tema 6 razonamiento aproximado n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Tema 6 Razonamiento aproximado PowerPoint Presentation
Download Presentation
Tema 6 Razonamiento aproximado

Loading in 2 Seconds...

play fullscreen
1 / 14

Tema 6 Razonamiento aproximado - PowerPoint PPT Presentation


  • 189 Views
  • Uploaded on

Tema 6 Razonamiento aproximado. Ampliación de Ingeniería del Conocimiento Eva Millán. Esquema del tema. 6.1. Introducción al razonamiento aproximado 6.2. El modelo de factores de certeza 6.3. Conjuntos difusos 6.4. Redes bayesianas 6.5. El lenguaje Fuzzy Clips y la herramienta HUGIN

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Tema 6 Razonamiento aproximado' - calandra


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
tema 6 razonamiento aproximado

Tema 6Razonamiento aproximado

Ampliación de Ingeniería del Conocimiento

Eva Millán

esquema del tema
Esquema del tema
  • 6.1. Introducción al razonamiento aproximado
  • 6.2. El modelo de factores de certeza
  • 6.3. Conjuntos difusos
  • 6.4. Redes bayesianas
  • 6.5. El lenguaje Fuzzy Clips y la herramienta HUGIN
  • 6.6 Aplicaciones al diagnóstico y el control

TEORÍA

PRÁCTICA

6 1 introducci n al razonamiento aproximado
6.1. Introducción al razonamiento aproximado
  • Necesidad de razonamiento aproximado
  • Apuntes históricos
necesidad de razonamiento aproximado i
Necesidad de razonamiento aproximado (I)
  • El modelo ideal del razonamiento (humano o mecánico) es el razonamiento exacto.
  • En mundo real se suele razonar con información que es:
    • incierta
    • imprecisa
necesidad de razonamiento aproximado ii
Necesidad de razonamiento aproximado (II)
  • Clasificación de las fuentes de incertidumbre:
    • Deficiencias de la información,
    • Características del mundo real,
    • Deficiencias del modelo.
necesidad de razonamiento aproximado iii
Necesidad de razonamiento aproximado (III)
  • Ejemplos:
    • Información incompleta
    • Información errónea
    • Información imprecisa
    • Mundo real no determinista
    • Modelo incompleto
    • Modelo inexacto
necesidad de razonamiento aproximado iv
Necesidad de razonamiento aproximado (IV)
  • Todas estas fuentes de incertidumbre se dan en:
    • ciencias naturales,
    • ingeniería,
    • derecho,
    • humanidades
    • problemas típicos de AI:
      • reconocimiento del lenguaje natural (hablado/escrito),
      • aprendizaje,
      • visión artificial,
      • robótica,
      • recuperación de información,
      • juegos complejos
      • sistemas adaptativos
necesidad de razonamiento aproximado v
Necesidad de razonamiento aproximado (V)
  • En resumen, el tratamiento de la incertidumbre es, junto con la representación del conocimiento y el aprendizaje, uno de los problemas fundamentales de la Inteligencia Artificial
  • Nos centraremos en los llamados métodos numéricos
apuntes hist ricos i
Apuntes históricos (I)
  • 1. Método probabilista clásico
    • En el siglo XVIII, Bayes y Laplace propusieron la probabilidad como una medida de la creencia personal.
    • Con el método probabilístico clásico se construyeron los primeros sistemas de diagnóstico médico
    • Inconvenientes principales:
      • gran cantidad de parámetros (probabilidades)
      • gran complejidad computacional
      • poca verosimilitud de las hipótesis simplificadoras
apuntes hist ricos ii
Apuntes históricos (II)
  • 2. Programación basada en reglas (años 60-70)
    • Dendral utiliza con éxito la programación basada en reglas
    • Los creadores de MYCIN buscaban un método de computación eficiente que pudiera adaptarse al razonamiento mediante encadenamiento de reglas.
    • Desarrollan un método propio, consistente en asignar a cada regla un factor de certeza.
    • Aunque el sistema obtiene excelentes resultados, éstos se deben más a la potencia del conjunto de reglas que al modelo de factores de certeza en sí, que hoy en día sabemos que tiene graves deficiencias.
apuntes hist ricos iii
Apuntes históricos (III)
  • 3. A principio de los años 80, Judea Pearl retoma el modelo probabilístico creando las redes bayesianas
    • Este acontecimiento cambia completamente el escenario
    • Modelo probabilista inspirado en la causalidad
    • El modelo probabilístico tiene asociado un modelo gráfico, cuyos nodos representan variables y cuyos arcos representan mecanismos causales
    • Extraordinario desarrollo experimentado por las redes bayesianas en las dos últimas décadas
    • Se han construido modelos de diagnóstico y algoritmos eficientes para problemas con miles de variables
    • Las universidades más importantes y las empresas punteras de informática tienen grupos de investigación dedicados a este tema
apuntes hist ricos iv
Apuntes históricos (IV)
  • Ejemplos de empresas que utilizan redes bayesianas:
    • Microsoft (Windows 95/98, Office 97/200)
    • Digital,
    • Hewlett Packard, diagnóstico de problemas de impresión
    • IBM,
    • Intel,
    • Siemens
    • Nokia
apuntes hist ricos v
Apuntes históricos (V)
  • 4. En paralelo, Lofti Zadeh sienta las bases de la lógica difusa.
    • Motivación inicial: estudio de la vaguedad

Relación vaguedad  incertidumbre

    • Paradoja del céntimo de euro
    • Solución: definir conjuntos con grados de pertenencia
    • Muchas áreas de las matemáticas y la lógica se han “difuminado” desde entonces.
resumen
Resumen
  • Métodos numéricos de tratamiento de la incertidumbre más importantes:
    • Método probabilístico clásico
    • Factores de certeza
    • Lógica difusa
    • Redes bayesianas relaciones causa-efecto
  • El debate sobre el método más adecuado permanece abierto.

*

reglas SI...ENTONCES

*

*