4. Cuando nos encontramos delante de un nuevo problema para el cual tenemos que dar una solución lo que primeramente tenemos que hacer es dado ese determinado problema recordar los casos relevantes que pueden solucionarlo. Estos casos relevantes tendrá que ser una selección de aquellos casos de los que disponemos en la base de conocimiento del sistema experto. Por ejemplo, supongamos que Los Leones del Caracas quiere preparar el siguiente partido de la Liga Nacional de Beisbol Profesional Venezolano. Y la experiencia más relevante que él puede recordar es aquella en la cual Los Leones ganaron la liga PBV (2009-2010). El caso de recuerdo del Manager de los Leones estaría compuesto por todo lo que se hizo en aquel momento para ganar la liga (táctica, equipos contrarios) que hicieron que ganases, así como las decisiones que fue tomando a medida que iban avanzando en la eliminatoria. Sistemas Basado en casos

6. Redes Neuronales Artificiales

14. Toda unidad u j (excepto las de entradas) calcula una nueva activación u ' j S j representa el nivel de voltaje que excita la neurona u ' j denota la intensidad de la salida resultante de la neurona. j 1 2 n . . . w 1 j w 2 j w nj

15. Por convenio existe una unidad U 0 con activación siempre igual a 1 que está conectada al resto de los elementos de procesamiento y el peso W 0j es una constante que representa un valor inicial añadido al calcularse el nivel de actividad del elemento.

17. Trapezoide Signo Sigmoide

24. Neurona Simple

25. Red Simple

26. Red con elementos de asociación

27. Red Multicapa

28. Modelo Interactivo

30. Conexiones Recurrentes

38. Modelos de RNA Redes de Clasificación

50. Red Adaline

56. Otros modelos de RNA Redes Autoorganizativas

82. Cuando un dato se presenta a la red, solamente resulta activada una neurona del conjunto de salida; por lo tanto, lo que se hace es una clasificación Después de entrenada, los datos similares presentados a la red estimularán siempre la misma neurona. Por lo tanto es una red indicada para establecer relaciones, desconocidas previamente, entre datos.

85. Otros modelos de RNA Búsqueda Asociativa de Información

87. Para calcular los pesos

88. Fase de Explotación

92. Resultados experimentales

94. El modelo de esta red presenta en promedio un 87% de eficiencia en el reconocimiento de las imágenes y sus correspondientes símbolos, solo se presenta un problema serio con los símbolos que representa al número 7 y al símbolo que representa a una moneda. Resultados experimentales

99. Modelo de Neurona en IAC Donde: output(j) representa el nivel de activación de la neurona j (esta variable toma valor 0 si el nivel de activación es negativo). j es índice que recorre a todas las unidades conectadas a la neurona i. extinput(i) es el valor de la entrada externa a la neurona,  y  son coeficientes que permiten llevar las entradas interna y externa a una escala deseada.