Análisis de la fusión de creencias y sus propiedades (un enfoque sin medidas de distancia)
|
|
- Antonio Ortiz Acuña
- hace 5 años
- Vistas:
Transcripción
1 Análisis de la fusión de creencias y sus propiedades (un enfoque sin medidas de distancia) Dra. María del Pilar Pozos Parra M. en C. Verónica Borja Macías * Resumen Al reunir y confrontar información proveniente de diversas fuentes, se pueden presentar problemas de inconsistencia, pues las fuentes pueden contradecirse entre sí. Para resolver este tipo de problemas utilizamos operadores o métodos de fusión de creencias (información), los operadores reciben un conjunto de bases de creencias (conocimientos o deseos) iniciales y devuelven una base de creencias consistente. El resultado de la fusión representa las creencias (conocimientos o deseos) del conjunto. Los operadores utilizan distancias entre interpretaciones y funciones de agregación. Una desventaja que presentan la mayoría de los operadores es que usualmente sólo toman en cuenta bases de creencias consistentes; por consiguiente, se ignora información que no causa inconsistencia. Una forma alternativa de fusionar la información es el operador PS-Merge que emplea la noción de Satisfacción Parcial. Este operador produce resultados similares a otras técnicas de fusión pero con varias ventajas, tales como: considerar bases inconsistentes o no utilizar medidas de distancia. Este escrito describe el enfoque y presenta algunos resultados. Introducción La de fusión de creencias consiste en fusionar dos o más conjuntos de creencias posiblemente inconsistentes en un conjunto consistente de creencias. Este es un tópico importante en inteligencia artificial y bases de datos, sus aplicaciones son muchas y variadas (Bloch y Hunter, 2001). Por ejemplo, en sistemas multiagente la fusión define las creencias del grupo de agentes de acuerdo a las creencias de cada miembro del grupo. Cuando los agentes tienen creencias conflictivas o contradictorias sobre el estado real del mundo, se puede utilizar la fusión de creencias para determinar cuál es ese estado real. Aún cuando sólo estamos considerando bases de creencias, los operadores de fusión pueden ser empleados para trabajar con * Universidad Tecnológica de la Mixteca Semana de Divulgación y Video Científico
2 conocimientos o deseos. Un ejemplo sencillo presentado en (Revesz, 1993), es el siguiente escenario: un profesor pregunta a tres estudiantes Cuál de los siguientes tres lenguajes: SQL, Datalog y O 2 desean aprender? El primer estudiante desea aprender SQL u O 2, el segundo desea aprender Datalog u O 2 pero sólo uno de los dos, finalmente el tercero desea aprender los tres lenguajes. El profesor debe fusionar los deseos (creencias) de los tres estudiantes y obtener el o los lenguajes que debe enseñar para satisfacer al máximo a cada uno de los estudiantes. Se han presentado una gran cantidad de operadores de fusión definidos y caracterizados por medio de la lógica. Dentro de éstos, los operadores basados en modelos (Revesz, 1997; Konieczny y Pino-Pérez, 1998; Liberatore y Schaerf, 1998; Lin y Mendelzon, 1999) obtienen una base de conocimiento a partir del conjunto de interpretaciones con ayuda de una función de distancia entre interpretaciones y una función de agregación. Estos operadores sólo toman en cuenta bases de conocimiento consistentes, por consiguiente se ignora mucha de la información que no causó la inconsistencia. Otros operadores de fusión basados en sintaxis (Baral et al., 1992) seleccionan algunos subconjuntos consistentes de la unión de las bases, tales operadores permiten el manejo de inconsistencia, sin embargo no toman en cuenta el número de repeticiones que tenga cada pieza de conocimiento o creencia. Por ejemplo, el hecho que un estudiante o varios desean aprender el mismo lenguaje, resulta irrelevante para este enfoque, lo que resulta contraintuitivo. Una forma alternativa de realizar la fusión presentada en (Borja y Pozos, 2007) es emplear la noción de Satisfacción Parcial, la que indica el porcentaje de satisfacción de una base por una interpretación, posteriormente un operador de fusión busca maximizar el porcentaje de satisfacción de cada conjunto entrante. Aunque el enfoque obtiene resultados similares a los propuestos en la literatura, la validación del trabajo requiere de un análisis detallado de las propiedades o postulados satisfechos por el operador. El análisis es importante pues la aceptación de una propuesta de solución depende de las propiedades satisfechas por los operadores de fusión. El proyecto ha analizado el operador PS-Merge presentado en (Borja y Pozos, 2007), y demostrado algunas propiedades satisfechas bajo el marco formal de las matemáticas. Semana de Divulgación y Video Científico
3 Objetivos y Metas El proyecto está dividido en dos etapas. En esta primera etapa el objetivo es proponer y demostrar el conjunto de propiedades satisfechas por el operador de fusión presentado en (Borja y Pozos, 2007). En una segunda etapa se pretende analizar los resultados y crear un prototipo que automatice la búsqueda de soluciones de fusión de creencias. Materiales y Métodos El desarrollo de la investigación se realiza mediante el intercambio de información vía Internet entre las dos investigadoras integrantes del equipo. Así, el material utilizado es: una computadora y una conexión Internet. Para el análisis de las propiedades se identifican los postulados satisfechos por otros operadores de fusión, se analiza cada uno de los postulados encontrados en la literatura para descubrir los posibles candidatos, se trata de localizar contraejemplos, si no se puede contradecir el postulado en cuestión, se pasa a la etapa de demostración. Resultados Se identificaron seis postulados que definen a un operador de fusión, se omite la descripción matemática de éstos, sin embargo se describen a continuación de manera intuitiva: (A1) asegura extraer información consistente del conjunto de bases de creencias. (A2) indica que si las bases de la creencia no tienen contradicciones, entonces la fusión será simplemente la conjunción de las bases. (A3) asegura que el operador obedece el principio de la irrelevancia de la sintaxis. (A4) es el postulado de la imparcialidad, cuando combinamos dos bases, el operador no debe dar preferencia a una de ellas. (A5) y (A6) juntos indican que si las fusiones de dos grupos están de acuerdo en algunas alternativas, entonces el resultado de la fusión global será exactamente tales alternativas. Analizando el operador PS-Merge se demotró que satisface (A1) y (A2). Se observó que aunque (A3) no es satisfecho por PS-Merge, los resultados proveen al operador de un comportamiento realista: la fusión de la información sin antes hacer inferencias puede no Semana de Divulgación y Video Científico
4 resultar tan buena como cuando los agentes encuentran algunas consecuencias de sus creencias antes de realizar la fusión. En general, PS-Merge no satisface (A4), sin embargo, si no hay información redundante", es decir fórmulas incluyendo la conjunción de una literal y su complemento, entonces (A4) se satisface. PS-Merge satisface (A5) pero es necesario considerar que la información puede provenir de diversos contextos y pueden tener lenguajes diferentes, en este caso será necesario ampliar el lenguaje de ambos lados para incluir todos los átomos. Por definición PS-Merge satisface la propiedad conmutativa, es decir el resultado de la combinación no depende del orden en que las bases de creencias son procesadas. Discusión Estos resultados han sido evaluados por expertos y aceptados para ser presentados en la conferencia Mexican International Conference on Artificial Intelligence Es de gran interés encontrar métodos de fusión que permitan encontrar resultados en el menor tiempo posible, dado que PS-Merge no considera medidas de distancia entre interpretaciones, entre interpretaciones y modelos, y entre interpretaciones y bases de creencias, se puede afirmar que es un buen candidato a ser implementado. Además dado los resultados obtenidos se puede considerar por satisfecha esta primera etapa de la investigación donde se verifica que el operador PS-Merge satisface algunas de las propiedades que definen a un buen operador de fusión. Aunque se ha identificado que PS-Merge no satisface al 100% los postulados encontrados en la literatura que definen el buen comportamiento del operador, se puede identificar que PS-Merge produce resultados que corresponden a lo que intuitivamente esperaríamos como resultado de la fusión, así tal vez, se debe identificar un nuevo conjunto de postulados que definan a un buen operador de fusión. Conclusiones Se ha propuesto un operador de fusión nuevo que no se define en términos de una medida de la distancia. Este operador resuelve conflictos entre las bases de creencias de una manera Semana de Divulgación y Video Científico
5 natural. El operador de fusión está basado en la noción de Satisfacción Parcial. Esta noción de satisfacción considera que siempre que un átomo no aparezca en una fórmula entonces el agente (la fuente de información) no tiene ninguna preferencia respecto al hecho asociado a la literal, así que se define una satisfacción parcial diferente de 0. La noción de Satisfacción Parcial considera la idea intuitiva que "o" está satisfecho si cualquiera de sus disyuntandos está satisfecho y en el caso del conectivo "y" se cuenta el número de las conjuntandos satisfechos. Podemos pensar que una fórmula siempre está satisfecha en un porcentaje, este porcentaje es reflejado por la Satisfacción Parcial. El operador de fusión PS-Merge simplemente elige aquellos estados que maximizan la suma de las satisfacciones parciales. A diferencia de otros enfoques se pueden considerar bases con inconsistencia y extraer información de aquellas piezas que no causaron la inconsistencia. El operador obtiene resultados muy semejantes a los resultados de operadores propuestos en la literatura. Por lo que se ha iniciado el estudio de las propiedades que son satisfechas por el operador y aunque éste no satisface todas las propiedades citadas en la literatura, posee un comportamiento racional e intuitivo. Referencias Baral, C., Kraus, S., Minker, J., Subrahmanian, V. Combining knowledge bases consisting of first-order theories. Computational Intelligence 1(8), pp 45 71, Bloch, I., Hunter, A. Fusion: General concepts and characteristics. International Journal of Intelligent Systems 10(16), pp , Borja Macías, V., Pozos Parra, P. Model-based belief merging without distance measures. In: International Conference on Autonomous Agents and Multiagent Systems, Honolulu, Hawai i, ACM, pp , Konieczny, S., Pino-Pérez, R. On the logic of merging. In Cohn, A.G., Schubert, L.,Shapiro, S.C., eds. KR 98: Principles of Knowledge Representation and Reasoning. Morgan Kaufmann, pp , Liberatore, P., Schaerf, M. Arbitration (or how to merge knowledge bases). IEEE Transactions on Knowledge and Data Engineering 10(1), pp 76 90, Lin, J., Mendelzon, A. Knowledge base merging by majority. In Pareschi, R., F.B., ed.: Dynamic Worlds: From the Frame Problem to Knowledge Management. Kluwer Academic, Semana de Divulgación y Video Científico
6 Pozos Parra, P., Borja Macías, V. Partial Satisfiability-Based Merging. In Proc. of 6th Mexican International Conference on Artificial Intelligence (MICAI07), Aguascalientes, Mexico, November Revesz, P.Z. On the semantics of theory change: Arbitration between old and new Information. In: Proceedings of the Twelfth ACM SIGACT-SIGMOD-SIGART Symposium on Principles of Database Systems, pp 71 82, Revesz, P.Z. On the Semantics of Arbitration. Journal of Algebra and Computation 7 (2), pp , Semana de Divulgación y Video Científico
CURRICULUM VITAE. Verónica Borja Macías. Maestría en Ciencias (Matemáticas) Fecha de Nacimiento: 3 de Abril de 1981
CURRICULUM VITAE DATOS PERSONALES Nombre: Grado: Verónica Borja Macías Maestría en Ciencias (Matemáticas) Fecha de Nacimiento: 3 de Abril de 1981 Estado Civil: Domicilio: Teléfono: Correo electrónico :
Más detallesCambio de Creencias Múltiples en Sistemas Argumentativos Aplicado para Programación Lógica Rebatible
Cambio de Creencias Múltiples en Sistemas Argumentativos Aplicado para Programación Lógica Rebatible Luis Gustavo Pedraza ❸ Oscar Andrada ❸ Néstor Jorge Valdez ❸ Mario Guido Sergio Teseira ❸ ❸ Departamento
Más detallesPozos Parra Fecha de elaboración: 28 de mayo de 2010 Fecha de última actualización:
PROGRAMA DE ESTUDIO Programa Educativo: Área de Formación : Licenciatura en Sistemas Computacionales Integral Profesional Laboratorio de inteligencia artificial Horas teóricas: 2 Horas prácticas: 2 Total
Más detallesCapítulo 1 Introducción al Razonamiento Automático
Capítulo 1 Introducción al Razonamiento Automático 1.1 Un primer acercamiento al Razonamiento Automático Hoy en día las computadoras han sido utilizadas no solo para resolver cálculos matemáticos o financieros,
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO DIVISIÓN DE DOCENCIA DIRECCIÓN DE PLANEACIÓN Y DESARROLLO EDUCATIVO PROGRAMA DE ESTUDIO LICENCIATURA EN SISTEMAS COMPUTACIONALES PROGRAMAS DE ESTUDIO DE LA ASIGNATURA:
Más detallesAsignatura: Horas: Total (horas): Obligatoria Teóricas 3.0 Semana 3.0 Optativa X Prácticas Semanas 48.0
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO ANÁLISIS Y PROCESAMIENTO INTELIGENTE DE TEXTOS 0575 8, 9 06 Asignatura Clave Semestre Créditos Ingeniería Eléctrica Ingeniería
Más detallesRazonamiento Automático. Representación en Lógica de Predicados. Aplicaciones. Lógica de Predicados. Sintáxis y Semántica
Razonamiento Automático II.1 Representación en Lógica de Predicados Razonamiento en IA se refiere a razonamiento deductivo n Nuevos hechos son deducidos lógicamente a partir de otros. Elementos: n Representación
Más detallesAnálisis Espacial aplicando Técnicas de Inteligencia Artificial
Análisis Espacial aplicando Técnicas de Inteligencia Artificial OBJETIVO. Proporcionar al estudiante técnicas variadas de inteligencia artificial para el tratamiento de datos espaciales y presentar cómo
Más detallesDivisión Académica de Informática y Sistemas
Área de formación Sustantiva Profesional Nombre de la asignatura Docencia frente a grupo según SATCA Trabajo de Campo Supervisado según SATCA HCS HPS TH C HTCS TH C TC 2 2 4 4 0 0 0 4 Clave de la asignatura
Más detallesAcademia de la carrera de Licenciatura en Informática del Instituto Tecnológico de Aguascalientes
1. DATOS DE LA ASIGNATURA Nombre: Técnicas de Inteligencia Artificial y Sistemas Multi-agentes Carrera: Licenciatura en Informática Clave de la asignatura: IFS-0405 Horas teoría - horas práctica - créditos:
Más detallesArquitectura de Computadoras Algebra de Boole Basadas en las Notas de Teórico Versión 1.0 del Dpto. de Arquitectura-InCo-FIng
Basadas en las Versión.0 del Dpto. de Arquitectura-InCo-FIng ALGEBRA DE BOOLE Introducción. El álgebra de Boole es una herramienta de fundamental importancia en el mundo de la computación. Las propiedades
Más detallesTEMA 3 ÁLGEBRA DE CONMUTACIÓN
TEMA 3 ÁLGEBRA DE CONMUTACIÓN TEMA 3: Álgebra de Boole ÍNDICE. POSTULADOS DEL ÁLGEBRA DE CONMUTACIÓN 2. ÁLGEBRA DE BOOLE BIVALENTE O ÁLGEBRA DE CONMUTACIÓN 2. Teoremas del álgebra de conmutación 3. VARIABLES
Más detallesSER UN PROFESOR-INVESTIGADOR QUE APORTE AL DESARROLLO CIENTIFICO Y TECNOLOGICO DEL PAIS.
CURRICULUM VITAE Nombre: Lugar y Fecha de Nacimiento: Sánchez Sánchez Christian. Lindavista Gustavo A. Madero D.F. Edad: Nacionalidad: Estado Civil: Domicilio: 14 de junio de 1980. 29 años. Mexicana. Casado.
Más detallesMatemáticas Dicretas LÓGICA MATEMÁTICA
Matemáticas Dicretas LÓGICA MATEMÁTICA Esta pagina fue diseñada como un auxiliar y herramienta para aquellos que esten interesados en reforzar y tener mas conocimientos sobre las matematicas discretas.
Más detallesLOGICA Y ALGEBRA DISCRETA
LOGICA Y ALGEBRA DISCRETA Franco D. Menendez LABIA FACET - UNT Contenido de la Materia UNIDAD TEMÁTICA 2: DECISION EN EL LENGUAJE FORMAL Sistemas Axiomáticos. Noción General. Decisión Por Formas Normales.
Más detallesGeolocalización de llamadas identificadas como mal uso de la línea única para emergencias
I Seminário da Rede Incêndios-Solo e I Simpósio Ibero-Afro-Americano de Riscos Geolocalización de llamadas identificadas como mal uso de la línea única para emergencias Wilson Fernando Rivera Montesdeoca
Más detallesAlgoritmos Genéticos para la Construcción de Modelos Autorregresivos para Series de Tiempo y Funciones de Transferencia Discretas.
Algoritmos Genéticos para la Construcción de Modelos Autorregresivos para Series de Tiempo y Funciones de Transferencia Discretas. Dr. Pedro Flores Pérez EMNO 2013 Orígen del problema Entradas Salidas
Más detallesOntología. María del Carmen Rodríguez Hernández
Ontología María del Carmen Rodríguez Hernández Agenda 1. Qué es una ontología? 2. Criterio de diseño para ontologías 3. Sistema de Representación del Conocimiento 4. Nivel epistemológico y ontológico Qué
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO DIVISIÓN DE DOCENCIA DIRECCIÓN DE PLANEACIÓN Y DESARROLLO EDUCATIVO PROGRAMA DE ESTUDIO LICENCIATURA EN SISTEMAS COMPUTACIONALES. PROGRAMAS DE ESTUDIO DE LA ASIGNATURA:
Más detallesAgentes Inteligentes. Modelos Formales y Aplicaciones para la Educación
21 Agentes Inteligentes. Modelos Formales y Aplicaciones para la Educación Marcelo Amaolo 1 Daniel Dolz 1 Guillermo Grosso 1 Pablo Kogan 1 María Eda Cornejo 2 Sonia Sommer 2 Jorge Rodríguez 1 Gerardo Parra
Más detallesLógica de proposiciones
1 Introducción Lenguaje lógico simbólico más sencillo. Permite representar sentencias simples del lenguaje natural mediante formulas atómicas, cuya composición representa sentencias más complejas: p temperatura
Más detallesSelección de atributos
Selección de atributos Series Temporales Máster en Computación Universitat Politècnica de Catalunya Dra. Alicia Troncoso Lora 1 Contenido Introducción Clasificación de las técnicas Esquema General Evaluadores
Más detallesIntroducción a la Lógica Proposicional Seminario de Matemáticas
Introducción a la Lógica Proposicional Seminario de Matemáticas Julio Ariel Hurtado Alegría ahurtado@unicauca.edu.co 8 de mayo de 2015 Julio A. Hurtado A. Departamento de Sistemas 1 / 34 Agenda Motivación
Más detallesUNIVERSIDAD DE SAN CARLOS DE GUATEMALA FACULTAD DE INGENIERIA ESCUELA DE CIENCIAS Y SISTEMAS PROGRAMA DEL CURSO DE INTELIGECIA ARTIFICIAL 1
UNIVERSIDAD DE SAN CARLOS DE GUATEMALA FACULTAD DE INGENIERIA ESCUELA DE CIENCIAS Y SISTEMAS PROGRAMA DEL CURSO DE INTELIGECIA ARTIFICIAL 1 CODIGO: 972 CREDITOS: 4 ESCUELA: Ciencias y Sistemas AREA: Ciencia
Más detallesRevisando Bases Modales Temporales
Revisando Bases Modales Temporales María Laura Cobo Marcelo A. Falappa Departamento de Ciencias e Ingeniería de la Computación Universidad Nacional del Sur Bahía Blanca - Argentina fax: +54 291 4595136
Más detallesProyectos de calidad comienzan con requisitos de calidad
Proyectos de calidad comienzan con requisitos de calidad Guilherme Siqueira Simões 17 - Julio - 2015 Agenda Por qué preocuparse por la calidad en requisitos? Qué es calidad? Qué es requisito de software?
Más detallesDinámica de bases de conocimiento compartidas y distribuidas
Dinámica de bases de conocimiento compartidas y distribuidas Luciano H. Tamargo Marcelo A. Falappa Alejandro J. García Guillermo R.Simari Laboratorio de Investigación y Desarrollo en Inteligencia Artificial
Más detallesUn Modelo Matemático Para Semánticas Operacionales Estructurales
Un Modelo Matemático Para Semánticas Operacionales Estructurales Mauro Jaskelioff mjj@cs.nott.ac.uk School of Computer Science FCEIA 07 Semántica de Lenguajes de Programación Necesitamos especificar la
Más detallesProgramación Declarativa
Programación Declarativa Arsenio Cornejo Jordán Dept. de Matemática Universidad Nacional de Panamá mayo 28, 2014 mayo 28, 2014 1 / 20 Programación Imperativa Temas 1 Programación Imperativa 2 Programación
Más detallesNegociación Basada en la Argumentación para la Solución de Conflictos
Negociación Basada en la Argumentación para la Solución de Conflictos John Sprockel Maestría de Ingeniería de Sistemas y Computación, Universidad Javeriana jsprockel@javeriana.edu.co Resumen. La argumentación
Más detallesEXP-UNC: /2017 LA VICE DECANA DE LA FACULTAD DE CIENCIAS ECONÓMICAS RE S U EL VE:
FACULTAD DE CIENCIAS ECONÓMICAS Nac ;on~ l de Cordoba Córdoba, 2 7 MAR 2017 VISTO: Lo dispuesto por el reglamento del SISTEMA DE FORMACIÓN Y PERFECCIONAMIENTO DOCENTE DE LA FACUL TAO DE CIENCIAS ECONÓMICAS,
Más detallesProyecto: Sistemas de Representación de Conocimiento y Razonamiento
Facultad de Ciencias de la Administración Licenciatura en Sistemas Proyecto: Sistemas de Representación de Conocimiento y Razonamiento Materia Optativa para Régimen de Créditos Docentes a cargo: Cristian
Más detallesControl con Lógica Difusa
Control con Lógica Difusa Dr. Fernando Ornelas Tellez Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica Morelia, Michoacan Dr. Fernando Ornelas Tellez UMSNH-FIE División
Más detallesCarrera : Academia de Sistemas y Computación. a) RELACIÓN CON OTRAS ASIGNATURAS DEL PLAN DE ESTUDIOS ASIGNATURAS TEMAS ASIGNATURAS TEMAS
1.- IDENTIFICACION DE LA ASIGNATURA Nombre de la asignatura : Carrera : Aplicaciones Avanzadas de los Sistemas Computacionales Ingeniería en Sistemas Computacionales Clave de la asignatura : Horas teoría-horas
Más detallesPLANIFICACIÓN DE LA ASIGNATURA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
LIC. ANA CASALI ING. ROSA CORTI PLANIFICACIÓN DE LA ASIGNATURA INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Departamento: SISTEMAS E INFORMÁTICA, Escuela de Ing. Electrónica, prestando servicios a la LCC
Más detallesOperadores de Cambio Múltiples en Bases de Creencias Bajo Lógica Horn
Operadores de Cambio Múltiples en Bases de Creencias Bajo Lógica Horn Néstor Jorge Valdez Marcelo A. Falappa Departamento de Ciencias de la Computación, Fac. de Ciencias Exactas y Naturales Universidad
Más detallesEl Dr. Peter Pin-Shan Chen es el creador del Modelo Entidad-Relación (Modelo ER). En el año 1968, obtuvo el grado de Licenciado en Ciencias en la
26/02/2012 1 El Dr. Peter Pin-Shan Chen es el creador del Modelo Entidad-Relación (Modelo ER). En el año 1968, obtuvo el grado de Licenciado en Ciencias en la Universidad Nacional de Taiwán. Posteriormente,
Más detallesCapítulo 4. Lógica matemática. Continuar
Capítulo 4. Lógica matemática Continuar Introducción La lógica estudia la forma del razonamiento, es una disciplina que por medio de reglas y técnicas determina si un teorema es falso o verdadero, además
Más detallesScientia Et Technica ISSN: Universidad Tecnológica de Pereira Colombia
Scientia Et Technica ISSN: 0122-1701 scientia@utpeduco Universidad Tecnológica de Pereira Colombia Cifuentes V, Verónica; Marín, Víctor Generalización de la inducción matemática a estructuras inductivas
Más detallesLógica Matemática. Contenido. Definición. Finalidad de la unidad. Proposicional. Primer orden
Contenido Lógica Matemática M.C. Mireya Tovar Vidal Proposicional Definición Sintaxis Proposición Conectivos lógicos Semántica Primer orden cuantificadores Finalidad de la unidad Definición Traducir enunciados
Más detalles1.Introducción al Modelo Relacional.
1.Introducción al Modelo Relacional. 1.1 Qué es un Modelo?. Cuando en teoría de diseño de bases de datos se emplea el término "modelo", esto no tiene el mismo significado que en Lógica. En Lógica por "modelo"
Más detallesTEMA 1: LÓGICA. p p Operador conjunción. Se lee y y se representa por. Su tabla de verdad es: p q p q
TEMA 1: LÓGICA. Definición. La lógica es la ciencia que estudia el razonamiento formalmente válido. Para ello tiene un simbolismo que evita las imprecisiones del lenguaje humano y permite comprobar la
Más detalles4.2. Procedimiento para elaborar tablas de verdad
4.1. Qué es una tabla de verdad? Usamos tablas de verdad, en el apartado 2.1 de la unidad II, para determinar el valor de verdad de una proposición compuesta. En este apartado explicaremos más detenidamente
Más detallesRepresentación del conocimiento. Lógica y representación del conocimiento.
Representación del conocimiento Lógica y representación del conocimiento. Contenidos 1. Papel de la lógica en la representación del conocimiento. 2. Principios de Ingeniería de Conocimiento en Lógica de
Más detallesIA - Inteligencia Artificial
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 270 - FIB - Facultad de Informática de Barcelona 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesTeoremas: Condiciones Necesarias, Condiciones Suficientes y Condiciones Necesarias y Suficientes
FUNCIONES DE VARIABLE COMPLEJA 1 Teoremas: Condiciones Necesarias, Condiciones Suficientes y Condiciones Necesarias y Suficientes Lógica Matemática Una prioridad que tiene la enseñanza de la matemática
Más detallesIA - Inteligencia Artificial
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 270 - FIB - Facultad de Informática de Barcelona 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesJOSÉ OCTAVIO GUTIÉRREZ GARCÍA
JOSÉ OCTAVIO GUTIÉRREZ GARCÍA Profesor de Tiempo Completo del Departamento Académico de Computación DOMICILIO Río Hondo No. 1 Progreso Tizapán México 01080, D.F. Tel: +52 (55) 5628-4000 Ext. 3645 Fax:
Más detallesLógica y Programación
Lógica y Programación Formas Normales J.-A. Alonso, F.-J. Martín-Mateos, J.-L. Ruiz-Reina Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Lógica y Programación - Tema
Más detallesS I L V I A D E L C A R M E N G U A R D A T I B U E M O
S I L V I A D E L C A R M E N G U A R D A T I B U E M O DOMICILIO Profesora de Tiempo Completo del Departamento Académico de Computación Río Hondo No. 1 Tizapán San Angel México 01080, D.F. Tel: +52 (55)
Más detallesINSTITUTO TECNOLÓGICO SUPERIOR DE LA COSTA CHICA
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Desarrollo de Aplicaciones Web Carrera: Ingeniería en Tecnologías de la y las Comunicaciones. Clave de la asignatura: TCF-1107 Horas teoría-horas práctica-
Más detallesMatrices y sistemas lineales. Christian Páez Páez Escuela de Matématica, Instituto Tecnológico de Costa Rica
Matrices y sistemas lineales Christian Páez Páez Escuela de Matématica, Instituto Tecnológico de Costa Rica Este libro se distribuye bajo la licencia Creative Commons Reconocimiento - No Comercial - Sin
Más detallesPROGRAMA ANALÍTICO DE ASIGNATURA
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO COORDINACIÓN DE DOCENCIA DIRECCIÓN DE PLANEACIÓN Y DESARROLLO EDUCATIVO _ 1.- DATOS GENERALES 1.1 INSTITUTO: CIENCIAS BÁSICAS E INGENIERÍA PROGRAMA ANALÍTICO
Más detallesAlgebras booleanas. B2) Leyes Distributivas. Cada operación es distributiva con respecto a la otra:
Algebras booleanas AXIOMAS DEL ALGEBRA DE BOOLE Sea B un conjunto en el cual se han definido dos operaciones binarias, + y * (En algunos casos se definen en términos de y respectivamente), y una operación
Más detalles* Una definición del pensamiento crítico es el pensamiento reflexivo que se centra en decidir en qué creer o qué hacer (Ennis, 1987).
PROCESOS DE APRENDIZAJE EJERCICIO 1. PENSAMIENTO CRITICO REALIZAR LA LECTURA DEL PRESENTE ARTICULO Y EXTRAER LOS CONCEPTOS IMPORTANTES, ESCRIBIRLOS EN LA BITÁCORA. COMPARTIR EN SALON DE CLASES Pensamiento
Más detallesIngeniería de Requerimientos. requiere de un Sistema de Software.
Ingeniería de uestableciendo lo que el cliente requiere de un Sistema de Software. Ian Sommerville 1995 Ingeniería de Software, 5a. edición Capitulo 4 Diapositiva 1 Objetivos u Introducción a la Noción
Más detallesUNIVERSIDAD AUTÓNOMA DE CHIAPAS LICENCIATURA EN SISTEMAS COMPUTACIONALES
UNIVERSIDAD AUTÓNOMA DE CHIAPAS LICENCIATURA EN SISTEMAS COMPUTACIONALES Área de formación: Disciplinaria. Unidad académica: Inteligencia Artificial. Ubicación: Séptimo Semestre. Clave: 2004 Horas semana-mes:
Más detallesAplicaciones. Inteligencia Computacional Carrera de Ingeniería Informática
Aplicaciones Inteligencia Computacional Carrera de Ingeniería Informática Aplicaciones de IC Unidad VIII: Configuración del problema y aplicación de las técnicas de inteligencia computacional en: clasificación
Más detallesAnálisis de esquemas de manejo de restricciones en optimización global.
Análisis de esquemas de manejo de restricciones en optimización global. Tesista: Daniel Trejo Pérez dtrejo@computacion.cs.cinvestav.mx Director de tesis: Dr. Carlos Artemio Coello Coello CINVESTAV-IPN
Más detallesTema 12. Selección de Variables
Tema 12. Selección de Variables Pedro Larrañaga, Iñaki Inza, Abdelmalik Moujahid Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad del País Vasco Euskal Herriko Unibertsitatea
Más detallesNombre de la Unidad de Aprendizaje. Seminario de solución de problemas sistemas basados en conocimientos
Misión del Centro Universitario Somos un centro que forma parte de la Red Universitaria de la Universidad de Guadalajara. Como institución de educación superior pública asumimos el compromiso social de
Más detalleshttp://portal.acm.org
Association for Computing Machinery (ACM) Mark Mandelbaum, Director of Publications ACM Digital Library and its contributions to the technological development SYSTEMS link International Mauricio Caceres
Más detallesInteligencia Artificial II Arquitecturas y Programas Agente
Inteligencia Artificial II Arquitecturas y Programas Agente Dr. Alejandro Guerra-Hernández Departamento de Inteligencia Artificial Facultad de Física e Inteligencia Artificial Universidad Veracruzana aguerra@uv.mx
Más detallesSISTEMAS DE INFORMACIÓN: UNA INTRODUCCIÓN
SISTEMAS DE INFORMACIÓN: UNA INTRODUCCIÓN Maestría en Bioinformática Marzo 2010 Contenidos Datos, Información y Conocimiento Qué es un sistema de información? Cómo se desarrolla un sistema de información?
Más detallesPredictor Basado en Prototipos Difusos y Clasificación Nosupervisada
Predictor Basado en Prototipos Difusos y Clasificación Nosupervisada JIISIC-CEIS'2015 Aníbal Vásquez, Enrique Peláez y Xavier Ochoa anibal.vasquez @cti.espol.edu.ec, epelaez@cti.espol.edu.ec, xavier@cti.espol.edu.ec
Más detallesPrograma de Ciencias de Computadoras PRONTUARIO
UNIVERSIDAD INTERAMERICANA DE PUERTO RICO RECINTO METROPOLITANO FACULTAD DE CIENCIAS Y TECNOLOGÍA DEPARTAMENTO DE CIENCIAS DE COMPUTADORAS Y MATEMÁTICAS Programa de Ciencias de Computadoras PRONTUARIO
Más detallesExploraciones sobre el soporte Multi-Agente en Minería de Datos
Exploraciones sobre el soporte Multi-Agente en Minería de Datos Alejandro Guerra-Hernández Nicandro Cruz-Ramírez Rosibelda Mondragón-Becerra Departamento de Inteligencia Artificial Facultad de Física e
Más detallesSeminario de Inteligencia Artificial Curso Tema 7: Abducción. Dpto. de Ciencias de la Computación e Inteligencia Artificial
Seminario de Inteligencia Artificial Curso 2002 03 Tema 7: Abducción Joaquín Borrego Díaz Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla SIA 2002 03 CcIa Abducción
Más detallesTema 7: Razonamiento por defecto y razonamiento abductivo
Programación lógica Curso 2004 05 Tema 7: Razonamiento por defecto y razonamiento abductivo José A. Alonso Jiménez Jose-Antonio.Alonso@cs.us.es http://www.cs.us.es/ jalonso Dpto. de Ciencias de la Computación
Más detallesToma de Decisiones basadas en Argumentación
Toma de Decisiones basadas en Argumentación Edgardo Ferretti, Marcelo Errecalde, Alejandro García, Guillermo Simari Laboratorio de Investigación y Desarrollo en Inteligencia Computacional (LIDIC) 1 Departamento
Más detallesAnálisis de técnicas caligráficas para la mejora del reconocimiento automático de firma
Universidad Autónoma de Madrid Escuela Politécnica Superior Anteproyecto Análisis de técnicas caligráficas para la mejora del reconocimiento automático de firma Ingeniería de Telecomunicación Autor: Francisco
Más detalles1.-DATOS DE LA ASIGNATURA
1.-DATOS DE LA ASIGNATURA Nombre de la asignatura: Sistemas Multimedia Carrera: Ingeniería en Sistemas Computacionales Clave de la asignatura: ADM-0707 Horas teoría-horas práctica-créditos: 3-2-8 2.-HISTORIA
Más detallesGUÍA DOCENTE DE LA ASIGNATURA
GUÍA DOCENTE DE LA ASIGNATURA G655 - Introducción a los Sistemas Inteligentes Grado en Ingeniería Informática Obligatoria. Curso Grado en Matemáticas Optativa. Curso 4 Curso Académico 017-018 1 1. DATOS
Más detallesFundamentos de SQL para Minería de Datos
Fundamentos de SQL para Minería de Datos Tutor: El curso será impartido por M.Sc. Fabio Fernández Senior Manager Risk Reporting en Scotiabank, Toronto, Canadá. Es Máster en Matemática Aplicada de la Universidad
Más detallesRendimiento Académico: un estudio de la situación actual en las carreras de ingeniería en UTN Rafaela. Contexto
Rendimiento Académico: un estudio de la situación actual en las carreras de ingeniería en UTN Rafaela Fornari Javier 1, Culzoni Cecilia 1, La Red Martínez David 2 1 Universidad Tecnológica Nacional, Facultad
Más detallesCOMPACIDAD Y COMPLETITUD: DOS TEOREMAS CLÁSICOS DE LA TEORÍA DE MODELOS
COMPACIDAD Y COMPLETITUD: DOS TEOREMAS CLÁSICOS DE LA TEORÍA DE MODELOS JOEL TORRES DEL VALLE 1 1 Universidad Cartagena Resumen. Se presentan dos teoremas clásicos de la Teoría de Modelos: Teorema de La
Más detallesIngeniería del Software Basada en la Evidencia
Ingeniería del Software Basada en la Evidencia Ingeniería del Software Basada en la Evidencia Fechas: 12 y 19 de diciembre, 9, 16, y 23 de enero Horario 16:00-19:00 Ponentes: Marcela Genero y José Antonio
Más detallesInvestigación. Ciencia de Computación
Investigación en Ciencia de Computación y Manejo de Datos (visión y trayectoria personales) Leopoldo Bertossi Contenido: A. Algunos aspectos de mi trayectoria académica B. Un área de investigación de los
Más detallesPROGRAMA DE CURSO. Horas Docencia Horas de Trabajo Horas de Cátedra Docentes. Personal
PROGRAMA DE CURSO Código Nombre CC5207 TEORIA DE BASES DE DATOS Nombre en Inglés DATABASE THEORY SCT es Horas Docencia Horas de Trabajo Horas de Cátedra Docentes Auxiliar Personal 6 10 3 0 7 Requisitos
Más detallesOn the cruelty of really teaching Computing Science
On the cruelty of really teaching Computing Science Duperron, Santiago Falciola, Luis Romero, Adrián Weil, Alex 1 de Junio de 2009 Conferencia de la ACM - Diciembre de 1989 Contexto Social El paradigma
Más detallesLógica y Programación
Lógica y Programación Formas Normales Antonia M. Chávez, Agustín Riscos, Carmen Graciani Dpto. Ciencias de la Computacion e Inteligencia Artificial Universidad de Sevilla Introducción Simplificar las fórmulas
Más detallesÁLGEBRA SUPERIOR I. Semestre: Primero Horas: 72 Hrs/sem: 4.5 Créditos: 10 Clave: AG-01 DESCRIPCIÓN DE LA ASIGNATURA:
ÁLGEBRA SUPERIOR I Semestre: Primero Horas: 72 Hrs/sem: 4.5 Créditos: 10 Clave: AG-01 DESCRIPCIÓN DE LA ASIGNATURA: Las proposiciones, cuantificadores, conjuntos, funciones, permutaciones, combinaciones,
Más detallesCapítulo 2 Conjuntos. 2.1 Introducción. 2.2 Determinación de conjuntos. Definición:
Capítulo 2 Conjuntos 2.1 Introducción El concepto de conjunto, de singular importancia en la ciencia matemática y objeto de estudio de una de sus disciplinas más recientes, está presente, aunque en forma
Más detallesEjercicios de Lógica Proposicional *
Ejercicios de Lógica Proposicional * FernandoRVelazquezQ@gmail.com Notación. El lenguaje proposicional que hemos definido, aquel que utiliza los cinco conectivos,,, y, se denota como L {,,,, }. Los términos
Más detallesque debe ser atacado [GCS10, BQL07], especialmente en procesos de integración de conocimiento proveniente de fuentes diversas [BHP09, AK05]. En partic
Definición de la infraestructura para procesos masivos de argumentación mediante aplicación de revisión de creencias y argumentación sobre ontologías Datalog+/- Cristhian A. D. Deagustini María Vanina
Más detallesDescripción en VHDL de arquitecturas para implementar el algoritmo CORDIC
Anexo B Funciones booleanas El álgebra de Boole provee las operaciones las reglas para trabajar con el conjunto {0, 1}. Los dispositivos electrónicos pueden estudiarse utilizando este conjunto las reglas
Más detalles-matemáticas aplicadas: análisis numérico, ecuaciones diferenciales parciales, computación
Áreas de Interés -control automático -ingeniería eléctrica -ingeniería industrial Especialidad científica -computadoras digitales, analógicas e híbridas -problemas de simulación analógica, digital e híbrida
Más detallesASIGNATURA: INTELIGENCIA ARTIFICIAL
ASIGNATURA: INTELIGENCIA ARTIFICIAL Código: 33-505 Régimen: cuatrimestral Horas reloj semanales: 4 Horas teóricas: 26 Horas prácticas: 34 Carrera: Sistemas Año del programa: 2016 FUNDAMENTOS: La evolución
Más detallesLos Teoremas de Incompletitud de Gödel: Parte II: Coherencia y completitud
Los Teoremas de Incompletitud de Gödel: Parte II: Coherencia y completitud Guillermo Morales Luna Departmento de Computación CINVESTAV-IPN gmorales@cs.cinvestav.mx 2-o Encuentro Nacional de Epistemología
Más detallesConvocatoria para la renovación de tutores Posgrado en Ciencia e Ingeniería de la Computación 2015
Convocatoria para la renovación de tutores Posgrado en Ciencia e Ingeniería de la Computación 2015 * SOLO REPORTAR PRODUCCIÓN DEL PERIODO AGOSTO 2012- PRESENTE * SEÑALAR CUANDO LAS ACTIVIDADES SON COMPARTIDAS
Más detallesCC BASES DE DATOS OTOÑO 2018
CC3201-1 BASES DE DATOS OTOÑO 2018 Clase 5: El Cálculo Relacional + SQL (I) Aidan Hogan aidhog@gmail.com LA ÚLTIMA VEZ... El Álgebra Relacional Formalizando demasiadas preguntas Y marcas de vino que tienen
Más detallesInteroperabilidad. Introducción. Contenido del Curso
Docentes: Regina Motz Adriana Marotta Contenido del Curso Temas: Introducción y Terminología Arquitecturas Aspectos Críticos de Heterogeneidad de Modelos de Datos Heterogeneidad Semántica Reconciliación
Más detalles