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,