Professional Documents
Culture Documents
FACULTAD DE INGENIERÍA
BOGOTA D.C.
2009
COMPARACION DE METODOLOGIAS Y ARQUITECTURAS DE SISTEMAS
MULTIAGENTE ENCONTRADAS EN 10 APLICACIONES UTILIZADAS EN
MEDICINA Y SERVICIOS DE E-SALUD
______________________________________
_______________________________________
Delegada de Investigaciones
Pag
RESUMEN..........................................................................................................................................8
ABSTRACT ......................................................................................................................................10
INTRODUCCIÓN ............................................................................................................................11
Arquitecturas de Agente.........................................................................................................24
1.6.3. Mapa Conceptual .............................................................................................................26
5. CONCLUSIONES ...............................................................................................................51
ANEXOS ..............................................................................................................................................62
RESUMEN
En los últimos años los sistemas MultiAgente han surgido como un interesante hito
en la tecnología de desarrollo de software. Los sistemas MultiAgente son un grupo
de agentes que trabajan en común resolviendo problemas, estos sistemas están
compuestos por agentes normalmente heterogéneos, con cierto grado de
independencia. Los agentes son procesos computacionales autónomos, con
iniciativa, capacidad de explorar, modificar su entorno y comunicarse con otros
agentes 1
1
LLAMAS BELLO. Cesar Introducción a los Agentes y sistemas MultiAgente; España; Universidad de
Valladolid; 2000; 52 paginas. Presentacion en http://www.infor.uva.es/~cllamas/MAS/MAS.pdf
Otras aplicaciones de los Agentes y Sistemas MultiAgente se encuentran en
servicios de E-Salud, donde estos sistemas pueden encargarse de la búsqueda de
historias clínicas, y cruce de información de pacientes con otras instituciones, con
el fin de ofrecer un mejor cuidado y servicio a los pacientes. Además, estos
sistemas pueden realizar manejo de citas, y optimización de rutas para
ambulancias, entre otras.
This application could help people, increasing their health and improving their living
standards in those communities located far away from big cities; it can also help
the medical professional to take better decisions in diagnosing and treating
patients. Additional to this, it will help those people with a lifelong illness or who
have been injured as it constantly monitors their health and the changes that may
occur.
INTRODUCCIÓN
Y este es solo, una muestra de lo que los sistemas agentes y multiagente pueden
hacer en medicina, con las destrezas de los ingenieros de sistemas junto al
conocimiento de los médicos se va a llegar a desarrollos de aplicaciones cada vez
mas útiles tanto para pacientes como para el personal del equipo medico.
1. DESCRIPCION DE LA INVESTIGACIÓN
En esta sección se hace una descripción de la investigación, identificando el
problema, la importancia de realizar este trabajo, cuales son los objetivos, la
metodología usada el marco teórico y el conceptual
3 Corte Constitucional, Sala Segunda de Revisión, Sentencia T-760 de 2008, República de Colombia;
La cobertura encontrada en Colombia es baja comparada con países como
Canadá que cuenta con una cobertura del 100%, Brasil con un 94.5% y Chile con
100%. 4
Para realizar esta labor, los Sistemas Agentes y MultiAgente deben ser
parametrizados inicialmente con comportamientos promedio, valores de referencia
altos y bajos de ciertas enfermedades o condiciones de salubridad. Estos
parámetros individualizan el diagnóstico de la persona atendida, y cuando los
datos o la información de la persona se salen de los rangos establecidos, el
Agente debe estar en capacidad de informarle al paciente qué acciones debe
realizar e informar al médico tratante sobre las decisiones tomadas en caso de
tener que realizar un correctivo.
En general, un Agente no posee una visión global del estado del sistema y la
mayoría de las decisiones que toma están basadas en una visión incompleta del
problema. No obstante, se puede lograr una coherencia satisfactoria
intercambiando una cantidad limitada de información entre los Agentes, ya que no
es necesario que un Agente informe a los otros acerca de todas las áreas.
Los Agentes Cognitivos son complejos, ya que tienen capacidad para evaluar las
condiciones del sistema o del ambiente, tienen características de inteligencia
artificial, pueden comunicarse con otros Agentes y tomar decisiones en conjunto.
Los Agentes Reactivos son más básicos y reacciones ante un estimulo especifico.
Un solo Agente reactivo no es inteligente, es la suma de los Agentes Reactivos lo
que hace a un Sistema Multi-Agente poseer características inteligentes.
5
URICOECHEA Luz Stella. Metodología de investigación ficha de revisión documental. Colombia. Universidad
Católica de Colombia. Seminario de Ingenieria 2009. 6 paginas
También se habla de sistemas con Agentes Híbridos, ya que poseen tanto
Agentes Reactivos como Cognitivos.6
Los Agentes pueden ser además Estáticos o Móviles. Los Agentes Estáticos solo
cumplen su función en el equipo donde están instalados, los Agentes Móviles se
mueven a través de la red e interactúan con diferentes Agentes en diferentes
maquinas.
Los Agentes ejercen un rol que define la especialidad que estos desempeñan en
el área identificada.
A los Agentes se les definen metas, que son las tareas o responsabilidades que el
Agente es capaz de desempeñar, y las cuales se logran cumpliendo los planes o
pasos establecidos.
Los Agentes poseen necesidades, este es el insumo que requiere un Agente para
cumplir sus planes, pero debe ser comunicado en la cooperación por otro Agente.7
6
QUINTERO Alejandro, RUEDA RODRIGUEZ Sandra, UCROS Maria Eugenia. Agentes y sistemas multiagente:
integración de conceptos básicos. Colombia. Universidad de los Andes. En
http://agamenon.uniandes.edu.co/yubarta/agentes/agentes.htm
1. Definición de Sistema Multi-Agente:
7
QUINTERO Alejandro, RUEDA RODRIGUEZ Sandra, UCROS Maria Eugenia. Agentes y sistemas multiagente:
integración de conceptos básicos. Colombia. Universidad de los Andes. En
http://agamenon.uniandes.edu.co/yubarta/agentes/agentes.htm
8
Behrouz Homayoun Far; Theme 3: Methodological support for interactive software agents. Canadá.
http://enel.ucalgary.ca/People/far/res-e/index.html. 2004 ;9 paginas,
9
G. Weiss, Edt., “Multiagent Systems: A Modern Approach to Distributed Artificial Intelligence,” 648 p., MIT
Press, 2000. Citado por Behrouz Homayoun Far “Methodological support for interactive software agents”
probabilísticos. (8) En MAS cada Agente constituyente puede iniciar una decisión
realizando un proceso y la decisión general es tomada en base a múltiples hilos de
control.
Autonomía (limitada): Los Agentes tiene sus propias motivaciones a partir de las
que generan autónomamente sus objetivos. Sin embargo para alcanzar gran parte
de los mismos dependen de la ayuda de los demás Agentes, lo cual pone límites a
su autonomía.
10
GARCIA SERRANO, Ana. OSSOWSKY Sascha. Inteligencia Artificial Distribuida y Sistemas Multiagente.
España. Universidad Politecnica de Madrid. Universidad Juan Carlos de Madrid.2007. 8 paginas En
http://www.dia.fi.upm.es/~agarcia/publications/archivos/REV3.pdf
Sociabilidad: Un Agente tiene en cuenta la existencia de otros Agentes e
interactúa con ellos mediante algún tipo de comunicación y un conjunto de
convenios11
El modelo de tareas, que describe las tareas que los Agentes pueden realizar, los
objetivos de cada tarea, su descomposición, los ingredientes que lo componen y
los métodos de resolución de problemas necesarios para resolver cada objetivo.
1111
GARCIA SERRANO, Ana. OSSOWSKY Sascha. Inteligencia Artificial Distribuida y Sistemas Multiagente.
España. Universidad Politecnica de Madrid. Universidad Juan Carlos de Madrid.2007. 8 paginas En
http://www.dia.fi.upm.es/~agarcia/publications/archivos/REV3.pdf
12
Behrouz Homayoun Far; Theme 3: Methodological support for interactive software agents. Canadá.
http://enel.ucalgary.ca/People/far/res-e/index.html. 2004 ;9 paginas
13
IGLESIAS FERNANDEZ Carlos Ángel; Definición de una metodología para el desarrollo de sistemas
multiagente. España. UNIVERSIDAD POLITÉCNICA DE MADRID. 1998. 322 PAGINAS
El modelo de experiencia, describe el conocimiento necesario para que los
Agentes alcancen sus objetivos. Sigue la descomposición de Common KADS y
reutiliza las bibliotecas de tareas genéricas.
14
LIND, Jurgen. Agent-Oriented Software Engineering with MASSIVE, Alemania, Ackerstraße, 2001, 4 paginas
La vista del ambiente: En esta vista, el ambiente del sistema objetivo es analizado
desde la perspectiva de los desarrolladores y desde la perspectiva del sistema.
Estos puntos de vista normalmente difieren: el desarrollador posee una visión
global, mientras que el sistema posee una visión local.
La vista de las tareas: En la vista de las tareas, el aspecto funcional del sistema
objetivo es analizado y se genera una jerarquía de tareas, la cuál se usa para
determinar los problemas básicos y solucionarlos a través de las entidades del
sistema final. Además los requerimientos no funcionales son definidos y
cuantificados lo más detalladamente posible.
La vista del sistema: Finalmente, ésta vista trata con los aspectos que afectan
varias de las otras vistas al mismo tiempo, o igualmente al sistema en total. La
vista del sistema por ejemplo, maneja la interfaz del usuario que controla la
interacción entre el sistema y el usuario, sobre una tarea específica así como una
tarea de manera independiente.
c. GAIA
En este método, el objetivo del análisis consiste en comprender el sistema y su
estructura, sin referenciar ningún aspecto de implementación, a través de la idea
de organización. Una organización en GAIA, es una colección de roles, los cuales
mantienen ciertas relaciones con otros y toman parte en patrones
institucionalizados de interacción con otros roles. GAIA tiene por objeto permitir a
un analista, que a partir de una declaración de las necesidades, pase
sistemáticamente a un diseño suficientemente detallado que pueda ser aplicado
directamente. Esta metodología se aplica en la etapa de diseño del Agente, ya que
en esta etapa del análisis y diseño, el subsistema de configuración de servicios
ilustra cómo cooperar con los Agentes en la tarea de la ontología del subsistema.
Esta metodología sólo busca especificar cómo una sociedad de Agentes colabora
para alcanzar los objetivos del sistema y qué se requiere de cada uno para lograr
esto último.
d. Zeus:
Este método consta del análisis, diseño y actividades de realización, y además
añade instalaciones de soporte en tiempo de ejecución, que permiten que el
desarrollador depure y analice su puesta en funcionamiento Multi-Agente
colaborativas. Construye aplicaciones que proveen un entorno integrado para el
desarrollo rápido de sistemas.
15
PARDO CASTILLO Alexandra. AVENDAÑO GALINDO Diana Marcela. METODOLOGÍAS DE DISEÑO Y
DESARROLLO PARA AGENTES Y SISTEMAS MULTIAGENTE. Colombia. Universidad Católica de Colombia.
2009. 102 Páginas
La herramienta ZEUS, consiste de un conjunto de componentes escritos en
lenguaje de programación Java, que puede ser categorizada en tres grupos
funcionales o librerías: una librería de componentes de Agentes, una herramienta
de construcción de Agentes y un conjunto de Agentes utilitarios entre los cuales
podemos encontrar servidores de nombres, facilitadores y Agentes visualizadores.
Zeus ofrece un lote de software sobre la utilidad de los Agentes: Agente de
Servidor de Nombres (ANS), Facilitador y Visualizador. Estos Agentes son
generados implícitamente por Zeus, y forman, junto a los usuarios avanzados
Agentes, la aplicación Agente Sociedad.
Arquitecturas de Agente.
La arquitectura es una metodología particular para construir Agentes. Esta
específica cómo puede descomponerse un Agente en un conjunto de módulos y
cómo deben interactuar estos módulos. El conjunto total debe responder a cómo
los datos de los sensores y el estado interno del Agente determinan sus acciones
y el futuro estado interno del Agente. Una arquitectura abarca técnicas y
algoritmos que soportan esta metodología. Dentro de las arquitecturas podemos
encontrar las siguientes
16
PEREZ ARDILA Yanis, PORTILLA Jorge, Aplicación de metodologías ingenias, ZEUS, masina al desarrollo de
sistemas multiagente partiendo de sma de subasta, para la identificación de mejores prácticas, Colombia.
Universidad de Pamplona. 2007. 337 paginas
consiste en que al poseer estas tres aptitudes se ataca desde ambas direcciones:
tanto desde la teoría clásica de toma de decisiones y preguntas planificadas de los
investigadores de la sociología, como desde el punto de vista de los
investigadores de inteligencia artificial distribuida, que adecúan estas tres
características individualmente. La segunda, pone en duda la utilidad del estudio
multimodal de la lógica BDI, ya que no tiene una completa axiomatización y no es
eficientemente computable, por lo cual es cuestionada por muchos constructores
de sistemas que le dan poca relevancia en la práctica. [ANMI 2002].
1717
GONZALEZ CHARRY. Adriana. ARQUITECTURAS DELIBERATIVAS, REACTIVAS E HIBRIDAS EN AGENTES Y
SISTEMAS MULTIAGENTES. Colombia. Universidad Católica de Colombia. 2009. 295 paginas
comunicación que utilizan estos sistemas y algunos campos donde se encuentran
aplicaciones.
18
GONZALEZ C. Et all. Sistemas tutores inteligentes: propuesta de una arquitectura para aprendizaje en
salud pública. Colombia. VII Congresso Iberoamericano de Informática Educativa. 2004. 10 paginas
19
ALVES Victor, Et All. A web-based collaboration approach for teaching in medicine. Portugal, School of
Engineering – University of Minho, 2006. 7 paginas
20
BAKER Christopher J. O., CHEUNG Kei-Hoi. Semantic web: revolutionizing knowledge discovery in the life
sciences. EEUU. 2007. Springer. 445 paginas
21
MAS*BIOMED'05. First International Workshop on Multi-Agent Systems for Medicine, Computational
Biology, and Bioinformatics, Holanda, 2005. 192 paginas
Descripción: Uno de los esfuerzos tempranos de los sistemas multiagente se
presento en el proyecto BioMAS este sistema se utilizó para descifrar el genoma
humano. BioMAS se organizó en cuatro grupos de agentes básicamente
responsables de la anotación de la secuencia básica, la anotación funcional, las
consultas y el proceso de las secuencias de las etiquetas. Un ejemplo son los
agentes de tarea, entre los cuales se encuentra el agente de anotación que tiene
la capacidad de leer una secuencia y decidir cual información se debe anotar. El
agente del procesamiento de fuentes de secuencia se encarga de validar la
secuencia interna, también está el agente de Ontología y el agente de antología
de razonamiento interna de los cuales se deduce la antología genética
2.3. Cuidado de pacientes País España año 2002 [MOAN 2005]22, País Estados
Unidos Año 2007 [ZXXS 2007]23, Inglaterra año 2005 [MASB 2005]24
22
MORENO Antonio. Medical Applications of Multi-Agent Systems. España. Computer Science &
Mathematics Department, Universitat Rovira i Virgili. 2003. 15 paginas
23
ZHANG, Xiaoqin., XU, Haiping., SHRESTHA, Bhavesh. An Integrated Role-Based Approach for Modeling,
Designing and Implementing Multi-Agent Systems. EEUU. University of Massachusetts at Dartmouth. 2007.
16 paginas
24
MAS*BIOMED'05. First International Workshop on Multi-Agent Systems for Medicine, Computational
Biology, and Bioinformatics, Holanda, 2005. 192 paginas
información médica, Cuidado de comunidades, cuidado de pacientes de la tercera
edad, tareas internas en hospitales.
También se reporta que en el cuidado de los pacientes que los roles que
desempeñan los agentes están definidos en el modelo relacionado del
conocimiento, como las metas, los permisos, las relaciones de organización, y los
protocolos de interacción., donde los agentes son entidades concretas equipadas
con motivación, recursos y capacidad de resolver problemas. Y pueden agregarse,
asociarse, o presentar incompatibilidades
25
PODGORELEC Vili, Complexity-driven Evolution of Decision Graphs for Classification of Medical Data,
Informatica, Slovene Society Informatika, Vol. 29, Num. 1- 2005. pp. 41-51
Descripción En medicina la toma de decisiones juega un papel muy importante,
los sistemas de soporte de decisiones ayuda a los médicos a tomar las mejores y
para esto existen modelos de decisión, arboles de decisión o la posibilidad de
utilizar agentes con el conocimiento para realizar la mejor decisión. En el mundo
de hoy existe una gran presión para automatizar todos los procesos
administrativos comunes, con el fin de reducir costos, minimizar el tiempo y
incrementar la productividad, los agentes inteligentes nos pueden ayudar a
alcanzar estos propósitos, ya que tienen la capacidad de actuar autónomamente
con el uso de su conocimiento, aprender de su experiencia y colaborar con otros
agentes a lograr esta meta en común.
26
ALDEA A. Et all. Sistema multiagente de soporte a la coordinación de transplantes. España. Departament
d'Enginyeria Informàtica i Matemàtiques Universitat Rovira i Virgili (URV). 2004. 5 paginas
agentes pueden modelar tareas importantes de tipo administrativo, logístico
(transporte entre servicios u hospitales), etc. Los SMA son particularmente
adecuados para el problema de la coordinación de trasplante de órganos donde
donantes y receptores pueden provenir de diversos centros. La existencia de
agentes inteligentes en estos centros facilita el intercambio de información y la
organización del proceso de trasplante facilitando la tarea del coordinador de
trasplantes. Los beneficios de usar un SMA son dobles: por un lado el SMA puede
adaptarse a la estructura organizativa vigente (tanto dentro un mismo hospital
como entre diferentes hospitales) y, por otro lado, la complejidad del problema
puede ser reducida con la incorporación de diversos niveles de coordinación y
toma de decisiones en el SMA.
27
DOMINGUEZ Fabián, ACEROS María Hemmy, CORREDOR Beatriz. Los Sistemas Multi-Agentes y la salud
integral para la infancia. Colombia. VENTANA INFORMÁTICA No. 12 – Universidad de Manizales. 2005. 8
paginas
particular, pero estos mantienen cierta imagen externa única que permite que el
facilitador sea capaz de interactuar con agentes de diferente naturaleza
2.8: Tomografías computacionales del corazón. País Francia, Año 2007, [FLJU
2007]29
29
FLEUREAU Julien , 3D Multi-Object Segmentation of Cardiac MSCT Imaging by using a Multi-Agent
Approach, Francia, Annual International Conference of the IEEE Engineering, 2007. 4 paginas.
Conectividad en el espacio 3D, un órgano está compuesto de subpartes
conectadas y compactas
Disponibilidad de información prioritaria, normalmente el ventrículo izquierdo y
el atrium se observan como si fueran un solo órgano porque muestran la
misma textura y las mismas estructuras de conectividad
2.9. Comportamiento de las células madre. País Brasil, Año 2008 [FGEA 2008]30
30
FAUSTINO, Geisa Martins. Et all. A Multi-Agent-based 3D Visualization of Stem Cell Behavior, Brasil,
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO, 2008. 14 paginas
Este es un sistema autónomo, adaptativo y complejo el principal desafío de este
trabajo fue desarrollar la visualización del comportamiento de las células madre
tales como la proliferación la diferenciación, de los agentes auto-organizables, se
proyecto una auto organización de las células madres que se volvió en la
visualización del comportamiento emergente de las entidades de los agentes,
también posibilito la observación de las interacciones entre los agentes y los
ambientes
2.10 Protocolo de atención Médica Países España, México y Reino Unido, Año
2006, [RAEA 2006]31. Rumania Año 2009 [OPMI 2009]32
Ventajas: Veo
[LJHA 2008]
[GOEA 2004] reportan un grupo como ventaja la
reporta dos de metagentes capacidad que
[ALAA 2005] tienen algunos
agentes capaz de que siguen unas
Reportan un grupo
seguir un plan de reglas o planes agentes para
de agentes que
Es la capacidad trabajo y según la según la practica o retroalimentarse
siguiendo unas
que tienen los capacidad de historia previa y permanentemente
reglas o unos
agentes aprendizaje del además crean sus
parámetros de las situaciones
estudiante de propios planes
inteligentes para encuentran el que perciben en su
medicina es capaz según la situación
describir de donante más ambiente , como lo
de cambiar el para realizar la
manera coherente adecuado para
contenido para dar mejor asignación reportan las
suplir la necesidad
estrategias, una mejor de equipos de arquitecturas
de pacientes
políticas, educación rescate y del grupo deliberativas y la
Capacidad para receptores de
directrices y de médicos y capacidad de
desarrollar [POVI 2005] órganos
tácticas en el paramédicos que
planes informa que los deben llevar seguir un plan,
tiempo y espacio, [AVEA 2006]
metagentes son la dichos equipos dependiendo de
así como los reporta otra
mejor herramienta esa percepción
manera de
instrumentos, para la toma de [ZXXS 2007]
enseñar medicina
mecanismos y decisiones de los recrea un Desventajas: La
pero con agentes
acciones que se médicos, porque ambiente de un rigidez de la
con funciones
basado en el hospital con arquitectura
utilizaran para especificas, sin
conocimiento de pacientes y
llegar a los fines capacidad de reactiva, porque
los agentes, tienen personal médico
deseados deliberar y no hay un plan a
la capacidad de donde cada
ajustarse a nuevas seguir, solo son
racionar y decidir agente sigue un
necesidades de unos parámetros,
cuál es el mejor plan para recrear
los estudiantes
tratamiento para la realidad y tiene que se cumplen o
los pacientes la capacidad de no pero no hay un
deliberar plan de fondo
Arquitecturas Arquitecturas Arquitecturas
Características Definición Comparativa
Deliberativas Reactivas Hibridas
Ventajas: Cada
capa está
[RAEA 2006]
Las capas son describe en su compuesta por un
estructuras estudio del manejo grupo de agentes
independientes [FLJU 2007] En su de pacientes con un
estudio de externos, dos [FGEA 2008] en su comportamiento
que explican el
imágenes 3D capas que estudio de las específico y
propósito y la cardiacas describe componen su células madres
interacción de un dirigido a unos
el sistema sistema manejo dos tipos
grupo de modelos, MultiAgente en multiagente, una de agentes en el usuarios
las Arquitecturas varias capas capa de agentes simulador de especiales, en
Capas que son metodologías compuesta por de servidores células madres, caso de fallo de
componen la particulares para agentes encargada de unos agentes para alguna de estas
encargados de la manejar la la visualización y capas, no hay que
arquitectura construir agentes. comunicación el información del otros agentes que
Estas especifican parar todo el
cual se encarga de hospital y otra simularon según
como puede sistema, se arregla
administrar la capa de agentes comportamiento y
descomponerse un población de usuarios que conocimiento a las únicamente la del
agente en un agentes trabaja con los células madres y fallo.
conjunto de encargada de pacientes y con los el proceso de
segmentar las médicos estas dos diferenciación Desventaja: la
módulos y como complejidad en la
imágenes. capas están en
deben interactuar contacto por un administración y la
estos protocolo de dependencia de
comunicación una capa de
comunicaciones
Características Definición Arquitecturas Arquitecturas Arquitecturas Comparativa
Deliberativas Reactivas Hibridas
[AGAG 28] El
[GOEA 2004] y objetivo de este Ventajas: Estas
[AVEA 2006] [ALAA 2005] Las sistema tres características
Creencias: Presentan unos
intenciones de los MultiAgente es la son la parte
Representan el agentes cuyos
objetivos son: agentes que conservación de la fundamental de lo
conocimiento del monitorean salud de los que es un agente
mundo en el que seleccionar los
contenidos donantes de pacientes con y es la capacidad
se encuentra
inmenso un agente didácticos que se órganos, es enfermedades de razonar acerca
inteligente le deben presentar encontrarlos en los cardiovasculares, de lo que quieren y
al estudiante de centros de la salud cuenta con un como lo deben
Deseos: los medicina, lo que
cercanos a donde grupo amplio de lograr.
deseos son un permite un
Creencias, aprendizaje están los agentes con
conjunto de Desventajas: Solo
deseos, adaptativo pacientes diferentes
objetivos a largo le veo un riesgo y
intenciones y plazo que debe [FLJU 2007] Los receptores. objetivos e
intensiones es que una mala
Objetivos cumplir un agente agentes de esta [DACF 2005] los programación de
aplicación tienen objetivos de los [LJHA 2008] El un agente podría
Intensiones: Son como objetivo
las acciones, realizar agentes de este principal objetivo llevarlo a tomar
la
planes o integración de la estudio son de estos agentes una mala decisión
situaciones información detectar a tiempo es seleccionar la que pondría en
deseadas que el espacial y de anomalías que ruta más optima, peligro la salud de
agente ha textura, la pudieran causar los vehículos y el una persona, pero
seleccionado y se segmentación de
ha comprometido varios objetos y enfermedades a equipo médico que este riesgo se
a realizar los niños en el atienda mejor ,las minimiza con un
minimizar el
futuro emergencias buen plan de
reprocesamiento
de imágenes cuando estas se pruebas previas
presenten
Arquitecturas Arquitecturas Arquitecturas
Características Definición Comparativa
Deliberativas Reactivas Hibridas
[ALAA 2005]
Diseño unos Ventajas: Esta
agentes que están [AGAG 28] Cuenta característica es la
[GOEA 2004] el con dos sistemas
en contacto con razón de ser de los
agente evaluador MultiAgente: la
los hospitales y agentes,
tiene la capacidad plataforma
reciben de ellos interactuar con el
de interactuar con paciente y la
información de medio e
el entorno y según plataforma de
necesidades y/u interpretarlo, para
la evolución del gestión de
ofertas de órganos así ayudar al
estudiante durante emergencias que
a trasplantar, estos cuerpo médico, en
el plan de estudio están en constante
agentes tienen la sus labores de
modifica su perfil o comunicación e
capacidad de diagnostico,
solicita al agente interacción
realizar procesos atención y
Es la acción que tutor modificar el administrativos o tratamiento.
ejerce un agente plan de estudio logísticos para [LJHA 2008]Su
Interacción con el solución consistió Desventajas: Sigo
inteligente, en un [FLJU 2007] Los llevar a buen
entorno en representar viendo en esta
ambiente en el que agentes de esta término un
esté ubicado trasplante cada vehículo característica, que
aplicación primero
como un agente, el con el medio solo
interactúan con los
[DACF 2005] los cual tendría la se actúa por
voxeles de la
agentes de esta independencia de estímulos, aunque
imagen cardiaca,
aplicación no operar de acuerdo hay arquitecturas
luego se presentan
interactúan con su a las condiciones deliberativas,
interacciones entre
entorno, solo ambientales como reactivas o
los agentes y por
reciben del exterior embotellamientos hibridas, la forma
último se presenta
unos datos y los u obstáculos. Para de actuar es
una interacción
agentes se esto tiene una reactiva
para mostrar la
encargan de comunicación dependiendo de lo
imagen
realizar el análisis constante con el que pase en el
del estado de transito medio.
salud del niño
Arquitecturas Arquitecturas Arquitecturas
Características Definición Comparativa
Deliberativas Reactivas Hibridas
[HMMA 25], en su
aplicación para [FGEA 2008]No
programar turnos muestra un
en el hospital, no método claro de
muestra un comunicaciones, Se observa en
[GOEA 2004] método de entre los agentes, este aspectos dos
reporta que su comunicación lo que se deduce métodos de
aplicación cumple claro, los agentes es que los agentes comunicación, uno
estándares FIPA y en este caso solo realizan basado en agentes
que sus agentes realizan interacciones para y el otro con
utilizan XML para interacciones y modelar el mensajería
Los métodos son
comunicarse muestran un comportamiento
los medios
resultado. de las células Ventajas: La
utilizados para
[FLJU 2007] El [RAEA 2006] madre comunicación con
llegar a un fin.
sistema existe una agentes se hace
Hace referencia al
Métodos de MultiAgente está comunicación [LJHA 2008] de manera
instrumento o
comunicación organizado entre el Reporta que los inteligente, porque
forma de
alrededor de un middleware y el agentes de su los agentes
contenido por el
agente de motor del workflow aplicación se administran este
cual se realiza el
comunicaciones el a través de la comunican a insumo.
proceso de
cual maneja toda lectura de scripts través de
comunicación
la población de del workflow y mensajería Desventaja: La
agentes que cuando la comunicación con
interactúan en la interacción entre [AGAG 28] tiene mensajería es muy
aplicación de los agentes un agente estándar y solo se
forma cooperativa, usuario y agente especializado en recibe y se
o competitiva servidor se realizar la entrega, es muy
establece la comunicación reactiva
infraestructura se entre los agentes y
asegura que la entre el sistema y
comunicación sea los usuarios
persistente
Arquitecturas Arquitecturas Arquitecturas
Características Definición Comparativa
Deliberativas Reactivas Hibridas
[LJHA 2008]
[GOEA 2004] La
[RAEA 2006] tiene Analizan la
formas de enseñar
un repositorio de información del Se observan dos
de este sistema se
reglas de negocio, lugar del accidente módulos para la
basa en casos
manejado por y las personas realización de
resueltos
agentes server involucradas en el tareas, los
almacenados, y
accidente, con módulos de reglas
cuando al
[HMMA 25] posee esta información y los repositorios
estudiante se le
un modulo de definen la cantidad de información
plantea un
reglas en las que de personal de
problema, el
los médicos rescate necesario Ventajas: Los
sistema busca
describen sus y el carro que módulos con
casos similares y
preferencias al debe atender la repositorios de
compara la
conformar grupos emergencia información ,
Se refiere a las solución dada por
de trabajo y en el [AGAG 28] El pueden dar una
Módulos de reglas o patrones el estudiante y la
que el hospital sistema aproximación a los
comportamiento que deben seguir almacenada en el
coloca sus multiagente posee problemas más
para realizar los agentes para sistema para
necesidades un modulo de exactos y estos
tareas realizar ciertas realizar la
reglas en las que repositorios crecen
acciones evaluación
[ALAA 2005] Los están consignados día a día gracias a
[FLJU 2007] Sus
agentes que los parámetros a la información que
agentes se guían
coordinan el medir a los se colecta
por las reglas de
proceso de pacientes cuando diariamente
textura e
trasplantes deben el paciente tiene
intensidad de la
cumplir con unas lecturas por Desventajas: las
imagen para llevar
reglas legales, encima o por reglas, hacen que
información a los
clínicas, debajo del los agentes sean
agentes de
organizativas para parámetro el muy reactivos,
comunicación que
cumplir con la modulo informa al porque las reglas
se encargan de
meta de llevar a agente de se cumplen o no
construir la imagen
buen término los comunicaciones se cumplen
en tercera
trasplantes para crear una
dimensión
alarma
Arquitecturas Arquitecturas Arquitecturas
Características Definición Comparativa
Deliberativas Reactivas Hibridas
[AVEA 2006]
Informa que el
lenguaje utilizado [RAEA 2006]
para manejar los Informa que
protocolos de existen varios Se observan
comunicación lenguajes varios protocolos
fueron JAVA, PHP desarrollados de comunicación
y Perl para modelar los
protocolos Desventajas: se
[POVI 2005] [ZXXS 2007]
médicos como pierde la
informa que los desarrollo un
Glif (basado en estandarización
protocolos de lenguaje propio
comunicación son reglas), entre tantos
para manejar los
Los protocolos manejados por Proforma lenguajes, y
protocolos de
son reglas que una herramienta (basado en afloran los
Los niveles de comunicación
especifican el llamada lógica), Asbru protocolos
protocolos de llamado RTÆMS
intercambio de proGenesys, la (basado en propietario, que
comunicación datos u órdenes cual maneja un tareas) and impiden la
programación [FGEA 2008]
durante la Guide (basado universalización
genética que maneja los
comunicación en redes de de software.
realiza el manejo protocolos de
entre agentes Petri) saben que
de la comunicación en
cada lenguaje Ventajas: Se
comunicación base a java con
tiene su propias observan
[FLJU 2007] los una herramienta
agentes de ventajas y que protocolos de
llamada MASON
comunicación ellos tomaron lo comunicación
manejan un mejor de cada basados en
pizarrón donde uno para Java, que está
van dejando las modelar la muy difundido y
imágenes funcionalidad de es universal
guardadas para los protocolos
ser comparadas y médicos
no permitir que se
repitan
Arquitecturas Arquitecturas Arquitecturas
Características Definición Comparativa
Deliberativas Reactivas Hibridas
[GOEA 2004] [ALAA 2005] Sus
[AGAG 28] Tiene
Existe un plan agentes consiguen
un protocolo
para brindar al los donantes de
general para el
estudiante órganos de una
monitoreo de los
experiencias de manera rápida, no
pacientes el cual Ventajas: Las
medicina que hay plazos para
sirve de arquitecturas
enriquezcan su planear
planificador y hay deliberativas e
conocimiento, y
Percepción: unos agentes que hibridas, tiene la
dependiendo de [DACF 2005] Los
Proceso mediante continuamente van capacidad de
las capacidades agentes de esta
el cual el individuo trabajando minuto
del alumno y de su aplicación son percibir y actuar
selecciona, a minuto de
progreso se van alimentados con de acuerdo a los
organiza e manera reactiva
tomando acciones datos que que interpreten
interpreta la informando al
para mejorar el informan de del medio.
información sistema la
conocimiento, manera inmediata
Relación entre sensorial, para evolución del
tanto del el estado de salud
crear una imagen paciente Desventaja: las
percepción y estudiante como del niño, de
significativa del arquitecturas
acción del sistema mismo acuerdo a unos
mundo [LJHA 2008] Los reactivas no
parámetros
agentes reactivos tiene capacidad
[FLJU 2007] Existe preestablecidos
Acción: es la se van informando de percibir, solo
un sistema de
respuesta del en línea sobre la actúan, pero en
evaluación de la [HMMA 25] Los
agente a la situación del
imagen que se rige agentes de esta este punto son
interacción con el tráfico, la situación
por la aplicación leen las mas rápidos que
mundo donde está de los pacientes y
homogeneidad y la necesidades del las deliberativas
inmerso el desarrollo de la
textura y esa es la hospital y los y las hibridas, ya
emergencia, el
meta final, para preferencias de los que se ahorran
planificador va
poderla cumplir profesionales que
seleccionando el un paso
hay unos agentes trabajan en la
equipo adecuado
que realizan institución para
para enviar a la
acciones para formar los grupos
zona de
descifrar y de trabajo para
emergencia
construir la imagen cada turno
3.2. Comparación de metodologías
Basado en el trabajo de grado de Alexandra Pardo Castillo y Diana Marcela
Avendaño Galindo ―Metodologías de diseño y desarrollo para agentes y sistemas
multiagente‖ presentado en Junio de 2009 en la Universidad Católica de Colombia
se realizaran las comparaciones de 10 aplicaciones de agentes y sistemas
multiagentes en Medicina
APLICACIONES/
GAIA ZEUS MASCommonKADS Comparativa
METODOLOGIA
[ZXXS 2007]
reporta que la [HPBD 30] En el
metodología desarrollo de su
utilizada para el aplicación para
[GOEA 2004]
desarrollo de su el monitoreo de
reportan que No hubo
aplicación es pacientes utilizo
utilizaron la material
Gaia. En esta la metodología
metodología MAS- suficiente
metodología se ZEUS para el
CommonKADS que para realizar
utilizaron los diseño y la
propone siete la
modelos macro construcción de
modelos para la comparativa,
para la parte agentes gracias
Aplicaciones definición del ya que los
social y la micro al ZEUS tool kit
sistema MultiAgente: trabajos
para las partes
agentes, tareas, consultados
internas del [OPMI]
experiencia, no exponen
agente, Reportaron que
coordinación, la
aspectos estos desarrollaron su
comunicación, metodología
de los sistemas aplicación de
organización y utilizada.
MultiAgente. La diagnósticos
diseño
metodología médicos bajo la
cubrió las fases metodología
de análisis y ZEUS
diseño
Esta página fue creada con la herramienta Joomla 1.5 que trabaja con un servidor
virtual apache y un servidor virtual mysql. En el menú de aplicaciones se hace una
descripción de la aplicación estudiada, sus características y una pequeña
descripción de la misma. La comparativa realizada entre las arquitecturas y la
metodología, las conclusiones y una sugerencia de cuales deberían ser los
trabajos futuros. Los usuarios que la deseen utilizar solo deben pinchar en los
enlaces del menú principal (Main Menu ) del lado izquierdo de la pantalla
4 FUTUROS TRABAJOS.
Las arquitecturas con las mejores características son las hibridas que son una
combinación de arquitecturas reactivas y deliberativas, lo que las hace muy
complejas de desarrollar pero son muy interesantes desde el punto de vista de su
funcionamiento, las interacciones que realiza con los pacientes y el personal del
sistema de salud, la inteligencia que muestran y la información de apoyo que
brindan tanto al personal médico como a los pacientes.
BIBLIOGRAFÍA
ANEXOS
Anexo AA Fichas
Código: [AFEA 2006] Fuente No.: [AFEA 2006] Elaboró: Paulo Quintero
6.2 Plataforma JESS JESS no es sólo un shell para sistemas expertos, como
motor de reglas propiamente dicho, sino que también provee un lenguaje de script.
Toda esta funcionalidad escrita completamente en el lenguaje Java permite el
desarrollo de sistemas expertos basados en reglas acoplarse de diferentes formas
con el lenguaje de programación. JESS puede manejar hechos e instancias de
objetos java, lo cual coloca a esta herramienta un paso más adelante en lo que a
los lenguajes basados en reglas se refiere.
REFERENCIAS
Ovalle, D., Moreno, J., Maulando, J. y Arias, F. (2005), Simulación del proceso de
negociación de contratos normalizados bilaterales de energía basados en un
modelo multi-agente de subastas para el sector eléctrico colombiano, Technical
report, Universidad Nacional de Colombia - Sede Medellín. Proyecto de
Investigación - Código 30805914.
Código [AGAL 2002] Fuente: [AGAL 2002] Elaboro: Paulo Cesar Quintero Uribe
Ficha bibliografica
Ubicación: http://www-iri.upc.es/people/agostini/publications/IBERAMIA02.pdf
Consultado en octubre 8 DE 2009
Se utiliza como base de casos los resultados de un estudio clínico realizado sobre
40 pacientes con diferentes patologías cardiovasculares utilizando las herramientas
matemáticas de análisis de la variabilidad de la señal de FC. Los grupos
fundamentales están compuestos por pacientes con hipertensión arterial,
coronariopatías, miocardiopatías y pacientes sanos. Se consideran los parámetros
de corto plazo de VFC debido a que se realiza una monitorización cuasi on line para
un correcto control del paciente. Así se calculan los parámetros temporales (SDNN,
SDANN, pNN50) y frecuenciales (LF, HF, LF/HF, LF+HF) cada 15 minutos y los
parámetros de dinámicas no lineales (índice α de la tendencia 1/fα del espectro de la
señal en escala log-log, entropía aproximada y dimensión de correlación) cada hora
Sistema Multiagente
Plataforma Paciente: Cada paciente está vinculado a su propia plataforma que actúa
directamente sobre éste y lo representa ante la plataforma de gestión de
emergencias. Los componentes de esta plataforma son los siguientes:
• Base de datos del paciente: Contiene la historia clínica del paciente, registró de
datos y de eventos, datos del médico de cabecera y de la institución de salud
respectiva.
• Base de reglas: Contiene las reglas que usarán los atributos del paciente en caso
de que no se pueda recuperar ningún caso con la similitud adecuada desde la base
de casos.
• Agente recepción: recibe las llamadas y mantiene la comunicación con las distintas
plataformas paciente. Almacena y gestiona las llamadas que se van presentando y
le comunica los casos en forma ordenada al agente administrador priorizando los de
mayor emergencia.
• Agente interfase médico: Dado que el volumen de pacientes puede ser muy
elevado se asignaran grupos de pacientes a distintos médicos de cabecera. Cada
médico contará con un agente específico dentro de la plataforma de gestión de
emergencia. Este agente le comunicará al médico la situación del paciente, la
gestión que está realizando el agente administrador y se comunicará con el agente
interfase paciente para establecer una conexión a través del mismo con el propio
paciente o su familia en caso de ser necesaria.
Bibliografía
[3] Rainer Schmidt, Bernhard Pollwein, Lothar Gierl: Experiences with Case-Based
Reasoning Methods and Prototypes for Medical Knowledge-Based Systems.
AIMDM 1999: 124-132
[4] Miksch, S.; Cheng, K.; Hayes-Roth, B.: The Patient Advocate: A Cooperative
Agent to Support Patient-Centered Needs and Demands, in Cimino, J. J.
(ed.),Proceedings of the 1996 AMIA Annual Fall Symposium (formerly SCAMC),
Hanley & Belfus, Philadelphia, pp. 144-148, (1996).
Código [ALAA 2005] Fuente [ALAA 2005] Elaboro: Paulo Cesar Quintero Uribe
Ficha bibliografica
Hay dos razones que justifican el éxito del trasplante de órganos en España: por un
lado las nuevas técnicas quirúrgicas y los tratamientos médicos incrementan el
grado de éxito de los trasplantes de corazón, páncreas, hígado, riñón y pulmón [5].
Por otro lado, la sociedad moderna muestra un importante incremento del número
de órganos donados para el trasplante
Recientes estudios publicados por la ONT [2] muestran que el número de personas
que mueren en lista de espera por un corazón, hígado o pulmón fluctúa entre el 15%
y el 30%. Para mejorar la calidad de los servicios públicos el programa de Sociedad
y Tecnología de la Información (IST) del V Programa Marco de la Comisión Europea
propone el fomento de los servicios y sistemas a los ciudadanos en el área de la
Salud y la Administración Pública. La ONT ha identificado seis razones que
contribuyen a la pérdida de donaciones [2]: la no detección, las contraindicaciones
médicas, las negativas familiares, las pérdidas durante el mantenimiento y los fallos
durante la operación quirúrgica. Una vez identificadas es importante desarrollar
mecanismos que disminuyan el porcentaje de pérdidas en cada una de las fases del
proceso. Una forma de mejora es elaborar un sistema de información con soporte
informático que pueda ser usado como sistema de ayuda a la toma de decisiones en
la coordinación de trasplantes de órganos. Este sistema debe disponer de ciertas
funcionalidades comunicativas, informativas y cognitivas que garanticen la
comunicación segura de la información, el mantenimiento de una base de datos
histórica y mecanismos de análisis y extracción de conocimiento a partir de los datos
o medicina basada en la evidencia
• Un agente llamado Agente Histórico (HA), que recibe los datos de todos los
trasplantes realizados en España. Con esta información se pueden mantener
archivos históricos, elaborar estadísticas, aplicar técnicas de minería de datos para
obtener nuevo conocimiento, etc.
Los agentes del sistema deben comportarse de acuerdo con las normas impuestas
por las organizaciones de trasplantes autonómicos y nacionales, tales como la
Organización Catalana de Trasplantes (OCATT) y la Organización Nacional de
Trasplantes (ONT).
Coordinación de trasplantes
El proceso que se sigue para encontrar el receptor más adecuado para cada órgano
está compuesto de varios pasos que se efectúan sucesivamente hasta determinar el
paciente que es apto para recibir el órgano en cuestión.
El primer paso consiste en comprobar si los casos de urgencia cero pueden usar el
órgano disponible. Si no se encuentra ningún receptor se procede a buscar un
paciente en el hospital del donante. Si esto es posible se podrán ahorrar muchos
recursos y esfuerzos puesto que la coordinación entre centros siempre es más
costosa y más lenta (hay que notar que, al contrario de lo que sucede con otros
componentes corporales como los tejidos o la sangre que pueden ser congelados y
almacenados, los órganos sólo se pueden utilizar en un intervalo corto de tiempo).
En caso de tener que buscar fuera del centro se intenta siempre encontrar un
receptor apropiado lo más cercano posible al hospital del donante, para minimizar el
coste económico y temporal del transporte del órgano.
Los agentes del sistema utilizan técnicas de Inteligencia Artificial para sugerir cuáles
son los pacientes más adecuados para un órgano, si es que se dispone de más de
un receptor posible.
Bibliografía
[1] Decker, K., Li, J. Coordinated Hospital Patient Scheduling. Proc. ICMAS‘98.
[8] So, Y., Durfee, E.H. Designing Organisation for Computational Agents. In:
Simulating Organisations: Computational Models of Institutions and Groups. Edited
by M.J. Prietula, K.M. Carly, L. Gasser. AAAI/Press/The MIT Press, 1998.
Código: [ALBU 2007] Fuente: [ALBU 2007] Elaboro: Paulo Cesar Quintero Uribe
http://books.google.com.co/books?hl=es&lr=&id=F1wTJvqA4Z4C&oi=
fnd&pg=PR5&dq=multiagent+software+medicine+&ots=UUjk-
Hr0vG&sig=FQYv0eWvSFtYtBOqKlC3e3R6axQ#v=onepage&q=agent&f=false
I.Introduccion
Bajo el paradigma de los agentes cuando un agente solicita una acción a otro
agente, este último realizara o no dicha acción, esto reafirma la siguiente frase. Los
objetos realizan acciones de manera libre, los agentes realizan las acciones por
dinero
Los agentes no actúan de manera aislada interactúan con otros para alcanzar unas
metas esta agrupación se denomina sistemas multiagente diferentes tipos de
agentes en los sistemas multiagente tienen diferentes responsabilidades a
continuación se enumeran algunos
Agentes usuarios brindan una interfases para la interacción entre los humanos y el
sistema, en algunas ocasiones personalizan los servicios para cada usuario
Agentes de planeación: Formulan planes los cuales deben ser ejecutados para
alcanzar el objetivo deseado.
Para que los agentes tengan la capacidad de trabajar juntos, se deben comunicar
unos con otros, basándose en las teorías de la comunicación, el lenguaje de
comunicación de agentes fue desarrollado (ACL). Siguiendo los estándares KQML
(Knowledge Query and Manipulation Language) y la especificación de FIPA para
su propio ACL con diferentes desempeños, los más importantes son informar y
solicitar son usados para comunicar información y solicitar a los agentes que
realicen acciones respectivamente
Conclusiones
Código: [AVEA 2006] Fuente: [AVEA 2006] Elaboro: Paulo Cesar Quintero Uribe
Autor: Víctor Alves, José Machado, António Abelha, Paulo Novais and Cesar
Analide.
Los sistemas autónomos son una técnica del campo de la inteligencia artificial que
se utiliza para realizar interacciones. Los sistemas multiagentes presentan una
nueva metodología para resolver problemas, soportan la evolución de los sistemas
inteligentes, o realizan la sustitución de tareas o delegan actividades realizadas por
los seres humanos, la descripción de los agentes que se involucran en la
enseñanza de la medicina se describen a continuación.
El agente preguntas, que provee replicas para las preguntas de los usuarios
IV. E-Enseñanza
V. El sistema de E-Aprendizaje
El tercer proveedor es una gran colección de diagnósticos clínicos, con una gran
cantidad de datos que confirman las tendencias y las evoluciones de los casos
Diseñar software parar los ambiente médicos presentan un gran reto, el centro del
sistema recae sobre una gran cantidad de videos, imágenes y textos. Esta
información se complementa con la metainformacion que define la estructura,
clasifica y define las relaciones entre las partes. El siguiente paso es que los
agentes tomen esta información y la presenten dependiendo de las tareas
diseñadas para hacerlo que pueden ir desde un texto a la reconstrucción de un
sistema orgánico. Otra clase de agentes adicionara y actualizara la base de datos
autorizando datos médicos y herramientas asegurando la consistencia. El
propósito es difundir las investigaciones medicas y para la enseñanza
VI. AIDA
AIDA también provee herramientas para realizar comunicaciones con los agentes
humanos basado en servicios web.
VII. Mensajes
IX. Bases de datos: Los sistemas de manejo de bases de datos relacionales son
ampliamente utilizados en las unidades de cuidado médico, manteniendo los
documentos diarios de la operación, estas bases de datos se modifican poco y
manejan una gran cantidad de transacciones. Se guardan datos históricos con los
que se construyen análisis y se soportan las decisiones realizadas. Las unidades
medicas consolidad la información de varias fuentes en un datawarehouse
recibiendo información de varias fuentes heterogéneas, toda esta información es
utilizada por los agentes del ambiente AIDA.
X. Conclusiones
Bibliografía
[4] van der Heyden, J. E., Atkins, M.S., Inkpen K., Carpendale, M.S.T., ―A User
Centered Task Analysis of Interface Requirements for MRI Viewing‖, Graphics
Interface 1999, pp 18-26.
[5] Neves, J., Alves V., Nelas L., Maia M., and Cruz R. ―A Multi-Feature Image
Classification System that Reduces the Cost-of-Quality Expenditure‖, in
Proceedings of the Second ICSC Symposium on Engineering of Intelligent
Systems, Paisley, Scotland, UK, pages 594-554, 2000.
[6] Neves, J., Machado, J., Analide, C., Novais, P., and Abelha, A. ―Extended Logic
Programming applied to the specification of Multi-agent Systems and their
Computing Environment‖, in Proceedings of the ICIPS‘97 (Special Session on
Intelligent Network Agent Systems), Beijing, China, 1997.
[7] Faratin, P., Sierra C. and N. Jennings ―Negotiation Decision Functions for
Autonomous Agents‖ in Int. Journal of Robotics and Autonomous Systems, 24(3-
4):159-182, 1997.
[8] Wooldridge, M., ―Introduction to MultiAgent Systems‖, 1st edition, John Wiley &
Sons, Chichester,
[9] Gruber, T.R. ―The role of common ontology in achieving sharable, reusable
knowledge bases‖, in Proceedings of the Second International Conference
(KR‘91), J. Allen, R. Filkes, and E. Sandewall (eds.), pages 601-602 Cambridge,
Massachusetts, USA, 1991
[11]Alves V., Neves J., Maia M., Nelas L., ―A Computational Environment for
Medical Diagnosis Support Systems‖. ISMDA2001, Madrid, Spain, 2001.
[12]Alves V., Neves J., Maia M., Nelas L., Marreiros F., ―Web-based Medical
Teaching using a Multi- Agent System‖ in the twenty-fifth SGAI International
Conference on Innovative Techniques and Applications of Artificial Intelligence –
AI2005 , Cambridge, UK, December, 2005.
Código: [CATO 2005] Fuente No:[CATO Elaboró: Paulo Cesar Quintero Uribe
2005]
http://www.itnuevolaredo.edu.mx/maestros/sis_com/takeyas/Apuntes/Inteligencia%20Artificial/
Apuntes/tareas_alumnos/Agentes_Inteligentes/Agentes_Inteligentes(2005-II).pdf
Tabla de Contenido: Definición y Estructura, Agente Inteligente, ¿Qué son los agentes?
Diferencia entre agentes Inteligentes y software convencional, Características, ¿Cómo se
caracteriza un agente?, Aéreas de Aplicación, ¿Por qué utilizar agentes, Funciones básicas
de la Tecnología de Agentes, ¿Que nos ofrecen de nuevo?, Usos de los agentes,
Descripción Detallada del Tema, ¿Como se construyen los Agentes Inteligentes?, Entradas
del agente Salidas del agente, Representación y razonamiento
Resumen: Que son los Agentes Inteligentes El origen por el cual la tecnología de los
agentes inteligentes surge es por la necesidad de aplicarlos a los sistemas complejos, donde
la aplicación de las técnicas existentes ha fracasado o es muy difícil de comprender o
mantener. En muchos de los casos, los agentes no son desarrollados de forma
independiente sino como entidades que constituyen un sistema. A un sistema que tiene
varios agentes inteligentes se le llama sistema multiagente. Los agentes en este tipo de
sistemas deben interactuar entre ellos. Las interacciones más habituales son informar o
consular otros agentes y esto les permite a los agentes ―hablar‖ entre ellos, saber que hace
cada uno de ellos y razonar sobre el papel que juega cada uno en el sistema. La
comunicación entre agentes se realiza por medio del lenguaje ACL Agent Communication
Lenguaje. Diferencia entre agentes Inteligentes y software convencional: Hay dos principales
características que distinguen a los agentes inteligentes del desarrollo de software tradicional
y estas son la inteligencia y la agencia.
2. La agencia es el grado en el cual el agente puede percibir su entorno y actuar en el. Define
al agente, en otras palabras, para que un programa sea un agente debe poseer autonomía,
habilidad social, reactividad y proactividad.
Cómo se caracteriza un Agente: se caracteriza por una serie de calificativos, los cuales
vienen a denotar ciertas propiedades a cumplir por el agente.
Racionalidad: el agente siempre realiza «lo correcto» a partir de los datos que
percibe del entorno.
Por qué utilizar agentes: Por la necesidad de construir aplicaciones complejas compuestas
de multitud de subsistemas que interaccionan entre sí, es el marco de la distribución de la
inteligencia en diversos agentes.
Ejecución de Tareas: La capacidad de realizar tareas son las destrezas que el agente
posee para lograr sus objetivos.
Conocimiento de su entorno: El conocimiento del entorno debe de ser introducido o
construido por el desarrollador. Algunos agentes además adquieren su conocimiento
por aprendizaje.
Capacidad de Comunicación: Se distingue dos tipos de comunicación, la interacción
con el usuario, y la que se refiere a comunicación inter-agente.
Representación y razonamiento
http://www.ati.es/novatica/2000/145/vjulia-145.pdf
http://www.cs.us.es/cursos/ia2-2000/temas/tema-01.pdf
Agentes Inteligentes José Emilio Gondar Nores DATA MINING INSTITUTE, S.L.
http://www.estadistico.com/arts.html?20011105
Código [DACF 2005] Fuente: [DACF 2005] Elaboro: Paulo Cesar Quintero Uribe
Ficha bibliografica
IDENTIFICACIÓN: Nutrición.
METAS: Determinar las relaciones entre peso, talla, perímetro cefálico y edad del
niño e indagar sobre hábitos alimentarios.
Bibliografía
[1] El niño sano, Alvaro Posada, J.F. Gómez, Edit. Universidad de Antioquia, 1997.
Código: [DMAS 2006] Fuente No.: [DMAS 2006] Elaboró: Paulo Quintero
10. El agente interfaz envía la respuesta dada por el aprendiz, al agente banco de
preguntas, el cual hace la consulta al banco de preguntas y verifica la respuesta, si
es correcta o incorrecta.
15. El agente de dominio envía hijos del objetivo educativo actual al agente
adaptación. En este caso el agente de adaptación hace una selección del nuevo
objetivo educativo a evaluar dentro de los hijos enviados por el agente de dominio.
REFERENCIAS
Conejo, R., Millán, E., Cruz, J. y Trella, M. (2001), ‗Modelado del alumno: un
enfoque bayesiano‘, Revista Iberoamericana de Inteligencia Artificial 12. En línea:
<http://tornado.dia.fi.upm.es/caepia/numeros/12//Conejo.pdf>.
Duque, N., Jiménez, C. y Guzmán, J. (2005), ‗IA planning for automatic generation
of customized virtual courses‘, Frontiers in Artificial Intelligence and Applications.
(IOS Press) 117.
Código: [FGEA 2008] Fuente: [FGEA 2008] Elaboro: Paulo Cesar Quintero Uribe
Autor: Geisa Martins Faustino, Maíra Atanásio de Cerqueira Gatti, Carlos José
Pereira de Lucena, Marcelo Gattass
Ubicación: Monografias em Ciência da Computação n° 07/08, issn 0103-9741,
pontifícia universidade católica do rio de janeiro ftp://ftp.inf.puc-
rio.br/pub/docs/techreports/08_07_faustino.pdf 29 de marzo 2009
I. Introducción.
Figura1 Diferenciación de una célula madre: observe las clases de células en las
que se puede diferenciar una célula madre
Bibliografía
[2] Collis J. C., Ndumu D. T., Nwana H. S., and Lee L. C. The Zeus agent building
tool-kit. BT Technol Journal, 16(3), 1998.
[3] Lales C., Parisey N., Mazat J., and Beurton-Aimar M. Simulation of
mitochondrial metabolism using multi-agents systems. In AAMAS Workshop on
Multi-Agent Systems for Medicine, Computational Biology, and Bioinformatics,
pages 137 – 145, 2005.
[4] Shreiner D., Woo M., Neider J., and Davis T. OpenGL Programming Guide: The
Official Guide to Learning OpenGL. Addison-Wesley, Reading, Massachusetts,
1999.
[6] Bellifemine F., Caire G., Poggi A., and Rimassa G. Jade a white paper. EXP in
search of innovation, 3(3):06 – 19, 2003.
[7] Vizzari G., Pizzi G., and Silva F. S. C. da. A framework for execution and
visualization of situated agents based virtual environments. In Workshop dagli
Oggetti agli Agenti, pages 22 – 25, 2007.
[9] Gatti M., Vasconcellos J. E., and Lucena C. J. P. An agent oriented software
engineering approach for the adult stem-cell modeling, simulation and
visualization. In Third Workshop on Software Engineering for Agent-Oriented
Systems – SEAS, 2007.
[10] Tom Misteli. The concept of self-organization in cellular architecture. The
Journal of Cell Biology, 155(2):181–185, 2001.
I. Introducción.
La meta es extraer las diferentes partes anatómicas del corazón desde la totalidad
de una base de datos 4D en particular el ventrículo izquierdo, en atrium, el
ventrículo derecho, el atrium , en algunos casos se considero unir el ventrículo
derecho y el atrium por conveniencia y el miocardio que envuelve la cavidad del
ventrículo izquierdo, la metodología simultáneamente segmenta y marca las
diferentes estructuras de acuerdo a las solicitudes del usuario
Bibliografía
[4] J.K. Udupa et al. Relative fuzzy connectedness and object definition: Theory,
algorithms, and applications in image segmentation. IEEE Trans. Pattern Anal.
Mach. Intell., 24(11):1485–1500, 2002.
[6] A.F. Frangi, W.J. Niessen, and M.A. Viergever. Three-dimensional modeling for
functional analysis of cardiac images: A review. IEEE Trans on Medical Imaging,
20(1):2–25, 2001.
[7] G.T. Herman and B.M. Carvalho. Multiseeded segmentation using fuzzy
connectedness. IEEE Trans. Pattern Anal. Mach. Intell., 23(5):460–474, 2001.
Código [GOEA 2004] Fuente: [GOEA 2004] Elaboro: Paulo Cesar Quintero Uribe
Ficha bibliografica
I. Introducción.
Bibliografía
[1]. González, S. C., Vidal, R. J. & Martínez, J.F. (2003). SAD-EPI: Enfoque
Arquitectónico Integrado para la toma de decisiones en Salud. Ponencia
presentada en el III Congreso Iberoamericano de Telemática. CITA'03.
Montevideo, Uruguay.
[2]. Carbonell, J.G., Michalski, R.S. & Mitchell, T.M. (1983). An Overview of
Machine Learning. Morgan Kaufmann Publishers, Inc., Vol. I, Chapter 1.
[5]. Azevedo, R. & Lajoie, SP. (1998). The cognitive basis for the design of a
mammography interpretation tutor. International Journal of Artificial Intelligence in
Education, 9, 32- 34.
[8]. Nicol, R. & O‘brien. (2003). FIPA-Towards a Standard for Software Agents.
Extraído el 23 Mayo, 2004, de http://www.bt.com/bttj/vol16no3/06.pdf.
[11]. Sánchez, A., Medina, María. & Castellanos, N. (2004). Ontological Agents
Model base on MAS-CommonKADS methodology. Proceedings of the 14ht
International Conference on Electronics, Communications and Computers.
(Veracruz, México). IEEE Computer Society Press.19-23.
[12]. May, J., Labrou, Y. & T, Finin. (1996). Evaluating KQML as an agent
communication language. Intelligent Agents II, Lecture Notes in Artificial
Intelligence 1039, 347-360, Berlin, Germany, Springer.
[10] S. Osher and J.A. Sethian. Fronts propagating with curvature dependent
speed : Algorithm based on hamilton-jacobi formulations. Journal of Computational
Physics, 79:12–49, 1988.
Código: [GUMA 2006] Fuente:[GUMA 2006] Elaboró: Paulo Cesar Quintero Uribe
http://dspace.uah.es/dspace/bitstream/10017/238/1/Tesis.pdf 2006
Una de las características que distingue los agentes de los programas sencillos es
la autonomía de acción. Los agentes son más que activos, es decir, que no sólo
actúan en respuesta a una acción directa del usuario, sino que también actúan
siguiendo los objetivos que tienen marcados, bien por el usuario bien por su propia
construcción. Además, son persistentes, aún cuando el usuario no interactúa con
ellos siguen funcionando, recolectando información, aprendiendo y comunicándose
con otros agentes.
Estas propiedades, son las que hacen que los actos y percepciones sean tenidos
en cuenta en el futuro para modificar su conducta. La connotación de inteligente
permite que aprendan de los fallos para no volver a cometerlos en el futuro, esto
implica adaptabilidad, y un bucle percepción y procesamiento de información (y
acción en consecuencia), para volver otra vez al principio, es decir, un
comportamiento similar al de cualquier ser vivo dotado de comportamiento
inteligente. Este comportamiento se da aunque el ser vivo posea un bajo nivel de
inteligencia, lo cual es trasladable a los agentes que lo serán a pesar de tener un
nivel de inteligencia, o su equivalente según el agente, de poca complejidad.
Estos agentes parten de un nodo inicial o un nodo cliente (en el que no tienen por
qué residir) y durante sus desplazamientos intentan completar la tarea que se
delegó en ellos desde el nodo cliente, usando para ello los recursos del nodo en el
que se encuentren. Estos agentes pueden interactuar con otros agentes que se
encuentren en la red para ayudarse de ellos en el desarrollo de sus tareas. Los
resultados de las acciones del agente serán devueltos al solicitante desde el nodo
en que se encuentren, quedando liberados para recibir otra petición en el nodo
donde hayan terminado sus actividades.
4. Comunicativo con el medio, con otros agentes y con el usuario con el que
trabaja, a pesar de los cambios. Es decir, es capaz de interactuar con los agentes
de un nuevo nodo, con el propio nuevo nodo y con el usuario que ahora puede
estar en otro nodo distinto, más alejado.
2. Ser heterogéneos.
disponibles en este son mayores, a su llegada no puede encontrarse con que los
Bibliografia
Version 1.2. The SCORM Overview‖ [online]. Philip Dodds (ed.). 1 octubre 2001.
http://library.barant.com/library/SCORM_1.2_Overview.pdf. 2001.
Basic Skills Agency (2002) Basic Skills and Social Exclusion in England. Study, at:
http://www.basic-skills.co.uk/. 2002.
G.Boole. ―An Investigation of the Laws of Throught on Which Are Founded the
OpenView. 2002.
Modelo de Tareas
Nombre ranura, texto. El nombre de una tarea es una cadena de texto corta. El
nombre debe ser único en el modelo de tareas, ya que es el principal mecanismo
de referencia empleado para especificar las relaciones entre tareas.
Frecuencia ranura, texto. Frecuencia con que se ejecuta una tarea. Este aspecto
está relacionado con el control, pero desde la perspectiva de la tarea. La
frecuencia puede ser absoluta (p. ej. una vez por semana), relativa a la entrada (p.
ej. por cada elemento de la entrada), o relativa a la frecuencia de las supertareas.
Rasgo entidad. Representación de un rasgo de una tarea. Los rasgos de una tarea
la caracterizan en términos de un lenguaje abstracto, la gramática de rasgos. Este
lenguaje puede ser interpretado por una herramienta de ayuda en el desarrollo del
modelo así como por un ingeniero de conocimiento. Los rasgos de las tareas
(características del problema, del dominio, del conocimiento disponible, etc.)
permiten guiar el modelado con herramientas de adquisición automática del
conocimiento.
Bibliografía
1987.
Código: [JVOJ 2007] Fuente: [JVOJ 2007] Elaboro: Paulo Cesar Quintero Uribe
- Las tareas deben realizarse con eficiencia teniendo en cuenta las imposiciones
restrictivas del trabajo en tiempo real.
- Terminología homogénea que brinde significado a los pasos del ciclo y facilite la
transición entre pasos (por lo general es una terminología gráfica basada en
diagramas de flujo).
Análisis Al finalizar esta fase se definirán o se reutilizarán los agentes con sus
respectivas características físicas, de comunicación, razonamiento, y las
estrategias para la formación de equipos y la solución cooperativa de tareas para
el alcance de objetivos.
Continuación de análisis…Se define tres capas a desarrollar: Arquitectura Interna:
define la operación del agente a nivel individual en condiciones normales; Capa
Relacional: Aquí se encuentran los comportamientos necesarios para la formación
de grupos de trabajo; Capa Organizacional: Es la encargada de la exhibición de
comportamientos para la solución cooperativa de tareas. Las actividades a
desarrollar son las siguientes.
Diseño: El propósito en esta fase es acercar lo más posible los agentes definidos
en la fase anterior a su posterior implementación. En este punto se tiene en
consideración para cada agente su parte Hardware y Software en una misma
plantilla.
A. Conceptuación
B. Análisis.
C. Diseño.
Discusión
Ventajas de la metodología
B. Aspectos no abordados
BIBLIOGRAFÍA
[2] K. Altenburg. Adaptive Resource Allocation for a Multiple Mobile Robot System
using Communication. Technical Report NDSU-CSORTR- 9404. 1994.
[8] Drogoul A, J-D. Zucker. Methodological Issues for Designing Multi- Agent
Systems with Machine Learning Techniques: Capitalizing Experiences from the
RoboCup Challenge. LIP6 – Université París 6. 1998
[13] D. Frankiln, A. Kahng, A. Lewis. Distributed Sensing and Proving with Multiple
Search Agents: Towards System-level landmine Detection Solutions. Proceedings
of Detection Technologies for Mines and Minelike Targets, vol 2496. 1995.
[20] P. Khosla, L. Navarro, Ch. Paredis. A Beacon System for the Localization of
Distributed Robotic Teams. Carnegie Mellon University. 1999.
[21] E. Kendall. Agent Roles and Role Models. Intelligent Agents for Information
and Process Management (AIP‘98). 1998
Código: [LJHA 2008] Fuente: [LJHA 2008] Elaboro: Paulo Cesar Quintero Uribe
Ficha bibliografica
Ubicación:
IV Sistemas multiagente
V. Metagentes
Bibliografía
[8] Håkansson, A., and Hartung, R. "An approach to event-driven algorithm for
intelligent agents in multi-agent systems," Accepted at The 2nd KES International
Symposium on Agent and Multi-Agent Systems: Technologies and Applications,
Incheon, Korea, 27th-28th March 2008.
Código: [MASB 2005] Fuente: [MASB 2005] Elaboro: Paulo Cesar Quintero Uribe
I. Introducción.
Los sistemas multiagente son bien conocidos por soportar diferentes variantes de
los trabajos cooperativos en los computadores y se ajustan al problema que se
presenta en los hospitales grandes de Alemania en el que la programación de citas
es inmanejable porque en algunos casos se realiza de manera manual y no ha
intervención de los sistemas de tecnología de la información, La programación de
citas basadas en agentes dan mucha flexibilidad y alto grado de flexibilización. El
trabajo que se presenta en esta investigación asume que cada individuo
involucrado delega el proceso de negociación a un agente de software inteligente
con el fin de llegar a un acuerdo sobre el calendario necesario y este calendario
debe cumplir todas las restricciones del hospital y debe tener en cuenta las
preferencias de la persona a la que representa.
Pero en la vía corta o de la manera rápida las citas se realizan de un día para otro.
Los investigadores se concentraran en esta vía para la programación de citas para
operaciones.
La solución MAS
Bibliografía
4. Becker, M.; Heine, C.; Herrler, R.; Krempels, K.-H.: OntHoS - an Ontology for
Hospital Scenarios, in: Moreno, A.; Nealon, J. (Hrsg.): Applications of Software
Agent Technology in the Health Care Domain. Whitestein Series in Software Agent
Technologies (WSSAT), Basel 2003, S.87-103.
5. Becker, M.; Krempels, K.-H.; Navarro, M.; Panchenko, A.: Agent Based
Scheduling of Operation Theaters, Proceedings des EU-LAT E-Health-Workshop,
Mexico 2003.
6. Brembeck, W.; Howell, W.: Persuasion – A Means of Social Influence, 2nd Ed.,
Englewood Cliffs, NJ 1976.
8. Czap, H.; Becker, M.; Schiffelholz, S.-D: Der Ablauf der kurzfristigen
OPTerminplanung am Beispiel des Krankenhauses der Barmherzigen Brüder, Trier
e.V., Arbeitsbericht des Zentrums für Gesundheitsökonomie an der Universität
Trier, Trier 2002.
10. Green, P. E.; Krieger, A.M.; Wind, Y.: Thirty Years of Conjoint Analysis:
Reflections and Prospects, in: Interfaces, Vol. 31/3, 2001, pp. 56-73.
Código: [MJPC 2004] Fuente: [MJPC 2004] Elaboro: Paulo Cesar Quintero Uribe
Ubicación: http://personales.upv.es/ccarrasc/doc/2003-
2004/websemag/agentes.htm
Resumen: Sistemas Multi Agentes: Un sistema multi agente es aquel que contiene
una colección de dos o más agentes. Este requiere: Dos o más agentes
Al menos un agente autónomo, dado que los agentes trabajan para cumplir
objetivos pero son incapaces de generar sus propios objetivos, un sistema
multiagente no tendría razón de ser sin un agente autónomo que genere estos
objetivos. Al menos una relación entre dos agentes donde uno satisface el objetivo
del otro, debe existir una interacción entre los agentes del sistema, ya que de lo
contrario se tendría un conjunto de agentes actuando independientemente de los
demás, que los convertiría en una colección de componentes y no en un sistema.
Aplicaciones de los Sistemas Multi Agentes A continuación se enuncien algunas
de las áreas identificadas como las más prometedoras para la aplicación de esta
tecnología.
Gestión de Redes y Sistemas La gestión de sistemas y redes es una de las
primeras áreas que están recibiendo el impacto de la tecnología de los agentes
inteligentes. El creciente uso de la arquitectura cliente/servidor ha intensificado la
complejidad de los sistemas utilizados. Los usuarios que hacen uso de estos
sistemas necesitan una gestión más simplificada para afrontar la creciente
complejidad. La tecnología de los agentes puede ser usada para mejorar el
software de gestión de sistemas. Por ejemplo, pueden ayudar a filtrar y a realizar
acciones automáticas a un alto nivel de abstracción. Además pueden ser usados
para gestionar grandes configuraciones dinámicamente.
Movilidad Se obtiene un acceso a los recursos de la red desde cualquier
ubicación, este acceso debe ser satisfactorio a pesar de las limitaciones del ancho
de banda que presenta la tecnología móvil tales como la comunicación sin cables.
Los agentes inteligentes que en este caso residen en la red y no en los
ordenadores de los usuarios pueden gestionar estas necesidades. Además los
agentes pueden procesar datos y mandar únicamente respuestas comprimidas a
los usuarios, más que sobrecargar la red con grandes cantidades de datos sin
procesar.
Correo y Mensajería El software de mensajería como las aplicaciones de correo
electrónico ha ido evolucionando para mejorar el servicio de los usuarios y es un
área donde la introducción de la tecnología de los agentes inteligentes parece muy
propicia ya que el futuro de estas aplicaciones pasa por la delegación de la toma
de decisiones del usuario en el agente de correo. Los usuarios precisan de
utilidades que automáticamente organicen el correo electrónico, y en el futuro,
incluso debería gestionar todo el correo de una persona como si fuera ella misma.
Los agentes inteligentes pueden hacer posible todo esto mediante reglas de
gestión del correo, y permitiendo a los agentes inteligentes operar en nombre de
los usuarios de acuerdo a dichas reglas. En el futuro será posible que los agentes
deduzcan estas reglas observando el comportamiento del usuario e intentando
encontrar los patrones del usuario.
Gestión y Acceso a la Información. El acceso y gestión de la información es un
área con gran actividad, dado el gran crecimiento que se está produciendo en
Internet y la consiguiente explosión de datos disponibles para los usuarios. Aquí
los agentes inteligentes no solo ayudan en las tareas de búsqueda y filtrado, sino
que también lo hacen en la clasificación, establecimiento de prioridad, descarte
selectivo, anotación y colaboración de información y documentos.
Gestión Administrativa Estos sistemas ayudan a automatizar los procesos de
negocio, asegurando que diferentes tareas son ejecutadas por las personas
idóneas en el momento adecuado, además de asegurar que el flujo de documentos
se gestiona correctamente dentro de la organización.
Comercio Electrónico El comercio electrónico es un área de gran crecimiento
debido a la creciente popularidad de Internet. Los compradores necesitan
encontrar vendedores de productos y servicios, necesitan información de los
productos que solucionen sus problemas, y también precisarán de consejo experto
tanto antes de la compra como después, durante el soporte. Los vendedores
necesitan encontrar compradores y tendrán que proporcionar consejo experto
sobre sus productos o servicios al igual que soporte y servicio al cliente. Ambos,
compradores y vendedores, necesitan automatizar el manejo de sus transacciones
comerciales. Los agentes inteligentes pueden ayudar en el comercio electrónico de
varias maneras. Pueden ir de compras para un usuario, coger las especificaciones
de lo que se desea y devolverlas con recomendaciones de posibles compras, etc...
Pueden también servir de vendedores proporcionando productos o servicios, y
ayudar con los posibles problemas que tengan los clientes.
Interfaces de Usuario Adaptativos. Los agentes inteligentes llamados agentes de
interfaz permiten al sistema monitorizar las acciones de los usuarios, desarrollar
modelos sobre ellos, y automatizar la ayuda cuando surgen los problemas. Cuando
son combinados con la tecnología de procesamiento del lenguaje, los agentes
inteligentes hacen que los interfaces de ordenador sean más humanos o sociables
cuando se tiene interacción con ellos.
Simulación Social Una de las visiones detrás de los sistemas multiagente es la de
utilizarlos como herramientas experimentales en las ciencias sociales. Es decir, se
pueden utilizar agentes para simular el comportamiento de las sociedades
humanas. El proyecto EOS, llevado a cabo por la Universidad de Essex en el
Reino Unido, es un buen ejemplo de simulador de la sociedad. El objetivo del
proyecto era investigar las causas de la aparición de una compleja sociedad en
Francia durante el Paleolítico Superior.
BIBLIOGRAFÍA
http://www.informandote.com/jornadasIngWEB/articulos/jiw02.pdf
http://greta.cs.ioc.ee/~helemai/HaavLubiADBIS2001.pdf
http://www.estadistico.com/arts.html?20011105
http://www.ii.uam.es/~castells/docencia/semanticweb/apuntes/
http://www.rediris.es/rediris/boletin/66-67/ponencia18.pdf
http://www.inf.ufrgs.br/~clesio/cmp151/cmp15120021/artigo_lydia.pdf
http://www.straddle3.net/context/02/020619_semantic.es.html
http://petra.euitio.uniovi.es/~labra/cursos/ext03/SemWeb.pdf
http://www.ii.uam.es/~castells/docencia/semanticweb/
http://antic.ibit.org/websemantica/quees_es.cfm
http://suburbia.sindominio.net/pdf.php3?id_article=107
http://www.baquia.com /com/20010523/art00008.html
http://zope.aditel.org/personal/esanchez/documentos/rtb/files/rtb-
doc/x155.html/index.html/index.html/x155.html/index.html/x155.html/index.html
http://www.baquia.com /com/20010523/art00008.html
http://www.dcc.uchile.cl/~cgutierr/websemantica/
http://www.interacciones.i-p.com/doc24.xhtml
http://www.infovis.net/Revista/num_26.htm
http://www.dcc.uchile.cl/~jcvidal/Agentes/AgentesWeb.html
http://www.lexiquest.fr/news/releases/990809_ge.html
http://www.cyc.com/cyc/technology/whatiscyc_dir/whatsincyc
http://www-cia.mty.itesm.mx/~avazquez/knowledge/
http://www.it.uc3m.es/liliana/paginas/masinfo/agentes.doc
http://rayuela.uc3m.es/~bety/lydia/Age/AGENTES.html#Característica%20de%20lo
s%20agentes
Monografías:
SHOE http://www.cs.umd.edu/projects/plus/SHOE/search/
Código: [MOAN 2005] Fuente [MOAN 2005] Elaboro: Paulo Cesar Quintero Uribe
I.Introduccion
Elementos de la plataforma.
Métodos de Comunicación
Provee una gran cantidad de paquetes Java que nos permite crear los agentes
Jade provee herramientas que nos permiten seguir la operación de los agentes
Sniffer: este agente nos permite ver los mensajes enviados o recibidos por los
agentes
Jade únicamente puede ser ejecutado en PC estándar o servidores
Algunas partes del kernel de JADE fueron remplazados para generar el ambiente
JADE-LEAP
LEAP es una funcionalidad para JADE que ofrece un ambiente en los cuales los
agentes se pueden ejecutar en dispositivos con pobres recursos como teléfonos
móviles o PDAs
Sistemas Distribuidos
Habilidad Social
Agentes de información
Proactividad
Autonomía
Conocimiento Distribuido
Cooperación
Programación de pacientes
Monitoreo de Pacientes
Entrenamiento e-learning
Proyecto PalliaSys
Recolección de información
Acceso a la información
Todos los datos de los pacientes paliativos se guardan en una base de datos
centralizada en el hospital (Información Personal, datos de la familia, auto-
evaluaciones, registros médicos) los doctores y los pacientes pueden acceder a
esta información a través de querys , los querys de los pacientes a vía WEB o una
interfase WAP simulada, los querys de los doctores se pueden hacer a través de
agentes de comunicaciones
Agentes Paciente
Existen dos clase de alarmas las generales y las especificas de cada médico, las
generales se aplican a todos los pacientes de la unidad y las especificas las define
el médico personal a cada paciente
La modelación ―no es más que una teoría que se desarrolla teniendo en cuenta las
características del sistema real, su comportamiento, así como su relación con otros
sistemas. Un modelo, como representación simplificada e intencional de un
sistema real, es el camino a través del cual se representan las propiedades o
componentes del sistema real. La modelación más común es la modelación
matemática, donde se relacionan expresiones matemáticas entre medidas y
cantidades medibles, o datos observables y variables del sistema, que definen el
comportamiento del sistema real‖.
Las simulaciones de sistemas directos en las que con los datos de entrada se
predice la salida;
En 1995 se destaco en la revista byte que los agentes inteligentes serian las 20
tecnologías de mayor impacto que las ciencias de la computación brindan a la
sociedad
Agentes inteligentes
―La Inteligencia Artificial (IA) constituye, sin dudas, una herramienta novedosa para
facilitar al hombre el uso de las computadoras. Las interfaces de usuarios se han
convertido en un terreno fértil para las aplicaciones basadas en agentes
inteligentes. Como parte integrante de dichas interfaces, los agentes hacen más
fácil al hombre el operar las computadoras.
Es por esto que las aplicaciones con agentes inteligentes constituyen, hoy en día,
el ´área de aplicación más amplia en Internet: agentes para filtrar el correo
electrónico, agentes para la navegación en la red, agentes asistentes para
manipular información, por solo citar algunas.
Para ser considerados con capacidad inteligible, los agentes inteligentes asistentes
de software deben ser entidades autónomas que colaboren con el usuario en la
obtención de información para ejecutar las técnicas evolutivas, realizar las
acciones sin supervisión por parte del usuario, aprender de experiencias pasadas
para mejorar sus acciones en el futuro, así como extraer por si mismos las
conclusiones adecuadas de la información procesada, entre otras acciones.
Por su parte, las conductas reactivas solamente reaccionan ante estímulos del
entorno resultando difíciles de aplicar a problemas complejos. Es por ello que
surgen las arquitecturas hibridas, donde los agentes reaccionan a eventos
imprevistos pero a la vez manipulan conocimiento explicito acerca del mundo en
que actúan‖
Tipo de agentes
Concluir que una interpretación μ es la que ajusta el sistema real con mayor
precisión, determinando si el parámetro seleccionado tiene el valor ´optimo, no es
una tarea expedita y sencilla. Es por ello que, usualmente, se ejecutan varias
veces los algoritmos genéticos hasta ajustar los valores de sus parámetros de
control en dependencia del problema real de que se trate. Entonces, el agente
especialista SP, tal y como se representa en la Figura
4, puede ser quien evalué las diferentes posibilidades de aplicación del algoritmo
genético en dependencia de los valores de sus parámetros de control.
Extiéndase por ―positivos‖ y ―negativos‖ los resultados con los cuales se concluye
que un modelo en Ms es adecuado o no para un sistema real determinado
Además, ´este agente debe interactuar nuevamente con el agente especialista SP,
pues ´este ´ultimo es quien expone al usuario del sistema los resultados de todo el
proceso, y brinda una valoración -como experto al fin acorde con el tipo de
problema y la técnica que se aplicó.‖
REFERENCIAS
Lindemann, G., Munch, I., Dittmann, I., Gnoth, M., Torres, E. y Hannebauer, M.
(1999), ChariTime: An agent-oriented approach for appointment management in
distributed working communities, in ‗Proceeding of the KI-99 Workshop
Agententechnologie- Multiagentensysteme in der Informationslogistik und
Witscharftswissenswissenschaftliche Perspektiven der Agenten-
Konzeptionalisierung‘, number 16, TZIBericht,Bonn, Alemania.
Monett, D. (2000), Towards and intelligent agent desing for handling genetic
algorithms., in B. H. D., L. Czaja,
Código: [MVOJ 2005] Fuente No.: [MVOJ 2005] Elaboró: Paulo Quintero
Autor: Julián Moreno Cadavid, Juan David Velásquez Henao y Demetrio Ovalle
Carranza
Metodología propuesta
Modelo del Entorno En este modelo se especifica el entorno dentro del cual
interactúan los roles del sistema, es decir, se describen los componentes del
sistema que no son agentes, pero que de alguna forma intervienen con los
procesos llevados a cabo por estos. Tal intervención puede entenderse como un
flujo de información uní o bidireccional entre los roles y el entorno en el que se
puede identificar las entradas, en caso que estas sean necesarias; y las salidas, si
es que hay alguna. El proceso mediante el cual tal información es procesada
también se describe en este modelo por medio de la plantilla textual, a menos que
este sea una "caja negra", o sea irrelevante en el modelo de simulación.
Modelo de Tareas Este modelo sirve para detallar la funcionalidad de cada rol y
consiste en descomponer y describir cada una de las tareas llevadas a cabo por
estos como un secuenciamiento de actividades, tomando en consideración sus
capacidades, la información que necesitan y su interacción con el entorno.
4 Fase de Diseño Mientras que la fase anterior se encarga del "qué", la fase de
diseño se encarga del "cómo" de lo que debe hacer el sistema en desarrollo.
Desde el punto de vista de la ingeniería del software, el objetivo de esta fase es
transformar los modelos provenientes de la fase de análisis en modelos con un
nivel de abstracción lo suficientemente bajo para poder traducirlos posteriormente
a código fuente durante la implementación.
REFERENCIAS
Bush, G., Cranefield, S. y Purvis, M. (2001), ‗The styx agent methodology‘, The
Information Science Discussion Paper Series .
Cernuzzi, L. y Zambonelli, F. (2005), Developing mas solutions with gaia and auml,
in ‗31 Conferencia Latin-American de Informática - CLI 2005‘.
DeLoach, S. (2001), Analysis and design using mase and agenttool, in ‗12th
Midwest Artificial Intelligence and Cognitive Science Conference- MAICS 2001‘.
Wooldridge, M., Jennings, N. y Kinny, D. (2000), ‗The gaia methodology for agent-
oriented analysis and design‘, Autonomous Agents and Multi-Agent Systems 3,
285– 312.
FICHA DE REGISTRO DOCUMENTAL
Código: [OCJB 2005] Fuente No.: [OCJB 2005] Elaboró: Paulo Quintero
Cada uno de los agentes de software del MAS son programas que actúan en
representación de sus usuarios humanos o dueños para realizar tareas
complicadas de manejo de información, se comunican por medio del protocolo de
paso de mensajes y realizando sus acciones concurrentemente. Poseen
propiedades como: autonomía, habilidad social, reactividad, proactividad movilidad,
continuidad temporal, adaptabilidad y aprendizaje. Habitan en ciertos ambientes
dinámicos y complejos, sensando y actuando de manera autónoma para adaptarse
al ambiente; mediante lo anterior, realiza una serie de tareas o metas para las
cuales fueron diseñados
• Los sistemas deben ser capaces de adaptarse a los cambios en la estructura del
2.1 Agentes Humanos: Estos agentes pueden comunicarse entre sí para buscar
una meta común mediante la división de tareas o para lograr un objetivo
compartiendo las mismas. Se clasifican en tres grupos:
Interfaz. Es el puente entre los agentes humanos y los agentes de software. Sus
funciones son:
Base de Datos.
Servicios de Comunicación
Cuando inicia el proceso, el agente Tutor envía la solicitud al agente Modelo del
Aprendiz con los datos del alumno, BUL y Objetivos Instruccionales (Instructional
Objetives, IOs). El agente Modelo del Aprendiz busca (Recupera) en la Memoria de
Casos, aquel que contenga las mismas características. Luego de seleccionado el
caso, el agente modelo del Aprendiz lo envía al agente Tutor con el propósito de
que lo adapte a manera de solución propuesta. En la pantalla del usuario aparece
una serie de recursos a utilizar. Después de que el aprendiz voluntariamente haga
el recorrido por los recursos sugeridos y de haber presentado la evaluación, el
caso se revisa para observar sus resultados, es decir, para determinar la viabilidad
de si se continúa guardando el caso o no. Este proceso lo realiza internamente los
agentes Tutor y Modelo del Aprendiz. El almacenamiento en la Memoria de Casos
es realizado por el agente Modelo del Aprendiz y después de realizada la
evaluación del respectivo caso.
REFERENCIAS
Gomes, E., Boff, E. y Viccari, R. (2004), Social, affective, and pedagogical agents
for the recommendation of tutorial colleagues in agent based learning
environments, in ‗Proceeding of Workshop Social and Emotional Intelligence in
Learning Environments of 7th International Conference on ITS2004‘.
Lemaître, C. (1998), ‗Multi-agent network for cooperative work‘, Expert System with
Applications: An international Journal Elsevier Science .
Código: [PDOC 2006] Fuente No.: [PDOC 2006] Elaboró: Paulo Quintero
Los agentes adquieren una nueva dimensión cuando se les agrupa, formando
sistemas completos los cuales reciben el nombre de Sistemas Multi-Agente (SMA).
Para llevar a cabo los procesos de comunicación y cooperación entre los agentes
que integran un SMA se tienen mecanismos llamados Protocolos de Interacción,
algunos de los cuales por su semejanza con procesos de negociación similares a
los realizados por las personas son denominados "Protocolos de Negociación
Multi-Agente", pues su objetivo es simular entre agentes de software procesos de
adquisición de productos tal y como se realizaría en un mecanismo de negociación
real entre un grupo de personas
Dos de los protocolos de negociación más conocidos y que han sido definidos por
la Fundación de Agentes Físicos Inteligentes FIPA (Foundation for Intelligent
Physical Agents)
4.4 Escalabilidad Determina cómo cambian las propiedades del sistema cuando
su tamaño en cuanto a número de agentes se incrementa. La medición de este
criterio se hace en cada uno de los protocolos, incrementando el número de
agentes dentro del sistema. Y tomando en cuenta en cada caso, la completitud, la
rapidez y la efectividad, si estos valores se degradan desproporcionadamente a
medida que el tamaño del sistema aumenta, entonces, se puede decir que se tiene
una escalabilidad deficiente en el protocolo.
4 Inglesa 0,991 0 1
A partir de los resultados obtenidos se sacan los consolidados tomando como base
la corrida del SMA con menos número de agentes, en este caso 3 agentes y sobre
éste se mide la máxima disminución de las métricas de rapidez y eficiencia (del
comprador y del vendedor), que servirán para determinar el valor numérico de la
escalabilidad de los 2 protocolos estudiados.
La subasta holandesa es, en general, más beneficiosa para los vendedores que la
inglesa porque registra las mayores utilidades para ellos.
La subasta inglesa es, en general, más beneficiosa para los compradores que para
los vendedores debido a que el protocolo inicia con un precio bajo y se va
subiendo lentamente de acuerdo a las ofertas de los compradores, lo que les
permite "controlar" el proceso de negociación para obtener mejores utilidades.
REFERENCIAS
Beer, M., D‘Inverno, M., Luck, M., Jennings, N., Preist, C. y Schroeder, M. (1999),
Negotiation in multi-agents systems.
Zhang, W., Wang, G., Mailler, R. y Lesser, V. (2003), Distributed Sensor Networks:
A multiagent perspective, Kluwer Academic Publishers, chapter Analysis of
Negotiation Protocolsby Distributed Search, pp. 339–361.
Código: [POVI 2005] Fuente [POVI 2005] Elaboro: Paulo Cesar Quintero Uribe
Ubicación: Slovene Society Informatika, Vol. 29, Num. 1, pp. 41-51, 2005.
II.Investigaciones relacionadas
En el mundo de hoy existe una gran presión para automatizar todos los procesos
administrativos comunes, con el fin de reducir costos, minimizar el tiempo y
incrementar la productividad, los agentes inteligentes nos pueden ayudar a
alcanzar estos propósitos, ya que tienen la capacidad de actuar autónomamente
con el uso de su conocimiento, aprender de su experiencia y colaborar con otros
agentes a alcanzar esta meta en común.
Las graficas de decisión son una extensión de las representación de los arboles de
decisión. Las graficas de decisión contienen atributos y nodos de decisión donde
los nodos de los atributos contienen ciertas pruebas de los valores de los atributos
y junto a los nodos de decisión sirven para predecir la solución.
Un nodo en una grafica de decisión contiene una clase de reglas transitorias que
informa la ruta a seguir en el proceso de toma de decisiones, basado en los
valores internos de los atributos y el estado de las variables. Desde que se decidió
la construcción de gráficos de decisión con la ayuda de agentes, las reglas no se
realizaron complejas con el fin de mantener la simplicidad de cada uno de los
agentes participantes
Figura. Simple grafica de decisión. Cada nodo contiene una regla transitoria, que
sirve para probar y/o como una clase de predicción, Todas las rutas hacia un nodo
están numeradas, los números determinan el siguiente nodo dentro de la regla de
transición.
[Bre84] Breiman L, Friedman JH, Olsen RA, Stone CJ, Classification and
regression trees, Wadsworth, USA, 1984.
[Bul94] Buldyrev SV et al., Fractals in Biology and Medicine: From DNA to the
Heartbeat, Fractals in Science (Bundle A, Havlin S, eds.), Springer Verlag, 1994.
Título: A Multi Agent Approach for the Representation and Execution of Medical
Protocols
Ubicación: 4th Workshop on Agents Applied in Health Care. ECAI 2006, p.11-16
(2006), http://www.iiia.csic.es/en/publications/multi-agent-approach-representation-
and-execution-medical-protocols 29 de marzo 2009
I. Introducción.
La figura 1 muestra parte del protocolo medico para pacientes externos, luego de
la selección del paciente de una lista, el médico lo entrevista, mientras tanto el
sistema actualiza todos sus datos (visitas previas, alergias, identificación del
paciente). Luego de finalizada la entrevista el médico actualiza la información en
una forma siguiendo el método soap (subjetivo, objetivo, análisis y plan). Observe
que el reporte estandarizado en la forma, adicionalmente a apoyo de los registros
del cuidado, refuerza el correcto acceso a la información del sistema. Este proceso
sigue los siguientes pasos.
Cuando todos los datos y las acciones son registrados el médico puede llenar el
plan del tratamiento de manera automática presionando un botón
La capa de dominio del paciente externo, esta capa contiene los siguientes
componentes
Repositorios: Incluyen los repositorios de las reglas de negocio, los scripts del
workflow y otros accesos a los agentes a la base de datos
Bibliografía
[1] Josep Arcos, Marc Esteva, Pablo Noriega, Juan Rodriguez-Aguilar, and Carles
Sierra, ‗Engineering open environments with electronic institutions‘, Engineering
Applications of Artificial Intelligence, (18), 191– 204, (2005).
[2] Richard M. Cyert and James G. March, A behavioral theory of the firm,
Prentice-Hall, Englewood Cliffs, N.J. USA, 1963.
[5] James G. March and Herbert A. Simon, Organizations, JohnWiley and sons,
New York, USA., 1958.
[6] Pablo Noriega, Agent Mediated Auctions: the Fishmarket Metaphor, Ph.D.
dissertation, Universitat Aut`onoma de Barcelona (UAB), Bellaterra, Catalonia,
Spain, 1997. Published by the Institut d‘Investigaci en Intelligncia Artificial.
Monografies de l‘IIIA Vol. 8, 1999.
[7] Douglass C. North, Institutions, Institutional change and economic performance,
Cambridge Universisy press, 40 west 20th Street, New York, NY 10011-4211,
USA, 1990.
[8] Lorenzo Boicocchi Silvana Quaglini Mario Stefanelli. Paolo Cicarese, Ezio Caffi,
A Guideline Management System, Dipartimento di Informática e Sistemestica,
Universit di Pavia, Italy; Consorzio di Bioingegneria e Informática Medica, Pavia
,Italy., 2004.
[9] A Robles and Pablo Noriega, ‗ A Framework for building EI–enabled Intelligent
Organizations using MAS technology‘, in Proceedings of the Third European
Conference in Multi Agent Systems (EUMAS05), eds., M.P. Gleizes, G. Kaminka,
A. Now´e, S. Ossowski, K. Tuyls, and K. Verbeeck, pp. 344–354., Brussel,
Belgium, (December 2005). Koninklijke Vlaamse Academie Van Belgie Voor
Wetenschappen en Kunsten.
[10] A Robles, Pablo Noriega, Marco Robles, Hector Hernandez, Victor Soto, and
Edgar Gutierrez, ‗ A Hotel Information System implementation using MAS
technology‘, in Industry Track – Proceedings Fifth International Joint Conference
on AUTONOMOUS AGENTS AND MULTIAGENT SYSTEMS (AAMAS 2006), pp.
1542–1548, Hakodate, Hokkaido, Japan, (May 2006).
Código: [ROGO 2007] Fuente No.: [ROGO 2007] Elaboró: Paulo Quintero
a. Validación básica del contenido esperado del request HTTP, con el fin de evitar
manipulaciones de URLs a través del navegador o manipulaciones del request a
través de un socket (intento de acceso ilegal al sistema); evitando con esta
validación de alto nivel dentro de la arquitectura del framework el procesamiento
extra a las capas mas bajas.
REFERENCIAS
André Elizaberth and Rist Thomas, ―From Adaptive Hypertext to Personalized web
companions‖. Commnunicatios of the ACM. Vol. 45, 2002. pp. 44–45.
Billus Daniel, Brunk Cliefford et all, ―Adaptative Interfaces for Ubiquitous Web
Access‖. Commnunicatios of the ACM. Vol. 45, 2002. pp. 34 – 38.
Brusilovsky Peter and Maybury Mark, ―Adaptative Interfaces for Ubiquitous Web
Access‖. Commnunicatios of the ACM. Vol. 45, 2002. pp. 31 – 33.
Código: [RTGJ 2007] Fuente [RTGJ 2007] Elaboro: Paulo Cesar Quintero Uribe
Autor: Julián Rodríguez, Ing., Miguel Torres, MSc., Enrique González, PhD.
En AOPOA, un rol representa una entidad abstracta que debe alcanzar un conjunto
de objetivos mediante el aprovechamiento de sus habilidades y utilizando los
recursos disponibles en su entorno. En consecuencia, un SMA puede ser diseñado
como una jerarquía de roles, los cuales pueden ser obtenidos mediante un proceso
de descomposición basado en los objetivos. El árbol de roles que representa la
jerarquía organizacional puede desarrollarse de diferentes formas, la selección del
orden en que se descomponen los roles existentes puede basarse en un recorrido
en amplitud ó en profundidad. Una alternativa más interesante, puede ser
descomponer primero los roles más complejos
AOPOA está basada en una aproximación organizacional, que permite realizar una
descomposición orientada a las metas y la detección de enlaces cooperativos entre
los roles organizacionales. La heurística propuesta reduce las interacciones entre
roles, evita los conflictos por recursos, reduce la redundancia en las habilidades
asociadas a cada rol, y toma en cuenta el conocimiento previo del problema. Otra
característica importante de AOPOA es la eficiencia en la identificación de roles, ya
que la descomposición es realizada de manera gradual. AOPOA genera una
solución sub-óptima pero que basada en el uso de la heurística propuesta asegura
la calidad y facilidad de administración del sistema. La identificación temprana y
automática de los enlaces cooperativos debidos a recursos compartidos,
habilidades complementarias y metas comunes permite manejar la complejidad, y
genera un conjunto consistente de relaciones entre los roles al final del proceso.
Ya que las actividades propuestas son completamente sistemáticas, una
herramienta CASE fue desarrollada para apoyar el uso de la metodología y
diversos proyectos en clases han sido desarrollados utilizando AOPOA, con el fin
de probarla y refinarla. Trabajos futuros en esta área estarán enfocados en el
refinamiento de la metodología AOPOA y su herramienta CASE asociada. En
particular, las actividades asociadas al proceso de pruebas del desarrollo de
software serán mejoradas. Con el fin de validar AOPOA en la construcción de
SMAs compuestos de agentes físicos, se estudiará el problema de la
implementación de soluciones basadas en agentes cooperativos aplicadas a
robótica móviles utilizando la metodología.
BIBLIOGRAFÍA
[1] The Foundation for Intelligent Agents http://fipa.org – Fecha de acceso: Enero
12 de 2006.
[2] Gonzalez E., Torres M. ―AOPOA Organizational Approach for Agent Oriented
Programming‖, in Proceedings of the 8th International Conference on Enterprise
Information Systems, May 2006 Paphos – Cyprus
[5] Wooldridge, Michael. ―Reasoning about rational agents‖. The MIT Press
(Cambridge, Massachussetts/London, England) as part of the Intelligent robotics
and autonomous agents series. 2000.
[6] González, E., Bustacara, C., Ávila, J. (2003). ―BESA: Behaviororiented, Event-
driven and Social-based Agent Framework‖. PDPTA ‘03.
[7] Wooldridge M., Jennings M., Kinny D. The Gaia Methodology for Agent-
Oriented Analysis and Design. Autonomous Agents and Multi- Agent Systems, 3,
285OE312, 2000 Kluwer Academic Publishers. Manufactured in The Netherlands.
[9] Torres da Silva, V., Choren, R., Lucena , C. ―A UML Based Approach for
Modeling and Implementing Multi-Agent Systems‖, ACM, 2004.
Código: [TNEA 2009] Fuente: [TNEA 2009] Elaboro: Paulo Cesar Quintero Uribe
Autor: Naoe Tatara, Eirik Årsand, Heidi Nilsen, and Gunnar Hartvigsen..
of Patients with Diabetes, Naoe Tatara, Eirik Årsand, Heidi Nilsen, and Gunnar
Hartvigsen.
Introducción.
Métodos
Luego de remover todos los títulos duplicados, se reviso la bibliografía, los criterios
de inclusión eran los textos que describieran aplicaciones móviles para pacientes
con diabetes, se excluyeron textos repetidos, que no estuvieran en ingles ,
estudios sin datos preliminares, estudios donde solo primaron los conceptos
médicos y no se incluyeron los conceptos de los pacientes.
3. Resultados.
Los pacientes podían ver los resultados de sus datos de manera grafica o
sumarizada, en algunos estudios se realizaba retroalimentación inmediata según
los datos ingresados.
Bibliografia
[5] Z. Faridi, et al., ―Evaluating the impact of mobile telephone technology on type 2
diabetic patients' selfmanagement: the NICHE pilot study,‖ J Eval Clin Pract, vol.
14, (no. 3), pp. 465-9, Jun 2008.
[6] S.N. Forjuoh, et al., ―Incorporating PDA use in diabetes self-care: a central
Texas Primary Care Research Network (CenTexNet) study,‖ J Am Board Fam
Med, vol. 20, (no. 4), pp. 375-84, Jul-Aug 2007.
[7] S.N. Forjuoh, et al., ―Improving diabetes self-care with a PDA in ambulatory
care,‖ Telemed J E Health, vol. 14, (no. 3), pp. 273-9, Apr 2008.
[8] V.S. Kumar, et al., ―The DAILY (Daily Automated Intensive Log for Youth) trial:
a wireless, portable system to improve adherence and glycemic control in youth
with diabetes,‖ Diabetes Technol Ther, vol. 6, (no. 4), pp. 445-53, Aug 2004.
[9] M.A. Vahatalo, et al., ―Cellular phone transferred self blood glucose monitoring:
Prerequisites for positive outcome,‖ Practical Diabetes International, vol. 21, (no.
5), pp. 192-194, 2004.
[10] P.Y. Benhamou, et al., ―One-year efficacy and safety of Web-based follow-up
using cellular phone in type 1 diabetic patients under insulin pump therapy: the
PumpNet study,‖ Diabetes Metab, vol. 33, (no. 3), pp. 220-6, Jun 2007.
Código: [VBJM 11] Fuente:[VBJM 11] Elaboró: Paulo Cesar Quintero Uribe
El término agente fue empleado por vez primera por Minsky en su obra ―The
Society of Mind‖. En el momento actual, la palabra ―agente‖ tiene muchos
significados distintos, puesto que se utiliza en disciplinas muy distintas. Se
encuentran agentes de diferentes tipos tales como:
Agentes autónomos
Agentes biológicos
Agentes robóticas
Agentes computacionales
Agentes de vida artificial
Agentes de software
Agentes de tareas específicas
Agentes de entretenimiento
Virus.
Los agentes inteligentes son partes de software que actúan de forma autónoma en
las redes, en nombre del usuario. La inteligencia de los agentes les permite realizar
tareas como la recuperación de datos o la negociación con otros agentes.
Actualmente varios agentes de Internet pueden utilizarse de forma activa para el
comercio electrónico, de forma muy reducida, en el caso de las compras
electrónicas.
Bibliografias
Anderson, Corin, Domingos, Pedro and Weld, Daniel. (2001). Personalizing web
sites for mobile users. Proceedings of the Tenth International World Wide Web
Conference. Hong Kong: IWWWCC.
Baltus, Gregory et al. (2000). Towards personal service robots for the elderly. Proc.
of the Workshop on Interactive Robotics and Entertainment (WIRE-2000).
Pittsburg, PA: The Robotics Institute, Carnegie Mellon University-AAAI.
Kautz, Henry, Fox, Dieter, Etzioni, Oren, Borriello, Gaetano and Arnstein, Larry.
(2002). An Overview of the Assisted Cognition Project. AAAI-2002 Workshop on
Automation as Caregiver: The Role of Intelligent Technology in Elder Care.
Edmonton, Alberta, Canadá: AAAI Press.
Mendez, Gonzalo, Rickel, Jeff, de Antonio, Angélica. (2003). Steve Meets Jack:
the Integration of an Intelligent Tutor and a Virtual Environment with Planning
Capabilities. 4th Internacional Workshop on Intelligent Virtual Agents (IVA'03).
Kloster Irsee, Germany: Springer Berlin.
Código: [ZXXS 2007] Fuente: [ZXXS 2007] Elaboro: Paulo Cesar Quintero Uribe
I.Introduccion
II Aproximación a RADE
La parte superior del modelo es la organización de los roles, incluyendo los roles
conceptuales y sus relaciones como inherencia, agregación, asociación, e
incompatilibilidad. El segundo nivel es los roles espaciales, que consiste en una
múltiple cantidad de instancias cada instancia del rol es instanciada por los roles
conceptuales de manera dinámica, la parte inferior es la sociedad de agentes que
consiste en una gran cantidad de entidades de roles. Los agentes pueden tomar y
realizar un rol de manera dinámica el mapeo de las instancias de los roles es
llamado R-A mapping. Como lo informamos previamente los modelos se definen
en tres etapas, la primera el modelo AIPI que incluye la definición de los roles, los
espacios de los roles, la organización de los roles, los agentes y la sociedad de
agentes, la segunda parte es el modelo ASPI, este involucra el conocimiento de la
aplicación, incluye la definición de clases de roles, la organización de las clases de
roles, las clases de agentes etc. Y en la tercera parte es el modelo ASPS que
incluye información en la plataforma del software, mecanismos de comunicaciones
y el middleware
Definición de roles
Medico: quien determina las diagnósticos que deben ser realizados, las
prescripciones, las intervenciones medicas y quirúrgicas, tiene la habilidad de
dirigir el cuidado del paciente y llevar al paciente a un nivel superior de cuidado
Asistente de enfermería, es una enfermera que asiste a los pacientes con sus
problemas médicos, provee cuidado y ayuda en el laboratorio con instrumentos
médicos
Por ejemplo el rol de médico, tiene como meta proveer salud, las cantidades
motivacionales que posee son profesionalismo, moral, experiencia y debe poseer
un certificado de medicina.
Bibliografía
[1] Ricardo Melo Bastos and Marcelo Blois Ribeiro. MASUP: An Agent-Oriented
Modeling Process for Information Systems. In Ricardo Choren, Alessandro Garcia,
Carlos Lucena, and Alexander Romanovsky, editors, Software Engineering for
Multi- Agent Systems III: Research Issues and Practical Applications Series. 2005.
[2] Michael Becht, T. Gurzki, Jurgen Klarmann, and Matthias Muscholl. ROPE:
Role oriented programming environment for multiagent systems. In Conference on
Cooperative Information Systems, pages 325–333, 1999.
[4] Giacomo Cabri, Luca Ferrari, and Letizia Leonardi. Agent role-based
collaboration and coordination: a survey about existing approaches. In SMC (6),
pages 5473–5478. IEEE, 2004.
[5] Sen Cao, Richard A. Volz, Thomas R. Ioerger, and Yu Zhang. Role-based and
agent-oriental teamwork modeling. In Hamid R. Arabnia and Youngsong Mun,
editors, IC-AI, pages 1190–. CSREA Press, 2002.
[6] Viviane Torres da Silva, Ricardo Choren Noya, and Carlos J. P. de Lucena.
Using the UML 2.0 activity diagram to model agent plans and actions. In AAMAS
‘05: Proceedings of the fourth international joint conference on Autonomous agents
and multiagent systems, pages 594–600, New York, NY, USA, 2005. ACM Press.
[7] Mehdi Dastani, Virginia Dignum, and Frank Dignum. Role-assignment in open
agent societies. In AAMAS ‘03: Proceedings of the second international joint
conference on Autonomous agents and multiagent systems, pages 489–496, New
York, NY, USA, 2003. ACM Press.
[8] Keith Decker. TAEMS: A Framework for Environment Centered Analysis &
Design of Coordination Mechanisms. In Foundations of Distributed Artificial
Intelligence, Chapter 16, pages 429–448. G. O‘Hare and N. Jennings (eds.),Wiley
Inter-Science, January 1996.
[9] Scott A. DeLoach, Mark F. Wood, and Clint H. Sparkman. Multiagent systems
engineering. International Journal of Software Engineering and Knowledge
Engineering, 11(3), 2001.
[10] Nirmit Desai, Amit K. Chopra, and Munindar P. Singh. An overview of business
process adaptations via protocols. In AAMAS ‘06: Proceedings of the fifth
international joint conference on Autonomous agents and multiagent systems,
pages 1326–1328, New York, NY, USA, 2006. ACM Press.
Anexo BB Presentacion
Comparación de metodologías y
arquitecturas de Agentes y
Sistemas MultiAgente en
aplicaciones Medicas y de
servicios E-Salud
INGENIERÍA DE SISTEMAS
2009- -I II
2009
INGENIERÍA DE SISTEMAS
2009- -I II
2009
PLANTEAMIENTO DEL PROBLEMA
INGENIERÍA DE SISTEMAS
2009- -I II
2009
Ciencia dedicada al
estudio de la vida, la
Entidad con
MARCO CONCEPTUAL salud, las enfermedades
y la muerte del ser
capacidad de humano, e implica el
Agentes arte de ejercer tal
resolver problemas Medicina
conocimiento técnico
Conjunto de para el mantenimiento y
agentes que recuperación de la
tienen la Sistemas Multi-agentes salud, aplicándolo al
capacidad de diagnóstico, tratamiento
interactuar en un y prevención de las
entorno común enfermedades.
Alude a la práctica de
BDI cuidados sanitarios
Razonamiento Deductivo Servicios apoyada en
Razonamiento Práctico E-Salud tecnologías de la
Arquitecturas
Reactivas información y las
Híbridas comunicaciones
Deliberativas (TIC).
Agentes y Medicina
Sistemas Multi-agentes Servicios E-Salud
Principales Síntomas y Signos
Zeus Inspección Padecimiento Actual
GAIA Metodologías General Antecedentes
Desarrollo MASIVO Exploración Física
Common KADS
Síndromes
KQML
Evidencias Síntomas
FIPA Protocolos de
Interacción Comunicación
Negociación
Conocimiento
Identificación Exámenes
y Evaluación Ultrasonido
Vigilancia TAC
Automatización
Negociación Aplicaciones
Recolección Datos Conocimiento
Exámenes
Tratamiento
Ultrasonido
INGENIERÍA DE SISTEMAS TAC
2009- -I II
2009
OBJETIVOS DEL TRABAJO DE GRADO
A. Objetivo General.
Realizar una revisión documental con un máximo de cien fuentes de información
sobre aplicaciones de Agentes y Sistemas MultiAgente utilizados en medicina y
en servicios E-Salud, comparando las metodologías y arquitecturas que las
conforman.
B. Objetivos Específicos.
Mostrar en una base de datos las fichas resultantes de la revisión documental
realizada en máximo cien fuentes a partir de criterios de clasificación para las
metodologías y arquitecturas encontradas.
INGENIERÍA DE SISTEMAS
2009- -I II
2009
METODOLOGÍA
Fase 3
Construcción de base de datos.
Construcción de pagina Web.
Entrega del trabajo.
INGENIERÍA DE SISTEMAS
2009- -I II
2009
Resultados Finales
INGENIERÍA DE SISTEMAS
2009- -I II
2009
Resultados Finales
INGENIERÍA DE SISTEMAS
2009- -I II
2009
Resultados Finales
INGENIERÍA DE SISTEMAS
2009- -I II
2009
Resultados Finales
INGENIERÍA DE SISTEMAS
2009- -I II
2009
Resultados Finales
INGENIERÍA DE SISTEMAS
2009- -I II
2009
Resultados Finales
INGENIERÍA DE SISTEMAS
2009- -I II
2009
Resultados Finales
INGENIERÍA DE SISTEMAS
2009- -I II
2009
Resultados Finales
INGENIERÍA DE SISTEMAS
2009- -I II
2009
Resultados Finales
INGENIERÍA DE SISTEMAS
2009- -I II
2009
Resultados Finales
INGENIERÍA DE SISTEMAS
2009- -I II
2009
Modelo Entidad Relación
1.N
1 N
Usuario Buscar Ficha
1.N
1 N
Usuario Buscar Documento
1.N
1 N
Usuario Buscar Aplicación
1.N
1 N
Administrador Manipula Documentos
INGENIERÍA DE SISTEMAS
2009- -I II
2009
Pagina WEB
INGENIERÍA DE SISTEMAS
2009- -I II
2009
CONCLUSIONES
Las arquitecturas mas completas, son las arquitecturas hibridas, que son el resultado de combinar
arquitecturas reactivas y arquitecturas deliberativas, pero al tener esta característica la hacen mas
complejas de desarrollar.
Las arquitecturas reactivas son mas accesibles de implementar en las aplicaciones de medicina
basadas en sistemas de agentes y multiagentes, porque son una cantidad de reglas y de
parámetros que se pueden desarrollar fácilmente.
INGENIERÍA DE SISTEMAS
2009- -I II
2009
Trabajos futuros
INGENIERÍA DE SISTEMAS
2009- -I II
2009