Documentos de Académico
Documentos de Profesional
Documentos de Cultura
domingo 11 de mayo de 14
domingo 11 de mayo de 14
3.4.1. Sintaxis.
3.4.2. Semntica.
3.4.3.Validez.
3.4.4. Inferencia.
3.5.1. Aprendizaje.
3.5.2. Razonamiento probabilstico.
3.5.3. Lgicas multivaluadas.
3.5.4. Lgica difusa.
Sistemas Basados en el
Conocimiento
domingo 11 de mayo de 14
Sistemas Basados en el
Conocimiento
domingo 11 de mayo de 14
Sistemas Expertos
INTELIGENCIA ARTIFICIAL
SISTEMAS BASADOS EN EL CONOCIMIENTO
SISTEMAS EXPERTOS
domingo 11 de mayo de 14
Estructura de un SBC
Usuario
Hechos
Preguntas
Interface de
Usuario
Resultados
Sistema de
Inferencia
Ingenierio
del Conocimiento
Y experto
Interface
Experta
Conocimiento
Base de
Conocimientos
domingo 11 de mayo de 14
domingo 11 de mayo de 14
domingo 11 de mayo de 14
domingo 11 de mayo de 14
domingo 11 de mayo de 14
domingo 11 de mayo de 14
Ejemplos:
Lgica Proposicional
Lgica de Primer Orden
KIF
Lgicas Descriptivas
domingo 11 de mayo de 14
domingo 11 de mayo de 14
domingo 11 de mayo de 14
domingo 11 de mayo de 14
Mapa Conceptual
Organizacin del Conocimiento
domingo 11 de mayo de 14
Redes Semnticas
domingo 11 de mayo de 14
Redes Semnticas
domingo 11 de mayo de 14
Redes Semnticas
y podramos incluir otra frase, Garfield es un Gato
Garfield
es un
gato
es un
animal
domingo 11 de mayo de 14
Lgica de Predicados
Sintaxis
domingo 11 de mayo de 14
Lgica de Predicados
Semntica
Todos los informaticos son listos, Juan es
informatico, luego juan es listo
domingo 11 de mayo de 14
Lgica de Predicados
domingo 11 de mayo de 14
domingo 11 de mayo de 14
Razonamiento con
Incertidumbre
Los principales formalismos que permiten el tratamiento
de informacin
Manipulacin del
Conocimiento Incierto
domingo 11 de mayo de 14
Manipulacin del
Conocimiento Incierto
x Sintoma(x,dolor-de-muelas)
Enfermedad(x,Caries)
Enfermedad(x,Problema-Encias )
Enfermedad(x,Absceso )
domingo 11 de mayo de 14
Manipulacin del
Conocimiento Incierto
x Enfermedad(x,Caries)
de-muelas)
domingo 11 de mayo de 14
Sintoma(x,dolor-
Manipulacin del
Conocimiento Incierto
domingo 11 de mayo de 14
Manipulacin del
Conocimiento Incierto
No podramos saber con seguridad lo que
domingo 11 de mayo de 14
domingo 11 de mayo de 14
domingo 11 de mayo de 14
domingo 11 de mayo de 14
Caries = cierto
soleado,lluvioso,nublado,nevado
domingo 11 de mayo de 14
domingo 11 de mayo de 14
Consecuencias de los
axiomas de probabilidad
domingo 11 de mayo de 14
Variables Aleatorias
domingo 11 de mayo de 14
Variables Aleatorias
domingo 11 de mayo de 14
Distribucin de
Probabilidad
domingo 11 de mayo de 14
Proposiciones mas
Complejas
domingo 11 de mayo de 14
domingo 11 de mayo de 14
La importancia de la
distribucin conjunta
domingo 11 de mayo de 14
Probabilidad Condicional
domingo 11 de mayo de 14
Distribucin Condicional
domingo 11 de mayo de 14
domingo 11 de mayo de 14
domingo 11 de mayo de 14
P(B|ai) P(ai)
P(B|a1) P(a1)+... P(B|an) P(am)
La
de de
Bayes:
Ejemplo
LaRegla
Regla
Bayes:
Ejemplo
Intentemos resolver un caso real con
probabilidades:
Se pretende determinar si un alumno conoce un concepto en
base a la resolucin de un ejercicio.
En este caso:
Hiptesis (SC): Sabe_Concepto (variable aleatoria con dos valores verdadero y
falso)
Evidencia (RE): Resuelve_Ejercicio (variable aleatoria con dos valores positivo y
negativo)
P(sc)
+ P(re|
sc)
P( sc))=0.95
P( sc |re)=0.05
domingo 11 de mayo de 14
Calculo
re
0.04
sc
sc
0.2
0.18
re
re
domingo 11 de mayo de 14
0.02
La Regla
de Bayes:
Ejemplo
La Regla
de Bayes:
Ejemplo
Continuamos con el ejemplo:
Y si hay varios ejercicios E1,..., Em?
Supondremos que cada ejercicio RE1, RE2,..., REm es una variable aleatoria
que indica si se resuelve con dos valores: verdadero y falso.
domingo 11 de mayo de 14
do Prez Nava
Independencia:
Solucin?
IndependenciaUna
Una
Solucin
Independencia
Decimos que dos proposiciones A1 y A2 son independientes si el
conocimiento de una no cambia la probabilidad de la otra
Por ejemplo si
A1=Es rubio , A2=Tiene la piel clara ,A3=Llover maana
A1 y A3 son independientes A1 y A2 no.
Redes Bayesianas:
Introduccin
domingo 11 de mayo de 14
domingo 11 de mayo de 14
Redes Bayesianas:
Redes Bayesianas: Utilizacin
Utilizacin
Intel
Diagnstico de fallos de procesadores
HP
Diagnstico de problemas de impresora
Nokia
Diagnstico de redes celulares
Nasa
Sistema de ayuda a la decisin en misiones espaciales
domingo 11 de mayo de 14
Red
Bayesiana: Ejemplo
Red Bayesiana:Ejemplo
domingo 11 de mayo de 14
Red Bayesiana:Ejemplo
Redes Bayesianas:
Redes Bayesianas: Algunas
Algunas Herramientas
Herramientas
Norsys
Programa: Netica
Descarga de: http://www.norsys.com/netica.html
Microsoft
Programa de Doctorado de Fsica e Informtica. Bienio 04-06. Dept. Estadstica, I.O. y Computacin. Universidad de la Laguna
domingo 11 de mayo de 14
MSBNx
Descarga de: http://research.microsoft.com/adapt/MSBNx/
1 Que
es
una
red
bayesiana
?
Qu es un Red Bayesiana (RB)?
Una RB es un grafo dirigido en el que
cada nodo contiene informacin
probabilstica.
Para determinar una RB hace falta:
Un conjunto de variables aleatorias que forman los nodos de la
red. Las variables pueden ser discretas o continuas
Un conjunto de enlaces dirigidos (arcos) que conectan parejas
de nodos. Si hay un arco del nodo X al Y se dice que X es el
padre de Y.
Cada nodo Xi tiene una distribucin de probabilidad condicional:
P(Xi|Padres (Xi)) que mide el efecto de los padres de ese nodo.
El grafo no tiene ciclos dirigidos (y por tanto es un grafo dirigido
acclico o DAG)
Programa de Doctorado de Fsica e Informtica. Bienio 04-06. Dept. Estadstica, I.O. y Computacin. Universidad de la Laguna
domingo 11 de mayo de 14