RAZONAMIENTO BASADO EN MODELOS: RAZONAMIENTO CUALITATIVO RAZONAMIENTO CUALITATIVO BASADO EN RESTRICCIONES

Tamaño: px
Comenzar la demostración a partir de la página:

Download "RAZONAMIENTO BASADO EN MODELOS: RAZONAMIENTO CUALITATIVO RAZONAMIENTO CUALITATIVO BASADO EN RESTRICCIONES"

Transcripción

1 RAZONAMIENTO BASADO EN MODELOS: RAZONAMIENTO CUALITATIVO RAZONAMIENTO CUALITATIVO BASADO EN RESTRICCIONES 1

2 CONTENIDOS Introducción al modelado basado en restricciones La variable cualitativa y su representación QV(f,t) bajo este paradigma Concepto de estado Concepto de comportamiento cualitativo de un sistema Formas de representación de comportamientos Ecuaciones diferenciales cualitativas. Definición Restricciones cualitativas Operadores de signo Valores correspondientes Condiciones asociadas a las restricciones cualitativas Algoritmos de resolución de conjuntos de restricciones Algoritmo de propagación. Definición. Ejemplo Algoritmo de satisfacción de restricciones (CSP). Definición Algoritmo Cfilter. Definición. Ejemplo Algoritmo QSIM Definición Algoritmo del estado completo (SCA) Filtros globales Inconvenientes 2

3 PLANTEAMIENTO GENERAL Problema (Sistema del Mundo real) Simulación Ontología (Representación + conjunto de operadores) Modelo (Abstración) Conocimiento experto Inferencia Información 3

4 MODELADO BASADO EN RESTRICCIONES: QSIM (KUIPER 86) Sistema real Conducta real solución numérica/analítica ODE State (t 0 ) f i : R R * simulación cualitativa QDE QState(t 0 ) Beh 1..Beh n 4

5 LA VARIABLE CUALITATIVA Características de la variable cualitativa: La variable cualitativa representa una función razonable, es decir, una función continuamente diferenciable. f:r R * Donde R* es la línea de los reales extendida. F es una función dependiente del tiempo (parámetro global) No debe presentar oscilaciones infinitas alrededor de un punto. 5

6 REPRESENTACIÓN FORMAL DEL VALOR DE UNA VARIABLE CUALITATIVA El valor de una variable cualitativa f(t) para un instante de tiempo dado, QV(f,t), con respecto del espacio de medida l 1 <l 2 <...<l k se representa mediante <qmag,qdir>, donde: qmag= l j si f(t)=l j (un landmark) y t es un punto distinguible de tiempo. (l j ) si f(t) (l j,l j+1 ) (un intervalo abierto.) qdir= inc si f (t)>0 std si f (t)=0 dec si f (t)<0 QSIM (qmag) Signos QSIM (qdir) Símbolos (0, ) [+] inc 0 [0] std θ (-,0) [-] dec (-, ) [?] ign * 6

7 LANDMARKS Y PUNTOS LÍMITES Un landmark bajo esta representación puede ser: Un valor crítico de una variable f (t)=0 cuando f(t)=l j donde l j es un landmark. Un punto límite que define el cambio de una región de comportamiento a otra (transición). Un valor inicial de una variable cualitativa. Para la variable tiempo los valores landmark se denominan puntos distinguibles de tiempo (t i tal que f(t i )=l j donde l j es un landmark de f ). 7

8 REPRESENTACIÓN DE UN COMPORTAMIENTO PARA UNA SÓLA VARIABLE El comportamiento cualitativo de una variable f es la secuencia de valores cualitativos de f definido de la siguiente forma: QV(f,t o ), QV(f,(t o,t 1 )), QV(f,t 1 ),..., QV(f,(t n-1,t n )), QV(f,t n ) Ejemplo: Df: A...B... (dominio de valores de f) f(t): <B,dec> <(A,B),dec> <A,std> <(A,B)inc> <B,inc> 8

9 REPRESENTACIÓN CUALITATIVA DE UN COMPORTAMIENTO CONTINUO f B A QV(f,t 0 )=<B, > QV(f,(t 0,t 1 ))=< (A,B), > QV(f,t 1 )=< A,θ> QV(f,(t 1,t 2 ))=<(A,B), > QV(f,t 2 )=< B, > t 0 t 1 t 2 t f(t)=<b, >, <(A,B), >, <A,θ>,<(A,B), >,<B, > 9

10 CONCEPTO DE ESTADO Dado un sistema definido por un conjunto F={f 1,...,f m } de funciones razonables tal que f j :R R *, el estado cualitativo de dicho sistema viene definido por una tupla de la siguiente forma: QS(F,t i )=<QV(f 1,t i ), QV(f 2,t i ),...,QV(f m,t i )> QS(F,(t i,t i+1 ))=<QV(f 1,(t i,t i+1 )), QV(f 2,(t i,t i+1 )),..., QV(f m,(t i,t i+1 ))> 10

11 CONCEPTO DE COMPORTAMIENTO El concepto de comportamiento bajo esta nueva perspectiva viene definido como una secuencia alternada de estados que tienen lugar sobre puntos distinguibles de tiempo o intervalos abiertos de tiempo: QS(F,t o ), QS(F,(t o,t 1 )), QS(F,t 1 ),..., QS(F,(t n-1,t n )), QS(F,t n ) 11

12 FORMAS DE REPRESENTACIÓN DE LOS COMPORTAMIENTOS DEL SISTEMA Este paradigma de modelado permite dos formas posibles de representación para los comportamientos del sistema: Árbol de comportamientos (modo de simulación dinámico normal). Grafo de comportamientos 12

13 ÁRBOL DE COMPORTAMIENTO Dadas las EDQ y un estado inicial la simulación cualitativa se resuelve obteniendo de forma repetitiva todos los posibles estados sucesores a uno dado. Los comportamientos aparecen representados por los distintos caminos que se pueden describir desde la raíz a las hojas del árbol. t 0 t 0,t 1 t 1 t 1,t 2 t 2 13

14 GRAFO DE COMPORTAMIENTO (Total Envisionment) El grafo de comportamientos o predicción global (Total Envisionment): consiste en, dadas las EDQ, obtener todos los posibles estados y transiciones entre ellos. Los distintos caminos que configuran el grafo representan los distintos comportamientos del sistema. Predicción global Para el problema del muelle X=<(0, ), > V=<(0, ), > A=<(-,0), > X=<(0, ),θ> V=<0, > A=<(-,0), θ > X=<(0, ), > V=<(-,0), > A=<(-,0), > X=<0, > V=<(0, ), θ > A=<0, > X=<0, θ > V=<0, θ > A=<0, θ > X=<0, > V=<(0, ), θ > A=<0, > X=<(-,0), > V=<(0, ), > A=<(0, ), > X=<(-,0), θ > V=<0, > A=<(0, ), θ > X=<(-,0 ), > V=<(-,0), > A=<(0, ), > 14

15 GRAFO DE COMPORTAMIENTO (Attainable Envisionment) La predicción vía un estado inicial (attainable envisionment): es el subconjunto de estados de la predicción global que son alcanzables a partir de un estado inicial dado. A esta representación se puede acceder cambiando sólo unos pocos aspectos respecto del modo normal de simulación dinámica: No se crean nuevos landmarks Se emplea el criterio débil para la detección de comportamientos cíclicos. Las transiciones entre estados no se dan ya entre estados sucesores sino entre cualquiera de los estados que componen el árbol. El tamaño de la predicción vía un estado inicial depende de la información que demos sobre el estado inicial: Llega a ser igual al del visionado global cuando no se da información alguna sobre el estado inicial. 15

16 ECUACIONES DIFERENCIALES CUALITATIVAS (EDQ) Una ecuación diferencial cualitativa (EDQ) es una tupla de cuatro componentes <V,Q,C,T> definidas de la siguiente forma: V es un conjunto de variables cada una de las cuales es una función razonable del tiempo. Q es un conjunto de espacios de medida, uno por cada variable en V. C es un conjunto de restricciones aplicadas a las variables en V. T es un conjunto de transiciones las cuales son reglas que definen los límites de validez de las QDE. 16

17 RESTRICCIONES CUALITATIVAS Las relaciones entre las variables cualitativas se expresan mediante restricciones cualitativas. Entre las más usuales cabe destacar las siguientes: Relaciones matemáticas: (add x y z) x(t)+y(t)=z(t) (mult x y z) x(t)*y(t)=z(t) (minus x y z) x(t)-y(t)=z(t) (d/dt x y ) dx(t)/dt=y(t) (constant x ) dx(t)/dt=0 Relaciones funcionales (M + x y) y(t)=f(x(t)), f M + (M - x y) y(t)=-f(x(t)), f M + 17

18 OPERADORES QUE EVALÚAN EL SIGNO DE UNA VARIABLE CUALITATIVA Operadores de signo: [x] 0 = signo(x) =[+] si x>0 =[0] si x=0 =[-] si x<0 [x] x0 =signo(x-x o ) donde x o represente en valor de referencia. [x ]=[dx/dt]=sign(dx/dt) [x] = [+] si x= = [0] si x es una valor finito = [-] si x=- etc... 18

19 VALORES CORRESPONDIENTES Tupla de valores landmark que toman, en un instante de tiempo dado, todas las variables implicadas en una restricción. Debido a que los espacios de medida de las distintas variables cualitativas no están relacionados entre sí, los valores correspondientes introducen nueva información que permite vincular dichos espacios entre sí. Ejemplo: ((M + amount level) (0 0) (full top) (inf inf)) 19

20 DESCOMPOSICIÓN DE LAS EDO EN SUS CORRESPONDIENTES EXPRESIONES CUALITATIVAS EDO: (d 2 u/dt 2 )=-ku donde u=f(t) (M.A.S.) EDQ: (abstracción estructural de las EDO) v 1 =du/dt (d/dt u v 1 ) v 2 =dv 1 /dt (d/dt v 1 v 2 ) v 2 =-ku ((M - u v 2 ) (minf inf) (0 0) (inf minf)) 20

21 CONDICIONES ASOCIADAS A LAS RESTRICCIONES CUALITATIVAS Cada restricción cualitativa en QSIM lleva asociado un conjunto de condiciones {P 1,...,P 2 } Para poder rechazar una asignación de valores asociados a las variables cualitativas que aparecen en la restricción sólo es necesario que se cumpla: P 1 P 2... P n A i 21

22 CONDICIONES ASOCIADAS A LAS FUNCIONES MONOTÓNICAS Funciones monotónicas ((M + x y)... (x i y i )...) [dx/dt]=[dy/dt] [x] xi =[y] yi ((M - x y)... (x i y i )...) [dx/dt]=-[dy/dt] [x] xi =-[y] yi 22

23 CONDICIONES ASOCIADAS A LA SUMA CUALITATIVA Suma cualitativa ((add x y z)... (x i y i z i )...) [dx/dt]+[dy/dt]=[dz/dt] [x] xi +[y] yi =[z] zi add [+] [0] [-] [+] [+] [+] [+]/[0]/[-] [0] [+] [0] [-] [-] [+]/[0]/[-] [-] [-] [x] +[y] =[z] donde [x] = [+] si x= [0] si x= Valor finito [-] si x= - 23

24 CONDICIONES ASOCIADAS A LA MULTIPLICACIÓN CUALITATIVA Multiplicación cualitativa ((mult x y z)... (x i y i z i )...) [x] 0 [y] 0 =[z] 0 [y] 0 [dx/dt]+[dy/dt][x] 0 =[dz/dt], si [x] 0 =[y] 0 =[+] entonces [dx/dt]+[dy/dt] =[dz/dt], mult [+] [0] [-] [+] [+] [0] [-] [0] [0] [0] [0] [-] [-] [0] [+] [abs(x)] abs(xi) +[abs(y)] abs(yi) =[abs(z)] abs(zi) 24

25 CONDICIONES ASOCIADAS A LA NEGACIÓN CUALITATIVA Negación cualitativa ((minus x y)... (x i y i )...) [dx/dt]=-[dy/dt] [x] xi =-[y] yi 25

26 CONDICIONES ASOCIADAS A LA DERIVADA CUALITATIVA Derivada cualitativa (d/dt x y) [dx/dt]=[y] 0 26

27 ALGORITMOS DE RESOLUCIÓN DE CONJUNTOS DE RESTRICCIONES Algoritmo de Propagación Algoritmo de Satisfacción de Restricciones (CSP) 27

28 EL ALGORITMO DE PROPAGACIÓN Propagar las descripciones cualitativas desde una variable a otra a través de las restricciones que las conectan. Cada restricción puede ser considerada como un procesador local que tiene acceso a los valores de las variables que aparecen en dicha restricción. Una representación gráfica ayuda a seguir el proceso de propagación. 28

29 CONDICIÓN DE APLICABILIDAD DEL ALGORITMO DE PROPAGACIÓN Para poder aplicar el algoritmo de propagación es necesario que todas menos una de las variables involucradas en una restricción tengan un valor definido. En general la propagación local es posible cuando las restricciones del sistema pueden ser escritas como sigue: x 1 =c; x 2 =f 1 (x 1 ); x 3 =f 2 (x 1, x 2 ); Etc Donde f 1, f 2 representan expresiones explicitas que pueden ser evaluadas. En caso contrario es mejor aplicar CSP. 29

30 INCONVENIENTES DEL ALGORITMO DE PROPAGACIÓN El problema de dicho algoritmo es que la propagación se puede ver bloqueada por la configuración de las restricciones que definen el sistema. Ejemplo: divisor de tensión (valores iniciales: v 1 =[+], v 3 =[0]). [R 1 ]=[+] [R 2 ]=[+] I 1 =I 2 I 1 *R 1 =v 1 -v 2 I 2 *R 2 =v 2 -v 3 30

31 EJEMPLO DE PROPAGACIÓN Problema de los dos tanques amounta flowab amountb pressurea pressureb 31

32 EDQ PARA EL PROBLEMA DE LOS DOS TANQUES (define-qde U-tube (quantity-spaces (amt A (0 Amax inf)) (PressureA (0 inf)) (amtb (0 Bmax inf)) (PressureB (0 inf)) (pab (minf 0 inf)) (flowab (minf 0 inf)) (-flowab (minf 0 inf)) (total (0 inf))) (constraints ((M + amta pressurea) (0 0) (inf inf)) ((M + amtb pressureb) (0 0) (inf inf)) ((add pab pressureb pressurea)) ((M + pab flowab)) (minf minf) (0 0) (inf inf)) ((minus flowab -flowab)) ((d/dt amtb flowab)) ((d/dt amta -flowab)) ((add amta amtb total)) ((constant total))) (transitions ((amta (Amax inc)) -> tank-a-overflow) ((amtb (Bmax inc)) -> tank-b-bursts))) 32

33 DETERMINACIÓN DEL ESTADO INICIAL Condiciones iniciales: t=t 0 amta = <Amax?> (tanque A lleno) amtb = <0?> (tanque B vacío) 33

34 REPRESENTACIÓN GRÁFICA DEL ALGORITMO DE PROPAGACIÓN 3 (0, ) θ amta Amax (0) amtb (0, ) (0) (0, ) (0, ) 34

35 PROPAGACIÓN PASO A PASO PARA LA DETERMINACIÓN DEL ESTADO INICIAL COMPLETO 1. (M + amtb pressureb) (0 0) pressureb = <0,?> 2. (M + amta pressurea) entre (0 0) y (inf inf) pressurea = <(0 ),?> 3. (add pab pressureb pressurea) pab = <(0 ),?> 4. (add amta amtb total) total = <(0 ),?> 5. (M + pab flowab) flowab = <(0 ),?> 6. (d/dt amta -flowab) (d/dt amtb flowab) amta =<Amax, dec> amtb =<0, inc> 7. (M + amta pressurea) (M + amtb pressureb) pressurea = <(0 ), dec> pressureb = <0, inc> 8. (add pab pressureb pressurea) pab = <(0 ), dec > 9. (M + pab flowab) flowab = <(0 ), dec > 35

36 ESTADO INICIAL (t=t 0 ) amta =<Amax, dec> amtb =<0, inc> pressurea = <(0 ), dec> pressureb = <0, inc> pab = <(0 ), dec > flowab = <(0 ), dec > 36

37 ALGORITMO DE SATISFACCIÓN DE RESTRICCIONES (CSP), DEFINICIÓN Dado un problema definido por la tupla <V,D,P>, donde: V ={v 1,., v n } es un conjunto de varibles. D={D 1,.., D n } tal que cada D i representa el posible dominio de valores correspondiente a cada variable v i. P={P 1,.., P m }, es un conjunto de restricciones donde cada P j hace referencia a las relaciones entre un subconjunto de variables en V. La solución mediante CSP de <V,D,P> representa un conjunto de asignaciones para las V. 37

38 ALGORITMO DE SATISFACCIÓN DE RESTRICCIONES (CSP) Dado un problema definido por la tupla <V,D,P> 1. Generación de cada uno de las posibles asignaciones <x 1,...,x n > para las variables en V. 2. Comprobación de cada una de estas asignaciones frente a cada una de las restricciones, descartando aquellas que sean inconsistentes respecto de estas últimas. 3. Devolver el conjunto de asignaciones que no hayan sido descartadas. 38

39 INCONVENIENTES DEL CSP Es intratable excepto para los casos más sencillos. Cálculo del número de asignaciones: Producto cartesiano de los dominios de valores de cada variable: Si disponemos de n variables y el dominio de cada variable tiene un tamaño d el número de asignaciones sería del orden de d n. 39

40 SOLUCIÓN PARA EL CSP Emplear la información del estado inicial para poder restringir los dominios de las variables implicadas mediante las reglas de estados sucesores de esta forma el número de estados que se generan es mucho menor (subespacio del producto cartesiano). 40

41 ALGORITMO DUAL DE WALTZ (WALTZ 72) Este algoritmo analiza, mediante un grafo, la consistencia tanto de arco como de nodo. En dicho grafo los nodos contienen las restricciones y los arcos que unen dichos nodos representan las variables implicadas. La consistencia de nodo considera p-tuplas de valores para las variables asociadas a la restricción, rechazando aquellas que sean inconsistentes con respecto a estas últimas. La consistencia de arco garantiza que las tuplas asignadas a dos nodos adyacentes presentan los mismos valores para variables compartidas. 41

42 ALGORITMO CFILTER Dado una EDQ y su dominio de conocimiento el CSP es resuelto de la siguiente forma: 1. Restricción del dominio. Para cada variable v i se determina su dominio de valores a través de un conjunto de reglas que definen los posibles estados sucesores a uno dado (state-successor rules). 2. Consistencia de Nodos. 3. Consistencia de Arco. 4. Búsqueda Exhaustiva. Genera todas las posibles asignaciones a partir de las tuplas que no han sido rechazadas (algoritmo de backtracking). 42

43 REGLAS PARA DEFINIR LOS ESTADOS SUCESORES Puesto que nuestras variables son funciones continuamente diferenciables sólo existen unas pocas relaciones para poder establecer los posibles valores cualitativos sucesores a partir de uno dado. 43

44 TIPOS DE ESTADOS SUCESORES De punto a intervalo P-sucesores De intervalo a punto I-sucesores L j+1 L j+1 L j L j L j-1 L j-1 t 0 t 1 t 2 t 0 t 1 t 2 44

45 REGLAS DE DEFINICIÓN DE LOS ESTADOS SUCESORES P - Sucesores:de punto a intervalo QV(v,t i ) QV(v,t i,,t i+1 ) <l j, std> <l j, std> <l j, std> <(l j ), inc> <l j, std> <(l j-1, l j ), dec> <l j, inc> <(l j ), inc> <l j, dec> <(l j-1, l j ), dec> <(l j ), inc> <(l j ), inc> <(l j ), dec> <(l j ), dec> <(l j ), std> <(l j ),std> <(l j ), std> <(l j ), inc> <(l j ), std> <(l j ), dec> I - Sucesores: de intervalo a punto QV(v,t i,,t i+1 ) QV(v,t i+1 ) <l j, std> <l j, std> <(l j ), inc> <l j+1, std> <(l j ), inc> <l j+1, inc> <(l j ), inc> <(l j ), inc> <(l j ), inc> <(l j ), std> <(l j ), dec> <l j, std> <(l j ), dec> <l j, dec> <(l j ), dec> <(l j ), dec> <(l j ), dec> <(l j ), std> <(l j ), std> <(l j ), std> 45

46 INTERPRETACIÓN DE LOS P-SUCESORES P - Sucesores:de punto a intervalo QV(v,t i ) QV(v,t i,,t i+1 ) <l j, std> <l j, std> <l j, std> <(l j ), inc> <l j, std> <(l j-1, l j ), dec> <l j, inc> <(l j ), inc> <l j, dec> <(l j-1, l j ), dec> <(l j ), inc> <(l j ), inc> <(l j ), dec> <(l j ), dec> <(l j ), std> <(l j ),std> <(l j ), std> <(l j ), inc> <(l j ), std> <(l j ), dec> Interpretación No hay cambio Cambio con incremento Cambio con decremento Evolución de un punto límite Evolución de un punto límite No hay cambio No hay cambio No Hay cambio (nuevo landmark) Cambio con incremento(nuevo landmark) Cambio con decremento (nuevo landmark) 46

47 INTERPRETACIÓN DE LOS I-SUCESORES I - Sucesores: de intervalo a punto QV(v,t i,,t i+1 ) QV(v,t i+1 ) <l j, std> <l j, std> <(l j ), inc> <l j+1, std> <(l j ), inc> <l j+1, inc> <(l j ), inc> <(l j ), inc> <(l j ), inc> <(l j ), std> <(l j ), dec> <l j, std> <(l j ), dec> <l j, dec> <(l j ), dec> <(l j ), dec> <(l j ), dec> <(l j ), std> <(l j ), std> <(l j ), std> Interpretación No hay cambio Evolución hacia un landmark Evolición hacia un punto límite No hay cambio Evolución hacia un nuevo landmark Evolución hacia un landmark Evolución hacia un punto límite No hay cambio Evolución hacia un nuevo landmark No hay cambio 47

48 EJEMPLO: ALGORITMO CFILTER PARA EL CASO DE UN TANQUE inflow amount netflow outflow 48

49 RESTRICCIONES PARA EL PROBLEMA DE UN TANQUE (define-qde Minimal-Bathtub (quantity-spaces (amount (0 full inf)) (outflow (0 inf)) (inflow (0 if* inf)) (netflow (minf 0 inf))) (constraints ((M + amount outflow) (0 0) (inf inf)) ((add netflow outflow inflow)) ((d/dt amount netflow)) ((constant inflowl))) (transitions ((amount (full inc)) -> tank-overflow) 49

50 PASO 0: DEFINICIÓN DE LAS CONDICIONES INICIALES t 0 t 0, t 1 amount 0, (0,full),, outflow 0, (0, ), inflow { if*, θ } { if*, θ } netflow (0, ), (0, ), 50

51 PASO 1: RESTRICCIÓN DEL DOMINIO Para el instante t 1, y según las reglas de definición del estado sucesor, las variables implicadas sólo podrán tomar los siguientes valores: t 1 amount { full,, full, θ, (0,full),, (0, full), θ } outflow {,,, θ, (0, ),, (0, ), θ } inflow { if*, θ } netflow { 0,, 0, θ, (0, ),, (0, ), θ } 51

52 PASO 2: CONSISTENCIA DE NODO Para cada restricción formamos todas las tuplas de posibles valores de sus variables y las enfrentamos con la definición de cada restricción. (constraints ((M + amount outflow) ((add netflow outflow inflow)) ((d/dt amount netflow)) ((constant inflow))) (0 0) (inf inf)) 52

53 PASO 2: CONSISTENCIA DE NODO ((M + amount outflow) (0 0) (inf inf)) outflow amount full, full, θ (0,full), (0, full), θ, X 2 X 1,2 X 2 X 1,2, θ X 1,2 X 2 X 1,2 X 2 (0, ), X 1 X 1 (0, ), θ X 1 X 1 1. Viola el hecho de que [d(amount)/dt]=[d(outflow)/dt] 2. Violan el valor correspondiente (inf inf) 53

54 PASO 2: CONSISTENCIA DE NODO ((add netflow outflow inflow)) dando por hecho de que inflow=<if * θ> outflow netflow 0, 0, θ (0, ), (0, ), θ, X 4 X 3,4 X 4 X 3,4, θ X 3,4 X 4 X 3,4 X 4 (0, ), X 3 X 3 (0, ), θ X 3 X 3 3. Viola el hecho de que [d(netflow)/dt]+[d(outflow)/dt]=[d(inflow)/dt] 4. A partir de [x] +[y] =[z] se obtiene [+]+[0] [0]. 54

55 PASO 2:CONSISTENCIA DE NODO ((d/dt amount netflow)) netflow amount full, full, θ (0,full), (0, full), θ 0, X 5 X 5 0, θ X 5 X 5 (0, ), X 5 X 5 (0, ), θ X 5 X 5 5. Viola el hecho de que [d(amount)/dt]=[netflow] 0 55

56 PASO 3 CONSISTENCIA DE ARCO ((M + amount outflow) (0 0) (inf inf)) Amount Outflow full, (0, ), full, θ (0, ), θ (0,full), (0, ), (0,full), θ (0, ), θ 56

57 PASO 3 CONSISTENCIA DE ARCO ((add netflow outflow inflow)) Netflow Outflow 0, (0, ), 0, θ (0, ), θ (0, ), (0, ), (0, ), θ (0, ), θ 57

58 PASO 3: CONSISTENCIA DE ARCO ((d/dt amount netflow)) Amount Netflow full, (0, ), full, (0, ) θ full, θ 0, full, θ 0, θ (0, full), (0, ), (0, full), (0, ), θ (0, full), θ 0, (0, full), θ 0,θ 58

59 PASO 3: CONSISTENCIA DE ARCO Todas las tuplas supervivientes satisfacen el test de consistencia de arco. 59

60 PASO 4: BÚSQUEDA EXHAUSTIVA A partir de los valores de las tuplas supervivientes, podemos hacer una búsqueda exhaustiva hacia atrás creando todos los conjuntos de asignaciones globales consistentes amount full, full, θ (0,full), (0, full), θ outflow (0, ),, (0, ), θ (0, ), (0, ), θ inflow if*, θ if*, θ if*, θ if*, θ netflow (0, ), 0, θ (0, ), 0, θ 60

61 FILTRADO GLOBAL La solución 3 se descarta por no representar ningún cambio. Los estados 1,2 y 4 se consideran como posibles estados del sistema para el instante t 1. El estado 1 representa una transición a otro régimen de operación. Los estados 2 y 4 representan estados equiescentes. 61

62 ÁRBOL DE COMPORTAMIENTOS Árbol de comportamientos obtenido para el modelo de un tanque t 0 t 0,t 1 t 1 QS 1 (F,t0), QS 1 (F,(t 0,t 1 )),QS 1 (F,t 1 ) QS 2 (F,t 0 ), QS 2 (F,(t 0,t 1 )),QS 2 (F,t 1 ) QS 3 (F,t 0 ), QS 3 (F,(t 0,t 1 )),QS 3 (F,t 1 ) 62

63 COMPORTAMIENTO 1 Amount inf full Inflow inf If* t 0 t 1 t 0 t 1 outflow inf o-2 Netflow inf N-0 N-1 t 0 t 1 t 0 t 1 minf 63

64 COMPORTAMIENTO 2 Amount inf full A-0 Inflow inf If* t 0 t 1 t 0 t 1 outflow Netflow inf o-0 inf N-0 t 0 t 1 t 0 t 1 minf 64

65 COMPORTAMIENTO 3 Amount inf Inflow inf full If* t 0 t 1 t 0 t 1 outflow Netflow inf o-1 inf N-0 t 0 t 1 t 0 t 1 minf 65

66 CONDUCTAS REALES PARA EL PROBLEMA DEL TANQUE Rebosa Estado inicial. lleno 66

67 ALGORITMO ASOCIADO A QSIM Algoritmo QSIM: Dado una EDQ y su dominio de conocimiento parcial, QSIM predice el conjunto de posibles comportamientos cualitativos {Beh 1,...Beh 2 } de la siguiente forma: 67

68 ALGORITMO ASOCIADO A QSIM 1. Inicializa la agenda: Con el conjunto de estados iniciales completos usando para ello el SCA (State- Completion Algorithm). 2. Si la agenda está vacía o si los recursos son excedidos el algoritmo para. Los caminos definidos desde la raíz hasta las hojas describen los distintos comportamientos. En cualquier otro caso sacamos un estado S de la agenda. 3. Algoritmo CFilter: Para cada variable v i en las EDQ se determinan los posibles valores sucesores a QV(v i,s). Estos son interpretados como dominios de restricción por el algorimo Cfilter. Determinar todo los posibles estados sucesores {S 1,..,S k } consistentes con los dominios restringidos y con las QDE. 4. Si S es un estado que representa un intervalo de tiempo el algoritmo elimina todos los estados sucesores S i cuyos valores son idénticos con dicho estados (no change filter). 5. Para cada S i se establecen las relaciones de sucesores (S, S i ) y predecesores (S i,s). Inserción en el árbol de comportamientos de los nuevos estados. 6. Se aplican los filtros globales a cada estado sucesor de S i. 7. Se añade cada posible estado sucesor a la agenda. Un nuevo estado sucesor S i creado es añadido a la agenda a menos que sea declarado por un filtro global como: inconsistente(s I ), Quiescente(S i ), Cíclico(S i ), Transición(S i ), o que t= en S i. 8. Se continua a partir del paso 2. 68

69 ALGORITMO DEL ESTADO COMPLETO (SCA) SCA: (State Completion Algorithm) Algoritmo que permite describir si un estado es completo o no. Estado completo: Un estado es completo si cada variable de dicho estado posee un valor tanto para su magnitud cualitativa como para su dirección de cambio cualitativa. 69

70 ALGORITMO DEL ESTADO COMPLETO (SCA) PASO A PASO 1. Dada la descripción de un estado S: Si S es completo. Finaliza el algoritmo. Se afirma Complete(S). 2. Se aplica propagación para obtener una más completa descripción de S Si S es completo. Finaliza el algoritmo. Se afirma Complete(S). 3. Aplicamos el algoritmo Cfilter para derivar todos los posibles estados {S 1,..., S n } que son completos a partir de la información disponible. Se afirma que el conjunto de estados generados de esta forma es completo, Completion(S, S i ) además de afirmarlo para cada S i. 70

71 FILTROS GLOBALES Estos filtros nos permiten: Determinar la inconsistencia de un estado que no es visible a través de las restricciones. Hacer una descripción más específica de un estado, sin perdida de validez o generalidad, a través de la inclusión de nuevos landmarks o identificando nuevos valores correspondientes. 71

72 TIPOS DE FILTROS GLOBALES Hay dos tipos de filtros globales: filtros de estado y filtros de comportamiento. Los filtros de estado tienen carácter local considerando sólo la información del estado actual bajo estudio y tal vez de su predecesor inmediato. Los filtros de comportamiento consideran la información global sobre un comportamiento completo que finaliza en el estado actual. 72

73 MODELADO BASADO EN RESTRICCIONES: QSIM Filtros Globales: Filtros de estado. Filtro No change. Filtro de valores infinitos. Filtro de estados quiescentes. Filtro para la creación de nuevos landmarks. Filtro para la creación de nuevos valores correspondientes. Filtro de reconocimiento de comportamientos cíclicos. Filtro para la identificación de las transiciones entre regiones de operación. Filtro de las derivadas de orden superior. Filtros de comportamiento. Restricción sobre funciones analíticas. Restricción sobre la no intersección. Restricción sobre la energía global. Uso de otras informaciones cualitativas. 73

74 INCONVENIENTE: GENERACIÓN DE ESTADOS ESPÚREOS Los estados espúreos son aquellos estados que satisfaciendo las restricciones no representan ningún estado físico posible. Ejemplo del muelle Los valores iniciales de las variables del sistema hacen referencia a la energía total de éste. En esos puntos el valor de la energía está definido (valores landmarks). Cuando el sistema evoluciona hacia un intervalo abierto el valor de la energía deja de estar definido para convertirse en un intervalo de valores. Esta incertidumbre en el valor de la energía se propaga a lo largo de la simulación dando lugar a la aparición de los estados espúreos. Solución: inclusión explícita de nuevas restricciones modelado semicuantitativo etc... 74

INAOE. Modelos Cualitativos. Eduardo Morales, Enrique Sucar. Introducción QSIM. Simulación. Algoritmo

INAOE. Modelos Cualitativos. Eduardo Morales, Enrique Sucar. Introducción QSIM. Simulación. Algoritmo Modelos INAOE (INAOE) Modelos 1 / 40 Contenido 1 2 3 4 (INAOE) Modelos 2 / 40 Modelos y Conocimiento superficial vs. profundo. Normalmente los SE tienen conocimiento superficial en forma de reglas de producción.

Más detalles

Restricciones. Inteligencia Artificial. Ingeniería Superior en Informática, 4º Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani

Restricciones. Inteligencia Artificial. Ingeniería Superior en Informática, 4º Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani Restricciones Ingeniería Superior en Informática, 4º Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani 1 Tema 2: Agentes basados en Búsqueda Resumen: 2. Agentes basados en búsqueda

Más detalles

Tema 3: Problemas de Satisfacción de Restricciones

Tema 3: Problemas de Satisfacción de Restricciones Tema 3: Problemas de Satisfacción de Restricciones Universidad de Granada Tema 3: Satisfacción de Restricciones Contenido Problemas de satisfacción de restricciones Métodos de búsqueda Búsqueda local para

Más detalles

Representación basada en Restricciones

Representación basada en Restricciones Representación basada en Restricciones Asunción Gómez-Pérez asun@fi.upm.es Departamento de Inteligencia Artificial Facultad de Informática Universidad Politécnica de Madrid Campus de Montegancedo sn, 28660

Más detalles

Hoja de Problemas Tema 6 Búsqueda con estados estructurados: Restricciones

Hoja de Problemas Tema 6 Búsqueda con estados estructurados: Restricciones Ejercicio 1: 1.1. Si se resuelve un problema de satisfacción de restricciones mediante búsqueda con asignaciones parciales, entonces (a) (b) (c) (d) (e) Un estado siempre asigna un valor a todas las variables

Más detalles

Problemas de satisfacción de restricciones.

Problemas de satisfacción de restricciones. Problemas de satisfacción de restricciones. In whitch we see how treating states as more than just little black boxes leads to the invention of a range of powerful new search methods and a deeper understanding

Más detalles

Algoritmos para CSP 1

Algoritmos para CSP 1 Algoritmos para CSP 1 1. Técnicas de Consistencia, o Inferenciales I. Inferencia, o consistencia completa Proceso que permite la síntesis de todas las restricciones de un problema en una única restricción

Más detalles

TAD Lineales: Pila, Cola y Lista

TAD Lineales: Pila, Cola y Lista TAD Lineales: Pila, Cola y Lista Objetivos! Dar a conocer los TAD lineales pila, cola y lista! Presentar la especificación de cada uno de los TAD! Discutir implementaciones alternativas para cada uno de

Más detalles

Problemas de Satisfacción de Restricciones

Problemas de Satisfacción de Restricciones Problemas de Satisfacción de estricciones José Luis uiz eina José Antonio Alonso Jiménez Franciso J. Martín Mateos María José Hidalgo Doblado Dpto. Ciencias de la Computación e Inteligencia Artificial

Más detalles

Sistemas de producción y búsqueda de soluciones. Area de Computación e Inteligencia Artificial 1

Sistemas de producción y búsqueda de soluciones. Area de Computación e Inteligencia Artificial 1 Sistemas de producción y búsqueda de soluciones Area de Computación e Inteligencia Artificial 1 Técnicas de búsqueda Resolución de problemas en Inteligencia Artificial. En general, podemos afirmar que

Más detalles

Tema 5: Problemas de satisfacción de restricciones

Tema 5: Problemas de satisfacción de restricciones Tema 5: Problemas de satisfacción de restricciones José Luis uiz eina José Antonio Alonso Franciso J. Martín Mateos María José Hidalgo Departamento de Ciencias de la Computación e Inteligencia Artificial

Más detalles

El proyecto realizado consiste en un resolutor de sudokus mediante CSP.

El proyecto realizado consiste en un resolutor de sudokus mediante CSP. Introducción El proyecto realizado consiste en un resolutor de sudokus mediante CSP. El problema del sudoku fue inventado por Howard Garns en 1979 y se volvió muy popular en Japón en 1986. En España ha

Más detalles

DEPARTAMENTO DE INGENIERÍA EN SISTEMAS Y COMPUTACIÓN OPCIÓN I

DEPARTAMENTO DE INGENIERÍA EN SISTEMAS Y COMPUTACIÓN OPCIÓN I 1INSTITUTO TECNOLÓGICO DE CIUDAD MADERO DEPARTAMENTO DE INGENIERÍA EN SISTEMAS Y COMPUTACIÓN OPCIÓN I TESIS: Desarrollo de Algoritmos de Retroceso Aplicados a la solución del Problema del Diseño de la

Más detalles

Satisfacción de Restricciones

Satisfacción de Restricciones Satisfacción de Restricciones Introducción Componentes del estado: Variables Dominios (valores posibles para las variables) Restricciones binarias entre las variables Objetivo: Encontrar un estado que

Más detalles

INDICE. XVII Prólogo a la edición en español. XXI 1. Calculo proporcional 1.1. Argumentos y proporciones lógicas

INDICE. XVII Prólogo a la edición en español. XXI 1. Calculo proporcional 1.1. Argumentos y proporciones lógicas INDICE Prologo XVII Prólogo a la edición en español XXI 1. Calculo proporcional 1.1. Argumentos y proporciones lógicas 1 1.1.1. Introducción 1.1.2. Algunos argumentos lógicos importantes 2 1.1.3. Proposiciones

Más detalles

Ortogonalidad y Series de Fourier

Ortogonalidad y Series de Fourier Capítulo 4 Ortogonalidad y Series de Fourier El adjetivo ortogonal proviene del griego orthos (recto) y gonia (ángulo). Este denota entonces la perpendicularidad entre dos elementos: dos calles que se

Más detalles

Búsqueda heurística Prof. Constantino Malagón

Búsqueda heurística Prof. Constantino Malagón Búsqueda heurística Prof. Constantino Malagón Area de Computación e Inteligencia Artificial 1 Búsqueda heurística Los métodos de búsqueda heurística disponen de alguna información sobre la proximidad de

Más detalles

Programación con Restricciones Constraint Programming

Programación con Restricciones Constraint Programming Programación con Restricciones Constraint Programming Introducción basada en Roman Barták: Guide to Constraint Programming http://kti.ms.mff.cuni.cz/~bartak/constraints/index.html Constraint Programming

Más detalles

Desarrollo de SBC. cbea (LSI - FIB) Sistemas Basados en el Conocimiento IA - Curso 2008/2009 1 / 41

Desarrollo de SBC. cbea (LSI - FIB) Sistemas Basados en el Conocimiento IA - Curso 2008/2009 1 / 41 Desarrollo de SBC Ingeniería de los SBC Desarrollo de SBC El punto más importante del desarrollo de SBC es la extracción del conocimiento Requiere la interacción entre el Ingeniero del Conocimiento y el

Más detalles

Tema IV. Unidad aritmético lógica

Tema IV. Unidad aritmético lógica Tema IV Unidad aritmético lógica 4.1 Sumadores binarios 4.1.1 Semisumador binario (SSB) 4.1.2 Sumador binario completo (SBC) 4.1.3 Sumador binario serie 4.1.4 Sumador binario paralelo con propagación del

Más detalles

árbol como un conjunto de nodos y líneas

árbol como un conjunto de nodos y líneas ÁRBOLES CAPÍTULO 6 ÁRBOLES Desde el punto de vista conceptual, un árbol es un objeto que comienza con una raíz (root) y se extiende en varias ramificaciones o líneas (edges), cada una de las cuales puede

Más detalles

Problemas de satisfacción de restricciones. Javier Ramírez Rodríguez Departamento de Sistemas Universidad Autónoma Metropolitana

Problemas de satisfacción de restricciones. Javier Ramírez Rodríguez Departamento de Sistemas Universidad Autónoma Metropolitana Problemas de satisfacción de restricciones Javier Ramírez Rodríguez Departamento de Sistemas Universidad Autónoma Metropolitana La programación con restricciones (PR) ha generado gran expectación entre

Más detalles

Una serie temporal o cronológica es en una sucesión de valores que adopta una variable (Y):

Una serie temporal o cronológica es en una sucesión de valores que adopta una variable (Y): INTRODUCCIÓN Nos vamos a ocupar ahora de estudiar un fenómeno desde la perspectiva temporal, observando su evolución a través del tiempo, lo que se denomina investigación diacrónica o longitudinal, en

Más detalles

III. BÚSQUEDA Y RESOLUCIÓN DE PROBLEMAS. III.3.

III. BÚSQUEDA Y RESOLUCIÓN DE PROBLEMAS. III.3. III. BÚSQUEDA Y RESOLUCIÓN DE PROBLEMAS. III.3. Búsquedas con retroceso. III.3.1. Búsquedas con retroceso a ciegas. III.3.1.1. Procedimientos con retroceso. La búsqueda con retroceso, o backtracking, es

Más detalles

Significado de las f.b.f (fórmulas bien formadas) en términos de objetos, propiedades y relaciones en el mundo

Significado de las f.b.f (fórmulas bien formadas) en términos de objetos, propiedades y relaciones en el mundo Significado de las f.b.f (fórmulas bien formadas) en términos de objetos, propiedades y relaciones en el mundo Semánticas del cálculo de predicados proporcionan las bases formales para determinar el valor

Más detalles

Espacios generados, dependencia lineal y bases

Espacios generados, dependencia lineal y bases Espacios generados dependencia lineal y bases Departamento de Matemáticas CCIR/ITESM 14 de enero de 2011 Índice 14.1. Introducción............................................... 1 14.2. Espacio Generado............................................

Más detalles

Programación Genética

Programación Genética Programación Genética Programación Genética consiste en la evolución automática de programas usando ideas basadas en la selección natural (Darwin). No sólo se ha utilizado para generar programas, sino

Más detalles

BASES DE DATOS TEMA 4 DISEÑO DE BASES DE DATOS RELACIONALES

BASES DE DATOS TEMA 4 DISEÑO DE BASES DE DATOS RELACIONALES BASES DE DATOS TEMA 4 DISEÑO DE BASES DE DATOS RELACIONALES El modelo relacional se basa en dos ramas de las matemáticas: la teoría de conjuntos y la lógica de predicados de primer orden. El hecho de que

Más detalles

TÉCNICAS DE PLANIFICACIÓN Y CONTROL DE PROYECTOS 1

TÉCNICAS DE PLANIFICACIÓN Y CONTROL DE PROYECTOS 1 Técnicas de planificación y control de proyectos Andrés Ramos Universidad Pontificia Comillas http://www.iit.comillas.edu/aramos/ Andres.Ramos@comillas.edu TÉCNICAS DE PLANIFICACIÓN Y CONTROL DE PROYECTOS

Más detalles

Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA. Funciones

Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA. Funciones Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA Funciones José R. Jiménez F. Temas de pre-cálculo I ciclo 007 Funciones 1 Índice 1. Funciones 3 1.1. Introducción...................................

Más detalles

Tablas. Estas serán las tablas que usaremos en la mayoría de ejemplos. Empleado

Tablas. Estas serán las tablas que usaremos en la mayoría de ejemplos. Empleado Álgebra Relacional Un álgebra es un sistema matemático constituido por Operandos: objetos (valores o variables) desde los cuales nuevos objetos pueden ser construidos. Operadores: símbolos que denotan

Más detalles

PREPROCESADO DE DATOS PARA MINERIA DE DATOS

PREPROCESADO DE DATOS PARA MINERIA DE DATOS Ó 10.1007/978-3-319-02738-8-2. PREPROCESADO DE DATOS PARA MINERIA DE DATOS Miguel Cárdenas-Montes Frecuentemente las actividades de minería de datos suelen prestar poca atención a las actividades de procesado

Más detalles

ORIENTACIONES PARA LA PRUEBA DE APTITUD PARA EL ACCESO A LA UNIVERSIDAD

ORIENTACIONES PARA LA PRUEBA DE APTITUD PARA EL ACCESO A LA UNIVERSIDAD ORIENTACIONES PARA LA PRUEBA DE APTITUD PARA EL ACCESO A LA UNIVERSIDAD MODALIDAD CIENTÍFICO-TÉCNICO 1. NOMBRE DE LA MATERIA: Matemáticas II 2. NOMBRE DEL COORDINADOR: Miguel Delgado Pineda (mdelgado@mat.uned.es,

Más detalles

Tema 3. Espacios vectoriales

Tema 3. Espacios vectoriales Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición

Más detalles

4 Integridad de datos relacional: llaves candidatas y temas relacionados.

4 Integridad de datos relacional: llaves candidatas y temas relacionados. 4 Integridad de datos relacional: llaves candidatas y temas relacionados. 4.1 Introducción. 4.2 Llaves candidatas. 4.3 Llaves primarias y llaves alternas. 4.4 Llaves foráneas. 4.5 Reglas de llaves foráneas.

Más detalles

Descripción inicial del sistema. Descripción final del sistema. Estado 1 Estado 2 Estado n

Descripción inicial del sistema. Descripción final del sistema. Estado 1 Estado 2 Estado n Búsqueda en Inteligencia Artificial Fernando Berzal, berzal@acm.org Búsqueda en I.A. Introducción Espacios de búsqueda Agentes de búsqueda Uso de información en el proceso de búsqueda Búsqueda sin información

Más detalles

Restricciones sobre dominios finitos con Gprolog

Restricciones sobre dominios finitos con Gprolog Autores: Rubén García Portal Nikolai Smirnov Restricciones sobre dominios finitos con Gprolog Introducción. Este documento explicará brevemente las funciones que se utilizan en Gprolog para resolución

Más detalles

TEMA 3 (parte 2). Representación del Conocimiento

TEMA 3 (parte 2). Representación del Conocimiento TEMA 3 (parte 2). Representación del Conocimiento Francisco José Ribadas Pena INTELIGENCIA ARTIFICIAL 5 Informática ribadas@uvigo.es 13 de noviembre de 2009 FJRP ccia [Inteligencia Artificial] 3.2.2 Lógica

Más detalles

Operaciones Morfológicas en Imágenes Binarias

Operaciones Morfológicas en Imágenes Binarias Operaciones Morfológicas en Imágenes Binarias Introducción La morfología matemática es una herramienta muy utilizada en el procesamiento de i- mágenes. Las operaciones morfológicas pueden simplificar los

Más detalles

Matemáticas. Si un error simple ha llevado a un problema más sencillo se disminuirá la puntuación.

Matemáticas. Si un error simple ha llevado a un problema más sencillo se disminuirá la puntuación. UNIVERSIDAD POLITÉCNICA DE CARTAGENA PRUEBAS DE ACCESO A LA UNIVERSIDAD DE LOS MAYORES DE 25 AÑOS CONVOCATORIA 2014 CRITERIOS DE EVALUACIÓN Matemáticas GENERALES: El examen constará de dos opciones (dos

Más detalles

Introducción a los Tipos Abstractos de Datos

Introducción a los Tipos Abstractos de Datos Página 1 de 8 Introducción a los Tipos Abstractos de Datos Introducción: Concepto de abstracción Abstracción funcional y abstracción de datos Construcción de tipos abstractos de datos Especificación de

Más detalles

La gestión de proyectos es la rama de la ciencia de la administración que trata de la planificación y el control de proyectos.

La gestión de proyectos es la rama de la ciencia de la administración que trata de la planificación y el control de proyectos. DEFINICIÓN DE PROYECTO Un proyecto es un conjunto de acciones No repetitivas Únicas De duración determinada Formalmente organizadas Que utilizan recursos Podremos considerar un proyecto, a efectos de aplicarle

Más detalles

Registro (record): es la unidad básica de acceso y manipulación de la base de datos.

Registro (record): es la unidad básica de acceso y manipulación de la base de datos. UNIDAD II 1. Modelos de Bases de Datos. Modelo de Red. Representan las entidades en forma de nodos de un grafo y las asociaciones o interrelaciones entre estas, mediante los arcos que unen a dichos nodos.

Más detalles

FICHEROS Y BASES DE DATOS (E44) 3º INGENIERÍA EN INFORMÁTICA. Tema 11. Cálculo Relacional

FICHEROS Y BASES DE DATOS (E44) 3º INGENIERÍA EN INFORMÁTICA. Tema 11. Cálculo Relacional FICHEROS Y BASES DE DATOS (E44) 3º INGENIERÍA EN INFORMÁTICA Tema 11. Cálculo Relacional 1.- Introducción. 2.- Cálculo Relacional Orientado a Tuplas. 3.- Cálculo Relacional vs Álgebra Relacional: Algoritmo

Más detalles

Convivencia. Gestión del Sistema de Archivos

Convivencia. Gestión del Sistema de Archivos Convivencia Gestión del Sistema de Archivos Dra. Carolina Carolina Mañoso Mañoso Dpto. Dpto. Imformática Informática y y Automática.UNED Introducción Se necesitan tres condiciones para el almacenamiento

Más detalles

8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES.

8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES. Prácticas de Matemáticas I y Matemáticas II con DERIVE 8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES. 8.. DEPENDENCIA E INDEPENDENCIA LINEAL DE VECTORES. COMBINACIÓN LINEAL. EJEMPLO 8.. Estudiar si el

Más detalles

Integrador, realimentación y control

Integrador, realimentación y control Prctica 1 Integrador, realimentación y control El programa Simulink es un programa incluido dentro de Matlab que sirve para realizar la integración numérica de ecuaciones diferenciales a efectos de simular

Más detalles

{} representa al conjunto vacío, es decir, aquel que no contiene elementos. También se representa por.

{} representa al conjunto vacío, es decir, aquel que no contiene elementos. También se representa por. 2. Nociones sobre Teoría de Conjuntos y Lógica Para llevar a cabo nuestro propósito de especificar formalmente los problemas y demostrar rigurosamente la correctitud de nuestro programas, introduciremos

Más detalles

7. MODELADO EN DINAMICA DE SISTEMAS

7. MODELADO EN DINAMICA DE SISTEMAS 7. MODELADO EN DINAMICA DE SISTEMAS 7.1. Dinámica de Sistemas El origen de la dinámica de sistemas se encuentra ligado al desarrollo de una aplicación para analizar los pedidos de una empresa fabricante

Más detalles

Arquitectura de sistema de alta disponibilidad

Arquitectura de sistema de alta disponibilidad Mysql Introducción MySQL Cluster esta diseñado para tener una arquitectura distribuida de nodos sin punto único de fallo. MySQL Cluster consiste en 3 tipos de nodos: 1. Nodos de almacenamiento, son los

Más detalles

Basic Object Oriented Programming (BOOP) Gramática del Lenguaje. Ever Mitta Flores

Basic Object Oriented Programming (BOOP) Gramática del Lenguaje. Ever Mitta Flores Ever Mitta Flores Índice 1. Clase @Principal...3 2. Comentarios...3 3. Definición de Atributos...3 4. Definición de Métodos...4 5. Declaración de Variables...4 6. Asignación de Valores...5 7. Definición

Más detalles

Tipos Abstractos de Datos

Tipos Abstractos de Datos Objetivos Repasar los conceptos de abstracción de datos y (TAD) Diferenciar adecuadamente los conceptos de especificación e implementación de TAD Presentar la especificación algebraica como método formal

Más detalles

Integridad y Seguridad. Integridad y Seguridad. Restricción de Dominio. Protección. Índice. create domain. Dominios

Integridad y Seguridad. Integridad y Seguridad. Restricción de Dominio. Protección. Índice. create domain. Dominios Protección Integridad y Seguridad Las Restricciones de Integridad aseguran que las modificaciones realizadas por usuarios autorizados no provocan perdidas de Consistencia Semántica El Control de Acceso

Más detalles

Universidad Nacional de Quilmes Ing. en Automatización y Control Industrial Cátedra: Visión Artificial Agosto de 2005

Universidad Nacional de Quilmes Ing. en Automatización y Control Industrial Cátedra: Visión Artificial Agosto de 2005 Extracción de Frontera (Boundary Extraction) La frontera de un conjunto A, escrita como β(a), se puede obtener erosionando A por B y luego calcular la diferencia entre A y su erosión. Esto es β ( A) =

Más detalles

Las reglas se parecen un poco a las vistas relacionales. Especifican relaciones virtuales que no están

Las reglas se parecen un poco a las vistas relacionales. Especifican relaciones virtuales que no están BASES DE DATOS DEDUCTIVAS Introducción: El interés de los Sistemas de Gestión de Bases de Datos Deductivas tiende a incrementarse conforme se amplía su campo de aplicación (Gestión, Sistemas Expertos).

Más detalles

En este capitulo se presentan los métodos y algoritmos utilizados para el desarrollo del

En este capitulo se presentan los métodos y algoritmos utilizados para el desarrollo del 33 En este capitulo se presentan los métodos y algoritmos utilizados para el desarrollo del sistema de procesamiento de imágenes para controlar un robot manipulador y se describen en la forma como serán

Más detalles

Conocimientos Estratégicos y de Control

Conocimientos Estratégicos y de Control 1 Conocimientos Estratégicos y de Control J.A. Bañares Bañares Departamento de Informática e Ingeniería de Sistemas C.P.S. Universidad de Zaragoza Copyright 1999 JoséAngel Bañares Última revisión: Octubre,

Más detalles

Algoritmos sobre Grafos

Algoritmos sobre Grafos Sexta Sesión 27 de febrero de 2010 Contenido Deniciones 1 Deniciones 2 3 4 Deniciones sobre Grafos Par de una lista de nodos y una lista de enlaces, denidos a su vez como pares del conjunto de nodos.

Más detalles

Problemas Resueltos de Desigualdades y Programación Lineal

Problemas Resueltos de Desigualdades y Programación Lineal Universidad de Sonora División de Ciencias Exactas y Naturales Departamento de Matemáticas. Problemas Resueltos de Desigualdades y Programación Lineal Para el curso de Cálculo Diferencial de Químico Biólogo

Más detalles

Proyecto Unico Interpretador de SetCalc

Proyecto Unico Interpretador de SetCalc Universidad Simón Bolívar Dpto. de Computación y Tecnología de la Información CI3721 - Traductores e Interpretadores Abril-Julio 2008 Proyecto Unico Interpretador de SetCalc A continuación se describe

Más detalles

CONSTRUCCION DE SISTEMAS EXPERTOS

CONSTRUCCION DE SISTEMAS EXPERTOS CONSTRUCCION DE SISTEMAS EXPERTOS TECNICAS DE EDUCCION DEL CONOCIMIENTO Dr. Ramón GARCIA MARTINEZ GRAFOS ARQUETÍPICOS En muchos dominios de conocimiento, puede reconocerse una estructura de representación

Más detalles

RECOMENDACIÓN UIT-R TF.538-3 MEDICIONES DE LA INESTABILIDAD DE FRECUENCIA Y EN EL TIEMPO (FASE) (Cuestión UIT-R 104/7)

RECOMENDACIÓN UIT-R TF.538-3 MEDICIONES DE LA INESTABILIDAD DE FRECUENCIA Y EN EL TIEMPO (FASE) (Cuestión UIT-R 104/7) Caracterización de las fuentes y formación de escalas de tiempo Rec. UIT-R TF.538-3 1 RECOMENDACIÓN UIT-R TF.538-3 MEDICIONES DE LA INESTABILIDAD DE FRECUENCIA Y EN EL TIEMPO (FASE) (Cuestión UIT-R 104/7)

Más detalles

Bases de Datos Tema 4 Modelo Entidad/Interrelación (ERM de Chen)

Bases de Datos Tema 4 Modelo Entidad/Interrelación (ERM de Chen) Departamento de Lenguajes y Sistemas Informáticos E.T.S. Ingeniería Informática. Universidad de Sevilla Avda Reina Mercedes s/n. 402 Sevilla Tlf/Fax 954 557 39 E-mail lsi@lsi.us.es Web www.lsi.us.es E.T.S.

Más detalles

Tema 6: Programación Lógica: semántica declarativa. Lenguajes y Paradigmas de Programación

Tema 6: Programación Lógica: semántica declarativa. Lenguajes y Paradigmas de Programación Tema 6: Programación Lógica: semántica declarativa Lenguajes y Paradigmas de Programación Teoría de Modelos Se basa en el concepto de INTERPRETACIÓN, que consiste en: elegir un dominio D (en el que tomarán

Más detalles

INTRODUCCIÓN. Estructura de Datos Tipos Abstractos de Datos (TAD S) Profs. Lorna Figueroa M. Mauricio Solar F. UTFSM 1 / 2008

INTRODUCCIÓN. Estructura de Datos Tipos Abstractos de Datos (TAD S) Profs. Lorna Figueroa M. Mauricio Solar F. UTFSM 1 / 2008 INTRODUCCIÓN Estructura de Datos Tipos Abstractos de Datos (TAD S) Para poder obtener un programa que resuelva un problema dado, son necesarios varios pasos : La formulación y especificación del problema

Más detalles

Trabajo Práctico Introductorio Matlab, Simulink y Métodos de Integración Numérica

Trabajo Práctico Introductorio Matlab, Simulink y Métodos de Integración Numérica Trabajo Práctico Introductorio Matlab, Simulink y Métodos de Integración Numérica Control I Dinámica de los Sistemas Físicos 1. Introducción Los sitemas continuos habitualmente se representan mediante

Más detalles

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales Matemáticas 2º BTO Aplicadas a las Ciencias Sociales CONVOCATORIA EXTRAORDINARIA DE JUNIO 2014 MÍNIMOS: No son contenidos mínimos los señalados como de ampliación. I. PROBABILIDAD Y ESTADÍSTICA UNIDAD

Más detalles

CATÁLOGO DE INFERENCIAS

CATÁLOGO DE INFERENCIAS Las inferencias son los elementos claves en los modelos de conocimiento o Son los elementos constitutivos de los procesos de razonamiento No existe ningún estándar CommonKADS ofrece un catálogo que cubre

Más detalles

Relaciones binarias. ( a, b) = ( c, d) si y solamente si a = c y b = d

Relaciones binarias. ( a, b) = ( c, d) si y solamente si a = c y b = d Relaciones binarias En esta sección estudiaremos formalmente las parejas de objetos que comparten algunas características o propiedades en común. La estructura matemática para agrupar estas parejas en

Más detalles

5. DISTRIBUCIONES DE PROBABILIDADES

5. DISTRIBUCIONES DE PROBABILIDADES 5. DISTRIBUCIONES DE PROBABILIDADES Dr. http://academic.uprm.edu/eacunaf UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES DE PROBABILIDADES Se introducirá el concepto de variable

Más detalles

INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL MÓDULO 3: REPRESENTACIÓN DEL CONOCIMIENTO 3.1. INTRODUCCIÓN La IA involucra la construcción de programas que resuelvan problemas que, de ser resueltos por seres

Más detalles

Ingeniería de Software con UML Unified Modeling Language Lenguaje Unificado de Modelado

Ingeniería de Software con UML Unified Modeling Language Lenguaje Unificado de Modelado Ingeniería de Software con UML Unified Modeling Language Lenguaje Unificado de Modelado 1. Introducción Unified Modeling Languaje Fuente: Booch- Jacobson-Rumbauch y diversos sitios Internet, entre otros:

Más detalles

13. Técnicas de simulación mediante el método de Montecarlo

13. Técnicas de simulación mediante el método de Montecarlo 13. Técnicas de simulación mediante el método de Montecarlo Qué es la simulación? Proceso de simulación Simulación de eventos discretos Números aleatorios Qué es la simulación? Simulación = técnica que

Más detalles

rg.o cm a Diseñ e o o l óg ó ico c l@ rza e b Di D s i e s ño d e b as a e s s s d e d at a o t s s r e r la l c a i c o i nal a e l s

rg.o cm a Diseñ e o o l óg ó ico c l@ rza e b Di D s i e s ño d e b as a e s s s d e d at a o t s s r e r la l c a i c o i nal a e l s Diseño lógico Diseño de bases de datos relacionales Diseño lógico de bases de datos relacionales El modelo relacional: El concepto de relación: tuplas, atributos y dominios. Restricciones de integridad

Más detalles

Singularidades de campos de vectores reales: perfil topológico (I)

Singularidades de campos de vectores reales: perfil topológico (I) Singularidades de campos de vectores reales: perfil topológico (I) VI Escuela Doctoral de Matemáticas PUCP-UVA 2013 Conceptos básicos Sea U un abierto del espacio euclídeo R n. Un campo de vectores en

Más detalles

Codd propuso estos tres lenguajes como base teórica de cualquier lenguaje que quisiera cumplir con los requisitos formales del modelo.

Codd propuso estos tres lenguajes como base teórica de cualquier lenguaje que quisiera cumplir con los requisitos formales del modelo. 16/05/2012 1 Todo modelo de datos debe definir un lenguaje de definición de datos para crear las estructuras donde se almacenará la información y un lenguaje de manipulación de datos con el que acceder

Más detalles

Aplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI

Aplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI Aplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI Ricardo Köller Jemio Departamento de Ciencias Exactas e Ingeniería, Universidad

Más detalles

FICHEROS Y BASES DE DATOS (E44) 3º INGENIERÍA EN INFORMÁTICA. Tema 10. Álgebra Relacional

FICHEROS Y BASES DE DATOS (E44) 3º INGENIERÍA EN INFORMÁTICA. Tema 10. Álgebra Relacional FICHEROS Y BASES DE DATOS (E44) 3º INGENIERÍA EN INFORMÁTICA Tema 10. Álgebra Relacional 1.- Introducción. 2.- Una Sintaxis para el Álgebra Relacional. 3.- Asignación Relacional. 4.- Operaciones Tradicionales

Más detalles

Ecuaciones Diferenciales Tema 2. Trasformada de Laplace

Ecuaciones Diferenciales Tema 2. Trasformada de Laplace Ecuaciones Diferenciales Tema 2. Trasformada de Laplace Ester Simó Mezquita Matemática Aplicada IV 1 1. Transformada de Laplace de una función admisible 2. Propiedades básicas de la transformada de Laplace

Más detalles

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 2 -

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 2 - Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 2 - Juan Alfonso Lara Torralbo 1 Índice de contenidos (I) Introducción a Data Mining Actividad. Tipos

Más detalles

INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA

INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA Dentro del campo general de la teoría de la optimización, también conocida como programación matemática conviene distinguir diferentes modelos de optimización.

Más detalles

Los pronósticos pueden ser utilizados para conocer el comportamiento futuros en muchas fenómenos, tales como:

Los pronósticos pueden ser utilizados para conocer el comportamiento futuros en muchas fenómenos, tales como: TEMA 1: PRONÓSTICOS 1.1. Introducción Pronostico es un método mediante el cual se intenta conocer el comportamiento futuro de alguna variable con algún grado de certeza. Existen disponibles tres grupos

Más detalles

Optimización de consultas Resumen del capítulo 14

Optimización de consultas Resumen del capítulo 14 Optimización de consultas Resumen del capítulo 14 Libro: Fundamentos de Bases de Datos Silberschatz et al. 5ed. Dr. Víctor J. Sosa Agenda 1. Visión general 2. Estimación de las estadísticas de los resultados

Más detalles

PROGRAMACIÓN DECLARATIVA: LÓGICA Y RESTRICCIONES Grado en Ingeniería Informática / Grado en Matemáticas e Informática

PROGRAMACIÓN DECLARATIVA: LÓGICA Y RESTRICCIONES Grado en Ingeniería Informática / Grado en Matemáticas e Informática Nombre: PROGRAMACIÓN DECLARATIVA: LÓGICA Y RESTRICCIONES Nº de Matrícula: INSTRUCCIONES: El examen consta de 3 ejercicios. Todas las preguntas deben comenzar a contestarse en su hoja correspondiente. Pueden

Más detalles

Un grafo G es un par (V,E) donde V es un conjunto (llamado conjunto de vértices) y E un subconjunto de VxV (conjunto de aristas).

Un grafo G es un par (V,E) donde V es un conjunto (llamado conjunto de vértices) y E un subconjunto de VxV (conjunto de aristas). TEMA 5.- GRAFOS 5.1.- DEFINICIONES BÁSICAS Un grafo G es un par (V,E) donde V es un conjunto (llamado conjunto de vértices) y E un subconjunto de VxV (conjunto de aristas). Gráficamente representaremos

Más detalles

Tema 1 Introducción a los Sistemas Basados en el Conocimiento

Tema 1 Introducción a los Sistemas Basados en el Conocimiento Tema 1 Introducción a los Sistemas Basados en el Conocimiento Sistemas Basados en el Conocimiento Grado en Ingeniería Informática 1 Referencias Ingeniería del Conocimiento. A. Gómez, N. Juristo, C. Montes,

Más detalles

INTRODUCCIÓN A LA ECONOMETRÍA E INFORMÁTICA MODELOS ECONOMÉTRICOS E INFORMACIÓN ESTADÍSTICA

INTRODUCCIÓN A LA ECONOMETRÍA E INFORMÁTICA MODELOS ECONOMÉTRICOS E INFORMACIÓN ESTADÍSTICA INTRODUCCIÓN A LA ECONOMETRÍA E INFORMÁTICA MODELOS ECONOMÉTRICOS E INFORMACIÓN ESTADÍSTICA Eva Medina Moral (Febrero 2002) EXPRESIÓN DEL MODELO BASICO DE REGRESIÓN LINEAL La expresión formal del modelo

Más detalles

forma de entrenar a la nuerona en su aprendizaje.

forma de entrenar a la nuerona en su aprendizaje. Sistemas expertos e Inteligencia Artificial,Guía5 1 Facultad : Ingeniería Escuela : Computación Asignatura: Sistemas expertos e Inteligencia Artificial Tema: SISTEMAS BASADOS EN CONOCIMIENTO. Objetivo

Más detalles

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R.

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R. ALGEBRA LINEAL Héctor Jairo Martínez R. Ana María Sanabria R. SEGUNDO SEMESTRE 8 Índice general. SISTEMAS DE ECUACIONES LINEALES.. Introducción................................................ Conceptos

Más detalles

Apuntes de Matemática Discreta 6. Relaciones

Apuntes de Matemática Discreta 6. Relaciones Apuntes de Matemática Discreta 6. Relaciones Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 6 Relaciones Contenido 6.1 Generalidades.....................................

Más detalles

UNIDAD DIDÁCTICA: ELECTRÓNICA DIGITAL

UNIDAD DIDÁCTICA: ELECTRÓNICA DIGITAL IES PABLO RUIZ PICASSO EL EJIDO (ALMERÍA) CURSO 2013-2014 UNIDAD DIDÁCTICA: ELECTRÓNICA DIGITAL ÍNDICE 1.- INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL 2.- SISTEMA BINARIO 2.1.- TRANSFORMACIÓN DE BINARIO A DECIMAL

Más detalles

Pregunta 1 [40 puntos] Diga si las siguientes afirmaciones son verdaderas o falsas, demostrando su respuesta.

Pregunta 1 [40 puntos] Diga si las siguientes afirmaciones son verdaderas o falsas, demostrando su respuesta. Pregunta 1 [40 puntos] Diga si las siguientes afirmaciones son verdaderas o falsas, demostrando su respuesta. (a) Es posible aceptar por stack vacío el lenguaje {0 i 1 j i = j o j = 2i} con un AA determinístico.

Más detalles

http://en.wikipedia.org/wiki/edgar_f._codd

http://en.wikipedia.org/wiki/edgar_f._codd 26/03/2012 1 http://en.wikipedia.org/wiki/edgar_f._codd Codd estableció los fundamentos del modelo relacional en el artículos de 1970 "A Relational Model of Data for Large Shared Data Banks". En adelante,

Más detalles

PROCESO DE INNOVACIÓN EN LA ENSEÑANZA DE LA GESTIÓN DE EQUIPOS INDUSTRIALES EN INGENIERÍA

PROCESO DE INNOVACIÓN EN LA ENSEÑANZA DE LA GESTIÓN DE EQUIPOS INDUSTRIALES EN INGENIERÍA PON-C-22 PROCESO DE INNOVACIÓN EN LA ENSEÑANZA DE LA GESTIÓN DE EQUIPOS INDUSTRIALES EN INGENIERÍA A. García Sánchez (1), M. Ortega Mier (2), E. Ponce Cueto (3) Dpto. de Ingeniería de Organización, Administración

Más detalles

INTRODUCCIÓN AL TESTING BASADO EN MODELOS

INTRODUCCIÓN AL TESTING BASADO EN MODELOS INTRODUCCIÓN AL TESTING BASADO EN MODELOS SEMANA DE LA CIENCIA Y DE LA INGENIERÍA. UNIVERSIDAD DE CÁDIZ. Manuel Núñez - Universidad Complutense de Madrid WARNING! El uso que haré del castellano en esta

Más detalles

Razonamiento. con. Restricciones. Esquema Global. Tutorial IBERAMIA 2002. 1. Introducción - Definiciones - Ejemplos

Razonamiento. con. Restricciones. Esquema Global. Tutorial IBERAMIA 2002. 1. Introducción - Definiciones - Ejemplos Esquema Global Razonamiento con Restricciones Tutorial IBERAMIA 2002 Javier Larrosa Dep. LSI, UPC, Barcelona Pedro Meseguer IIIA, CSIC, Bellaterra 1. Introducción - Definiciones - Ejemplos 2. Métodos de

Más detalles

TEMA 3: Control secuencial

TEMA 3: Control secuencial TEMA 3: Control secuencial Esquema: Índice de contenido TEMA 3: Control secuencial...1 1.- Introducción...1 2.- Biestables...3 2.1.- Biestables asíncronos: el Biestable RS...4 2.1.1.- Biestable RS con

Más detalles

5.2 Estructuras Algebraicas Introducción

5.2 Estructuras Algebraicas Introducción 5.2 Introducción * Los números naturales: N Al contar objetos se les asigna números: 1, 2, 3,, pasando de un número a su sucesor. La representación en el sistema decimal de números está hecha de tal forma

Más detalles

Capitulo 12. Tira de bits

Capitulo 12. Tira de bits Capitulo 12. Tira de bits 12.1 Representación de números naturales (enteros positivos) base 10 base 2 base 16 decimal binario hexadecimal 0 0 0 1 1 1 2 10 2 3 11 3 4 100 4 5 101 5 6 110 6 7 111 7 8 1000

Más detalles

Métodos para la construcción de software fiable: Interpretación Abstracta. María del Mar Gallardo Melgarejo Pedro Merino Gómez

Métodos para la construcción de software fiable: Interpretación Abstracta. María del Mar Gallardo Melgarejo Pedro Merino Gómez Métodos para la construcción de software fiable: Interpretación Abstracta María del Mar Gallardo Melgarejo Pedro Merino Gómez Dpto. de Lenguajes y Ciencias de la Computación Universidad de Málaga (gallardo,pedro)@lcc.uma.es

Más detalles