2. 2
Representación formal de una relación, la semántica o acción
condicional es una regla que tiene la siguiente premisa:
Si
Premisa
Entonces
Consecuencia
3. 3
Como sabemos los sistemas expertos utilizan o están
basados en reglas de producción.
Estas reglas representan el conocimiento utilizando el
formato IF-THEN (SI-ENTONCES), donde IF es el antecedente,
premisa, condición o situación y THEN es el consecuente,
conclusión, acción o respuesta.
4. 4
Ofrece una factibilidad para la creación y modificación de la base
del conocimiento, estos coeficientes se van utilizando durante el
proceso de razonamiento mediante las formulas establecidas, el
método asegura que entre más reglas contenga la semántica es
más viable. Sin embargo aunque esta forma de representación es
intuitiva y rápida, cuando el número de reglas es muy grande
aumenta la dificultad de verificación de todas las posibilidades con
el consiguiente riesgo de perder la coherencia lógica del sistema
de base del conocimiento.
5. 5
Los hechos y reglas de base de conocimiento por lo general
no son exactos, es decir, tienen incertidumbre sobre el grado
de certeza de algunos hechos y también sobre el campo de
validez de las reglas.
6. 6
Para el manejo de la incertidumbre en los sistemas de
reglas utilizamos otros sistemas como:
Los factores de certeza utilizados con MYCIN: sistema
experto, desarrollado en 1972 y 1980 por la universidad de
Standford, para la realización de diagnósticos. Su objetivo
radica en aconsejar a los médicos en la investigación y
diagnóstico de las infecciones o afecciones en la sangre
7. 7
Para el manejo de la incertidumbre en los sistemas de
reglas utilizamos otros sistemas como:
La lógica de Dempester Shafer: extensión de la teoría de la
probabilidad, para describir la incertidumbre en la evidencia. Se
centra en la credibilidad de que un evento pueda ocurrir o que ya
haya ocurrido, desde el punto de vista de una persona y de
acuerdo a su toma de decisiones, esta lógica permite que la
evidencia adquirida mediante la observación o experimentación
apoye al mismo tiempo las conclusiones excluyentes o ninguna
conclusión en particular. Fue desarrollada primero en 1967 y
posteriormente retomada en 1976 debido a varias deficiencias en
la teoría de la probabilidad
8. 8
Ejemplo
En una caja existen 100 objetos iguales, 30 de ellos se saben
que son rojos, los 70 restantes son o azules o amarillos, si se
toma un objeto al azar y sin ver, ¿cuál color es el que se
tomará?
Este ejemplo nos dará un resultado definitivo y se puede
definir mediante la inferencia, apoyado por la teoría clásica,
teoría lógica y por la bayesiana (formulas)
9. 9
La lógica Difusa – Fuzzy Logic
La Lógica Difusa proporciona un mecanismo de inferencia
que permite simular los procedimientos de razonamiento
humano en sistemas basados en el conocimiento.
La teoría de la lógica difusa proporciona un marco
matemático que permite modelar la incertidumbre de los
procesos cognitivos humanos de forma que pueda ser
tratable por un computador.
10. 10
La lógica Difusa – Fuzzy Logic
El método de tratar la incertidumbre es una de las
características más importantes de las herramientas
desarrollo y se encuentra en discusión su validez, en su
sustitución se utilizan las redes Bayesianas que tienen
una matemática más firme, probada y viable en el
actual campo de investigación. Es una lógica
multivaluada que permite representar matemáticamente
la incertidumbre y la vaguedad, proporcionando
herramientas formales para su tratamiento.
Básicamente, cualquier problema del mundo puede
resolverse como dado un conjunto de variables:
11. 11
La lógica Difusa – Fuzzy Logic
·de entrada => espacio de entrada,
·obtener un valor adecuado de variables de
salida =>espacio de salida.
La lógica difusa permite establecer este mapeo
de una forma adecuada, atendiendo a criterios
de significado y no de precisión, se utiliza en un
amplio sentido, agrupando la teoría de conjunto
difusos, reglas si-entonces, aritmética difusa y
cuantificadores.
