Coherencia e incertidumbre en sistemas basados en reglas Grupo 2 Edwin Guillermo Ramirez Victor Leonel Orozco Grupo 5 Nery Chucuy Alejandra Molina Ronmell Fuentes

Coherencia  Propiedad de las entidades unitarias Idea 1 Idea 2 Idea 3 Principal Textos donde las ideas secundarias aportan información para llegar a una unica idea principal

Propiedades de la coherencia  Que el concepto se perciba como un todo  Las ideas deben ser relevantes para el concepto.  En un SBR: Ayudar al usuario a no dar hechos inconsistentes. Evitar que entre en la base de conocimiento cualquier tipo de conocimiento inconsistente o contradictorio.

Coherencia en SBR

Coherencia de reglas  “Las reglas seran coherentes si y solo si existe, al menos, UN conjunto de valores de todos los objetos que producen conclusiones no contradictorias.”

Coherencia de reglas  Considérense las cuatro reglas siguientes, que relacionan dos objetos A y B binarios {C, F}: . Regla 1: Si A = C, entonces B = C. . Regla 2: Si A = C, entonces B = F. . Regla 3: Si A = F, entonces B = C. . Regla 4: Si A = F, entonces B = F.  Algunos conjuntos de valores puedan producir conclusiones inconsistentes llamados no factibles, el sistema eliminara automaticamente estos valores

Coherencia de reglas  Las primeras cuatro reglas implican que A<> C, A<>F, B<>C y B<>F. Por tanto, los valores {C, F} son eliminados de las listas de valores, los valores factibles no existen y las 4 reglas son incoherentes.

Coherencia de reglas  Regla 1: Si A = 0 y B = 0, entonces C = 0.  Regla 2: Si A = 0 y D = 0, entonces C = 1.  Regla 3: Si A = 0 y B = 0, entonces C = 1.  Regla 4: Si A = 0, entonces B = 0.  Regla 5: Si B = 0, entonces A = 1.  1=si, 2=si;3=no (1), 4=si, 5=no

Coherencia de hechos  Son los datos ingresados por el usuario, los cuales aparte de ser consistentes entre si, tambien deben de ser consistentes con las reglas.  Es por ello que al ser ingresados deben de pasar por el modulo o subsistema de control de coherencia.  Ejemplo: Lectura de los sensores del edificio.

¿Que estrategia seguir?  Eliminar todos los valores no factibles de los objetos una vez detectados.  Comprobar que los hechos conocidos no contradicen el conjunto de reglas.  Actualizar continuamente la base de conocimiento

¿Que problemas resuelve?  Evita la inconsistencia que surge de que los hechos sean inconsistentes.  Evita evaluar hechos que contradicen las reglas.  Ayuda a dar conclusiones coherentes.

Incertidumbre  Si hablamos de un sistema experto basado en reglas, nos pregutamos:  Si hay una absoluta credibilidad A y existe la regla A | B entonces hay absoluta credibilidad en B. Y si A es un conjunto de cláusulas del tipo A1, A2,…An. pero puede ser que B no sea totalmente cierta.  Cuando el conocimiento no es confiable  A sugiere B con un factor de confianza H y B sugieren C con otro factor de confianza.

Formas de resolver esto  1) Aplicando probabilidades. P(B/A): probabilidad de que se presente B a partir de A ( encadenamiento hacia delante ). 2) Aplicando conjuntos difusos.

Aplicando probabilidades  En la Lógica clásica, lo unico que puede deducirse de una regla es que si su premisa es cierta, tambié lo será su conclusión. Por tanto, dada la regla: “Si A es cierto, entonces B es cierto” puede decirse que A implica B con probabilidad 1.

Probabilidades

 La incertidumbre tiene sus limites y problemas de los cuales el mayor es la Propagaciòn de Incertidumbre  Donde cada hecho se dice que tiene una medida de incertidumbre (probabilidad, factor de certeza, etc) y a la combinaciòn de hechos dan como resultados una medida de incertidumbre.

Principal problema de la incertidumbre  Si se conoce la medida de incertidumbre y tambien está asociada a las premisas, esas conclusiones puedene tener en teoría un numero incierto de valores inciertos.  Mientras mayor sea el valor incierto --> Mayor sera la complicaciòn del razonamiento.