Materia:

Inteligencia Artificial

Maestro:

Heidy Marisol Marín Castro

Alumno:

Miguel Ángel García Wha

Matricula:

1130131@upv.edu.mx

Fecha:

25 de febrero del 2016

Trabajo:

Cuadro resumen de esquemas de representación del

conocimiento

Miguel Angel Garcia Wha & Roberto Carlos Hernández Del Valle

Esquemas Hibridos

Sin embargo dado a que estos de forma individual permiten la representación de ciertos tipos de conocimiento pero no de otros, hace que los mismos tengan ciertas limitaciones para dar solución a los problemas cotidianos. Por ello se llega a la necesidad de combinar diferentes paradigmas de representación en un ambiente de programación integrado para lograr la diversidad de comportamiento de una sistema inteligente, denominado a este tipo de esquemas: ambientes híbridos.

Comunicación con lenguajes convencionales, esto facilita la comunicación con lenguaje convencionales para ejecutar algunas operaciones matemáticas complejas, realizar monitoreo de sensores, y ejecutar otras acciones que pueden ser implementadas de manera más sencilla utilizando técnicas algorítmicas convencionales. Habilidad para compilar la BC y que corran en versiones más sencilla de PC: los desarrollos de sistemas en IA con frecuencia requieren del empleo de máquinas robustas, sin embargo, una vez concluida esta etapa de desarrollo, la aplicación puede correr en máquinas y plataformas diferentes e inclusive de menor requerimiento. Interfaces gráficas variadas, se incluye facilidades de traza que permiten monitorear la ejecución de forma continua y paso a paso.

Nexpert: objetos, reglas KEE: frames, reglas, Lisp ART: OPS5, TMS Knowledge Craft: OPS5, Prolog, CRL

Estos esquemas son una representación del conocimiento muy importante porque a pesar de usar graficas que interactúan con módulos de los diferentes sistemas que se puedan crear se puede tomar en cuenta el uso de técnicas o métodos para que se complete el uso de las diferentes funciones de interfaces que mejoren la representación del conocimiento en diferentes áreas de investigación

EQUIPO TEMA DEFINICION VENTAJAS DESVENTAJAS IMPLEMENTACION PUNTO DE VISTA

Magaly Martinez Juarez & Samantha Y. Carrizales Villagomez

Ontologias Es una representación formal de un determinado dominio de conocimiento. Esta representación consiste en la extracción de los conceptos más importantes del dominio y de las relaciones que se dan entre ellos, creándose una estructura de conceptos relacionados que proporciona un vocabulario común para el conocimiento modelado por la ontología y constituye una importante forma de compartir información.

Mejoran la reusabilidad y la interoperabilidad Mejora de búsquedas Mejora de navegación y la arquitectura. Pueden permitir inferencia Aportan reglas de coherencia y consistencia

Más útiles cuanto más complejas, pero. Crece la dificultad en la creación Problemas de visualización Problemas para encontrar ontologías desde la misma perspectiva. El nivel de detalle y autoridad está en proporción inversa al tamaño del recurso.

PROTEGE: Editor de ontologías de código abierto para construir ontologías sobre RDFS, OWL y XML Schema. Kowari: Escrita en Java y de código abierto que soporta RDF y OWL. KPOntology: Es una biblioteca para gestionar ontologías que permite usar diferentes ontologías. Permite utilizar los lenguajes RDF, OWL y ODE. OntoEdit: Para construir ontologias usando significaciones graficas. OntoWeaver: Permite el diseño y desarrollo de sitios web basándose en ontologías. WebODE: Permite desarrollar ontologías sobre ingeniería.

El uso de las ontologías nos ayudan a clasificar lo que son las diferentes clases de una manera ordenada en la web semántica o en algún sistema de representación del conocimiento en el cual nos ayuda a que a través de diferentes reglas y de funciones nos ayuden a una mejor interacción con los objetos que estos mismos sistemas de representación del conocimiento manejan.

Jaciel David Hernandez Resendiz & Jose Ivan Ortiz Quiñonez

Redes Semanticas

Son una forma de representación de conocimiento lingüístico en la que los conceptos y sus interrelaciones se representan mediante un grafo. Las redes semánticas son usadas, entre otras cosas, para representar mapas conceptuales y mentales.

Permiten la declaración de importantes asociaciones en forma explícita. Debido a que los nodos relacionados están directamente conectados, y no se expresan las relaciones en una gran base de datos, el tiempo que toma el proceso de búsqueda por hechos particulares puede ser significativamente reducido.

No existe una interpretación normalizada para el conocimiento expresado por la red. La interpretación de la red depende exclusivamente de los programas que manipulan la misma. La dificultad de interpretación a menudo puede derivar en inferencias inválidas del conocimiento contenido en la red. La exploración de una red asociativa puede derivar en una explosión combinatoria del número de relaciones que deben ser examinadas para comprobar una relación, sobre todo si la respuesta a una consulta es negativa. No hay manera de insertar alguna regla heurística para explorar la red de manera eficiente.

El uso de las redes semánticas es casi el mismo punto que las ontologías solo que en estas se ve la interacción de las clases a través de los grafos que se usan para mapas o para mapas mentales, los cuales nos ayudan a entender mucho mejor la representación del conocimiento.

Dra.Heidy Marisol Marín Castro

Reglas de producción

Regla se entiende como una proposición lógica que relaciona 2 o más objetos e incluye 2 partes, la premisa y la conclusión. Cada una de estas partes consiste en una expresión lógica con una o más afirmaciones objeto-valor conectadas mediante los operadores lógicos ‘y’, ‘o’ y ‘no’. Reglas de producción. Es un método procedimental de representación del conocimiento, pone énfasis en representar y soportar las relaciones inferenciales del algoritmo, en contraposición a los métodos declarativos (hechos). La inferencia en los Sistemas Basados en Reglas se realiza mediante emparejamiento. Hay dos tipos, según el sentido: Sistemas de encadenamiento hacia adelante: una regla es activada si los antecedentes emparejan con algunos hechos del sistema. Sistemas de encadenamiento hacia atrás: una

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

Sistemas expertos, para la toma de decisiones automáticas.

Las reglas de producción nos ayudan a que

regla es activada si los consecuentes emparejan con algunos hechos del sistema.

Dra.Heidy Marisol Marín Castro

Sistemas expertos

Los sistemas expertos son llamados así porque emulan el razonamiento de un experto en un dominio concreto, y en ocasiones son usados por éstos. Con los sistemas expertos se busca una mejor calidad y rapidez en las respuestas, dando así lugar a una mejora de la productividad del propio experto al usar este tipo de sistemas informáticos.

Permanencia: A diferencia de un experto humano un (sistema experto) no envejece, y por tanto no sufre pérdida de facultades con el paso del tiempo.

Replicación: Una vez programado un se lo podemos replicar infinidad de veces.

Rapidez: Un se puede obtener información de una base de datos y realizar cálculos numéricos mucho más rápido que cualquier ser humano.

Bajo costo: A pesar de que el costo inicial pueda ser elevado, gracias a la capacidad de duplicación el coste finalmente es bajo.

Entornos peligrosos: Un se puede trabajar en entornos peligrosos o dañinos para el ser humano.

Fiabilidad: Los se no se ven afectados por condiciones externas, un humano sí (cansancio, presión, etc.).

Consolidar varios conocimientos.

Sentido común: Para un Sistema Experto no hay nada obvio. Por ejemplo, un sistema experto sobre medicina podría admitir que un hombre lleva 40 meses embarazado, a no ser que se especifique que esto no es posible ya que un hombre no puede gestar hijos.

Lenguaje natural: Con un experto humano podemos mantener una conversación informal mientras que con un SE no podemos.

Capacidad de aprendizaje: Cualquier persona aprende con relativa facilidad de sus errores y de errores ajenos, que un SE haga esto es muy complicado.

Perspectiva global: Un experto humano es capaz de distinguir cuales son las cuestiones relevantes de un problema y separarlas de cuestiones secundarias.

Capacidad sensorial: Un SE

Los sistemas expertos nos proveen una mejor simulación o estimación de lo que es la representación del conocimiento dando como respuesta lo que es el uso de los conocimientos basados en el pensamiento humano.

Apoyo Académico.

carece de sentidos.

Flexibilidad: Un humano es sumamente flexible a la hora de aceptar datos para la resolución de un problema.

Conocimiento no estructurado: Un SE no es capaz de manejar conocimiento poco estructurado.

Dra.Heidy Marisol Marín Castro

Sistemas de producción

Un sistema de producción es aquel sistema que proporciona una estructura que agiliza la descripción, la ejecución y el planteamiento de un proceso industrial. Estos sistemas son los responsables de la producción de bienes y servicios en las organizaciones. Los administradores de operaciones toman decisiones que se relacionan con la función de operaciones y los sistemas de transformación que se emplean. De la misma manera los sistemas de producción tienen la capacidad de involucrar las actividades y tareas diarias de adquisición y consumo de

Un sistema de producción nos ayuda a la ejecución de ciertos procesos para los funciones o las operaciones que se toman en cuenta en el uso de la producción de los servicios que se puedan dar en estos mismos sistemas que se manejan.

recursos. Estos son sistemas que utilizan los gerentes de primera línea dada la relevancia que tienen como factor de decisión empresarial. El análisis de este sistema permite familiarizarse de una forma más eficiente con las condiciones en que se encuentra la empresa en referencia al sistema productivo que se emplea.

Dra.Heidy Marisol Marín Castro

Maquina de inferencias

La máquina de inferencias es la porción del sistema experto que razona utilizando el contenido de la base de del conocimiento n una secuencia determinada. Durante la consulta, la máquina de inferencias examina las reglas de la base del conocimiento una por una, y cuando se cumple la condición de la regla, se realiza la acción especificada. En la terminología de los sistemas experto, la regla se extiende cuando se efectúa la acción.

Un maquina de inferencia usa reglas que se ejecutan en esta misma para que se reconozcan y actúen a la vez que estas resuelven un problema dado.

Sean ideado dos métodos principales de la máquina de inferencias usa al examinar las reglas: pro razonamiento y razonamiento inverso.

Dra.Heidy Marisol Marín Castro

Almacenes de datos

un almacén de datos (del inglés data warehouse) es una colección de datos orientada a un determinado ámbito (empresa, organización, etc.), integrado, no volátil y variable en el tiempo, que ayuda a la toma de decisiones en la entidad en la que se utiliza. Se trata, sobre todo, de un expediente completo de una organización, más allá de la información transaccional y operacional, almacenado en una base de datos diseñada para favorecer el análisis y la divulgación eficiente de datos (especialmente OLAP, procesamiento analítico en línea). El almacenamiento de los datos no debe usarse con datos de uso actual. Los almacenes de datos contienen a menudo

Los almacenes de datos hacen más fácil el acceso a una gran variedad de datos a los usuarios finales

Facilitan el funcionamiento de las aplicaciones de los sistemas de apoyo a la decisión tales como informes de tendencia, por ejemplo: obtener los ítems con la mayoría de las ventas en un área en particular dentro de los últimos dos años; informes de excepción, informes que muestran los resultados reales frente a los objetivos planteados a priori.

Los almacenes de datos pueden trabajar en conjunto y, por lo tanto, aumentar el valor operacional de las aplicaciones empresariales, en especial la gestión de relaciones con clientes.

A lo largo de su vida los almacenes de datos pueden suponer altos costos. El almacén de datos no suele ser estático. Los costos de mantenimiento son elevados.

Los almacenes de datos se pueden quedar obsoletos relativamente pronto.

A veces, ante una petición de información estos devuelven una información subóptima, que también supone una pérdida para la organización.

A menudo existe una delgada línea entre los almacenes de datos y los sistemas operacionales. Hay que determinar qué funcionalidades de estos se pueden aprovechar y cuáles se deben implementar en el data warehouse, resultaría costoso implementar operaciones no necesarias o

Los almacenes de datos son los contenedores que a pasar de tener una memoria muy extensa en cuanto a lo que es el almacenamiento de la información en este caso el conocimiento se basan en la recopilación primordial del conocimiento histórico y este no es modificable solo se agrega o se combinan los conocimientos.

grandes cantidades de información que se subdividen a veces en unidades lógicas más pequeñas dependiendo del subsistema de la entidad del que procedan o para el que sean necesario.

dejar de implementar alguna que sí vaya a necesitarse.