AXON.
‘Via de salida de wna neurona.
También es el nombre propio
de un Ienguaje descriptor de
Redes Neuralescomercializado
por ta firma Hecht-Nielsen
‘eurocomputing Corporation.
BASE DE CONOCIMIENTOS:
Subsistema que representa Jos
CONOCIMIENTOS de ua
dominio dado, de manera acce-
siblo y manipulable por un
“MECANISMO DEINFEREN-
cla’,
BLOQUES, MUNDO DE LOS
Pequetio “mundo” artificial ea
donde existen solamente cier-
ios poliedros sobre una superti-
ie, Ha sido utitizado para do-
sarrollar ideas sobre visién de
maquina, planeamieato de ac-
tividades y manipulacion de
objetos, robética y comprensiéa
de 6rdenes dadas en Senguaje
natural.
CACHING (inglés)
Almacenaje de wna respuesta 5
un problema frecuente para
evilar la repeticidn de esfuer-
zos anteriores, (Caso de “Saber
de memoria"). Véase APREN-
DER DE MEMORIA.
CAPACIDAD SENSORIAL
EXTEROCEPTIVA
‘Agvella que proporciona a un
sobot conocimiento de su en-
torno, Esta puedo incluir la
medicién de pardmetres y la
percepeién de formas.
CAPACIDAD SENSORIAL
PROPIOCEPTIVA
‘Aquella que proporcicaa al robot
informacién sobre si mismo tal
come posicién, velocidad y es-
fuerzos de sus elementos.
CASI-EJEMPLO (ing): “near
miss")
‘Un ANTIEJEMPLO que es muy
similar a un EJEMPLO. Los
casi-ejemplos son muy utiles
para aislar rasgos importantes
en el aprendizaje a partir de
ejemptos,
COEFICIENTE ADAPTATIVO
Valor ponderader asociado con
cada entrada de un Elemento
Procesador (en Redes Neus
ronales}. Pondera el efecto de
esa entrada sobre la salida det
elementa procesadar. Nar-
malmente tos oveficientes soa
ajustables en respuesta 2 en-
tradas exégenas, ese proceso de
ajuste se denomina “Aprenci+
raja”.
COMPILACION DE CONO-
CIMIENTOS
‘Traduccién de unos conocimien-
tos desde una forma declara-
tiva quo ne puedo ser direc-
tamonte utilizada hecia una
forma procedimental, Por ejem-
plo, convertir una’ recomen-
dacién de “qué bacer” en ins-
trucsionea precisas decémoha-
corlo,
40 Apociacién de Usuarios de Camputadaren
COMPOSICION
Agmupacién de una seevenes
de REGLAS DE PRODUCCION
operadores en un sola reglau
operador.
COMPUTADOR NEURAL <
‘Véaso NEUROCOMPUTADOR:
COMPUTADOR NEUROMOR.
FO = Véase NEUROCOMPU-
TADOR
COMPUTADOR OPTICONEU-
RAL,
‘Newrocomputador iampleaenta-
do con base en fenémenos épti-
‘cos como Ja hologratia y los
materiales con indice de refrac-
Giéa variable segin Ja lus, AGn
extén on etapa experimental,