Documente Academic
Documente Profesional
Documente Cultură
3 REGLAS DE PRODUCCION
Regla se entiende como una proposicin lgica que relaciona 2 o ms objetos e incluye 2
partes, la premisa y la conclusin. Cada una de estas partes consiste en una expresin lgica
con una o ms afirmaciones objeto-valor conectadas mediante los operadores lgicos y, o
no.
Reglas de produccin. Es un mtodo procedimental de representacin del conocimiento,
pone nfasis en representar y soportar las relaciones inferenciales del algoritmo, en
contraposicin a los mtodos declarativos (hechos).
La estructura de una regla es:
SI <antecedentes>
ENTONCES <consecuentes>
Los antecedentes son las condiciones y los consecuentes las conclusiones, acciones o
hiptesis.
Cada regla por si misma constituye un grnulo completo de conocimiento.
La inferencia en los Sistemas Basados en Reglas se realiza mediante emparejamiento. Hay
dos tipos, segn el sentido:
Sistemas de encadenamiento hacia adelante: una regla es activada si los antecedentes
emparejan con algunos hechos del sistema.
Sistemas de encadenamiento hacia atrs: una regla es activada si los consecuentes
emparejan con algunos hechos del sistema.
Arquitectura de los Sistemas Basados en Reglas:
Base de Conocimientos: rene todo el conocimiento del sistema (Hechos + Reglas).
Memoria Activa: contiene los hechos que representan el estado actual del problema
(iniciales + inferidos a posteriori) y las reglas activadas (en condiciones de ser ejecutadas).
Motor de Inferencias: decide que reglas activadas se ejecutarn.
3.4 SINTAXIS DE LAS REGLAS DE PRODUCCION
Mtodo procedimental de representacin del conocimiento
Estructura
SI <condiciones>
ENTONCES <conclusiones, acciones, hiptesis>
Cada regla SI-ENTONCES establece un granulo completo de conocimiento
Regla_ Operador valido en un espacio de estados
CONDICIONES (tb. premisas, precondiciones, antecedentes,...)
Formadas por clausulas y conectivas (AND, OR, NOT)
Representacin clausal debe corresponderse con conocimiento del dominio
Formato tpico: <parmetro/relacin/valor>
PARMETRO: caracterstica relevante del dominio
RELACIN: entre parmetro y valor
VALOR: numrico, simblico o literal
Tambin en forma de predicados lgicos
CONCLUSIONES, ACCIONES, HIPTESIS (tb. consecuentes,...)
Conclusiones, Hiptesis: conocimiento declarativo
Acciones: cq. Accin procedimental (actualiza. conocimiento, interaccin con
Exterior etc...)
REGLAS ESPECIALES
Reglas IF ALL: equivalen a reglas con las clusulas de las condiciones conectadas con
AND
Reglas IF ANY/ IF SOME: equivalen a reglas con las clusulas de las condiciones
conectadas con OR
EJEMPLO
IF: temperatura = alta
AND sudoracin = presente
AND dolor_muscular = presente
THEN: diagnostico_preliminar = gripe
IF: diagnostico_preliminar = gripe
AND descompos_organos_internos = presente
THEN: diagnostico_preliminar = _abola
SISTEMAS BASADOS EN REGLAS DE PRODUCCIN
Reglas_ Operadores en bsquedas en espacio de estados
Inferencia similar al MODUS PONENS (con restricciones)
Sintaxis relajada
Se permiten acciones en los consecuentes
Mecanismo de control determina que inferencias se pueden realizar
TIPOS de SISTEMAS
Los hechos y las reglas asociadas de la base de conocimiento normalmente no son exactos;
es decir se tiene incertidumbre sobre el grado de certeza de algunos hechos y tambin sobre
el campo de validez de algunas de las reglas. Para el manejo de la incertidumbre en los
sistemas de reglas se han utilizado varios sistemas; los tres ms conocidos son los Factores
de Certeza (utilizados en MYCIN), la lgica de Dempster Shafer, y la Lgica Difusa
(Fuzzy Logic). El mtodo de tratar la incertidumbre es una de las caractersticas ms
importantes de las herramientas de desarrollo, y actualmente se encuentra en discusin la
validez de estas lgicas para tratar con la incertidumbre. En sustitucin se han propuesto las
Redes Bayesianas que tienen una base matemtica ms firme. De todas formas es un campo
actual de investigacin que permanece abierto.
3.5.1.- CONOCIMIENTO CASUAL
Relacin que vincula dos ideas a travs de una conexin supuestamente necesaria.
Es uno de los tres principios de asociacin.
La causalidad no tiene carcter necesario cuando se aplica a las cuestiones de hecho, sino
que se funda en la costumbre: la repeticin (o conjuncin constante) no es ms que una
creencia; es algo que esperamos que suceda, no algo que deba suceder necesariamente sino
algo que debe ser evaluado en trminos de posibilidad. En la medida en que el concepto de
causalidad no puede aplicarse a hechos que todava no han sucedido, porque no tenemos
evidencia lo todava no acaecido, la falta de un concepto de causalidad nos conduce
necesariamente al escepticismo.
3.5.2.- CONOCIMIENTO DE DIAGNOSTICO
El problema del diagnstico ha sido, desde los comienzos de la IA, uno de los ms
estudiados y donde los investigadores han cosechado tanto satisfacciones como fracasos. El
diagnostico en el campo de la medicina es sin duda, una de las reas de la IA que supone
todava una gran desafi. Una de las caractersticas ms frecuentes en resolucin del
problema del diagnstico en dominios reales es la necesidad de trata con la dimensin
temporal. As, una vez propuesto un modelo terico, una tendencia cada vez ms habitual a
la hora de desarrollar sistemas de diagnstico temporal es necesario abordar el problema
del diagnstico temporal desde diferentes enfoques, permitiendo seleccionar cual es la
aproximacin ms adecuada para cada problema concreto es simplificar el dominio para
que el modelo inicial sea aplicable.
3.6 ARQUITECTURA DE UN SISTEMA DE PRODUCCION
Los Sistemas basados en reglas difusas (SBRD) tienen una serie de aplicaciones diversas,
pero fundamentalmente son usados para:
Modelado de sistemas
Usado para representar escenarios de actuacin con variables complejas, en los cules no
basta con usar realidades absolutas como lo sera un cierto o falso.
3.6.1.- HECHOS
Base de hechos, que alberga los datos propios correspondientes a los problemas que se
desea tratar con la ayuda del sistema. Asimismo, a pesar de ser la memoria de trabajo, la
base de hechos puede desempear el papel de memoria auxiliar. La memoria de trabajo
memoriza todos los resultados intermedios, permitiendo conservar el rastro de los
razonamientos llevados a cabo. Puede, por eso, emplearse para explicar el origen de las
informaciones deducidas por el sistema en el transcurso de una sesin de trabajo o para
llevar a cabo la descripcin del comportamiento del propio sistema experto. Al principio del
perodo de trabajo, la base de hechos dispone nicamente de los datos que le ha introducido
el usuario del sistema, pero, a medida que va actuando el motor de inferencias, contiene las
cadenas de inducciones y deducciones que el sistema forma al aplicar las reglas para
obtener las conclusiones buscadas.
Las reglas de produccin son de tipo: SI ENTONCES (SI A ENTONCES B). Donde tanto
las premisas como la conclusin, no son ms que una cadena de hechos conectados por Y
o por O, de forma general seria: SI Y/O Y/O..ENTONCES Y/O Los hechos son
afirmaciones que sirven para presentar conceptos, datos, objetos, etc. Y el conjunto de
hechos que describen el problema es la base de hechos. Ejemplo de hechos: Juan es un
estudiante Juan tiene 8 aos El perro es blanco A Mara le gusta el cine Pedro prefiere la
pelcula La edad de Luis es de 25 aos Pedro tiene un salario de 200 pesos Una regla es una
combinante de hechos que permite representar conocimientos y sacar inferencia de los
mismos. Ejemplo de reglas R1: si y entonces R2: SI Y ENTONCES R3: SI Y ENTONCES
Observe como partiendo de hechos conocidos que describen algn conocimiento se pueden
inferir nuevos hechos (nuevos conocimientos).
3.6.2.- BASE DE CONOCIMIENTOS
A base de conocimiento (o knowledgebase; abreviado KB, es una clase especial de base de
datos para gerencia del conocimiento. Proporciona los medios para la coleccin
automatizada, organizacin, y recuperacin de conocimiento. Apenas pues tiene costumbre
convertido de escribir base de datos pues una palabra l es cada vez ms comn en
informtica escribir knowledgebase como una palabra (un acercamiento del interino era
escribir el trmino con un guin).
Las bases de conocimiento se categorizan en dos tipos importantes:
Bases de conocimiento legibles por la mquina almacene el conocimiento en una forma
legible por computador, generalmente con el fin automatizando razonamiento deductivo
aplicado a ellos. Contienen un sistema de datos, a menudo bajo la forma de reglas que
describan el conocimiento en a lgicamente constante manera. Operadores lgicos, por
ejemplo Y (conjuncin), O (separacin), implicacin material y negacin puede ser
utilizado construirlo para arriba del conocimiento atmico. Por lo tanto, la deduccin
clsica se puede utilizar para razonar sobre el conocimiento en la base de conocimiento.