Upload
blanca-goyeneche
View
58
Download
1
Embed Size (px)
Citation preview
MODULO SISTEMAS EXPERTOS
SISTEMAS EXPERTOSDIANA MARCELA CARDONA ROMANVer 2.0UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD 2.009SISTEMAS EXPERTOSDIANA MARCELA CARDONA ROMAN
Ingeniera de Sistemas
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
PROGRAMA DE INGENIERIA DE SISTEMAS2.009CONTENIDO TEMTICOGLOSARIO DE TERMINOSUNIDAD 1. VISION GENERAL DE LA INTELIGENCIA ARTIFICIAL Y LOS SISTEMAS EXPERTOS
CAPITULO 1. INTRODUCCIN A LOS CONCEPTOS BSICOS DE LA IA
Leccin 1 Visin General de la Inteligencia Artificial Introduccin
La base de la inteligencia artificial (IA) Pueden pensar las mquinas? Leccin 2
Los fines de la Inteligencia Artificial Historia y Evolucin de la Inteligencia Artificial Leccin 3 Caractersticas de la Inteligencia Artificial
Programa fijo y programa modificado por el procesamiento Leccin 4 Funcionamiento Bsico de la Inteligencia Artificial Smbolos vs. Mtodos Numricos Alfabeto del Lenguaje de la Lgica de Primer Orden Leccin 5 Principales Ramas de la Inteligencia Artificial
Sistemas Expertos Robtica Sistemas de Visin
Procesamiento de Lenguaje Natural
Sistemas de Aprendizaje
Redes Neuronales
Sistemas Inmunes Artificiales
Extraccin de Conocimiento (Minera de Datos)
CAPITULO 2. VISION GENERAL DE LOS SISTEMAS EXPERTOS
Leccin 6 Visin General de los Sistemas Expertos
Introduccin
Historia de los Sistemas Expertos (SE)
Leccin 7 Que es un Sistema Experto?
Caractersticas de un Sistema Experto Leccin 8 Ventajas de los Sistemas Expertos
Cules son las ventajas de un sistema experto?
Leccin 9 Comparacin del Sistema Experto
Los Expertos Humanos
Diferencias entre un Experto y un no experto humano
Diferencias entre un Sistema Experto y un Programa Tradicional
Diferencias entre un Sistema Experto y un Experto Humano
Ventajas de los sistemas expertos
Leccin 10 Futuro de los Sistemas Expertos
Forma en que los usuarios interactan con los sistemas expertos
Sistema Experto vs. Sistema Clsico
Futuro de los Sistemas Expertos
CAPITULO 3. CAMPOS DE APLICACIN, TAREAS QUE REALIZAN Y EJEMPLOS DE SISTEMAS EXPERTOS
Leccin 11 Campos de Aplicacin
Medicina
Anlisis de estados financieros
Planificacin Financiera
Contabilidad
Industria
Leccin 12 Otros campos de aplicacin
Electrnica, informtica y telecomunicaciones
Militar Robtica
Reconocimiento de patrones
Otros campos de aplicacin
Leccin 13 Tareas que realizan los sistemas expertos
Interpretacin, diagnstico y monitoreo
Diseo y seleccin
Planificacin
Control
Reparacin, correccin o terapia
Simulacin, pronstico o prediccin
Instruccin
Recuperacin de Informacin
Leccin 14 Ejemplos de Sistemas Expertos en Empresas
En la Industria
En Contabilidad
En Anlisis de Estados Financieros
En Planificacin Financiera
En la Aviacin
En Medicina
Leccin 15 Aplicaciones actuales
Simulacin del Baloncesto
GENSYM: Operaciones Expertas
G2 CLASSIC
UNIDAD 2. DESARROLLO DE UN SISTEMA EXPERTO
CAPTULO 4. ARQUITECTURA Y ELEMENTOS DE LOS SISTEMAS EXPERTOS
Leccin 16 Generalidades
Introduccin
Leccin 17 Arquitectura de un SE
Leccin 18 Elementos de un Sistema Experto (I)
Componente Humana
Base de Conocimiento
Leccin 19 Elementos de un Sistema Experto (II)
Componente de adquisicin Control de Coherencia
Motor de Inferencia
Leccin 20 Elementos de un Sistema Experto (III)
Componente de ejecucin
El componente explicativo La interfase del usuario
CAPITULO 5. PROCESO DE DESARROLLO DE UN SISTEMA EXPERTO
Leccin 21 Introduccin
Desarrollo de un sistema experto
La base de conocimiento Cinco Pasos en la Construccin de una Base de Conocimientos Proceso Lgico de Carga de la Base de Conocimiento
Leccin 22 El motor de inferencia
Mtodo de encadenamiento hacia delante Mtodo de encadenamiento hacia atrs. Mtodo de reglas de produccin
Leccin 23 Construccin del Mecanismo de Inferencia
Identificacin de patrones.
Ejecucin de las reglas.
Leccin 24 La fase de restriccin.
La fase de seleccin.
Leccin 25 Ejemplo de Funcionamiento del Motor de Inferencia
CAPITULO 6. SISTEMAS EXPERTOS BASADOS EN CONOCIMIENTO
Leccin 26
Definicin de sistemas basados en conocimiento
Caractersticas de los sistemas basados en conocimiento
Principales problemas
Leccin 27
Estructura de los Sistemas Basados en Conocimiento.
Leccin 28 Fases en la adquisicin del conocimiento Tecnologa de los Sistemas Basados en Conocimiento
Leccin 29 Metodologas para la construccin de SE
Metodologa de Prototipos
Metodologa Orientada a Objetos
Leccin 30 Ejemplo de Construccin de Un SE, Problema de Monitorizacin
rboles de decisin
rboles de decisin que aprenden
Definicin del problema
Proceso del desarrollo del programa
UNIDAD 3. APRENDIZAJE DE LOS SISTEMAS EXPERTOS
CAPITULO 7. TIPOS DE SISTEMAS EXPERTOS
Leccin 31 Sistemas Basados en Reglas
Base del conocimiento
Motor de inferencia
Modus Ponens y Modus Tollens
Encadenamiento de Reglas
Encadenamiento de Reglas orientado a un objetivo
Control de Coherencia
Coherencia de Reglas
Incoherencia de Reglas
Coherencia de Hechos
Ejemplo
Conclusiones
Leccin 32 Sistemas Expertos Probabilisticos
La incertidumbre
Tipos de variables aleatorias
Definicin de Sistemas Expertos Basados en Probabilidad
Medidas de Probabilidad.
Propiedades
Distribucin de probabilidad
Probabilidad Condicional
Dependencia e Independencia
Teorema de Bayes
Reglas generalizadas
Introduccin de los sistemas expertos basados en probabilidad
La Base del Conocimiento
Modelo de Sntomas Dependientes
Modelo de Sntomas Independientes
Modelo de Sntomas Relevantes Dependientes
Motor de Inferencia
Leccin 33 Redes Bayesianas
Aprendizaje Automtico de la Red Bayesiana
Clasificadores Bayesianos
Ejemplo: Adenocarcinoma gstrico
Comparacin entre los SE basado en Reglas y los SE basados en Probabilidades
Leccin 34 Sistemas Basados en Casos
Historia
El ciclo del razonamiento basado en casos
Leccin 35 Redes Neuronales Artificiales
Ventajas
CAPITULO 8. LENGUAJES UTILIZADOS
Leccin 36 Lenguajes utilizados en la construccin de SE
LISP
CLIPS
Prolog
Smalltalk
C y C++
Leccin 37 Herramientas y SHELLS utilizados en la construccin de SE
Gold Works II
ART
LOOPS
KEE
Humble
EMYCIN
Leccin 38 Representacin del conocimiento
Lgica Proposicional
Lgica de Predicados
Ventajas y desventajas de la lgica de predicados
Leccin 39 Reglas de Produccin
Ventajas y desventajas de las reglas de produccin
Redes Asociativas
Ventajas y desventajas de las Redes Asociativas
Leccin 40 Estructuras Frame
Ventajas y desventajas de los frames
Representacin orientada a objetos
Ventajas y desventajas de la representacin orientada a objetos
CAPITULO 9. INTRODUCCIN A PROLOG
Leccin 41 Conceptos bsicos
Leccin 42 Tipos de operadores de Prolog Leccin 43 Construccin de reglas de produccin en Prolog Leccin 44 Estructura de un programa en Prolog
Leccin 45 Ejemplo programa en Prolog
BIBLIOGRAFIAGLOSARIO DE TERMINOSAgenda: Una lista con prioridades asignadas a las reglas, creada por el mecanismo de inferencia, cuyos patrones satisfacen los hechos u objetos de la memoria activa.
Base de conocimientos: Es la parte del sistema experto que contiene el conocimiento sobre el dominio. hay que obtener el conocimiento del experto y codificarlo en la base de conocimientos.
Base de hechos (Memoria de trabajo): Contiene los hechos sobre un problema que se han descubierto durante una consulta. Durante una consulta con el sistema experto, el usuario introduce la informacin del problema actual en la base de hechos. El sistema empareja esta informacin con el conocimiento disponible en la base de conocimientos para deducir nuevos hechos.
Dominio: rea de conocimientos que atiende el sistema experto.
Experto en Dominio: Persona o grupo cuya experiencia o conocimientos se capturan para usarse en un sistema experto.
Lgica Difusa: rea de investigacin especializada en la ciencia de la computacin que permite matices de gris y que no requiere que todo sea un extremo blanco o negro, si/no, o cierto/ falso.
Motor de inferencia: El sistema experto modela el proceso de razonamiento humano con un mdulo conocido como el motor de inferencia. Dicho motor de inferencia trabaja con la informacin contenida en la base de conocimientos y la base de hechos para deducir nuevos hechos. Contrasta los hechos particulares de la base de hechos con el conocimiento contenido en la base de conocimientos para obtener conclusiones acerca del problema.
Interfaz de usuario: La interaccin entre un sistema experto y un usuario se realiza en lenguaje natural. Tambin es altamente interactiva y sigue el patrn de la conversacin entre seres humanos.
Regla: Instruccin condicional enlaza determinada condiciones con acciones o resultados.
Shell: Herramienta con propsitos especiales, diseada para cierto tipo de aplicaciones en las que el usuario solo debe proporcionar la base del conocimiento.
Subsistema de explicacin: Una caracterstica de los sistemas expertos es su habilidad para explicar su razonamiento. Usando el mdulo del subsistema de explicacin, un sistema experto puede proporcionar una explicacin al usuario de por qu est haciendo una pregunta y cmo ha llegado a una conclusin. Este mdulo proporciona beneficios tanto al diseador del sistema como al usuario. El diseador puede usarlo para detectar errores y el usuario se beneficia de la transparencia del sistema. UNIDAD 1. VISION GENERAL DE LA INTELIGENCIA ARTIFICIAL Y LOS SISTEMAS EXPERTOS
CAPITULO 1. INTRODUCCIN A LOS CONCEPTOS BSICOS DE LA IALeccin 11.1. INTRODUCCIN
La finalidad de la inteligencia artificial consiste en crear teoras y modelos que muestren la organizacin y funcionamiento de la inteligencia. Actualmente, el mayor esfuerzo en la bsqueda de la inteligencia artificial se centra en el desarrollo de sistemas de procesamientos de datos que sean capaces de imitar a la inteligencia humana, realizando tareas que requieran aprendizaje, solucin de problemas y decisiones. A veces llamada inteligencia de mquina, la inteligencia artificial o AI (Artificial Intelligence) cubre una vasta gama de teoras y prcticas.
La inteligencia artificial se define como aquella inteligencia exhibida por artefactos creados por humanos (es decir, artificial). A menudo se aplica hipotticamente a los computadores. El nombre tambin se usa para referirse al campo de la investigacin cientfica que intenta acercarse a la creacin de tales sistemas. Existen cuatro puntos de vista principales sobre estos sistemas:
Los que piensan como humanos.
Los que actan como humanos.
Los que piensan racionalmente.
Los que actan racionalmente.
1.2. La base de la inteligencia artificial
La inteligencia artificial se basa en dos reas de estudio: el cuerpo humano y el ordenador electrnico. Puesto que la meta es copiar la inteligencia humana, es necesario entenderla. Sin embargo, a pesar de todos los progresos en Neurologa y Psicologa, la inteligencia del hombre se conoce poco, exceptuando sus manifestaciones externas. Muchos estudiosos de la inteligencia artificial se han vuelto para obtener su modelo de inteligencia hacia el estudio de la Psicologa cognoscitiva, que aborda la forma de percibir y pensar de los seres humanos.Despus comprueban sus teoras programando los ordenadores para simular los procesos cognoscitivos en el modelo. Otros investigadores intentan obtener teoras generales de la inteligencia que sean aplicables a cualquier sistema de inteligencia y no solo al del ser humano.
1.3. Pueden pensar las mquinas?
En 1950 el matemtico ingls Alan M. Turing public un ensayo que comenzaba as: "Quiero proponer una pregunta: Pueden pensar las mquinas?." Como la pregunta era demasiado vaga (Qu entendemos por "pensar"?), Turing desarroll un experimento basado en un juego de saln en el que una persona formula a dos jugadores escondidos (un hombre y una mujer) preguntas que le servirn para descubrir cul de los dos es la mujer. Turing propuso sustituir uno de los dos jugadores escondidos por una mquina inteligente capaz de conversar. Si el examinador, que se serva de un teletipo para comunicarse, no poda distinguir cul de los dos jugadores era la mquina, ello evidenciara segn Turing que la mquina poda pensar. En la actualidad, este experimento de Turing podra ser superado, en situaciones limitadas, por muchos programas de ordenador estudiados para dialogar con el usuario.Investigaciones acerca de la inteligencia artificial realizadas en la Universidad de Yale (EE.UU.) han llevado al desarrollo de programas de ordenador mediante los cuales stos pueden aprender y razonar. Otros estudiosos de la inteligencia artificial estn poniendo a punto sistemas para dotar a los ordenadores de capacidad visual y auditiva. Una importante rea de investigacin es la del lenguaje normal, que permite a los ordenadores comunicarse mediante lenguaje humano en lugar de hacerlo en lenguaje de mquina. Es decir, la mayora de los ordenadores estn programados para recibir e interpretar instrucciones de este tipo: S#DYR=48-56, LOC=AS NOT SW, EN=RALSTON". nicamente personas preparadas son capaces de comunicarse eficazmente de esta forma. Pero si un ordenador programado para gestionar la documentacin de una compaa petrolfera pudiese entender la orden dactilografiada (traduccin de la anterior) "Encuntrame toda la documentacin relativa a las perforaciones de los pozos de Arabia Saudita entre 1948 y 1956, pero nicamente la de los pozos en que trabaj Ralston, no los de la zona surocciodental del pas", muchas personas podran utilizarlo.
Leccin 21.4 Los fines de la Inteligencia ArtificialLas primeras investigaciones acerca de la inteligencia artificial estaban principalmente dirigidas al hallazgo de una tcnica universal para la solucin de problemas. Este intento a gran escala ha sido abandonado y las investigaciones actuales estn dirigidas al diseo de numerosos programas para ordenadores capaces de imitar los procesos de toma de decisiones de expertos, como mdicos, qumicos, basados en los conocimientos de especialistas en cada materia, son ahora utilizados para diagnosticar enfermedades, identificar molculas qumicas, localizar yacimientos de minerales e incluso disear sistemas de fabricacin. Investigaciones acerca de la percepcin han sido aplicadas a los robots y se han diseado algunos capaces de "ver". La meta final consiste en crear un sistema capaz de reproducir todas las facetas de la inteligencia humana.
1.5 Historia y Evolucin de la Inteligencia ArtificialLa Inteligencia Artificial "naci" en 1943 cuando Warren McCulloch y Walter Pitts propusieron un modelo de neurona del cerebro humano y animal. Estas neuronas nerviosas abstractas proporcionaron una representacin simblica de la actividad cerebral. Ms adelante, Norbert Wiener elabor estas ideas junto con otras, dentro del mismo campo, que se llam "ciberntica"; de aqu nacera, sobre los aos 50, la Inteligencia Artificial.
Figura 1.1 Visualizacin Inteligencia Artificial
Los primeros investigadores de esta innovadora ciencia, tomaron como base la neurona formalizada de McCulloch y postulaban que:
"El cerebro es un solucionador inteligente de problemas, de modo que imitemos al cerebro".
Pero si consideramos la enorme complejidad del mismo esto es ya prcticamente imposible, ni que mencionar que el hardware de la poca ni el software estaban a la altura para realizar semejantes proyectos. Se comenz a considerar el pensamiento humano como una coordinacin de tareas simples relacionadas entre s mediante smbolos. Se llegara a la realizacin de lo que ellos consideraban como los fundamentos de la solucin inteligente de problemas, pero lo difcil estaba todava sin empezar, unir entre s estas actividades simples.Es en los aos 50 cuando se logra realizar un sistema que tuvo cierto xito, se llam el Perceptrn de Rossenblatt. ste era un sistema visual de reconocimiento de patrones en el cual se asociaron esfuerzos para que se pudieran resolver una gama amplia de problemas, pero estas energas se diluyeron enseguida.
Fue en los aos 60 cuando Alan Newell y Herbert Simon, que trabajando la demostracin de teoremas y el ajedrez por ordenador logran crear un programa llamado GPS (General Problem Solver: solucionador general de problemas). ste era un sistema en el que el usuario defina un entorno en funcin de una serie de objetos y los operadores que se podan aplicar sobre ellos. Este programa era capaz de trabajar con las torres de Hanoi, as como con criptoaritmtica y otros problemas similares, operando, claro est, con microcosmos formalizados que representaban los parmetros dentro de los cuales se podan resolver problemas. Lo que no poda hacer el GPS era resolver problemas ni del mundo real, ni mdicos ni tomar decisiones importantes. El GPS manejaba reglas heursticas (aprender a partir de sus propios descubrimientos) que la conducan hasta el destino deseado mediante el mtodo del ensayo y el error. En los aos 70, un equipo de investigadores dirigido por Edward Feigenbaum comenz a elaborar un proyecto para resolver problemas de la vida cotidiana o que se centrara, al menos, en problemas ms concretos. As es como naci el sistema experto.El primer sistema experto fue el denominado Dendral, un intrprete de espectrograma de masa construido en 1967, pero el ms influyente resultara ser el Mycin de 1974. El Mycin era capaz de diagnosticar trastornos en la sangre y recetar la correspondiente medicacin, todo un logro en aquella poca que incluso fueron utilizados en hospitales (como el Puff, variante de Mycin de uso comn en el Pacific Medical Center de San Francisco, EEUU).Ya en los aos 80, se desarrollaron lenguajes especiales para utilizar con la Inteligencia Artificial, tales como el LISP o el PROLOG. Es en esta poca cuando se desarrollan sistemas expertos ms refinados, como por el ejemplo el EURISKO, este programa perfecciona su propio cuerpo de reglas heursticas automticamente, por induccin.
Leccin 31.6. Caractersticas de la Inteligencia Artificial Una caracterstica fundamental que distingue a los mtodos de Inteligencia Artificial de los mtodos numricos es el uso de smbolos no matemticos, aunque no es suficiente para distinguirlo completamente. Otros tipos de programas como los compiladores y sistemas de bases de datos, tambin procesan smbolos y no se considera que usen tcnicas de Inteligencia Artificial.
El comportamiento de los programas no es descrito explcitamente por el algoritmo. La secuencia de pasos seguidos por el programa es influenciado por el problema particular presente. El programa especifica cmo encontrar la secuencia de pasos necesarios para resolver un problema dado (programa declarativo). En contraste con los programas que no son de Inteligencia Artificial, que siguen un algoritmo definido, que especifica, explcitamente, cmo encontrar las variables de salida para cualquier variable dada de entrada (programa de procedimiento).
El razonamiento basado en el conocimiento, implica que estos programas incorporan factores y relaciones del mundo real y del mbito del conocimiento en que ellos operan. Al contrario de los programas para propsito especfico, como los de contabilidad y clculos cientficos; los programas de Inteligencia Artificial pueden distinguir entre el programa de razonamiento o motor de inferencia y base de conocimientos dndole la capacidad de explicar discrepancias entre ellas.
Aplicabilidad a datos y problemas mal estructurados, sin las tcnicas de Inteligencia Artificial los programas no pueden trabajar con este tipo de problemas. Un ejemplo es la resolucin de conflictos en tareas orientadas a metas como en planificacin, o el diagnstico de tareas en un sistema del mundo real: con poca informacin, con una solucin cercana y no necesariamente exacta.
La Inteligencia Artificial incluye varios campos de desarrollo tales como: la robtica, usada principalmente en el campo industrial; comprensin de lenguajes y traduccin; visin en mquinas que distinguen formas y que se usan en lneas de ensamblaje; reconocimiento de palabras y aprendizaje de mquinas; sistemas computacionales expertos.Los sistemas expertos, que reproducen el comportamiento humano en un estrecho mbito del conocimiento, son programas tan variados como los que diagnostican infecciones en la sangre e indican un tratamiento, los que interpretan datos sismolgicos en exploracin geolgica y los que configuran complejos equipos de alta tecnologa. Tales tareas reducen costos, reducen riesgos en la manipulacin humana en reas peligrosas, mejoran el desempeo del personal inexperto, y mejoran el control de calidad sobre todo en el mbito comercial.
1.6.1 Programa fijo y programa modificado por el procesamiento
Existen grandes diferencias entre el funcionamiento de las mquinas y el del cerebro: algunas son evidenciadas en el esquema bajo estas lneas. Las mquinas y el cerebro se diferencian en muchos aspectos: el primero es ligado a la arquitectura del sistema de memoria y a la elaboracin realizada por la inteligencia natural, que influye en los programas sucesivos al ser almacenada en la memoria que mantiene disponibles todos los hechos que se han ido acumulando a lo largo del tiempo. Abajo a la izquierda se muestra el esquema de funcionamiento de un sistema artificial: procesa datos que recibe del exterior y que le son presentados ya seleccionados. Los procesa mediante un programa fijo, siempre elegido y construido por el hombre, es decir, desde el exterior.
Figura 1.2 Visualizacin del mundo real por el Cerebro humano - Sistema ArtificialEste programa es sencillo comparado con los utilizados por el cerebro humano. A lo largo del tiempo, un mismo programa que procese los mismos datos obtendr siempre los mismos resultados. Sin embargo, este sistema es muy veloz cuando se le piden secuencias de operaciones. Contrariamente, el cerebro humano es capaz de procesar al mismo tiempo todas las informaciones contenidas en una imagen, y el resultado de dicho procesamiento puede servir para modificar el programa, que para posteriores utilizaciones ser ms completo. La observacin de una imagen muestra la diferencia fundamental entre el modo de procesar los datos del cerebro humano y el de la mquina. El cerebro humano no acta teniendo en cuenta un programa prefijado, sino ms bien uno de naturaleza variable en el tiempo; las variaciones dependen de los resultados procedentes. De hecho, el cerebro tiene la propiedad de recordar imgenes similares; una vez vista la figura, extrae de su memoria imgenes similares previamente almacenadas y los resultados de los anlisis realizados sobre ellas. Estos resultados sirven para mejorar el programa segn el cual sacar conclusiones aplicadas al examen de la figura.
Leccin 41.6. Funcionamiento Bsico de la Inteligencia ArtificialDiferentes teoras:
1. Construir rplicas de la compleja red neuronal del cerebro humano (bottom-up).
2. Intentar imitar el comportamiento del cerebro humano con un computador (top-down).
1.6.1 Smbolos vs. Mtodos Numricos
El primer perodo de la Inteligencia Artificial, llamado sub-simblico, data de aproximadamente 1950 a 1965. Este perodo utiliz representaciones numricas (o sub-simblicas) del conocimiento. Aunque la mayor parte de los libros de Inteligencia Artificial enfatizan el trabajo realizado por Rosenblatt y Widrow con redes neuronales durante este perodo, la realidad es que otra importante escuela sub-simblica data tambin de la misma poca y estos son los algoritmos evolutivos.La escuela clsica dentro de la Inteligencia Artificial, utiliza representaciones simblicas basadas en un nmero finito de primitivas y de reglas para la manipulacin de smbolos. El perodo simblico se considera aproximadamente comprendido entre 1962 y 1975, seguido por un perodo dominado por los sistemas basados en el conocimiento de 1976 a 1988. Sin embargo, en este segundo perodo las representaciones simblicas (por ejemplo, redes semnticas, lgica de predicados, etc.) siguieron siendo parte central de dichos sistemas.La Programacin Lgica tiene sus orgenes ms cercanos en los trabajos de J. A. Robinson que propone en 1965 una regla de inferencia a la que llama resolucin, mediante la cual la demostracin de un teorema puede ser llevada a cabo de manera automtica.La resolucin es una regla que se aplica sobre cierto tipo de frmulas del Clculo de Predicados de Primer Orden, llamadas clusulas y la demostracin de teoremas bajo esta regla de inferencia se lleva a cabo por reduccin al absurdo. Otros trabajos importantes de esa poca que influyeron en la programacin lgica, fueron los de Loveland, Kowalski y Green, que disea un probador de teoremas que extrae de la prueba el valor de las variables para las cuales el teorema es vlido. Estos mecanismos de prueba fueron trabajados con mucho entusiasmo durante una poca, pero, por su ineficiencia, fueron relegados hasta el nacimiento de Prolog, que surge en 1971 en la Universidad de Marsella, Francia. La Lgica de Primer Orden, es uno de los formalismos ms utilizados para representar conocimiento en Inteligencia Artificial. La Lgica cuenta con un lenguaje formal mediante el cual es posible representar frmulas llamadas axiomas, que permiten describir fragmentos del conocimiento y, adems consta de un conjunto de reglas de inferencia que aplicadas a los axiomas, permiten derivar nuevo conocimiento.
1.6.2 Alfabeto del Lenguaje de la Lgica de Primer Orden Contiene dos tipos de smbolos:
a. Smbolos lgicos, entre los que se encuentran los smbolos de constantes proposicionales true y false; los smbolos de operadores proposicionales para la negacin (not,~), la conjuncin (), la disyuncin () y las implicaciones (,); los smbolos de operadores de cuantificacin como el cuantificador universal (); el cuantificador existencial (); y los smbolos auxiliares de escritura como corchetes [,], parntesis (,) y coma.
b. Smbolos no lgicos, agrupados en el conjunto de smbolos constantes; el conjunto de smbolos de variables individuales; el conjunto de smbolos de funciones n-arias; y el conjunto de smbolos de relaciones n-arias.
A partir de estos smbolos se construyen las expresiones vlidas en el Lenguaje de Primer Orden: los trminos y las frmulas. Un trmino es cualquiera de las tres expresiones siguientes: una constante, por ejemplo, el nmero "100", la palabra "alfredo" y la letra "c"; o una variable, por ejemplo, "X" o bien una expresin de la forma "f(t1,...,tn)" donde "f" es un smbolo de funcin n-aria y t1,...,tn son trminos. Ejemplos de funciones son: f(100,X), padre(Y) y sucesor(X).
Las frmulas atmicas o elementales son expresiones de la forma R(t1,...,tn) donde R es un smbolo de relacin n-aria y t1,...,tn son trminos.
Ejemplos de frmulas son:
positivo(3), not(igual(4,doble(2))), recetar(X,aspirina) ( MAYOR QUE (X < Y menor) (X > Y mayor) >= ( MAYOR O IGUAL QUE (X = ( MENOR O IGUAL QUE (X >= Y) ( DESIGUAL QUE
=/= ( DIFERENTE QUE (X \= Y distinto) is ( EVALUADOR DE EXPRESIN
seed ( GENERADOR DE NMEROS ALEATORIOS
Al igual que en otros lenguajes de programacin es necesario tener en cuenta la precedencia y la asociatividad de los operadores antes de trabajar con ellos.
En cuanto a precedencia, es la tpica. Por ejemplo, 3+2*6 se evala como 3+(2*6). En lo referente a la asociatividad, PROLOG es asociativo por la izquierda. As, 8/4/4 se interpreta como (8/4)/4. De igual forma, 5+8/2/2 significa 5+((8/2)/2).
El operador 'is'.
Es un operador infijo, que en su parte derecha lleva un trmino que se interpreta como una expresin aritmtica, contrastndose con el trmino de su izquierda.
Por ejemplo, la expresin '6 is 4+3.' es falsa. Por otra parte, si la expresin es 'X is 4+3.', el resultado ser la instanciacin de X:
X = 7
Una regla PROLOG puede ser esta:
densidad(X,Y) :- poblacin(X,P), rea(X,A), Y is P/A.
Algunos comandos bsicos
* consult.
El predicado _consult_ esta pensado para leer y compilar un programa PROLOG o bien para las situaciones en las que se precise aadir las clusulas existentes en un determinado fichero a las que ya estn almacenadas y compiladas en la base de datos. Su sintaxis puede ser una de las siguientes:
consult(fichero).
consult('fichero.ext').
consult('c:\ia\prolog\fichero').
* recon.
El predicado recon es muy parecido a consult, con la salvedad de que las clusulas existentes en el fichero consultado, reemplazan a las existentes en la base de hechos. Puede ser til para sustituir una nica clusula sin consultar todas las dems, situando esa clusula en un fichero. Su sintaxis es la misma que la de consult.
*forget.
Tiene como fin eliminar de la base de datos actual aquellos hechos consultados de un fichero determinado. Su sintaxis es:
forget(fichero).
* exitsys.
Este predicado nos devuelve al sistema operativo.9.1.7 Predicados
Un predicado es la relacin directa con una expresin. Cada predicado usado en una clusula de Prolog debe ser declarado, basado en la declaracin de los tipos de dominios para cada uno de los nombres de los objetos.
paciente(nombre, edad, peso, presion_sangunea). mercado(encargado, vendedor).9.1.8 Estructuras
Los objetos estructurados (o simplemente estructuras) son objetos que tienen varios componentes. Los componentes pueden ser a su vez estructuras. Por ejemplo, la fecha, puede ser vista como una estructura con 3 componentes: da, mes y ao. Las estructuras son tratadas en el programa como objetos simples, aunque estn formadas por muchos componentes. El orden en que se combinan los componentes dentro de un objeto simple, es la forma en que escogemos una functor. Un functor conveniente para nuestro ejemplo es fecha. Entonces la fecha 1o. de Enero 1975 puede escribirse:
fecha(1, enero, 1975)
Todos los componentes en este ejemplo son constantes (2 enteros y un tomo). En la siguiente figura vemos como se representa en forma de rbol, y a su vez cmo est escrito en Prolog:
Ahora bien, cualquier da de enero de 1975 puede representarse mediante la estructura:
fecha(Da, enero, 1975)
Donde Da es una variable que puede ser instanciada por cualquier objeto en cualquier momento de la ejecucin del programa. Sintcticamente, todos los objetos de datos en Prolog son trminos. Por ejemplo, enero y date(1,enero,1975) son trminos.
9.1.9 Consultas
Para plantear una consulta en Prolog, el usuario simplemente prueba sta, para ver si sta es verdadera. Si la prueba es positiva, Prolog contesta: YES, de lo contrario responde NO, o tambin se usa TRUE o FALSE, dependiendo del programa que se use para la programacin.lenguaje. paciente ("ana", femenino). yes 9.1.10 Clusulas y Relacines
La programacin lgica est basada en la nocin de relacin. Debido a que en la relacin es un concepto ms general de una aplicacin. La programacin lgica es potencialmente de alto nivel. Considerar 2 conjuntos de valor S y T, R es la Relacin entre S y T, para toda X que pertenece a S y Y que pertenece a T y R(X,Y) es verdadero o falso. Dado a, determinar el valor m(a). En la programacin Lgica se implementa las relaciones. Sea R una relacin:
Dado a y b, determinar cuando R(a,b) es verdadero.Dado a, encontrar todos los Y/R(a,y) es verdadero. Dado b, encontrar todos los X/R(x,b) es verdadero. Encontrar X y Y/R(x,y) es verdadero.
9.1.10.1 Tipos de RelacionesSi R(x) entonces relacin unitaria. Si R(x ,y) entonces relacin binaria. Si R(x, y, z) entonces relacin ternaria. Un programa en PROLOG define una coleccin de relaciones. Cada relacin es definida por una o ms clusulas.9.1.10.2 Interpretacin de una Clusula en PrologA:- A1,...,An.:- ( Es equivalente "Si" o "si". , ( Es equivalente "AND". ; ( Es equivalente a "OR"
Leccin 439.2 Construccin de reglas de produccin en PrologLa estructura de una regla en PROLOG es la siguiente:
consecuente :- condicion1, condicion2, ..., condicionN.
La cual se lee: El Consecuente es verdadero si y solo si las n condiciones especificadas a la izquierda del smbolo :- son todas verdaderas, pues la coma representa la conjuncin lgica. As el consecuente representa la consecuencia de la veracidad de las condiciones mencionadas.Segn esta estructura las reglas se pueden dividir en tres partes: Cabeza: El consecuente Cuello: El smbolo :- Cuerpo: la conjuncin de las n condicionesExisten dos tipos de reglas fundamentales:
Hechos o Axiomas, reglas que representan un elemento cuya veracidad se admite sin necesidad de verificar ninguna condicin, dentro del universo de trabajo elegido. Por lo tanto no poseen cuerpo.
Reglas de Produccin o reglas normales que s necesitan de cierta verificacin para asegurar su veracidad.Por ejemplo el conjunto de clusulas para decir que si X es catedrtico entonces X es doctor y si (X es jefe_dpto) entonces (x es catedrtico) se codifica en PROLOG.
(1) catedratico(X) :-jefe(X).
(2) doctor(X) :- catedratico(X).(3) catedratico("Ivan Gonzalez").(4) catedratico("Diana Cardona").(5) jefe("Angel Cruz").La regla (1) y (2) son reglas de produccin y el resto son axiomas o hechos
saludo:-
nl,
write('Ingrese su nombre, por favor'),
tab(3),
read(Name),
nl,nl,
write('Hola '),
write(Name).
Otro de los ejemplos de los cuales abordamos en el modulo fue el un estudio electrofisiolgico as: El tiempo de latencia distal del nervio mediano mide el tiempo que tarda en llegar un impulso elctrico desde su origen hasta el sitio en que est localizado el electrodo de registro.If Latencia Distal >= 4 Then Latencia Distal Normal
If Latencia Distal < 4 Then Latencia Distal Anormal
En Prolog las reglas de produccin serian
latenciadistal(X):-X>=4,write('Normal').
latenciadistal (X):-X37,termometro(Y),write('Paciente tiene fiebre').
termometro(Y):-write('El termometro funciona? (si.,no.) '), read(si).Y la pregunta para saber si tiene fiebre temperatura(39).
Al tener por ejemplo dentro de nuestra base del conocimiento, los siguientes hechos:
sucesor(1,2).
sucesor(2,3).
sucesor(3,4).
sucesor(4,5).
sucesor(5,6).
sucesor(6,7).
Podemos realizar consultas como las siguientes:
sucesor(X,6).
sucesor(2,Y).
sucesor(X,Y).
Ntese como los tomos de informacin que se desean consultar han sido reemplazados por variables (letra inicial en mayscula); en este punto Prolog busca dentro de su base del conocimiento un hecho que haga emparejamiento con la informacin suministrada en la consulta. Primero, busca una predicado (nombre de la relacin) llamado sucesor, luego hace una comparacin entre la informacin que se tiene (6), para llenar la variable X con la informacin almacenada en el hecho, as, prolog responde X=5. De la misma forma ocurre con la segunda consulta; en la tercera no existe informacin para hacer emparejamiento en la base del conocimiento, por lo tanto el responder con el primer hecho que tenga ese predicado.
Responder:
X = 1
Y = 2;
En este punto tenemos dos opciones: quedar satisfechos con la respuesta que prolog nos ha suministrado oprimiendo enter o solicitarle consultas sobre otros posibles emparejamientos, para la cual debemos oprimir punto y coma (;).Es tambin posible construir en prolog consultas complejas con los operadores AND(,), OR(;) y NOT(not) de la siguiente forma:
legusta(pepe,pesca).
legusta(maria,bailar).
legusta(ana,pesca).
legusta(pepe,musica).
legusta(maria,musica).
legusta(ana,bailar).
Se pueden realizar las siguientes preguntas sobre la base de informacin:
- Le gusta la msica a Pepe y a Maria?:
?-legusta(pepe,musica),legusta(maria,musica).
- Le gusta bailar a Pepe o a Maria le gusta la msica?:
?-legusta(pepe,musica);legusta(maria,musica).
- Le gusta bailar a Pepe y a Maria no le gusta la msica?:
?-legusta(pepe,musica),not(legusta(maria,musica)).
Para que estas consultas funcionen de forma adecuada es necesario no dejar espacios entre los operadores.sucesor(1,2).
sucesor(2,3).
sucesor(3,4).
sucesor(4,5).
sucesor(5,6).
sucesor(6,7).
suma(1,X,R):-sucesor(X,R).
suma(N,X,R):-sucesor(M,N),suma(M,X,R1),sucesor(R1,R).
Aqu podemos apreciar como suma es una regla que depende en gran medida de la condicin sucesor. En la segunda regla de suma se observa que existe mas de una condicin, por tanto estas van separadas por coma; podemos observar tambin que se realiza una operacin recursiva. Esta misma sentencia traducida en un lenguaje de programacin como Java quedara:
int suma(int N, int X, int R)
{
if ( N == 1 )
{
sucesor(X,R);
}
else
{
sucesor(M,N);
suma(M,X,R1);
sucesor(R1,R2);
}
}
Obsrvese que en la segunda lnea del bloque else se realiza un llamado recursivo al mtodo suma, de forma tal, que se realiza la operacin disminuyendo el valor de N hasta que este se hace 1, en el cual termina la recursividad y se origina la respuesta.Leccin 449.3 Estructura de un programa PROLOG
Un programa Prolog est formado por una secuencia de enunciados: hechos, reglas y comentarios.
Una relacin puede estar especificada por hechos, simplemente estableciendo objetos que satisfacen la relacin o por reglas establecidas acerca de la relacin.
Cada regla est formada por un primer miembro (o la cabeza de la regla), un segundo miembro (o cola de la regla) ligados por " :- " y termina con el carcter " . ".
cdigo del programa
** Comentarios **
% ejemplo de la estructura que
% debe llevar un programa prolog
** Hechos **
mujer(maria). hombre(pedro).
hombre(manuel).
hombre(arturo).
** Relaciones **
padre(pedro,manuel).
padre(pedro,arturo).
padre(pedro,maria).
** Reglas **
nino(X,Y):- padre(Y,X)
hijo(X,Y):-nino(X,Y),hombre(X).
hija(X,Y):-nino(X,Y),mujer(X).
hermano_o_hermana(X,Y):-padre(Z,X),padre(Z,Y).
hermano(X,Y):-hermano_o_hermana(X,Y),hombre(X).
hermana(X,Y):-hermano_o_hermana(X,Y),mujer(X).Leccin 459.4 Ejemplo de un programa en PROLOG
Una vez tengas instalado SWI-Prolog en tu equipo y lo ejecutes te aparecer la consola que permite hacer consultas.En Windows
Al iniciar Prolog, aparece la consola en la cual se hacen las consultas:
Figura 3.19. Consola de Prolog
En el men de File/New se abre un nueva ventana para escribir cdigo fuente.
Figura 3.20. Archivo de Prolog
1. Tener el programa de Prolog abierto.
2. En el cdigo fuente se compila, haciendo clic en el men compile.
3. En la consola se hace la consulta.Una vez hayas compilado y guardado el archivo, vas al men File/Consult y cargas el archivo del cual vas a hacer la consulta y luego ejecutas las consultas necesarias.
Likes.pl, es un ejemplo que viene con SWI-Prolog, pueden copiarlo y luego realizar las consultas pertinentes, la cual puede ser:
likes(sam,pizza)., la respuesta a esta consulta es yes de acuerdo a lo que est escrito en el programa .
%% Demo coming from http://clwww.essex.ac.uk/course/LG519/2-facts/index_18.html
%% Please load this file into SWI-Prolog
%% Sam's likes and dislikes in food
%%
%% Considering the following will give some practice
%% in thinking about backtracking.
%% ?- likes(sam,dahl).
%% ?- likes(sam,chop_suey).
%% ?- likes(sam,pizza).
%% ?- likes(sam,chips).
%% ?- likes(sam,curry).
likes(sam,Food) :- indian(Food), mild(Food).
likes(sam,Food) :- chinese(Food). likes(sam,Food) :- italian(Food).
likes(sam,chips).
indian(curry).
indian(dahl).
indian(tandoori).
indian(kurma).
mild(dahl).
mild(tandoori).
mild(kurma).
chinese(chow_mein).
chinese(chop_suey).
chinese(sweet_and_sour).
italian(pizza).
italian(spaghetti).10. BIBLIOGRAFIA PROLOG / Francois Giannesini, Henry Kanoui, Robert Paseroy Michael Van Canaghen .-- s.c: Editorial Iberoamericana.
Patrick Henry Winston , Inteligencia Artificial , Editorial Iberoamericana
Castillo, E., Gutierrez, J.M. y Hadi, H (1997), Expert Systems and Probabilistic Network Models. Springer, New York. Versin Espaola editada por la Academia Espaola de Ingeniera.
Durkin, J. (1994), Expert Systems: Design and Development. Maxwell Macmillan, New York.
Russell Stuart y Norving Meter, (2.004), Inteligencia Artificial, Pearson Education
Giarratano Joseph y Riley Gary, (2.001), Sistemas Expertos Principios y Programacin, Thomson Editores. Ezawa K. J.; Schuermann T. (1995). Fraud/uncollectable debt detection using a Bayesian network based learning system: A rare binary outcome with mixed data structures, Proceedings of the Eleventh Conference on Uncertainty in Artificial Intelligence, 157-166.
Sahami, M. (1996). Learning limited dependence Bayesian classifiers, Proceedings of the Second International Conference on Knowledge Discovery and Data Mining, 335, 338, Menlo Park, CA. Friedman, N.; Geiger, D; Goldszmidt, M. (1997). Bayesian network classifier, Machine Learning, 29, 131-163, 1997.
Abad, M. (2001). Aplicacin del principio inductivo de MEVR en la construccin de clasificadores, tesis doctoral. Departamento de Ingeniera de la Informacin y las Comunicaciones, Universidad de Murcia, Espaa.
SITIOS WEB
www.Qdl.vcag.mx/66/ola.htm/ www.lafacu.com/apuntes/informatica/sist_expe/ http://home.worldonline.es/jmariocr/ www.ingenieroseninformatica.org/recursos/tutoriales/sist_exp/index.php www.go.to/inteligencia_artificial www.el-mundo.es/entradasecreta/inteligencia.html www.cs.us.es/ www.aircenter.net/ www.laopinion.com/vidayestilo/ www.laguia.com.ar/aaia.htm http://es.wikipedia.org/wiki/Case-based_reasoning http://www.ingenieria.uady.mx/weblioteca/sistemasinteligentes/Tema05/CBR1.htm http://www.inf.udec.cl/~revista/ediciones/edicion9/psalcedo.pdf Esta es la ltima versin de SWI-Prolog para Windows. http://www.swi.psy.uva.nl/cgi-bin/nph-download/SWI-Prolog/w32pl5213.exe En este vnculo se encuentran una serie de transparencias que ilustran los conceptos bsicos de Prolog. http://webepcc.unex.es/agomez/prolog.htm Otro vnculo con informacin sobre conceptos bsicos, (se recomiendan los archivos pdf Tema0,I,II,III,IV). http://polaris.lcc.uma.es/~pacog/apuntes/pd/ Pdf con un buen tutorial y ejemplos de programas http://euitio.trisquelmedia.net/apuntes/viejo/primero/logica/Programacion%20practica%20en%20prolog.zip Programas de ejemplo: http://www.lsi.upc.es/~bejar/docencia/ia.htmlEs un animal de
sangre caliente?
Si
Nodo decisin
Nodo respuesta
Nodo decisin
Es una serpiente
El animal
ronronea?
Es un gato
Es un perro
No
Si
No
Nodo respuesta
Nodo respuesta
Sensor S1
Sensor S2
Dispositivo D1
Sensor S5
Sensor S6
Dispositivo D4
Sensor S3
Dispositivo D2
Sensor S4
Dispositivo D3
Si
A es cierto
Entonces
B es cierto
A es Cierto
B es Cierto
Si
A es cierto
Entonces
B es cierto
B es Falso
A es Falso
La primera versin fue realizada por el Ing. Especialista John Alejandro Figueredo Luna
Estudiante de Maestra de Ing. De sistemas y computacin de la Universidad Nacional de Colombia
Disponible en: http://www.e-ghost.deusto.es/docs/2005/conferencias/Bayes05.pdf
Tomado de: http://es.wikipedia.org/wiki/Data_mining
PARSAYE, Kamran, Mark Chignell, Setrag Khoshafian y Harry Wong. Intelligent Databases.
SCHILDT Herbert, Utilizacin de C en Inteligencia Artificial.
Fuente: Dennis, Alonso.(2001) Sistemas Expertos. Documento en lnea HYPERLINK "http://es.geocities.com/denisalonso2001/SISTEMAS_EXPERTOS.htm" http://es.geocities.com/denisalonso2001/SISTEMAS_EXPERTOS.htm
CRUZ, Roberto. rea de Bases de Datos e Inteligencia Artificial. URL( HYPERLINK "http://dcc.ing.puc.cl/investigacion/areas/bases_dat.html" http://dcc.ing.puc.cl/investigacion/areas/bases_dat.html)
BONSN, Enrique. Tecnologas Inteligentes para la Gestin Empresarial.
Ibid.
SNCHEZ Toms, Antonio. Aplicacin de los Sistemas Expertos en Contabilidad. URL( HYPERLINK "http://ciberconta.unizar.es/Biblioteca/0002/Sanchez95.html#CONTABILIDAD" http://ciberconta.unizar.es/Biblioteca/0002/Sanchez95.html#CONTABILIDAD)
CONTRERAS, Carlos. Introduccin a la Inteligencia Artificial. URL( HYPERLINK "http://www.gdl.uag.mx/66/0ia.htm" http://www.gdl.uag.mx/66/0ia.htm)
HOPGOOD, Adrian. Knowledge Based Systems for Engineers and Scientists.
MARTNEZ De Ibarreta Len, Francisco Javier. Sistemas Expertos: reas de aplicacin. URL( HYPERLINK "http://www.geocities.com/SiliconValley/Way/7788/SISEXP.HTM" http://www.geocities.com/SiliconValley/Way/7788/SISEXP.HTM)
Ibid
TRAMULLAS y Kronos, Jess. Recuperacin de Informacin y Sistemas Expertos. URL( HYPERLINK "http://www.tramullas.com/nautica/documatica/3-8.html" http://www.tramullas.com/nautica/documatica/3-8.html)
Prez Jimnez, Miguel ngel. (2008) Sistemas expertos para la asistencia mdica. Universidad Autnoma de Mxico. Documento en lnea: HYPERLINK "http://www.unam.mx/artic/2008/septiembre/art1.html" http://www.unam.mx/artic/2008/septiembre/art1.html
Sistemas Expertos Limitada. Medelln Colombia. Documento en lnea HYPERLINK "http://www.sistemas-expertos.com/" http://www.sistemas-expertos.com/
HARMON, Paul y Curtis Hall. Intelligent Software Systems.
KANDEL, Abraham. Fuzzy Expert Systems.
TELLO, Ernest. Op. cit.
DEZ Vegas Francisco Javier. Sistema Experto Bayesiano para Ecocardiografa. URL( HYPERLINK "http://ia.uned.es/~fdiez/tesis/tesis.html" http://ia.uned.es/~fdiez/tesis/tesis.html)
SCARABINO, Juan Carlos. Sistemas Expertos: Aspectos Tcnicos. URL( HYPERLINK "http://ciberconta.unizar.es/LECCION/sistexpat/INICIO.HTML" http://ciberconta.unizar.es/LECCION/sistexpat/INICIO.HTML)
Palomo Manuel & Martn, Mateos Francisco Jess.2002. Grupo Mejora del Proceso Software y Mtodos Formales. Departamento de Lenguajes y Sistemas Informticos. Universidad de Cdiz. Escuela Superior de Ingeniera. C/ Chile, s/n. Departamento de Ciencias de la Computacin e Inteligencia Artificial, Universidad de Sevilla
Juan Manuel, Pignani. Informtica aplicada a la Ingeniera de Procesos. Universidad Tecnolgica Nacional, Facultad Regional Rosario
PARSAYE, Kamran, Mark Chignell, Setrag Khoshafian y Harry Wong. Intelligent Databases.
DE MIGUEL Gonzlez, Luis Javier. Tcnicas de mantenimiento predictivo industrial basadas en Sistemas Expertos.
SCHILDT Herbert, Utilizacin de C en Inteligencia Artificial.
CRIADO Briz, Jos Mario. Sistemas Expertos. URL (http://home.worldonline.es/jmariocr/index.htm)
Figura tomada de la tesis doctoral Metodologa Para El Desarrollo De Sistemas Expertos diseada por el doctor Jos Domingo Carrillo Verdun
Fuente: Castillo, Enrique. Gutirrez, Jos Manuel Sistemas Expertos y Modelos de Redes Probabilsticas
J.A. Baares Baares. 1999. Resolucin de Problemas en LBR. Departamento de Informtica e Ingeniera de Sistemas C.P.S. Universidad de Zaragoza
Ibd 73
J.A. Baares Baares. 1999. Resolucin de Problemas en LBR. Departamento de Informtica e Ingeniera de Sistemas C.P.S. Universidad de Zaragoza
El Concepto es tomado del documento: Inteligencia Artificial. 2003. Arrua Luciana. Meza Fernndez Eduardo.
Sistemas Expertos y Modelos de Redes Probabilsticas. Enrique Castillo, Jos Manuel Gutirrez, y Ah S. Hadi.
Castillo, Enrique. Gutirrez, Jos Manuel Sistemas Expertos y Modelos de Redes Probabilsticas
Pignani Juan Manuel. (2000). Informtica aplicada a la Ingeniera de Procesos 1. Universidad Tecnolgica Nacional, Facultad Regional Rosario. Espaa.
Fuente: Dennis, Alonso.(2001) Sistemas Expertos. Documento en lnea URL( HYPERLINK "http://es.geocities.com/denisalonso2001/SISTEMAS_EXPERTOS.htm" http://es.geocities.com/denisalonso2001/SISTEMAS_EXPERTOS.htm)
Fuente: Dennis, Alonso.(2001) Sistemas Expertos. Documento en lnea HYPERLINK "http://es.geocities.com/denisalonso2001/SISTEMAS_EXPERTOS.htm" http://es.geocities.com/denisalonso2001/SISTEMAS_EXPERTOS.htm
BENCHIMOL, G y otros (1990) Los Sistemas Expertos en la Empresa. Ed. Macrobit, Mxico
Guerra Hernndez, Alejandro. Metodologa de Programacin I Sistemas Expertos. Departamento de Inteligencia Artificial. Universidad Veracruzana. Mxico. 2006.
Documento en linea: HYPERLINK "http://www.webelectronica.com.ar" www.webelectronica.com.ar. Creacin de una base del conocimiento determinstica. Consultado en Octubre 13 de 2008.
Las figuras 2.10, 2.11, 2.12, fueron tomadas del documentos Sistemas Expertos Basados en Reglas. Autor: Prof. Jos Manuel Gutirrez. Dpto. de Matemtica Aplicada. Universidad de Cantabria. Espaa. 2006
Ejemplo tomado del texto: Sistemas experto y Modelos de Redes Probabilsticas. Castillo, Enrique y Otros. Espaa 2005.
J.A. Baares Baares. 1999. Resolucin de Problemas en LBR. Departamento de Informtica e Ingeniera de Sistemas C.P.S. Universidad de Zaragoza
J.A. Baares Baares. 1999. Resolucin de Problemas en LBR. Departamento de Informtica e Ingeniera de Sistemas C.P.S. Universidad de Zaragoza
Ibd 49
Ibd 50
Disponible en: URL (http://lsi.ugr.es/~rosana/investigacion/papers/abad-efsi02.pdf)
Quinlan, J. R. (1996). Improved use of continuous attributes in C4.5, Journal of Artificial Intelligence Research, 4, 77-90.
Leigh, W; Purvis, R; Ragusa, J. (2002). Forecasting the nyse composite index with technical analysis, pattern recognition, neural network, and genetic algorithm: a case study in romantic decision support, Decision Support Systems, 32, 361- 377.
Ibd
Roger Schank, Dynamic Memory: A Theory of Learning in Computers and People (New York: Cambridge University Press, 1982).
Janet Kolodner, "Reconstructive Memory: A Computer Model," Cognitive Science 7 (1983): 4.
Michael Lebowitz, "Memory-Based Parsing," Artificial Intelligence 21 (1983), 363-404.
Bill Mark, "Case-Based Reasoning for Autoclave Management," Proceedings of the Case-Based Reasoning Workshop (1989).
Trung Nguyen, Mary Czerwinski, and Dan Lee, "COMPAQ QuickSource: Providing the Consumer with the Power of Artificial Intelligence," in Proceedings of the Fifth Annual Conference on Innovative Applications of Artificial Intelligence (Washington, DC: AAAI Press, 1993), 142-151.
Documento en lnea: URL (http://es.wikipedia.org/wiki/Case-based_reasoning)
Tomado de: http://es.wikipedia.org/wiki/Red_neuronal_artificial
HASEMER, Tony y John Domingue. Common LISP Programming for Artificial Inteligence.
BAARES, Jos ngel. Herramientas para las asignaturas del IAIC. URL( HYPERLINK "http://diana.cps.unizar.es/IA/noticias.html" HYPERLINK "http://diana.cps.unizar.es/IA/noticias.html" http://diana.cps.unizar.es/IA/noticias.html)
TELLO, Ernest. Op. cit.
SCHILDT Herbert. Op. cit.
RICH Elaine y Kevin Knight. Op. cit.
TELLO Ernest. Op. cit.
VALDIVIA Rosas, David. Sistemas Expertos. URL( HYPERLINK "http://www.fortunecity.com/skycraper/romrow/207/se/Portada.html" http://www.fortunecity.com/skycraper/romrow/207/se/Portada.html)
ARTEAGA, Ren y Juan Carlos Armijos. Tutorial de programacin Heurstica. URL( HYPERLINK "http://www.uc3m.es/cgi-bin/nph-count" www.uc3m.es/cgi-bin/nph-count)
DE ALBORNOZ Bueno, lvaro. Laboratorio de procesamiento de imgenes. URL( HYPERLINK "http://www.cic.ipn.mx/organizacion/lab_de_int_art.htm" http://www.cic.ipn.mx/organizacion/lab_de_int_art.htm)
BRATKO Ivan. Prolog programming for Articial Intelligence.
ANGULO Usategui, Jos Mara y Anselmo del Moral Bueno. Gua fcil de la inteligencia artificial.
ARTEAGA, Ren y Juan Carlos Armijos. Op. cit.
BENCHIMOL, Guy, Pierre Levine y Jean Charles Promerol. Los sistemas expertos en la empresa.
Tomado de: http://fcqi.tij.uabc.mx/docentes/ardiaz/conceptos.html
Tomado de: http://dis.unal.edu.co/~fgonza/courses/2005-I/AI/taller3-PROLOG.html
PAGE xii
_1291224367.unknown
_1291227039.unknown
_1294397408.unknown
_1294645295.unknown
_1294645377.unknown
_1294645406.unknown
_1294645370.unknown
_1294645209.unknown
_1294645230.unknown
_1294644946.unknown
_1294397384.unknown
_1294397402.unknown
_1291227824.unknown
_1294397328.unknown
_1291233581.unknown
_1291227420.unknown
_1291226454.unknown
_1291226659.unknown
_1291226673.unknown
_1291226485.unknown
_1291226407.unknown
_1291226438.unknown
_1291224491.unknown
_170638088.unknown
_1290996655.unknown
_1291142299.unknown
_1291224287.unknown
_1290996886.unknown
_1096710766.doc
Atributo
Atributo
Atributo
Atributo
Objeto
_1290996584.unknown
_1290996625.unknown
_1096710782.doc
Objeto
Atributo
Atributo
Atributo
Objeto
Atributo
Atributo
Atributo
Objeto
Atributo
Atributo
Atributo
Objeto
Atributo
Atributo
Atributo
Objeto
Atributo
Atributo
Atributo
Objeto
Atributo
Atributo
Atributo
_1096710750.doc
Intenta objeto
Atributo cumplido
Atributo no cumplido
Atributo cumplido
Atributo cumplido
Atributo
no
cumplido
Atributo cumplido
Objeto encontrado
_157502256.unknown
_159751080.unknown
_169912384.unknown
_170435608.unknown
_162399428.unknown
_159199088.unknown
_153408000.unknown
_156858000.unknown
_154628040.unknown
_152636484.unknown
_152040512.unknown