La descarga está en progreso. Por favor, espere

La descarga está en progreso. Por favor, espere

Ing. Jaime Polo Romero1 INTELIGENCIA ARTIFICIAL REDES SEMANTICAS Y BUSQUEDAS.

Presentaciones similares


Presentación del tema: "Ing. Jaime Polo Romero1 INTELIGENCIA ARTIFICIAL REDES SEMANTICAS Y BUSQUEDAS."— Transcripción de la presentación:

1 Ing. Jaime Polo Romero1 INTELIGENCIA ARTIFICIAL REDES SEMANTICAS Y BUSQUEDAS

2 Ing. Jaime Polo Romero2 Son esquemas de representación en Red, compuesta por nodos donde cada nodo representa un dato. Se relacionan entre sí por medio de enlaces (flechas en el diagrama). Redes Semánticas

3 Ing. Jaime Polo Romero3 Los nodos representan objetos del dominio del problema y los arcos (flechas) sus relaciones o asociacion

4 Ing. Jaime Polo Romero4 Ejemplo Pájaro Animal donde la saeta significa "es un"

5 Ing. Jaime Polo Romero5 Las redes semánticas son estructuras utilizadas para la representación de conocimiento en Inteligencia Artificial. Son especialmente útiles para representar conocimiento de taxonomías.

6 Ing. Jaime Polo Romero6 Los nodos corresponden a Constantes de relaciónes tales como clases, propiedades e Instancias (elementos de una clase). Las aristas en la red semántica representan asociaciones entre clases.

7 Ing. Jaime Polo Romero7 Ejemplo

8 Ing. Jaime Polo Romero8 Tenemos dos objetos, Piolín y Pedro. Intuitivamente podemos inferir que Piolín es un ave dado que canario es una subclase de ave y Piolín es un canario, podemos inferir también que Piolín tiene alas. No hay un significado preciso para una red semántica cualquiera, este dependerá de la aplicación y debe ser especificado por el diseñador de la red.

9 Ing. Jaime Polo Romero9 Redes Semánticas en PROLOG Para modelar redes semánticas en PROLOG, necesitamos codificar el grafo que la representa. En nuestro ejemplo podemos utilizar los predicados: instancia(Objeto,Clase) utilizado para decir que el argumento Objeto pertenece al argumento Clase. En nuestro ejemplo tendremos los hechos instancia(piolin,canario). instancia(pedro,halcon).

10 Ing. Jaime Polo Romero10 subclase(Clase1,Clase2) para indicar que la clase Clase1 está contenida en, o forma parte de la clase Clase2. En nuestro ejemplo tendremos: subclase(canario,ave). subclase(halcon,ave).

11 Ing. Jaime Polo Romero11 tiene p(Clase1,Propiedad, Clase2) Representa una relación entre dos clases, indica que la clase Clase1 está relacionada con la clase Clase2 mediante la caracteristica Propiedad. En nuestro ejemplo: tiene_p(canario,come,semillas). tiene_p(ave,tiene,alas). tiene_p(ave,tiene,plumas). tiene_p(halcon,tiene,deseos).

12 Ing. Jaime Polo Romero12 Como se ve en este ejemplo, un grafo cualquiera puede ser codificado con un pequeño programa en PROLOG en el que los nodos, y los arcos (junto con sus etiquetas) son modelados como conjuntos de hechos. Los ejemplos de árboles genealógicos que hemos visto son una clase particular de red semántica en donde la mayoría de los nodos son instancias que están relacionadas por propiedades como ser hijo de.

13 Ing. Jaime Polo Romero13 REDES Y BUSQUEDAS BASICAS

14 Ing. Jaime Polo Romero14 Estrategias de búsquedas No Informadas ó a Ciegas: No se tiene información adicional acerca de los estados. La única información es la que proporciona la formulación del problema. Sólo generan sucesores y distinguen si han llegado al objetivo ó no. Informadas ó Heurísticas: Se conoce cuando un estado no es objetivo, y si es mas prometedor que otro.

15 Ing. Jaime Polo Romero15 Criterios para evaluar las estrategias : Completitud ¿La estrategia garantiza encontrar una solución, si es que esta existe? Complejidad en tiempo ¿Cuánto tiempo se necesitara para encontrar una solución? Complejidad en espacio ¿Cuánta memoria se necesita para efectuar la búsqueda? Optimización ¿Con esta estrategia se encontrará una Solución Óptima?

16 Ing. Jaime Polo Romero16 Medición de buen éxito en la solución del problema costo de búsqueda = tiempo/memoria para encontrar la solución costo total = costo de trayectoria + costo de búsqueda

17 Ing. Jaime Polo Romero17 S A B C E D E D F Nodo Raíz Nodo Hoja El nodo raíz denota la trayectoria que comienza y termina en el nodo inicial S. El hijo del nodo raíz con etiqueta A Representa la trayectoria S-A. Las trayectorias como S-A, que no alcanzan las metas se conocen como trayectorias Parciales. Las trayectorias que alcanzan la meta se llaman trayectorias completas, y el nodo correspondiente es un nodo meta.

18 Ing. Jaime Polo Romero18 METODOS CIEGOS Búsqueda en Profundidad Búsqueda en Amplitud Búsqueda no Deterministica

19 Ing. Jaime Polo Romero19 Búsqueda en Profundidad Toma los hijos de cada nodo y avanza a partir de ese hijo. Otras alternativas del mismo nivel se ignoran por completo, en tanto haya posibilidades de alcanzar la meta mediante la selección original. Se busca en las ramas de izquierda a derecha.

20 Ing. Jaime Polo Romero20 Búsqueda en Profundidad goal

21 Ing. Jaime Polo Romero21 Revisa todas las trayectorias de una longitud dada antes de avanzar a una trayectoria más larga. Búsqueda en Amplitud

22 Ing. Jaime Polo Romero22 Búsqueda en Amplitud goal

23 Ing. Jaime Polo Romero23 Búsqueda no Deterministica Se puede tener tan poca información sobre un problema al grado de que no sea posible descartar un factor de ramificación grande o trayectorias largas carentes de utilidad. La busqueda no deterministica consiste en buscar un termino medio entre la búsqueda en profundidad y la búsqueda en amplitud.

24 Ing. Jaime Polo Romero24 Problema del Laberinto En el siguiente laberinto, se puede pasar desde una casilla a otra de las posibles adyacentes (arriba, abajo, izquierda, derecha), salvo si existe una barrera entre ellas

25 Ing. Jaime Polo Romero25 Objetivo: ir de I a F

26 Ing. Jaime Polo Romero26 Busqueda en Profundidad


Descargar ppt "Ing. Jaime Polo Romero1 INTELIGENCIA ARTIFICIAL REDES SEMANTICAS Y BUSQUEDAS."

Presentaciones similares


Anuncios Google