Una introducción a la Inteligenca Artificial (IA)


Arquitecturas basadas en Reglas



Descargar 2.01 Mb.
Página15/29
Fecha de conversión20.03.2018
Tamaño2.01 Mb.
1   ...   11   12   13   14   15   16   17   18   ...   29

2.27 Arquitecturas basadas en Reglas


El tipo de conocimiento descrito con sistemas basados en reglas varían significativamente en complejidad.

Algunas veces las conclusiones derivadas de las reglas pueden ser hechos que se identifican en forma exacta con las premisas de otras reglas. En estos casos, se puede visualizar una base de conocimientos como una red de reglas y hechos interconectados.

En otros casos, las conclusiones derivadas pueden ser más generales. Como resultado, la visualización de la base de conocimiento como una red, no es posible aplicarla. En lugar de esto, nos vemos forzados a pensar que las conclusiones derivadas de las reglas son una colección de hechos que podrían o no unificarse o identificarse con los varios patrones descritos por las premisas de otras reglas.

Esto da como resultado dos tipos de estructuras y organizaciones al conocimiento contenido dentro de un sistema basado en reglas: redes de inferencia y sistemas de unificación de patrones.

Cabe señalar que ambas arquitecturas pueden trabajar con encadenamiento progresivo o regresivo. Sin embargo, tradicionalmente se ha utilizado el proceso de razonamiento regresivo en redes de inferencia y el proceso de razonamiento progresivo en sistemas de unificación de patrones.

2.28 Redes de Inferencia


Una red de inferencia puede ser representada como un gráfico en el que los nodos representan parámetros que son los hechos obtenidos como datos o derivados de otros datos. Cada parámetro es una declaración acerca de algún aspecto del problema bajo análisis y puede servir como un antecedente o consecuente de una regla. Estas declaraciones pueden copar un rango que va desde la conclusión final de un sistema, hasta hechos simples, observados o derivados. Cada uno de estos parámetros puede tener uno o más valores asociados, donde cada valor tiene una medida correspondiente de incertidumbre que representa cuan creíble es el valor particular de un parámetro.

Las reglas en el sistema están representadas dentro del gráfico por las interconexiones entre los varios nodos. Este conocimiento es utilizado por el proceso de inferencia para propagar resultados a través de la red.

Nótese que todas las interconexiones entre los varios nodos de la red de inferencia son conocidas previa a la ejecución del sistema. Esto trae como consecuencia la minimización del proceso de búsqueda de hechos que se identifiquen con las premisas. Adicionalmente, simplifican la implementación del mecanismo de inferencia y el manejo de las facilidades de explicación.

Las redes de inferencia son muy útiles para dominios donde el número de diferentes soluciones alternativas es limitado. Por ejemplo, la clasificación de elementos en las ciencias naturales y problemas de diagnóstico. Una red de inferencia es fácil de implementar, pero es menos poderosa ya que se debe conocer de antemano todas las relaciones entre reglas y hechos.

Sistemas comerciales de desarrollo, basados en esta arquitectura son los siguientes: Personal Consultant, EXSYS, y VP-Expert.

2.29 desventajas de las Reglas de Producción


Algunos problemas existen en los sistemas basados en reglas. Estos problemas caen dentro de una de las siguientes categorías: encadenamiento infinito; incorporación de conocimiento nuevo contradictorio, y; modificación de reglas existentes.

Desventajas adicionales pueden ser: ineficiencia (necesidad de modularizar o de introducir meta reglas), opacidad (dificultad de establecer relaciones), adaptación al dominio (rápido crecimiento del número de reglas).



El conocimiento acerca de las reglas de producción se denomina METARREGLA. Las meta reglas facilitan y aceleran la búsqueda de soluciones.

2.30 Ventajas de las Reglas de Producción


A pesar de las desventajas anotadas, los sistemas basados en reglas han permanecido como los esquemas más comúnmente utilizados para la representación del conocimiento. Como ventajas significativas se pueden mencionar las siguientes: modularidad, uniformidad y naturalidad para expresar el conocimiento.

UNIDAD III RESOLUCIÓN DE PROBLEMAS MEDIANTE TÉCNICAS DE IA




3.1 Problemas


Los problemas en IA son muy variados. Sin embargo, para construir cualquier sistema en IA que resuelva un problema específico, es necesario realizar las siguientes acciones [Winston, 94]:


  1. Definir el problema con precisión.

  • Donde nos encontramos y adonde queremos llegar.






  1. Analizar el problema para determinar sus caracterísitcas relevantes.

  • Como esta integrado el problema

  • Descomonerlo en partes si se puede.






  1. Aislar y representar el conocimiento necesario para resolver el problema.






  1. Elegir la mejor técnica para resolver el problema.

  • Decidir de varias posibles soluciones la que mayor eficiencia tenga.










Compartir con tus amigos:
1   ...   11   12   13   14   15   16   17   18   ...   29


La base de datos está protegida por derechos de autor ©psicolog.org 2019
enviar mensaje

    Página principal
Universidad nacional
Curriculum vitae
derechos humanos
ciencias sociales
salud mental
buenos aires
datos personales
Datos personales
psicoan lisis
distrito federal
Psicoan lisis
plata facultad
Proyecto educativo
psicol gicos
Corte interamericana
violencia familiar
psicol gicas
letras departamento
caracter sticas
consejo directivo
vitae datos
recursos humanos
general universitario
Programa nacional
diagn stico
educativo institucional
Datos generales
Escuela superior
trabajo social
Diagn stico
poblaciones vulnerables
datos generales
Pontificia universidad
nacional contra
Corte suprema
Universidad autonoma
salvador facultad
culum vitae
Caracter sticas
Amparo directo
Instituto superior
curriculum vitae
Reglamento interno
polit cnica
ciencias humanas
guayaquil facultad
desarrollo humano
desarrollo integral
redes sociales
personales nombre
aires facultad