Reglas de Producción

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 18

BASE DE CONOCIMIENTO

Unidad 3:
REPRESENTACIÓN DEL CONOCIMIENTO: MODELOS ESTRUCTURADOS Y
APRENDIZAJE AUTOMÁTICO

Ing. Vinicio Ramos Valencia


[email protected]
0984421066
 Sistema experto
AGENDA  Reglas de producción
Sistemas expertos

 Un sistema experto está diseñado para replicar


el comportamiento de un experto humano en la
solución de un problema basándose en las
herramientas que ofrece la inteligencia artificial.
 El rendimiento de un sistema experto se basa en
el conocimiento del experto que tenga
almacenado.
Componentes de un sistema experto

Reglas, describen los Base de Memoria de Hechos, Predicados


mecanismos de Conocimiento (KB) trabajo (WM) que describen el
razonamiento que problema concreto
permiten resolver
problemas

Motor de Inferencia
Medio por el cual el
sistema experto
Ejecuta las reglas y interactúa con el
obtiene la cadena usuario
de razonamiento
que soluciona el Interfaz de usuario
problema
Base de conocimiento

 La base de conocimiento de un sistema experto es la forma en que se guarda el


conocimiento mediante reglas.
 Conocimiento fáctico: el conocimiento que se basa en hechos y es aceptado por los
ingenieros del conocimiento se incluye en el conocimiento fáctico.
 Conocimiento heurístico: este conocimiento se basa en la práctica, la capacidad de
adivinar, evaluar y experimentar.
 La adquisición de conocimiento es el proceso de extraer, organizar y estructurar el
conocimiento del dominio, especificando las reglas para adquirir el conocimiento de
varios expertos y almacenar ese conocimiento en la base de conocimiento.
Motor de inferencia

 El motor de inferencia se conoce como el cerebro del sistema experto, ya que es la


principal unidad de procesamiento del sistema que determina cuáles son las reglas
aplicables en cada momento y se encarga de ejecutarlas.
 Aplica reglas de inferencia a la base de conocimientos para derivar una conclusión
o deducir nueva información.
 Con la ayuda de un motor de inferencia, el sistema extrae el conocimiento de la
base de conocimientos.
Hay dos tipos de motor de inferencia:
 Motor de inferencia determinista: se supone que las conclusiones extraídas de
este tipo de motor de inferencia son verdaderas. Se basa en hechos y reglas.
 Sistemas expertos basados en reglas
 Motor de inferencia probabilístico: este tipo de motor de inferencia contiene
incertidumbre en las conclusiones y se basa en la probabilidad.
 Sistemas expertos basados en probabilidad
Reglas de Producción

 Una de las formas más populares que hay de representación del conocimiento son
las reglas de producción. Los sistemas de resolución de problemas basados en
reglas constan de las siguientes partes:
Reglas de Producción

 Las reglas son un importante paradigma de representación del conocimiento.


 Las reglas de producción representan el conocimiento utilizando el siguiente
formato SI-ENTONCES (IF-THEN):
Reglas de Producción

 La parte IF generalmente contiene varias cláusulas unidas por los conectivos lógicos
AND y OR.
 La parte THEN consiste en una o más frases que especifican la acción a tomar.
 Las premisas como las conclusiones, no son mas que una cadena de hechos
conectados por Y o por O, que de forma general seria:
Ejemplo
Reglas de producción

 En los sistemas basados en reglas intervienen dos elementos importantes: las reglas y
los hechos.

Hechos Reglas
• Son conocidos en una situación particular. • Son estáticos, no cambia de una
• Cuando se utiliza un hecho se sabe su aplicación a otra, a menos que se
veracidad. incorporen al sistema experto elementos
• Son dinámicos, pueden cambiar de una de aprendizaje.
aplicación a otra. • La información es de naturaleza
• Su naturaleza no es permanente. permanente.
• Se almacenan en la memoria de trabajo. • Almacenada en la base de conocimiento
Ejemplo

 Un cliente desea sacar dinero de su cuenta corriente mediante un cajero


automático (CA).
 En cuanto el usuario introduce la tarjeta en el CA, la máquina la lee y la
verifica. Si la tarjeta no es verificada con éxito (por ejemplo, porque no es
legible), el CA devuelve la tarjeta al usuario con el mensaje de error
correspondiente.
 En otro caso, el CA pide al usuario su número de identificación personal (NIP).
Si el número fuese incorrecto, se dan tres oportunidades de corregirlo. Si el NIP
es correcto, el CA pregunta al usuario cuánto dinero desea sacar.
 Para que el pago se autorice, la cantidad solicitada no debe exceder de una
cierta cantidad límite diaria, además de haber suficiente dinero en su cuenta.
Ejemplo

 En este caso se tienen siete objetos, y cada objeto puede tomar uno y solo un
valor de entre sus posibles valores.
Ejemplo

 Estas reglas gobiernan la estrategia que el CA debe


seguir cuando un usuario intenta sacar dinero de su
cuenta.
 En la regla 1, la premisa consiste en 6 afirmaciones
objeto-valor conectadas con el operador lógico “y”,
lo que indica si el consecuente es cierto, toda su
premisa es cierta.
Ejemplo

 Las expresiones lógicas de las restantes reglas constan de una sola afirmación.
 La Regla 1 indica cuándo debe permitirse el pago, y las restantes cuándo debe
rechazarse
Propiedades de las reglas

 Modular: cada regla define un pequeño y relativamente independiente pedazo de


conocimiento.
 Incremental: nuevas reglas pueden ser añadidas a la base de conocimiento
relativamente independiente de las demás.
 Modificable: como consecuencia ser modular, las reglas pueden ser modificadas o se
pueden añadir/quitar reglas fácilmente.
 Transparencia: habilidad de explicar sus decisiones y soluciones.
Bibliografía

 https://www.javatpoint.com/expert-systems-in-artificial-intelligence
 https://elvex.ugr.es/decsai/iaio/slides/A2%20Expert%20Systems.pdf
 https://www.cs.upc.edu/~bejar/ia/transpas/teoria/3-RC1-
Sistemas_de_produccion.pdf
 https://sites.google.com/site/sistemasexpertosunah/home/sistemas-
expertos-basados-en-reglas

También podría gustarte