/>15.2 Inferencia en modelos temporales<br/>Filtrado y predicción<br/>Suavizado<br/>Encontrarla secuencia más probable<br/>15.3 Modelos ocultos de Markov<br/>Algoritmos matriciales simplificados<br/>15.4 Filtros de Kalman<br/>Actualización de distribuciones gaussianas<br/>Un ejemplo unidimensional sencillo<br/>Aplicabilidad del filtrado de Kalman<br/>15.5 Redes bayesianas dinámicas<br/>Construcción de RBDs<br/>Inferencia exacta en RBDs<br/>Inferencia aproximada en RBDs<br/>15.6 Reconocimiento del habla<br/>Sonidos del habla<br/>Palabras<br/>Oraciones<br/>Construcción de un reconocedor del habla<br/>16 Toma de decisiones sencillas<br/>16.1 Combinación de creencias y deseos bajo condiciones de incertidumbre<br/>16.2 Los fundamentos de la teoría de la utilidad<br/>Restricciones sobre preferencias racionales<br/>16.3 Funciones de utilidad<br/>La utilidad del dinero<br/>Escalas de utilidad y evaluación de la utilidad<br/>16.4 Funciones de utilidad multiatributo<br/>Predominio<br/>Estructura de preferencia y utilidad multiatributo<br/>Preferencias sin incertidumbre<br/>Preferencias con incertidumbre<br/>16.5 Redes de decisión<br/>Representación de un problema de decisión mediante una red de decisión<br/>Evaluación en redes de decisión<br/>16.6 El valor de la información<br/>Un ejemplo sencillo<br/>Una fórmula general<br/>Propiedades del valor de la información<br/>Implementación de un agente recopilador de información<br/>16.7 Sistemas expertos basados en la teoría de la decisión<br/>17 Toma de decisiones complejas<br/>17.1 Problemas de decisión secuenciales<br/>Optimalidad en problemas de decisión secuenciales<br/>17.2 Iteración de valores<br/>Utilidades de los estados<br/>El algoritmo de iteración de valores<br/>Convergencia de la iteración de valores<br/>17.3 Iteración de políticas<br/>17.4 Procesos de decisión de Markov parcialmente observables<br/>17.5 Agentes basados en la teoría de la decisión<br/>17.6 Decisiones con varios agentes: teoría de juegos<br/>17.7 Diseño de mecanismos<br/>18 Aprendizaje de observaciones<br/>18.1 Formas de aprendizaje<br/>18.2 Aprendizaje inductivo<br/>18.3 Aprender árboles de decisión<br/>Árboles de decisión como herramienta de desarrollo<br/>Expresividad de los árboles de decisión<br/>Inducir árboles de decisión a partir de ejemplos<br/>Elección de los atributos de test<br/>Valoración de la calidad del algoritmo de aprendizaje<br/>Ruido y sobreajuste<br/>Extensión de la aplicabilidad de los árboles de decisión<br/>18.4 Aprendizaje de conjuntos de hipótesis<br/>18.5 ¿Por qué funciona el aprendizaje?: teoría computacional del aprendizaje<br/>¿Cuántos ejemplos se necesitan?<br/>Aprendizaje de listas de decisión<br/>19 Conocimiento en el aprendizaje<br/>19.1 Una formulación lógica del aprendizaje<br/>Búsqueda mejor-hipótesis-actual<br/>Búsqueda de mínimo compromiso<br/>19.2 Conocimiento en el aprendizaje<br/>19.3 Aprendizaje basado en explicaciones<br/>Extraer reglas generales a partir de ejemplos<br/>Mejorar la eficiencia<br/>19.4 Aprendizaje basado en información relevante<br/>Determinar el espacio de hipótesis<br/>Aprender y utilizar información relevante<br/>19.5 Programación lógica inductiva<br/>Métodos de aprendizaje inductivo de arriba a abajo (Top-down)<br/>Aprendizaje inductivo con deducción inversa<br/>Hacer descubrimientos con la programación lógica inductiva<br/>20 Métodos estadísticos de aprendizaje<br/>20.1 Aprendizaje estadístico<br/>20.2 Aprendizaje con datos completos<br/>Aprendizaje del parámetro de máxima verosimilitud: modelos discretos<br/>Modelos de Bayes simples (Naive Bayes)<br/>Aprendizaje de parámetros de máxima verosimilitud: modelos continuos<br/>Aprendizaje de parámetros Bayesiano<br/>Aprendizaje de la estructura de las redes bayesianas<br/>20.3 Aprendizaje con variables ocultas: el algoritmo EM<br/>Agrupamiento no supervisado: aprendizaje de mezclas de gaussianas<br/>Aprendizaje de redes bayesianas con variables ocultas<br/>Aprendizaje de modelos de Markov ocultos<br/>Forma general del algoritmo EM<br/>Aprendizaje de la estructura de las redes de Bayes con variables ocultas<br/>20.4 Aprendizaje basado en instancias<br/>Modelos de vecinos más cercanos<br/>Modelos núcleo<br/>20.5 Redes neuronales<br/>Unidades en redes neuronales<br/>Estructuras de las redes<br/>Redes neuronales de una sola capa con alimentación-hacia-delante (perceptrones)<br/>Redes neuronales multicapa con alimentación hacia delante<br/>Aprendizaje de la estructura de las redes neuronales<br/>20.6 Máquinas núcleo<br/>21 Aprendizaje por refuerzo<br/>21.2 Aprendizaje por refuerzo pasivo<br/>Estimación directa de la utilidad<br/>Programación dinámica adaptativa<br/>Aprendizaje de diferencia temporal<br/>21.3 Aprendizaje por refuerzo activo<br/>Aprendizaje de una Función Acción-Valor<br/>21.4 Generalización en aprendizaje por refuerzo<br/>Aplicaciones a juegos<br/>Aplicación a control de robots<br/>21.5 Búsqueda de la política<br/>22 La comunicación<br/>22.1 La comunicación como acción<br/>Fundamentos del lenguaje<br/>Etapas de la comunicación<br/>22.2 Una gramática formal para un fragmento del español<br/>El léxico de e0<br/>La Gramática de e0<br/>22.3 Análisis sintáctico<br/>Análisis sintáctico eficiente<br/>22.4 Gramáticas aumentadas<br/>Subcategorización del verbo<br/>Capacidad generativa de las gramáticas aumentadas<br/>22.5 Interpretación semántica<br/>La semántica de un fragmento en español<br/>Tiempo y forma verbal<br/>Cuantificación<br/>Interpretación pragmática<br/>Generación de lenguajes con DCGs<br/>22.6 Ambig edad y desambig edad<br/>Desambiguación<br/>22.7 Comprensión del discurso<br/>Resolución por referencia<br/>La estructura de un discurso coherente<br/>22.8 Inducción gramatical<br/>23 Procesamiento probabilístico del lenguaje<br/>23.1 Modelos probabilísticos del lenguaje<br/>Gramáticas probabilísticas independientes del contexto<br/>Aprendizaje de probabilidades para PCFGs<br/>Aprendizaje de la estructura de las reglas para PCFGs<br/>23.2 Recuperación de datos<br/>Evaluación de los Sistemas de RD<br/>Refinamientos RD<br/>Presentación de los conjuntos de resultados<br/>Implementar sistemas RD<br/>23.3 Extracción de la información<br/>23.4 Traducción automática<br/>Sistemas de traducción automáticos<br/>Traducción automática estadística<br/>Probabilidades de aprendizaje para la traducción automática<br/>24 Percepción<br/>24.1 Introducción<br/>24.2 Formación de la imagen<br/>Imágenes sin lentes: la cámara de orificio o pinhole<br/>Sistemas de lentes<br/>Luz: la fotometría de la formación de imágenes<br/>Color: la espectrofotometría de la formación de imágenes<br/>24.3 Operaciones de procesamiento de imagen a bajo nivel<br/>Detección de aristas<br/>Segmentación de la imagen<br/>24.4 Extracción de información tridimensional<br/>Movimiento<br/>Estereoscopia binocular<br/>Gradientes de textura<br/>Sombreado<br/>Contorno<br/>24.5 Reconocimiento de objetos<br/>Reconocimiento basado en la intensidad<br/>Reconocimiento basado en las características<br/>Estimación de postura<br/>24.6 Empleo de la visión para la manipulación y navegación<br/>25 Robótica<br/>25.1 Introducción<br/>25.2 Hardware robótico<br/>Sensores<br/>Efectores<br/>25.3 Percepción robótica<br/>Localización<br/>Generación de mapas<br/>Otros tipos de percepción<br/>25.4 Planear el movimiento<br/>Espacio de configuración<br/>Métodos de descomposición en celdas<br/>Métodos de esqueletización<br/>25.5 Planificar movimientos inciertos<br/>Métodos robustos<br/>25.6 Movimiento<br/>Dinámica y control<br/>Control del campo de potencial<br/>Control reactivo<br/>25.7 Arquitecturas software robóticas<br/>Arquitectura de subsumpción<br/>Arquitectura de tres capas<br/>Lenguajes de programación robóticos<br/>25.8 Dominios de aplicación<br/>26 Fundamentos filosóficos<br/>26.1 IA débil: ¿pueden las máquinas actuar con inteligencia?<br/>El argumento de incapacidad<br/>La objeción matemática<br/>El argumento de la informalidad<br/>26.2 IA fuerte: ¿pueden las máquinas pensar de verdad?<br/>El problema de mente-cuerpo<br/>El experimento del "cerebro en una cubeta"<br/>El experimento de la prótesis cerebral<br/>La habitación china<br/>26.3 La ética y los riesgos de desarrollar la Inteligencia Artificial<br/>27 IA: presente y futuro<br/>27.1 Componentes de los agentes<br/>27.2 Arquitecturas de agentes<br/>27.3 ¿Estamos llevando la dirección adecuada?<br/>¿Qué ocurriría si la IA tuviera éxito?<br/>Análisis asintótico<br/>B.1 Definición de lenguajes con Backus-Naur Form (BNF) |
| 650 ## - Punto de acceso adicional de materia - Término de materia |
|---|
| Término de materia |
INTELIGENCIA ARTIFICIAL |
| 650 ## - Punto de acceso adicional de materia - Término de materia |
|---|
| Término de materia |
AGENTES INTELIGENTES |
| 650 ## - Punto de acceso adicional de materia - Término de materia |
|---|
| Término de materia |
FUNCIONES HEURISTICAS |
| 650 ## - Punto de acceso adicional de materia - Término de materia |
|---|
| Término de materia |
AGENTES LOGICOS |
| 650 ## - Punto de acceso adicional de materia - Término de materia |
|---|
| Término de materia |
INFERENCIA EN LOGICA |
| 650 ## - Punto de acceso adicional de materia - Término de materia |
|---|
| Término de materia |
LOGICA PROPOSICIONAL |
| 650 ## - Punto de acceso adicional de materia - Término de materia |
|---|
| Término de materia |
REPRESENTACION DEL CONOCIMIENTO |
| 650 ## - Punto de acceso adicional de materia - Término de materia |
|---|
| Término de materia |
INGENIERIA ONTOLOGICA |
| 650 ## - Punto de acceso adicional de materia - Término de materia |
|---|
| Término de materia |
INCERTIDUMBRE-IA |
| 650 ## - Punto de acceso adicional de materia - Término de materia |
|---|
| Término de materia |
PLANIFICACION-IA |
| 650 ## - Punto de acceso adicional de materia - Término de materia |
|---|
| Término de materia |
RAZONAMIENTO PROBABILISTA |
| 650 ## - Punto de acceso adicional de materia - Término de materia |
|---|
| Término de materia |
TOMA DE DECISIONES |
| 650 ## - Punto de acceso adicional de materia - Término de materia |
|---|
| Término de materia |
APRENDIZAJE DE OBSERVACIONES |
| 650 ## - Punto de acceso adicional de materia - Término de materia |
|---|
| Término de materia |
ROBOTICA |
| 700 1# - Punto de acceso adicional - Nombre de persona |
|---|
| Nombre personal |
Norvig, Peter |
| 942 ## - ADDED ENTRY ELEMENTS (KOHA) |
|---|
| Tipo de ítem Koha |
Libro |
| Esquema de clasificación |
Clasificación Decinal Universal |
