Documente Academic
Documente Profesional
Documente Cultură
Docente:
Ing. Roberto Carlos Arteaga Lora
Integrantes:
Carrasco Carmona Dante Xavier
ALGORITMO SUPERVISADO
SISTEMAS EXPERTOS BASADO EN REGLAS
Hay muchos casos en los que podemos resolver situaciones complejas haciendo uso de
reglas deterministas, hasta el punto de que su uso consigue sistemas automáticos que se
comportan como humanos expertos en un dominio particular permitiendo tomar decisiones
delicadas como, por ejemplo: en sistemas de control de tráfico, transacciones bancarias, o
diagnóstico de enfermedades.
Entre las opciones disponibles, los sistemas basados en reglas se han convertido en una de
las herramientas más eficientes para tratar de manera eficiente una buena colección de
problemas, ya que las reglas deterministas constituyen la más sencilla de las metodologías
utilizadas en sistemas expertos. En estos sistemas, la base de conocimiento de la que se
parte contiene las variables y el conjunto de reglas que definen el problema, y el motor de
inferencia es capaz de extraer conclusiones aplicando métodos de la lógica clásica sobre
esta base. Una regla en este contexto es una proposición lógica que relaciona dos o más
objetos del dominio e incluye dos partes, la premisa y la conclusión, que se suele escribir
normalmente como “Si premisa, entonces conclusión”. Cada una de estas partes es una
expresión lógica con una o más afirmaciones objeto-valor conectadas mediante operadores
lógicos (y, o, o no).
MARCO CONCEPTUAL
Un sistema experto está diseñado para trabajar como si fuera una persona experta en algún
tema específico. Trata de replicar o de simular el conocimiento que han adquirido estas
personas basándose en las herramientas que ofrece la inteligencia artificial. Su función
principal es tratar de ofrecer soluciones que puedan resolver problemas prácticos o también
la creación de conocimiento nuevo.
Interface de Usuario: es la parte del sistema experto basado en reglas con la que
interactúa el usuario.
Usuario: es la persona que consulta el sistema para obtener una respuesta. Con la
información que provee se trata de generar una conclusión y si es ambigua se
obtiene más información de parte del usuario.
Reglas y Estrategias de Inferencia y Control
Estas son las que utiliza el motor de inferencia para poder obtener conclusiones. (Cabrera,
2010-2011) Para poder encontrar todas las posibles soluciones o conclusiones hay que
utilizar varias reglas y estrategias del sistema experto.
INTELIGENCIA ARTIFICIAL
Modus Tollens: Si se tiene una regla en la cual la conclusión es falsa, entonces se infiere
que la hipótesis también es falsa. Es una regla muy sencilla pero es menos utilizada que
Modus Ponens.
Entre las desventajas principales que han llevado a complementarlo o sustituirlo con otros
procedimientos de razonamiento podemos destacar:
1. Relaciones opacas entre reglas: Aunque las reglas de producción son muy simples
desde un punto de vista individual, las interacciones que se producen a larga
distancia entre la red de reglas existentes pueden ser muy opacas, lo que hace que
generalmente sea difícil saber qué papel juega una regla en particular en la
estrategia global de razonamiento que hay detrás.
3. Incapaz de aprender: los sistemas de reglas sin aditivos no son capaces de aprender
de la experiencia, por lo que haber extraído un conocimiento nuevo del sistema no
INTELIGENCIA ARTIFICIAL
proporciona métodos para poder aprender más cosas de forma más rápida
posteriormente.
CONCLUSIONES E IMPLICACIONES
Así como una persona que tiene un amplio conocimiento en un determinado tema, un
sistema experto puede simular adquirir y almacenar ese conocimiento. El sistema basado en
reglas, uno de los más sencillos, permite generar un sistema experto mediante la creación
de una base de conocimiento que consta de una serie de reglas, las cuales permiten llegar a
una conclusión o solución a partir de las premisas (información o hechos de entrada al
sistema).
Al ser sistemas muy rígidos, solo permiten resolver problemas deterministas, ya que no dan
lugar a un error o incertidumbre. Pero como vemos la cantidad de problemas que se pueden
resolver es muy grande y se han desarrollado sistemas expertos basados en reglas para dar
solución a múltiples problemas, problemas en los cuales se consulta al sistema de una
manera similar a como se consulta un experto en la materia.
No se pretende eliminar a las personas expertas en la materia, ya que se depende de ellos
para crear este tipo de sistemas expertos, sino brindar una alternativa para personas que no
tienen acceso a los expertos ya sea por cuestiones de tiempo, distancia o finanzas. De
manera automática e incluso en línea se pueden brindar soluciones a un mayor número de
usuarios que consultando a una persona experta.
Bibliografía
Alejandro, B. R. (2013). Monografía Sobre Sistemas Expertos. Argentina: Universidad Nacional del
Nordeste.
ALGORITMO NO SUPERVISADO
ALGORITMO KMEANS
Puede ser utilizado para:
- Segmentación de clientes
- Detección de genes que se comportan de la misma manera
- Análisis de relaciones en redes sociales
- Agrupación de documentos
- Recomendaciones musicales o de contenidos
Es un método no supervisado que sirve para hacer agrupaciones de objetos o individuos en base a la
similitud de sus características.
VENTAJAS
- Fácil de implementar
- Es útil para segmentar grandes cantidades de datos
- Computacionalmente es menos costoso que el clustering jerárquico
- Ha sido utilizado con bases de datos reales, dando buenos resultados
DESVENTAJAS
- Se necesita conocer de antemano la cantidad de clusters a formar
- Debido a que los grupos se forman en base a las distancias, solamente maneja variables
numéricas
- La calidad de los clusters depende en gran medida de los valores con los que se
inicializa el algoritmo
- Puede ser optimo localmente, pero no globalmente
- El resultado se ve muy afectado por los valores atípicos
VARIANTES DE K-Means
K-Modas:
INTELIGENCIA ARTIFICIAL
- Divide las bases de datos en subconjuntos que se van procesando en cada paso del
algoritmo.
Si no contamos con información previa, podemos utilizar para determinar la cantidad de clusters:
- Codo de Jambú
- Coeficiente de silueta
- Indice de Dunn
- Davies-Bouldin Index
- Clustering jerárquico
SIMILITUDES
- Se pueden utilizar en complemento para dar un diagnóstico.
DIFERENCIAS
SISTEMAS EXPERTOS
K MEANS
BASADOS EN REGLAS
INTELIGENCIA ARTIFICIAL
NO SE SABE COMO VA
PREDICE RESPUESTAS
AGRUPAR LOS ATRIBUTOS EL
MEDIANTE REGLAS.
ALGORITMO.