Está en la página 1de 8

Lógica plurivalente

Una lógica plurivalente o lógica polivalente es un sistema lógico que
rechaza el principio del tercero excluido de las lógicas bivalentes y
admite
más
valores
de
verdad
que
los
tradicionales verdadero y falso.1 Distintas lógicas plurivalentes pueden
admitir distintas cantidades de valores de verdad: desde tres, hasta
infinito.

Origen
Las lógicas polivalentes se difundieron especialmente a partir de los
trabajos de los filósofos polacos Jan Łukasiewicz y Emil Post y sus
relaciones con la física cuántica, pero fueron expuestas anteriormente,
con diferentes enfoques, por Hegel, Hugh MacColl, Charles Sanders
Peirce y Nicolai A. Vasiliev. Stephen Kleene elaboró las tablas de
verdad para un sistema de lógica trivalente. Un ejemplo para ilustrar la
trivalenecia en física ha sido la paradoja del gato de Schrödinger.

Variantes
Pueden considerarse como polivalentes:

la lógica dialéctica de Hegel

la lógica trivalente para valores infinitos de Łukasiewicz

la lógica modal, especialmente los modelos de Kripke, que definen
tres modelos de verdad: lo verdadero, lo falso y lo problemático

la lógica difusa de Zadeh, que enfatiza en la incertidumbre y es
una lógica de la probabilidad

los llamados Descripción difusos lógicas. por ejemplo. Aquí métodos de agrupamiento entran en consideración. Aplicaciones a la Inteligencia Artificial AI es en realidad el campo más prometedor de aplicaciones. que permiten la inclusión de herramientas técnicas (grados verdad. Una buena introducción es Epstein (1993). Ambos temas se modelan a través de los conjuntos borrosos y la lógica difusa. conectivas.desde el punto de vista de la . la lógica polivalente de Gödel. Todo este campo de aplicación de multi-valuada lógica se llama multivaluada (o incluso: fuzzy) de conmutación. Además. predicados graduadas) desde el campo de la LMV en . así como en los métodos de programación lógica para los sistemas de MVL. Una segunda área de aplicación está fuertemente ligado con esta primera: la automatización de minería de datos y conocimiento. a partir de su teorema de la incompletitud  la lógica intuicionista desarrollada por Brouwer. estos se refieren a través de grupos de enfoque para los conjuntos borrosos y MVL. Otras lógicas se proponen como polivalentes o n-valentes. En este contexto también se está interesado en técnicas automatizadas teorema que demuestra para los sistemas de MVL. en sistemas expertos. tetravalente La lógica trivalente como la del universo de los modelos de Kripke que contienen tres "mundos" posibles. niveles de voltaje. Parte de esta tendencia es el reciente desarrollo de lógicas descriptivas generalizadas. Aplicaciones al diseño de hardware Lógica proposicional clásica se utiliza como una herramienta técnica para el análisis y síntesis de algunos tipos de circuitos eléctricos construidos a partir de "interruptores" con dos estados estables. de mundos o un número infinito de "mundos" posibles. en las bases de datos y en los sistemas basados en el conocimiento a uno le gusta almacenar información vaga. Una primera área de solicitud se refiere a nociones vagas y el razonamiento de sentido común. que restringe la validez de la lógica clásica a lo demostrable  la logica producto. es decir. Una generalización bastante sencillo permite el uso de una lógica m de valor para hablar de circuitos integrados de "interruptores" similares con m estados estables. y estos se refieren a los sistemas adecuados de MVL. que ofrece una serie de diferentes áreas en las que se han utilizado sistemas de MVL.

aquí MVL es más una herramienta puramente técnico. Hájek (2005).referencia a las ideas básicas de MVL en pruebas de independencia (por ejemplo. (2008). La arquitectura de una red neuronal es formada conectando múltiples procesadores elementales. El objetivo del algoritmo de . Y hay una a menudo sólo implícita . El aprendizaje supervisado consiste en entrenar la red a partir de un conjunto de datos o patrones de entrenamiento compuesto por patrones de entrada y salida. uno se refiere a sistemas de MVL. o Una densa estructura interconectada usando enlaces ponderados. ver Straccia (2001). porque en estas pruebas de independencia uno no está interesado en una comprensión intuitiva de los grados de la verdad en absoluto.sistemas de lógica. En ambos casos. descripción llamados lógicas. Por lo tanto podemos señalar que una ANN es un sistema de computación distribuida caracterizada por: o Un conjunto de unidades elementales. Aplicaciones a Matemáticas Hay tres temas principales dentro de las matemáticas que se relacionan con multivaluada lógica. Red Neuronal Artificial Redes Neuronales Artificiales Una red neuronal artificial (ANN) es un esquema de computación distribuida inspirada en la estructura del sistema nervioso de los seres humanos. o Parámetros libres que deben ser ajustados para satisfacer los requerimientos de desempeño. para los sistemas de axiomas) que a menudo se refieren a las matrices lógicas con más de dos grados de la verdad. y el análisis matemático de "fuzzy". o razonamiento aproximado. Sin embargo. siendo éste un sistema adaptivo que pose un algoritmo para ajustar sus pesos (parámetros libres) para alcanzar los requerimientos de desempeño del problema basado en muestras representativas. Es importante señalar que la propiedad más importantes de las redes neuronales artificiales es su capacidad de aprender a partir de un conjunto de patrones de entrenamientos. es capaz de encontrar un modelo que ajuste los datos. La primera de ellas es la teoría matemática de conjuntos difusos. o Un alto grado de paralelismo. El segundo tema ha sido aproxima hacia pruebas de consistencia de la teoría de conjuntos utilizando un sistema adecuado de MVL. es decir. El proceso de aprendizaje también conocido como entrenamiento de la red puede ser supervisado o no supervisado. cada una de las cuales posee bajas capacidades de procesamiento. Stoilos et al.plena lógica de primer orden: rudimentarias .

y debe elegir los parámetros de los cálculos internos de la red. Clasificación de Datos provenientes de sensores. Ejemplo . Este aprendizaje se llama supervisado pues se conoce el patrón de salida el cual hace el papel de supervisor de la red. En cambio en el aprendizaje no supervisado se presenta sólo un conjunto de patrones a la ANN. diferentes vectores de entrada o diversas estrategias de entrenamiento permiten obtener conclusiones definitivas para la solución más eficaz de una aplicación. El diseñador construye con el software apropiado la red especificando el número de capas. y el objetivo del algoritmo de aprendizaje es ajustar los pesos de la red de manera tal que la red encuentre alguna estructura o configuración presente en los datos. de neuronas y los tipos de conexiones.aprendizaje es ajustar los pesos de la red w de manera tal que la salida generada por la ANN sea lo más cercanamente posible a la verdadera salida dada una cierta entrada. Industria y Defensa. Diagnóstico Médico y Comercial. Aplicaciones A la hora de diseñar nuestra red neuronal para resolver un problema concreto es conveniente disponer de una herramienta software de diseño de ANN. Con una herramienta de éstas basta con pensar en términos de redes y no en programación de algoritmos en lenguajes de alto nivel. la red neuronal trata de encontrar un modelo al procesos desconocido que generó la salida y. Es decir. así como construir variaciones de los modelos estándar. Reconocimiento y Síntesis de Voz. Generalmente esta fase requiere varias sesiones y la experimentación de diferentes parámetros de aprendizaje. Define los ficheros o conjuntos de datos de entrada y salida. De esta manera todo el esfuerzo se debe dirigir al diseño de la arquitectura o estructura de la red y en la selección de los datos del conjunto de entrenamiento y de test. Además el diseñador puede seleccionar diferentes funciones de transferencia y procesamiento de las neuronas. Robótica y Control. Compresión y Codificación de Información. Entre las áreas de aplicación de las redes se encuentran entre otras las siguientes: Análisis Financiero. Procesado de Imágenes en el ámbito de la Medicina. En la fase de entrenamiento se debe especificar el número de iteraciones y la planificación de los cambios de los parámetros de aprendizaje.

Procesamiento de voz e imagenes .

.

mediante circuitos electrónicos y programas . la resolución de cierto tipo de problemas. La IA agrupa un conjunto de técnicas que. los robots y otros dispositivos realizan tareas que normalmente requieren de la inteligencia humana. Por ejemplo. la capacidad de discriminar entre distintos objetos o el responder a órdenes verbales.Inteligencia artificial La inteligencia artificial (IA) puede definirse como el medio por el cual las computadoras.

y esto es posible en la actualidad sólo para dominios muy limitadas. Por otro lado. Algunos programas útiles pueden trabajar solamente en dos dimensiones. Es muy conveniente. Hay algo de AI en ellos. Comprensión del lenguaje natural El simple hecho de una secuencia de palabras en una computadora no es suficiente. la mayoría de los usuarios han vuelto a el teclado y el ratón como todavía más conveniente. principalmente a través de la fuerza bruta de cálculo . Reconocimiento de voz En la década de 1990. Así United Airlines ha sustituido su árbol teclado para obtener información de vuelo por un sistema que utiliza el reconocimiento de voz de los números de vuelo y nombres de ciudades. Analizar oraciones tampoco es suficiente. a partir de ahí. busca imitar procedimientos similares a los procesos inductivos y deductivos del cerebro humano. si bien es posible para instruir a algunos ordenadores utilizando el habla. busca copiar electrónicamente el funcionamiento del cerebro. Aplicaciones Video de juego Usted puede comprar las máquinas que pueden jugar al ajedrez de nivel master por unos pocos cientos de dólares. . y no son tan buenos como lo que los seres humanos utilizan evidentemente. pero la visión de equipo completo requiere información tridimensional parcial que no es sólo un conjunto de vistas bidimensionales. pero juega bien contra las personas.avanzados de computadora. Para vencer a un campeón del mundo por la fuerza bruta y la heurística confiables conocidos requiere ser capaz de mirar a los 200 millones de posiciones por segundo. En la actualidad hay maneras sólo limitadas de representación de la información en tres dimensiones directamente.mirando cientos de miles de puestos. pero las entradas para el ojo humano y las cámaras de televisión ordenadores es de dos dimensiones. Se basa en la investigación de las redes neuronales humanas y. Visión por computador El mundo se compone de objetos tridimensionales. el reconocimiento de voz de ordenador alcanza un nivel práctico para propósitos limitados. El equipo tiene que estar provisto de un conocimiento del dominio que trata el texto.