Sistemas Basados en Reglas 4/18/2017

La base de conocimiento Los sistemas basados en reglas tienen cuatro partes relevantes: La base de conocimiento El motor de inferencia El sistema de control de coherencia El trazador de explicaciones 4/18/2017

Son los hechos conocidos La base de conocimiento En los sistemas basados en reglas interactuan dos elementos relevantes: Datos Son los hechos conocidos La base de conocimiento Donde se almancena el conocimiento 4/18/2017

La base de conocimiento En situaciones deterministas, las relaciones entre un conjunto de objetos se representan mediante un conjunto de reglas. El conocimiento se almacena en la base de conocimiento y consiste en un conjunto de objetos y un conjunto de reglas que gobiernan las relaciones entre esos objetos. 4/18/2017

La base de conocimiento La información almacenada en la base de conocimiento es de naturaleza permanente y estática, no cambia de una aplicación a otra, a menos que se incorporen al sistema experto elementos de aprendizaje. 4/18/2017

Son el elementos de naturaleza dinámica. La base de conocimiento Los Datos: Son el elementos de naturaleza dinámica. Pueden cambiar de una aplicación a otra. Están formados por la evidencia o los hechos conocidos en una situación particular. Se almacenan en la Memoria de Trabajo. 4/18/2017

La base de conocimiento Reglas: Una Regla es una afirmación lógica que relaciona dos o más objetos Incluye dos partes que consisten de expresiones lógicas con una o mas afirmaciones objeto - valor conectadas mediante operadores lógicos: La premisa La conclusión 4/18/2017

Regla Simple: contiene solo expresiones lógicas simples La base de conocimiento Tipos de reglas: Regla Simple: contiene solo expresiones lógicas simples Regla Compuesta: contiene expresiones lógicas compuestas 4/18/2017

La base de conocimiento Objetos Conjunto de Valores Posibles Nota {0,1,......,10} Calificación {sobresaliente, notable, aprobado, suspenso} Puesto { 0,1,.........,100} Admitir {si, pendiente, no} Notificar { si, no } 4/18/2017

Regla 2 (regla compuesta): La base de conocimiento Regla 1 (regla simple): Si nota > 9, entonces calificación = sobresaliente Regla 2 (regla compuesta): Si puesto < 20 o nota >7, entonces admitir = si y notificar = si 4/18/2017

Tipos de Conclusiones: Simples: resultan de una Regla Simple El motor de inferencia Usa para obtener nuevas conclusiones o hechos: Datos: hechos o evidencias Conocimiento: reglas de la BC Tipos de Conclusiones: Simples: resultan de una Regla Simple Compuestas: resultan de más de una Regla 4/18/2017

El motor de inferencia En el Motor de Inferencia del sistema experto deben implementarse varias de las siguientes reglas de inferencia para garantizar la obtención de conclusiones: Modus Ponens Modus Tollens Resolución 4/18/2017

El motor de inferencia Estrategias de Inferencia: Encadenamiento de Reglas Encadenamiento de Reglas Orientadas a un Objeto Compilación de Reglas 4/18/2017

Modus Ponens Obtiene conclusiones simples El motor de inferencia Modus Ponens Obtiene conclusiones simples Se mueve hacia delante, de la premisa a la conclusión Si A es cierto Entonces B es cierto Regla: B es cierto Hecho: A es cierto 4/18/2017

El motor de inferencia Modus Ponens Obtiene conclusiones simples Se mueve hacia atrás, de la conclusión a la premisa Si A es cierto Entonces B es cierto Regla: A es falso Hecho: B es falso 4/18/2017

Mecanismo de Resolución El motor de inferencia Mecanismo de Resolución Obtiene conclusiones compuestas Las Reglas son sustituidas por expresiones lógicas equivalentes Estas expresiones lógicas se combinan en otra expresión lógica Esta última expresión lógica se utiliza para obtener conclusiones E T A P A S 4/18/2017

Mecanismo de Resolución El motor de inferencia Mecanismo de Resolución Si A es cierto Entonces B es cierto A es falso o C es cierto c es cierto B es falso 4/18/2017

Esto se repite hasta llegar a una conclusión. El motor de inferencia Estrategias de Inferencia: Encadenamiento de Reglas. Se utiliza cuando las premisas de ciertas reglas coinciden con las conclusiones de otras. Cuando se encadenan las reglas , los hechos pueden dar lugar a nuevos hechos. Esto se repite hasta llegar a una conclusión. 4/18/2017

El motor de inferencia Estrategias de Inferencia: Encadenamiento de Reglas (Algoritmo). Datos: una base de conocimiento (objetos y reglas) y algunos hechos iniciales Resultados: el conjunto de hechos derivados lógicamente de ellos 4/18/2017

El motor de inferencia Estrategias de Inferencia: Encadenamiento de Reglas (Algoritmo). Asignar a los objetos sus valores conocidos tales como los dan los hechos conocidos o la evidencia. Ejecutar cada regla de la base de conocimiento y concluir nuevos hechos si es posible. Repetir la etapa 2 hasta que no puedan ser obtenidos nuevos hechos. E T A P A S 4/18/2017

Comenzar por las reglas cuyas premisas tienen valor conocido. El motor de inferencia Estrategias de Inferencia: Encadenamiento de Reglas (Algoritmo). IMPLEMENTACIÓN Comenzar por las reglas cuyas premisas tienen valor conocido. Estas reglas deben concluirse y sus conclusiones dan lugar a nuevos hechos. 4/18/2017

Los nuevos hechos se añaden al conjunto de hechos conocidos. El motor de inferencia Estrategias de Inferencia: Encadenamiento de Reglas (Algoritmo). IMPLEMENTACIÓN Los nuevos hechos se añaden al conjunto de hechos conocidos. El proceso continua hasta que no se puedan obtener nuevos hechos. 4/18/2017

El usuario debe fijar una variable o nodo objetivo El motor de inferencia Estrategias de Inferencia: Encadenamiento de Reglas orientado a un objetivo. El usuario debe fijar una variable o nodo objetivo El algoritmo navega por las reglas en búsqueda de una conclusión para el nodo objetivo Si no obtiene ninguna conclusión con la información existente, entonces el algoritmo fuerza a preguntar al usuario. 4/18/2017

Resultados: el valor del nodo o variable objetivo. El motor de inferencia Estrategias de Inferencia: Encadenamiento de Reglas orientado a un objetivo. Datos: una base de conocimiento (objetos y reglas), algunos hechos iniciales y un nodo o variable objetivo. Resultados: el valor del nodo o variable objetivo. 4/18/2017

PLANTEAR LAS ETAPAS DEL ALGORITMO El motor de inferencia Estrategias de Inferencia: Encadenamiento de Reglas orientado a un objetivo. ETAPAS PLANTEAR LAS ETAPAS DEL ALGORITMO 4/18/2017

Obtiene conclusiones compuestas. El motor de inferencia Estrategias de Inferencia: Compilación de Reglas. Obtiene conclusiones compuestas. Es una forma de tratar con reglas encadenadas, consiste en comenzar con un conjunto de datos y tratar de alcanzar algunos objetivos. Cuando datos u objetivos se han determinado previamente, las reglas pueden ser compiladas, es decir escribir los objetivos en función de los datos para obtener las llamadas ecuaciones objetivos. 4/18/2017

Sistema de Control de Coherencia En situaciones complejas, incluso verdaderos expertos pueden dar información inconsistente (por ejemplo, reglas inconsistentes y/o combinaciones de hechos no factibles). Es muy importante controlar la coherencia del conocimiento tanto: durante la construcción de la base de conocimiento. durante los procesos de adquisición de datos y razonamiento. Si la base de conocimiento contiene información inconsistente (por ejemplo, reglas y/o hechos), es muy probable que el sistema experto se comporte de forma poco satisfactoria y obtenga conclusiones absurdas. 4/18/2017

Objetivos del control de la coherencia: Sistema de Control de Coherencia Objetivos del control de la coherencia: Ayudar al usuario a no dar hechos inconsistentes, por ejemplo, dándole al usuario las restricciones que debe satisfacer la información demandada. Evitar que entre a la base de conocimiento cualquier tipo de conocimiento inconsistente o contradictorio. 4/18/2017

El control de la coherencia debe hacerse controlando: Sistema de Control de Coherencia El control de la coherencia debe hacerse controlando: La coherencia de las reglas. La coherencia de los hechos. 4/18/2017

Sistema de Control de Coherencia Reglas coherentes: Un conjunto de reglas se denomina coherente si existe, al menos, un conjunto de valores de todos los objetos que producen conclusiones no contradictorias. Un conjunto coherente de reglas no tiene por qué producir conclusiones no contradictorias para todos los posibles conjuntos de valores de los objetos. 4/18/2017

Coherencia de los hechos: Sistema de Control de Coherencia Coherencia de los hechos: Los datos o evidencias suministrados por los usuarios deben ser también consistentes en sí y con el conjunto de reglas de la base de datos. El sistema no debe aceptar hechos que contradigan el conjunto de reglas y/o el conjunto de hechos existente en cada instante del proceso. El sistema debe también comprobar si existe o no una, solución factible e informar al usuario en consecuencia. 4/18/2017

Coherencia de los hechos (Estrategias): Sistema de Control de Coherencia Coherencia de los hechos (Estrategias): Eliminar todos los valores no factibles, los que contradicen el conjunto de reglas y/o hechos, de los objetos una vez detectados. Cuando se pregunte al usuario por información sobre los valores de un conjunto de objetos, el sistema experto debería aceptar solo los valores de cada objeto que sean consistentes con las reglas y con el conocimiento previo El motor de inferencia debe comprobar que los hechos conocidos no contradicen el conjunto de reglas, si el sistema no elimina los valores no factibles, entonces el usuario podrá dar evidencias contradictorias. 4/18/2017

Coherencia de los hechos (Estrategias): Sistema de Control de Coherencia Coherencia de los hechos (Estrategias): Suministrar al usuario una lista de objetos a los que no se ha asignado valores previamente. Para cada uno de los objetos, mostrar y aceptar solo sus valores factibles. Actualizar continuamente la base de conocimiento, es decir, tan pronto como se de un hecho o se obtenga una conclusión, y eliminar los valores no factibles. El motor de inferencia obtiene todas las conclusiones posibles examinando, y posiblemente concluyendo, las reglas tan pronto como una simple unidad de información llega al sistema. 4/18/2017

Explicación de conclusiones Trazador de explicaciones Explicación de conclusiones Las conclusiones no bastan para satisfacer al usuario de un sistema experto, normalmente, los usuarios esperan que el sistema les de algún tipo de explicación, que indique el por qué de las conclusiones. Durante el proceso realizado por el motor de inferencia, las reglas activas (las que han concluido) forman la base del mecanismo de explicación, que es regulado por el subsistema de explicación. 4/18/2017

Explicación de conclusiones Trazador de explicaciones Explicación de conclusiones En los sistemas expertos basados en reglas, es fácil dar explicaciones de las conclusiones obtenidas, el motor de inferencia obtiene conclusiones basándose en un conjunto de reglas y, por tanto, conoce de qué regla procede cada conclusión, el sistema puede dar al usuario la lista de hechos concluidos junto con las reglas que se han utilizado para obtenerlos. 4/18/2017

Equivalencia de reglas 4/18/2017

Equivalencia de reglas 4/18/2017

Fin ... 4/18/2017