Seminario para el curso de Inteligencia Artificial de la Maestría en Informática de la Universidad Mariano Gálvez

1. SistemasBasadosenReglas
Seminario 1

2. Integrantesdelgrupo
Edwin Ottoniel Rodriguez Taylor 092-07-1527
Alzamendi Antoveli Santos Ixcot 092-09-5505
Carlos Josué De León 092-03-13129
Eduardo Javier Bolaños Avila 2690-09-3793
Kevin Fernando Herrarte Mora 092-09-7850
Estuardo Samuel López López 092-09-4748
Susana Lucía Urbina Reyna 092-05-7254

3. SistemasBasados enReglas
Son una herramienta eficiente para tratar
problemas. Las reglas deterministas
constituyen la más sencilla de las
metodologías utilizadas en sistemas expertos.
La base de conocimiento contiene el conjunto
de reglas que definen el problema, y el motor
de inferencia saca las conclusiones aplicando
la lógica clásica a estas reglas.

4. labasede
conocimiento

5. Intervienendoselementos importantes
Los datos
Formados por la evidencia o los
hechos conocidos en una situación
particular. Este elemento es
dinámico, es decir, puede cambiar
de una aplicación a otra. Por esta
razón, no es de naturaleza
permanente y se almacena en la
memoria de trabajo.
● 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.
Naturaleza permanente y estática,
es decir, no cambia de una
aplicación a otra, a menos que se
incorporen al sistema experto
elementos de aprendizaje.

6. Regla
Una regla es una afirmación lógica que
relaciona dos o más objetos e incluye dos
partes, la premisa y la conclusión. Cada una
de estas partes consiste en una expresión
lógica con una o más afirmaciones conectadas
mediante los operadores lógicos u, o, o no.

7. Lasreglasestánformadas pordospartes
La premisa de la regla
Es la expresión lógica
entre las palabras
clave si y entonces.
La premisa puede
contener una o más
afirmaciones
conectadas con
operadores lógicos y,
o , o no.
La Conclusión de la
regla
Es la expresión lógica
tras la palabra clave
entonces

8. ElMotordeInferencia
Motor de Inferencia - Modus Ponens - Modus Tollens

9. Motordeinferencia
El motor de inferencia usa los datos y el
conocimiento para obtener nuevas conclusiones o
hechos. Por ejemplo, si la premisa de una regla
es cierta entonces la conclusión de la regla debe
ser también cierta.

10. ModusPonens
Se utiliza para obtener conclusiones simples. En ella, se
examina la premisa de la regla, y si es cierta, la conclusión
pasa a formar parte del conocimiento.

11. ModusTollens
La regla de inferencia Modus Tollens se utiliza también para
obtener conclusiones simples. En este caso se examina la
conclusión y si es falsa, se concluye que la premisa también
es falsa.

12. ElMecanismodeResolución
Mecanismo de Resolución

13. consisteenlassiguientesetapas
Las reglas son sustituidas por expresiones
lógicas equivalentes.
Estas expresiones lógicas se combinan en otra
expresión lógica.
Esta última expresión lógicas se combinan en otra
expresión lógica.

14. Encadenamientode
Reglas

15. Encadenamiento dereglas
Esta estrategia puede utilizarse cuando las premisas de
ciertas reglas coinciden con las conclusiones de otras.
Cuando se encadenan las reglas, los hechos pueden utilizarse
para dar lugar a nuevos hechos, esto se repite sucesivamente
hasta que no pueden obtenerse más conclusiones.

16. Supóngase que se dan los hechos H = cierto, I = cierto, K = cierto y M = falso.
En primer lugar, que el motor de inferencia usa las dos reglas de inferencia Modus Ponens y
Modus Tollens. En este caso, se obtiene:
1. La regla 3 concluye que J = cierto (Modus Ponens)
2. La regla 6 concluye (Modus Tollens) que K = cierto, deberá ser L = falso, pero, puesto
que K = cierto, deberá ser L = falso
3. La regla 5 concluye (Modus Tollens) que G = falso o J = false, pero, puesto que J =
cierto, deberá ser G = falso

17. Encadenamiento deReglasOrientadoaunObjetivo
En primer lugar se requiere que el usuario seleccione una
variable o nodo objetivo, entonces el algoritmo navega a
través de las reglas en búsqueda de una conclusión para el
nodo objetivo.
Si no se obtiene ninguna conclusión con la información
existente, entonces el algoritmo fuerza a preguntar al
usuario en busca de nueva información sobre el objetivo.

18. Encadenamientodereglasorientadoaunobjetivo

19. ControldeCoherencia
Control de Coherencia - Coherencia de Reglas

20. Objetivodelcontroldelacoherencia
Ayudar al usuario a no dar hechos inconsistentes, por
ejemplo, dándole al usuario las restricciones que debe
satisfacer la información demandada.
Evitar que entre en la base de conocimiento cualquier tipo de
conocimiento inconsistente o contradictorio.
El control de la coherencia debe hacerse controlando la
coherencia de las reglas y la de los hechos.

21. Reglascoherentes
Un conjunto de reglas se denomina coherente si existe, al
menos, un conjunto de valores de todos los objetos que
producen conclusiones no contradictorias.
Por esto un conjunto coherente de reglas no tiene porque
producir conclusiones no contradictorias para todos los
posibles conjuntos de valores de los objetos. Es decir, es
suficiente que exista un conjunto de valores que conduzcan a
conclusiones no contradictorias.

22. Prolog-Ejercicio

23. Prolog
Es un lenguaje de programación lógica cuya primera versión
fue desarrollada a principios de la década de 1970 por
Colmerauer en la universidad de Marsella.
Reglas
Las reglas se utilizan en Prolog para significar que un hecho
depende de uno o más hechos.
Variables
Representan objetos que el mismo Prolog determina. Una
variable puede estar instanciada o no.

24. EjercicioprácticoenProlog
A continuación se mostrará el ejercicio práctico...

25. Graciasporsu
atencion