Portafolio de Evidencias [PDF]

Zitiervorschau

INTELIGENCIA ARTIFICIAL II

1

INTELIGENCIA ARTIFICIAL II

Instituto Tecnológico Superior De Las Choapas Trabajo: Portafolio de evidencias Carrera: Ing. En Sistemas Computacionales Asignatura: Inteligencia Artificial II Grupo: “B”, Semestre: 8° Presenta: Selene Antonio Monroy Matricula: 151A0533 Clave de la Asignatura: TAB-1805 Dra. Selene García Nieves Lugar y Fecha: Las Choapas, Ver, a 4 de mayo del 2019. 2

INTELIGENCIA ARTIFICIAL II COMPETENCIA A DESARROLLAR Definir, diseñar, construir y programar las fases del analizador léxico y sintáctico de un traductor o compilador. COMPETENCIA PREVIA Analiza los componentes y la funcionalidad de sistemas de comunicación para evaluar las tecnologías actuales como parte de la solución de un proyecto de conectividad.

TEMARIO No.

Temas

1

Redes neuronales.

2

Lógica Difusa

3

Sistemas Expertos

4

Proyecto Integrador

Subtemas 1.1 Elementos básicos y capas que componen una red neuronal. 1.2 Tipos de neuronas artificiales. 1.3 Técnicas de decisión y mecanismos de aprendizaje. 1.4 Topología de las redes neuronales. 1.5 Conexión entre neuronas. 1.6 Redes de propagación hacia atrás (backpropagation). 1.7 Aplicaciones de las Redes Neuronales. 2.1. Teoría de conjuntos difusos. 2.2 Funciones de pertenencia. 2.3. Sistema de control difuso. 2.3.1 Fusificación. 2.3.2 Base de conocimiento. 2.3.3. Inferencia 2.3.4 Defusificación 2.4 Aplicaciones de la Lógica Difusa. 3.1 Introducción a los Sistemas Expertos. 3.2 Representación del conocimiento. 3.3 Sistemas de producción. 3.3.1 Lógica proposicional. 3.3.2 Hechos 3.3.3 Reglas de Producción. 3.4 Razonamiento con incertidumbre. 3.5 Aplicación práctica de un sistema experto. 4.1 Análisis del problema 4.2 Desarrollo del proyecto integrador 4.3 Evaluación del proyecto

3

INTELIGENCIA ARTIFICIAL II

CRITERIO DE EVALUACIÓN ACTIVIDADES………………………………………....50% PORTAFOLIO DE EVIDENCIAS…………………….10% ASISTENCIA……………………………………………10% EXAMEN ESCRITO……………………………………30% TOTAL: 100%

CARGA ACADEMICA

4

INTELIGENCIA ARTIFICIAL II

Índice TEMARIO ............................................................................................................................................. 3 CRITERIO DE EVALUACIÓN .................................................................................................................. 4 CARGA ACADEMICA ............................................................................................................................ 4 Índice ................................................................................................................................................... 5 REDES NEURONALES ....................................................................................................................... 7 Diapositiva de prácticas RNA .......................................................................................................... 7 Practica 1 tabla and ......................................................................................................................... 8 PRACTICA 2 TABLA OR ................................................................................................................... 10 PRÁCTICA 3 PIÑA-MANZANA (PESO Y COLOR).............................................................................. 13 PRÁCTICA 4 IDENTIFICADOR DE TORNILLOS ................................................................................. 16 PRÁCTICA 5 REDES NEURONALES. ................................................................................................ 18 CAPTURA DE LOS ARCHIVOS CON LOS QUE SE TRABAJO EN EL TEMA DE REDES NEURONALES. 21 CAPTURAS DEL TEMA REDES NEURONALES.................................................................................. 22 PRACTICAS DE REDES NEURONALES ............................................................................................. 22 LOGICA DIFUSA.................................................................................................................................. 23 PRÁCTICAS LÓGICA DIFUSA CON MATLAB .................................................................................... 24 PRÁCTICA 2 MOTOR (DISTANCIA, VELOCIDAD Y VOLTAJE). .......................................................... 24 PRÁCTICA 3 RESTAURANTE (SERVICIO, COMIDA Y PROPINA). ..................................................... 29 PRÁCTICA 4 CALEFACCIÓN DE UN INVERNADERO (TEMPERATURA, HUMEDAD Y VARIACIÓN DE TEMPERATURA). ............................................................................................................................ 33 PRÁCTICA 5 (CONTROLADOR AIRE ACONDICIONADO) PRACTICA EN EQUIPO. ............................ 38 ARCHIVOS CON LOS QUE SE TRABAJÓ EN LÓGICA DIFUSA. .......................................................... 43 PRÁCTICAS LÓGICA DIFUSA. .......................................................................................................... 43 INTRODUCCION A PROGRAMACION LOGICA PROLOG ..................................................................... 44 PRÁCTICAS DEL PROGRAMA “PROLOG”. ...................................................................................... 44 PRÁCTICA 1 (JOSÉ, MARÍA Y JUAN). .............................................................................................. 44 PRÁCTICA 3. (RUFIANES, NOBLES, PLEBEYO, DAMAS, HERMOSA, DESEAN Y RAPTAN). .............. 48 PRÁCTICA 4. (PEPE, MARÍA, Y ANA). ............................................................................................. 49 5

INTELIGENCIA ARTIFICIAL II PRÁCTICA 5. (PROGENITORES, MASCULINOS, FEMENINOS, HERMANO, HERMANA, TIO, TÍA, HIJO, HIJA Y DESCENDIENTES). ...................................................................................................... 51 ARCHIVOS CON LOS QUE SE TRABAJÓ EN INTRODUCCIÓN A LA PROGRAMACIÓN LÓGICA PROLOG. ........................................................................................................................................ 53 PRACTICAS DE PROLOG ................................................................................................................. 54

6

INTELIGENCIA ARTIFICIAL II

REDES NEURONALES

Diapositiva de prácticas RNA

7

INTELIGENCIA ARTIFICIAL II

PRACTICAS REDES NEURONALES CON MATLAP

Practica 1 tabla and

Problema: se definen dos matrices, una para las entradas P y otra para las salidas T, cada patrón de aprendizaje se define por columnas. Podemos ver la gráfica de estos dos patrones con el comando plotpv. La grafica resultante es la siguiente:

8

INTELIGENCIA ARTIFICIAL II

Inicialización de la RNA y Entrenamiento de la RNA.

Se crea la RNA, para el caso del Perceptrón se configura. Y el entrenamiento de la red se realiza con el comando train este implementa un entrenamiento con la regla de aprendizaje tipo Perceptrón. Lo cual nos muestra la siguiente imagen con el número de iteraciones:

Lo siguiente es que se le reasigna valores a w y b y muestra la figura, también se hace validación de la RNA:

9

INTELIGENCIA ARTIFICIAL II

PRACTICA 2 TABLA OR

Problema: se definen dos matrices, una para las entradas P y otra para las salidas T, cada patrón de aprendizaje se define por columnas. Podemos ver la gráfica de estos dos patrones con el comando plotpv.

10

INTELIGENCIA ARTIFICIAL II

La grafica resultante es la siguiente:

Inicialización de la RNA y Entrenamiento de la RNA. Se crea la RNA, para el caso del Perceptrón se configura. Y el entrenamiento de la red se realiza con el comando train este implementa un entrenamiento con la regla de aprendizaje tipo Perceptrón. Lo cual nos muestra la siguiente imagen con el número de iteraciones:

11

INTELIGENCIA ARTIFICIAL II

Lo siguiente es que se le reasigna valores a w y b y muestra la figura, también se hace validación de la RNA:

12

INTELIGENCIA ARTIFICIAL II

PRÁCTICA 3 PIÑA-MANZANA (PESO Y COLOR) Problema: construir un sistema automático que coloque las manzanas en un depósito verde y las piñas en el depósito amarillo. Se usan dos sensores para determinar el fruto, una galga extensiométrica para medir el peso del fruto y una cámara para determinar el color promedio del fruto. Diseñar una red neuronal perceptrón que realice la clasificación entre piñas y manzanas. Considere que los sensores entregan los siguientes niveles de voltaje para las siguientes 3 piñas típicas. 0.9 2.1 1.5 Piñas P1 = [ ] P2 = [ ] P3 = [ ] 0 0.05 0.2 −0.3 Y para las siguientes manzanas típicas Manzanas

P4 = [

0.24 ] −0.87

0.45 P5 = [ ] −0.60

P6 = [

0.15 ] −0.43

1

Definiendo dos matrices, una para las entradas P y otra para las salidas T donde cada patrón de aprendizaje se define por columnas.

Podemos ver la gráfica de estos dos patrones con el comando plotpv. La grafica resultante es la siguiente:

13

INTELIGENCIA ARTIFICIAL II

Inicialización de la RNA y Entrenamiento de la RNA. Se crea la RNA, para el caso del Perceptrón se configura. Y el entrenamiento de la red se realiza con el comando train este implementa un entrenamiento con la regla de aprendizaje tipo Perceptrón. Lo cual nos muestra la siguiente imagen con el número de iteraciones:

14

INTELIGENCIA ARTIFICIAL II

Lo siguiente es que se le reasigna valores a w y b y muestra la figura, también se hace validación de la RNA:

15

INTELIGENCIA ARTIFICIAL II

PRÁCTICA 4 IDENTIFICADOR DE TORNILLOS problema: las entradas para el perceptrón P = Los valores para cada parámetro son: Forma: •

1, si el tornillo es redondo.

•

-1, si el tornillo es elíptico.

tienen

la

forma

siguiente:

Textura: •

1, si la superficie del tornillo es suave.

•

-1, si la superficie es rugosa.

Peso: •

1, ≥1 libra.

•

-1, < 1 libra.

Según lo anterior, los vectores de entrada para los tornillos a clasificar son: Estrella

Plano

Definiendo dos matrices, una para las entradas P y otra para las salidas T donde cada patrón de aprendizaje se define por columnas.

Podemos ver la gráfica de estos dos patrones con el comando plotpv.

16

INTELIGENCIA ARTIFICIAL II

La grafica resultante es la siguiente:

Inicialización de la RNA y Entrenamiento de la RNA. Se crea la RNA, para el caso del Perceptrón se configura. Y el entrenamiento de la red se realiza con el comando train este implementa un entrenamiento con la regla de aprendizaje tipo Perceptrón.

Lo cual nos muestra la siguiente imagen con el número de iteraciones:

17

INTELIGENCIA ARTIFICIAL II

Lo siguiente es que se le reasigna valores a w y b y muestra la figura, también se hace validación de la RNA:

PRÁCTICA 5 REDES NEURONALES. Problema

18

INTELIGENCIA ARTIFICIAL II Definiendo dos matrices, una para las entradas P y otra para las salidas T donde cada patrón de aprendizaje se define por columnas.

Podemos ver la gráfica de estos dos patrones con el comando plotpv. La grafica resultante es la siguiente:

Inicialización de la RNA y Entrenamiento de la RNA. Se crea la RNA, para el caso del Perceptrón se configura. Y el entrenamiento de la red se realiza con el comando train este implementa un entrenamiento con la regla de aprendizaje tipo Perceptrón.

19

INTELIGENCIA ARTIFICIAL II

Lo cual nos muestra la siguiente imagen con el número de iteraciones:

Lo siguiente es que se le reasigna valores a w y b y muestra la figura, también se hace validación de la RNA:

20

INTELIGENCIA ARTIFICIAL II

CAPTURA DE LOS ARCHIVOS CON LOS QUE SE TRABAJO EN EL TEMA DE REDES NEURONALES.

21

INTELIGENCIA ARTIFICIAL II

CAPTURAS DEL TEMA REDES NEURONALES

PRACTICAS DE REDES NEURONALES

22

INTELIGENCIA ARTIFICIAL II

LOGICA DIFUSA

23

INTELIGENCIA ARTIFICIAL II

PRÁCTICAS LÓGICA DIFUSA CON MATLAB PRÁCTICA 2 MOTOR (DISTANCIA, VELOCIDAD Y VOLTAJE). Problema: realizar un controlador dados como datos 2 valores de entrada: Distancia y Velocidad. Y un valor de salida: Voltaje. El controlador a través de un sensor va a detectar la ubicación y la velocidad en que se encuentra un motor va a tener un algoritmo o reglas especificadas que en base a esa Distancia y Velocidad va a deducir cuanto de voltaje hay que votar (puede ser positivo o negativo). Si es positivo se va ir hacia el lado derecho y si es negativo hacia el lado izquierdo. Funcionamiento del sistema.

Rangos: Rango de Distancia [-0.5 0.5] Rango de Velocidad [-0.5 0.5] Rango de Voltaje [-40 40] Parámetros y Variables: Distancia

Velocidad

Voltaje

Muy izquierda (-0.5 -0.5 -0.25) Izquierda (-0.5 -0.25 0) Centro (-0.25 0 0.25) Derecha (0 0.25 0.5) Muy Derecha (0.25 0.5 0.5)

Rápido izquierda(-0.5 -0-5 -0.25) Lento izquierda(-0.5 -0.25 0) Parado(-0.25 0 0.25) Lento Derecha (0 0.25 0.5) Rápido Derecha (0.25 0.5 0.5)

Muy negativo(-40 -40 -20) Negativo (-40 -20 0) Sin voltaje (-20 0 20) Positivo (0 20 40) Muy Positivo (20 40 40)

Base de reglas de Voltaje.

24

INTELIGENCIA ARTIFICIAL II

Desarrollo: Escribimos fuzzy lo cual nos saldrá una ventana donde agregaremos las variables de entrada cambiamos el nombre de las variables de entrada (Velocidad y Distancia) y de salida (Voltaje). y guardamos el archivo.

25

INTELIGENCIA ARTIFICIAL II Damos doble click en la variables Distancia Se agregan las MFs, Se les cambia el nombre (Name), Se les cambia el rango , Cambiamos el tipo de función de membresía y los parametros de cada valor de la etiqueta lingüística. Se hace los mismo con las variable Voltaje, Velocidad.

26

INTELIGENCIA ARTIFICIAL II

Cerramos Editaremos las reglas

27

INTELIGENCIA ARTIFICIAL II

Cerramos Veremos las reglas

28

INTELIGENCIA ARTIFICIAL II

PRÁCTICA 3 RESTAURANTE (SERVICIO, COMIDA Y PROPINA). Problema: realizar un controlador dados como datos 2 valores de entrada: Servicio y comida. Y un valor de salida: Propina.

Para Servicio su Función de Membresía es Gaussiana Rango [0 10] Parámetros y Variables: Malo [1.5 0] Bueno [1.5 5] Excelente [1.5 10] Para Comida su Función de Membresía es Trapezoidal Rango [0 10] Parámetros y Variables: Desagradable [0 0 1 3] Delicioso [1 3 10 10] Para Propina su Función de Membresía será triangular Rango [0 30] Parámetros y Variables: Bajas [0 5 10] Media [10 15 20] Generosa [20 25 30] Reglas de la Propina. SERVICIO COMIDA Desagradable

Malo Baja

Delicioso

PROPINA

Baja

Media

Bueno

Excelente

Media

Generosa

Generosa

29

INTELIGENCIA ARTIFICIAL II

Desarrollo: Escribimos fuzzy lo cual nos saldrá una ventana donde agregaremos las variables de entrada cambiamos el nombre de las variables de entrada (Servicio y Comida) y de salida (Propina). y guardamos el archivo.

30

INTELIGENCIA ARTIFICIAL II Damos doble click en la variables Servicio Se agregan las MFs, Se les cambia el nombre (Name), Se les cambia el rango , Cambiamos el tipo de función de membresía y los parametros de cada valor de la etiqueta lingüística. Se hace los mismo con las variable Comida, Propina.

31

INTELIGENCIA ARTIFICIAL II

Cerramos Editaremos las reglas

32

INTELIGENCIA ARTIFICIAL II Cerramos Veremos las reglas

PRÁCTICA 4 CALEFACCIÓN DE UN INVERNADERO (TEMPERATURA, HUMEDAD Y VARIACIÓN DE TEMPERATURA). Problema: se pretende controlar la calefacción de un invernadero a partir de los parámetros de temperatura y humedad del mismo. La finalidad es mantener controlada la temperatura e, implícitamente, la humedad. 1. En el diagrama, las variables de entrada son Temperatura, y Humedad, y la variable de salida es la Variación de temperatura. Diseña el diagrama del controlador. 2. Los valores lingüísticos de cada una de las variables son los siguientes: Temperatura: Se asumen 5 etiquetas lingüísticas: muy baja (MB), baja(B), normal (N), alta(A), muy alta(MA).

33

INTELIGENCIA ARTIFICIAL II Humedad: Se asumen 5 etiquetas lingüísticas: muy poco húmedo (MPH), poco húmedo(PH), húmedo moderado (HM), Húmedo(H), muy húmedo(MH).

Variación de temperatura: Se asumen 7 etiquetas lingüísticas: bajada grande (BG), bajada normal (BN), bajada pequeña (BP), mantener (M), subida pequeña (SP), subida normal (SN), subida grande (SG).

3. Implementar el problema en Matlab con las siguientes reglas: Base de reglas de los valores lingüísticos. HUMEDAD TEMPERATURA MB B N A MA

V_TEMPERATURA

MPH SN M M M BP

M

PH SN M M M BN

SN

HM SG SP M BP BN

SG

SP

H SG SP M BP BG

BN

MH SG SN BP BN BG

BG

BP

34

INTELIGENCIA ARTIFICIAL II

Desarrollo: Escribimos fuzzy lo cual nos saldrá una ventana donde agregaremos las variables de entrada cambiamos el nombre de las variables de entrada (Temperatura y Humedad) y de salida (Variación de temperatura). y guardamos el archivo.

35

INTELIGENCIA ARTIFICIAL II Damos doble click en la variables Temperatura Se agregan las MFs, Se les cambia el nombre (Name), Se les cambia el rango , Cambiamos el tipo de función de membresía y los parametros de cada valor de la etiqueta lingüística. Se hace los mismo con las variable Humedad, Variacion de temperatura.

36

INTELIGENCIA ARTIFICIAL II

Cerramos

Editaremos las reglas

37

INTELIGENCIA ARTIFICIAL II Cerramos Veremos las reglas

PRÁCTICA 5 (CONTROLADOR AIRE ACONDICIONADO) PRACTICA EN EQUIPO. Problema: realizar un controlador con datos 2 valores entrada: Número de personas y temperatura Y un valor de salida: Intensidad. En el siguiente problema se pretende evaluar la intensidad de temperatura en un salón de clases respecto al número de personas y la temperatura. Todo esto con la finalidad de tener una buena intensidad de temperatura dentro del salón de clases. Rango.Núm. De personas: [0, 30] Temperatura: [15, 36] Intensidad: [17, 38]

38

INTELIGENCIA ARTIFICIAL II Datos de entrada.-

Datos de salida.-

Entrada de número de personas:

Salida en intensidad:

Pocas: [0, 5, 10]

Frio: [17, 20.5, 24]

Normal: [10, 15 20]

Normal: [24, 27.5, 31]

Muchas: [20, 25, 30]

Caliente: [31, 34.5, 38]

Entrada en temperatura:

Base de reglas.-

Baja: [15, 18.5 22]

Núm. de personas

Normal: [22, 25.5, 29] Alta: [29, 32.5, 36]

Pocas

Temperatura

Baja

Normal Muchas Normal

Caliente Normal

Normal Normal Normal

Normal

Frio

Frio

Alta

Intensidad

Frio

Normal

Normal Caliente

39

INTELIGENCIA ARTIFICIAL II

Desarrollo: Escribimos fuzzy lo cual nos saldrá una ventana donde agregaremos las variables de entrada cambiamos el nombre de las variables de entrada (número de personas y temperatura) y de salida (Intensidad). y guardamos el archivo.

modificamos los (parámetros, rangos y funciones) para las variables (Núm. de personas,Temperatura e Intensidad de temperatura.).

40

INTELIGENCIA ARTIFICIAL II

41

INTELIGENCIA ARTIFICIAL II cerramos y editamos las reglas

cerramos y veremos las reglas

42

INTELIGENCIA ARTIFICIAL II

ARCHIVOS CON LOS QUE SE TRABAJÓ EN LÓGICA DIFUSA.

PRÁCTICAS LÓGICA DIFUSA.

43

INTELIGENCIA ARTIFICIAL II

INTRODUCCION A PROGRAMACION LOGICA PROLOG

PRÁCTICAS DEL PROGRAMA “PROLOG”. PRÁCTICA 1 (JOSÉ, MARÍA Y JUAN). En el programa de Prolog abrimos un archivo nuevo se declaran los gustos de José, María y Juan. Después le damos clic en “File”, guardar buffer, y por ultimo compilamos.

44

INTELIGENCIA ARTIFICIAL II

Ya compilado procedemos hacer consultas requeridas para poder contestar algunas preguntas.

PREGUNTAS

1.- ¿A María le gusta José? R= Falso 3.- ¿A Juan le gusta el pescado? R= Falso

2.- ¿A María le gusta el libro? R= Verdadero 4.- ¿A José le gusta el pescado? R= Falso

5.- ¿Qué le gusta a Juan?

6.- ¿Qué le gusta a José?

R= Coche, Vino y María.

R= María y Pescado

7.- ¿Qué le gusta a María?

8.- ¿Quién le gusta a José?

R= Libro, Comida y Vino.

R= Nadie

9.- ¿Quién le gusta a Juan?

10.- ¿Quién le gusta a María? 45

INTELIGENCIA ARTIFICIAL II PRÁCTICA 2. (PROGENITORES, FEMENINOS, MASCULINOS, ABUELO, ABUELA, HERMANO, HERMANA, MAMÁ Y PAPÁ). En prolog abrimos un archivo nuevo y se declara progenitores, femeninos, masculinos, abuelo, abuela, hermano, hermana, mamá y papá. damos clic en “File” y guardar buffer, y por ultimo compilamos.

compilado procedemos hacer consultas requeridas para poder contestar algunas preguntas.

46

INTELIGENCIA ARTIFICIAL II PREGUNTAS

1.- ¿Quiénes son los progenitores de Luis? R= Juan y María 2.- ¿De quién es progenitor Luis? R= Ana y José 3.- ¿Quién es el progenitor de Juan? R= Nadie 4.- ¿Ana es progenitora de Elena? R= Verdadero 5.- ¿Quién es progenitor de quién? R= María de Luis, Juan de Luis, Luis de Ana, Luis de José y Ana de Elena. 6.- ¿Quiénes son femeninos? R= María, Ana y Elena. 7.- ¿Quiénes son masculinos? R= Juan, Luis y José.

47

INTELIGENCIA ARTIFICIAL II

PRÁCTICA 3. (RUFIANES, NOBLES, PLEBEYO, DAMAS, HERMOSA, DESEAN Y RAPTAN). En prolog abrimos un archivo nuevo se declara rufianes, nobles, plebeyo, damas, hermosa, desean y raptan. Damos clic en “File” guardar buffer, y por ultimo compilamos.

compilado procedemos hacer consultas requeridas para poder contestar algunas preguntas.

48

INTELIGENCIA ARTIFICIAL II PREGUNTAS 1.- ¿Qué noble es un rufián? R= Pepe 2.- ¿Quién es susceptible de ser raptada por Carlos? R= Laura 3.- ¿Quién puede raptar a Julieta? R= Juan y Pepe 4.- ¿Quién rapta a quién? R= Pepe a Julieta, Juan a Laura y a Julieta. 5.- ¿A quién desea Juan? R= Laura y Julieta 6.- ¿A quién desea Carlos? R= Julieta

PRÁCTICA 4. (PEPE, MARÍA, Y ANA). En prolog abrimos un archivo nuevo se declaran los gustos de Pepe, María, y Ana. damos clic en “File” y guardar buffer, por ultimo compilamos.

49

INTELIGENCIA ARTIFICIAL II compilado procedemos hacer consultas requeridas para poder contestar algunas preguntas.

PREGUNTAS 1.- ¿Le gusta la música a Pepe y a María? R= Verdadero 2.- ¿Le gusta bailar a Pepe o a María le gusta la música? R= Verdadero 3.- ¿Le gusta bailar a Pepe y a María no le gusta la música? R= Falso 4.- ¿A quiénes les gusta bailar? R= María y Ana 5.- ¿Qué le gusta a cada persona? R= A Pepe le gusta la pesca y la música, a María le gusta la música y bailar y a Ana le gusta bailar y la pesca.

50

INTELIGENCIA ARTIFICIAL II

PRÁCTICA 5. (PROGENITORES, MASCULINOS, FEMENINOS, HERMANO, HERMANA, TIO, TÍA, HIJO, HIJA Y DESCENDIENTES). En prolog abrimos un archivo nuevo se declaran los gustos de Pepe, María, y Ana. Clic en “File” y guardar buffer, por ultimo compilamos.

Compilado procedemos hacer consultas requeridas para poder contestar algunas preguntas.

51

INTELIGENCIA ARTIFICIAL II

PREGUNTAS 1.- ¿Quién es progenitor de quién? R= Ana de Lupe, Paco de Lupe, Paco de Alex, Lupe de Erick, Lupe de Alma y Alma de Bety. 2.- ¿Quiénes son masculinos? R= Paco, Alex y Erick. 3.- ¿Quiénes son femeninos? R= Ana, Lupe, Alma y Bety. 4.- ¿Quién es hermano de Alma? R= Erick 5.- ¿Lupe es hermana de? R= Alex 6.- ¿Erick es hermano de? R= Alma. 7.- ¿Quién es tío de quién? 52

INTELIGENCIA ARTIFICIAL II R= Alex de Erick, Alex de Alma y Erick de Bety. 8.- ¿Quién es hijo de quién? R= Alex de Paco y Erick de Lupe. 9.- ¿Quién es hija de quién? R= Lupe de Ana, Lupe de Paco, Alma de Lupe y Bety de Alma. 10.- ¿Quién es descendiente de quién? R= Lupe de Ana, Lupe de Paco, Alex de Paco, Erick de Lupe, Alma de Lupe, Bety de Alma, Erick de Ana, Erick de Paco, Alma de Ana, Alma de Paco, Bety de Lupe, Bety de Ana y Bety de Paco.

ARCHIVOS CON LOS QUE SE TRABAJÓ EN INTRODUCCIÓN A LA PROGRAMACIÓN LÓGICA PROLOG.

53

INTELIGENCIA ARTIFICIAL II

PRACTICAS DE PROLOG.

54