Semántica de las reglas de producción

Representación formal de una relación, la semántica o acción

condicional es una regla que tiene la siguiente premisa:


Si


Premisa


Entonces


Consecuencia
2
Como sabemos los sistemas expertos utilizan o están
basados en reglas de producción.

Estas reglas representan el conocimiento utilizando el

formato IF-THEN (SI-ENTONCES), donde IF es el
antecedente, premisa, condición o situación y THEN es el
consecuente, conclusión, acción o respuesta.

3
Ofrece una factibilidad para la creación y modificación de
la base del conocimiento, estos coeficientes se van
utilizando durante el proceso de razonamiento mediante
las formulas establecidas, el método asegura que entre
más reglas contenga la semántica es más viable. Sin
embargo aunque esta forma de representación es
intuitiva y rápida, cuando el número de reglas es muy
grande aumenta la dificultad de verificación de todas las
posibilidades con el consiguiente riesgo de perder la
coherencia lógica del sistema de base del conocimiento.

4

Los hechos y reglas de base de conocimiento por lo
general no son exactos, es decir, tienen incertidumbre
sobre el grado de certeza de algunos hechos y también
sobre el campo de validez de las reglas.

5
Para el manejo de la incertidumbre en los sistemas de
reglas utilizamos otros sistemas como:


Los factores de certeza utilizados con MYCIN: sistema
experto, desarrollado en 1972 y 1980 por la universidad de
Standford, para la realización de diagnósticos. Su objetivo
radica en aconsejar a los médicos en la investigación y
diagnóstico de las infecciones o afecciones en la sangre

6
Para el manejo de la incertidumbre en los sistemas de
reglas utilizamos otros sistemas como:


La lógica de Dempester Shafer: extensión de la teoría de la
probabilidad, para describir la incertidumbre en la evidencia. Se
centra en la credibilidad de que un evento pueda ocurrir o que ya
haya ocurrido, desde el punto de vista de una persona y de acuerdo
a su toma de decisiones, esta lógica permite que la evidencia
adquirida mediante la observación o experimentación apoye al
mismo tiempo las conclusiones excluyentes o ninguna conclusión
en particular. Fue desarrollada primero en 1967 y posteriormente
retomada en 1976 debido a varias deficiencias en la teoría de la
probabilidad

7
Ejemplo


En una caja existen 100 objetos iguales, 30 de ellos se
saben que son rojos, los 70 restantes son o azules o
amarillos, si se toma un objeto al azar y sin ver, ¿cuál color
es el que se tomará?

Este ejemplo nos dará un resultado definitivo y se puede

definir mediante la inferencia, apoyado por la teoría
clásica, teoría lógica y por la bayesiana (formulas)

8
La lógica Difusa – Fuzzy Logic

La Lógica Difusa proporciona un mecanismo de inferencia

que permite simular los procedimientos de razonamiento
humano en sistemas basados en el conocimiento.

La teoría de la lógica difusa proporciona un marco

matemático que permite modelar la incertidumbre de los
procesos cognitivos humanos de forma que pueda ser
tratable por un computador.

9
La lógica Difusa – Fuzzy Logic

• El método de tratar la incertidumbre es una de las

características más importantes de las herramientas
desarrollo y se encuentra en discusión su validez, en su
sustitución se utilizan las redes Bayesianas que tienen una
matemática más firme, probada y viable en el actual campo
de investigación. Es una lógica multivaluada que permite
representar matemáticamente la incertidumbre y la
vaguedad, proporcionando herramientas formales para su
tratamiento. Básicamente, cualquier problema del mundo
puede resolverse como dado un conjunto de variables:
10
La lógica Difusa – Fuzzy Logic

• ·de entrada => espacio de entrada,

• ·obtener un valor adecuado de variables de salida
=>espacio de salida.

• La lógica difusa permite establecer este mapeo de una

forma adecuada, atendiendo a criterios de significado y
no de precisión, se utiliza en un amplio sentido,
agrupando la teoría de conjunto difusos, reglas si-
entonces, aritmética difusa y cuantificadores.
11