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