Post on 13-Jun-2015
description
Métodos de Representación del
Conocimiento en Inteligencia Artificial
REPUBLICA BOLIVARIANA DE VENEZUELAUNIVERSIDAD FERMIN TOROFACULTAD DE INGENIERIACABUDARE – EDO. LARA
Linda BartoloméC.I. 10860026
Inteligencia Artificial Prof.: Ing.Edecio Freitez
Metodologías de Representación del ConocimientoMetodologías de Representación del Conocimiento en Inteligencia Artificialen Inteligencia Artificial
En las metodologías de Representación manejamos dos entidades:
HECHOS: Las verdades que se quieren representar.
REPRESENTACION: En un determinado formalismo, las entidades que queremos manipular.
Ontología: Forma de representar los conceptos de interés de un determinado dominio o conocimiento, análogo a una base de datos.
METODOLOGIAS:
Declarativas: Separación entre conocimiento y estructura de control lógica: expresiones declarativas (fbf), sistemas de producción: (bh, rp, ec), prolog
Procedimentales:
Unión entre el conocimiento y la estructura de control. orden dependiente, procedimientos y funciones.
Metodologías de Representación del ConocimientoMetodologías de Representación del Conocimiento en Inteligencia Artificialen Inteligencia Artificial
METODOLOGIAS:
Estructurales:
Estructuración del conocimiento. propiedades inferenciales: herencia, transitividad, asociatividad. redes semánticas, frames.
Metodologías de Representación del ConocimientoMetodologías de Representación del Conocimiento en Inteligencia Artificialen Inteligencia Artificial
Metodologías de Representación del ConocimientoMetodologías de Representación del Conocimiento en Inteligencia Artificialen Inteligencia Artificial
FORMAS DE REPRESENTACION DEL CONOCIMIENTO MAS USADAS:
Reglas de producción o Reglas de inferencia
Redes semánticas
Marcos (Frames).
Propiedades de clases:prop(persona,ciudad,sevilla).prop(alumno,estado,soltero).prop(profesor,estado,casado).
Propiedades de instancias:prop(juan,edad,19).prop(luis,edad,24).
Metodologías de Representación del ConocimientoMetodologías de Representación del Conocimiento en Inteligencia Artificialen Inteligencia Artificial
ESTRUCTURALES
A ) Redes Semánticas:
Elementos básicos: Estructuras de datos en nodos, que representan conceptos, unidas por arcos que representan las relaciones entre los conceptos.Un conjunto de procedimientos de inferencia que operan sobre las estructuras de datos.
Representación
Relaciones entre clases:es_un(persona,inicio).es_un(alumno,persona).es_un(profesor,persona).
Relaciones entre instancias y clases:inst(juan,alumno).inst(pedro,profesor).
Ejemplo: El lenguaje de las redes semánticas tiene como alfabeto nodos etiquetados y arcos dirigidos etiquetados.
B ) FRAMES:
Elementos básicos: son una forma de expresar las redes semánticas textualmente, pero además pueden incluir representaciones de conocimiento procedimental. cada nodo correspondiente a un objeto o a una clase se convierte en un marco, que consta de una primera línea con el nombre del marco y una sucesión de líneas, llamadas «ranuras» (slots).
Representación o Sintaxis
<ranura> ::= <nombre de relación>: <objeto relacionado> | <nombre de relación>: <clase relacionada> | <nombre de propiedad>: <valor de la propiedad> | <nombre de propiedad>: (excep) <valor de la propiedad> | <nombre de propiedad>: if_needed <procedimiento> | <nombre de propiedad>: if_added <procedimiento> <nombre de relación> ::= es_un | tipo_de | <relacion específica de la aplicación>
Metodologías de Representación del ConocimientoMetodologías de Representación del Conocimiento en Inteligencia Artificialen Inteligencia Artificial
marco_avestruz descripcion: caracterización básica de un avestruz autor : Prof. Ornito fecha : 31/12/2000 tipo_de : ave patas : largas vuela : (exc) no_puede
Ejemplo:
C ) Reglas de Producción o Inferencia
Una regla es una combinación de hechos que permite representar conocimientos y sacar inferencias de los mismos.
Ejemplo de reglas:
R1: SI (Fausto es un estudiante) Y (Fausto tiene 10 años) Entonces (Fausto estudia en la primaria).
R2: SI (la perra es blanca) Y (la perra se llama Floppy) ENTONCES (la perra es de Fausto).
Las reglas de producción son del tipo:SI (premisas) ENTONCES (conclusión) (SI A ENTONCES B).
Donde tanto las premisas como la conclusión, no son más que una cadena de hechos conectados por "Y" o por "O", de forma general sería:
SI (hecho1) Y/O (hecho2) Y/O......(hechoN) ENTONCES (hecho1) Y/O .....(hechoN).
Metodologías de Representación del ConocimientoMetodologías de Representación del Conocimiento en Inteligencia Artificialen Inteligencia Artificial
DECLARATIVAS:
A) Lógica Proposicional
Lenguaje de representación que nos permite expresar y razonar con sentencias que sor verdaderas o falsas.
Conectivas Lógicas: Permite construir nuevas proposiciones (PROPOSICIONES COMPUESTAS) a partir de otras. Solo afectan a las proposiciones inmediatas.Negación:¬ disyunción: v ^ (y) implicación: → (si entonces) (no)Conjunción: (o) bi-implicación: ↔ (si y solo si)
Ejemplo:G = "El elefante es un gran animal"
Metodologías de Representación del ConocimientoMetodologías de Representación del Conocimiento en Inteligencia Artificialen Inteligencia Artificial
DECLARATIVAS:
B) Lógica de Predicados
Lenguaje:
Símbolos de predicado (P,Q,...), representan una relación en un dominio P(t1, ....., tn) , n ≥ 0(ti: términos)(Proposiciones atómicas: símbolos de predicado 0-arios.)
Variables ( x, y, z ).Símbolos de función (f, g, h ): f(t1, ....., tn) , n (f:Dn → D).∈Símbolos de función 0-arios =constantes.Conectivas lógicas: ¬ ^ v → ↔Cuantificador universal , Cuantificador existencial .∀ ∃
∀ x: "para todo x" x: "existe un x"∃Un conjunto de símbolos auxiliares: ( { , etc.
Metodologías de Representación del ConocimientoMetodologías de Representación del Conocimiento en Inteligencia Artificialen Inteligencia Artificial
METODOLOGIA APLICADA PARA LA METODOLOGIA APLICADA PARA LA REPRESENTACION DEL CONOCIMIENTOREPRESENTACION DEL CONOCIMIENTO
Cuando apliquemos cualquiera de los métodos de representación del conocimiento mencionados anteriormente debe ser de tal forma que cumpla con las siguientes propiedades: Capacidad expresiva, Capacidad Deductiva, Eficiencia Deductiva, Eficiencia en la Adquisición.
GRACIAS POR SU ATENCION!