Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1
1. INTRODUCCIÓN
INCERTIDUMBRE:
Provocado por
instrumentos no precisos y
análisis poco confiables.
Desviación en los
Falta de análisis sistemas por ruidos.
en la medicina.
No se selecciono la
representación
idónea para la
aplicación
MYCIN
• Los expertos no expresan su razonamiento en términos
probabilísticos.
• La probabilidad requiere grandes cantidades de datos,
aproximaciones y suposiciones.
"si e entonces h , O’7”
3
3. HISTORIA
Aportes:
Motor de inferencia, base de
conocimientos.
Explicar sus propios procesos de
razonamiento.
NOTA: El éxito de un SE depende casi
exclusivamente de la calidad de su
base de conocimiento
4
4. TRATAMIENTO DE INCERTIDUMBRE
Factor de certeza
Cada regla tiene asociado un “factor de certeza” (CF) en el rango [-1,
+1]
CF>0 grado de confianza
CF<0 grado de desconfianza
CF(h, e) = MB(h, e) – MD(h, e)
Donde: MB,MD ∈ [0,1]
Su principal función es permitir al intérprete priorizar hipótesis.
5
5. COMBINACIÓN DE FACTORES DE CERTEZA
ENCADENADO DE REGLAS
𝐹𝐶(𝐵∨𝐴 ) 𝐹𝐶(𝐶∨𝐵)
A B C 𝐹𝐶(𝐶∨ 𝐴 )
𝐹𝐶 (𝐶|𝐵 ) ∗ 𝐹𝐶 ( 𝐵| 𝐴 ) 𝐹𝐶 ( 𝐵| 𝐴 ) ≥0
𝐹𝐶 𝐶 𝐴 =
( | )
{ 0 𝐹𝐶 ( 𝐵| 𝐴 )< 0
6
6. COMBINACIÓN DE REGLAS CONVERGENTES
𝐹𝐶(𝐻 ∨𝐸1 )
E1
H 𝐹𝐶(𝐻 ∨𝐸1 ∨ 𝐸2 )
E2 𝐹𝐶(𝐻 ∨𝐸2 )
𝑓 𝑐𝑜𝑚𝑏 ( 𝑥 , 𝑦 )=¿
7
7. EJEMPLOS DE COMBINACIÓN
DE FACTORES DE CERTEZA
Dadas las siguientes reglas calcular el factor de certeza de la
proposición AvBvE F
A 0.8
0.7
C D 0.9
0.5
B -0.3 F
E
- A C,BC FC(C|A,B)=0.8+0.5(1-0.8)=0.9 (Convergencia)
- AvBC,CD FC(D|A,B)=0.9x0.7=0.63 (Encadenado)
- AvBD,DF FC(F|A,B)=0.63x0.9=0.567 (Encadenado)
- AvBF,EF FC(F|A,B,E)=(0.567-0.3)/(1-min(0.567,0.3))
(Convergencia)
Por tanto, si observamos A,B y E podemos concluir F con certidumbre 0.38
8
¿CÓMO ERA EL
RENDIMIENTO DE
MYCIN?
El sistema experto Mycin
proporcionaba diagnósticos y
recomendaciones terapéuticas que
eran al menos tan buenas como los
mejores expertos en la especialidad.
9
8. EJEMPLO: SISTEMA EXPERTO JURÍDICO
• Vamos a considerar un escenario simplificado en el caso de un juicio.
3 reglas para modelar cómo podría razonar un sistema experto.
• Valores de entrada
Dependiendo de los valores que tengan los tres parámetros de entrada de las siguientes reglas, se
pueden presentar situaciones muy diversas:
• Situación en la que hay presencia de huellas, un móvil significativo, pero el acusado tiene una coartada
muy buena.
𝑓 𝑐𝑜𝑚𝑏 ( 𝑥 , 𝑦 )=¿
10
8. EJEMPLO: SISTEMA EXPERTO JURÍDICO
• Vamos a considerar un escenario simplificado en el caso de un juicio.
3 reglas para modelar cómo podría razonar un sistema experto.
R1 0.75
R1 y
R2
CF
R2 0.6 R1,
R2 y
R3
R3
-0.8
• Situación en la que hay presencia de huellas, un móvil significativo, pero el acusado tiene una coartada
muy buena.
𝑓 𝑐𝑜𝑚𝑏 ( 𝑥 , 𝑦 )=¿
11
GRACIAS
12
ENCADENAMIENTO
• Vemos en este punto la aplicación de la regla de encadenamiento al caso concreto de:
Para estos valores, los CF que se obtienen para culpable, en cada una de las reglas son:
• Para componer estos valores y llegar a un valor final de CF para culpabilidad aplicamos de
forma iterativa la regla de encadenamiento:
Para componer los CF obtenidos de R1 y R2, como los dos son del mismo signo:
Para componer ahora el anterior valor de R1 y R2, con el que se obtenía para R3, como los dos CF son de signos diferentes:
C O N C LU S I Ó N :
Indica que es prácticamente igual la probabilidad de culpabilidad a la de inocencia
13