Representación del conocimiento en Sistemas de Producción. Pares característica / valor
|
|
- Juan José San Segundo Araya
- hace 7 años
- Vistas:
Transcripción
1 Representación del conocimiento en Sistemas de Producción Pares característica / valor
2 Sistemas de producción: Historia Post, 42 reglas de re-escritura Newell y Simon, 70 s Modelo psicológico comportamiento humano Mayoritariamente formalismo adecuado para representar conocimiento heurístico (meras asociaciones) formalización de sentencias SI... Entonces... 2
3 Sistemas de producción: Componentes BC MI MT Base de Conocimientos (BC, KB) Base de Reglas (BR): conjunto de reglas de producción Declaración de Dominio: elementos básicos que se referencian en hechos y reglas Memoria de Trabajo (MT, WM) Conjunto de hechos información que se considera cierta Motor de inferencias (MI, IE) generar nuevos hechos, a partir de MT, usando BR 3
4 LRC para sistemas de producción Elementos básicos hechos: información que se posee relevante a un problema concreto reglas: conocimiento sobre el dominio de problema Variantes Según se referencien elementos del dominio pares características-valor color=verde tripletes objeto-atributo-valor césped.color=verde patrones (césped color verde) Según funcionamiento motor inferencias encadenamiento hacia delante / hacia atrás Otros incertidumbre, meta-conocimiento,... 4
5 LRC: pares característica valor Representación mediante características que toman valores características univaluadas: un único valor constante temperatura=30 multivaluadas: cjt de constantes síntomas={fiebre, salpullido} tipadas: valores sobre un tipo TIPO( ): conjunto finito y no vacío de constantes Declaración de características univaluada tipada x s : x m :2 no tipada x s x m Declaración de Dominio (D) multivaluada conjunto de declaraciones de características para todas las características que ocurren en BC 5
6 Característica-valor: hechos Sintaxis hechos x=c, si x s :, c x=c, si x m :2, C Memoria de trabajo H={x 1 =c 1,..., x p =c p, y 1 =C 1,..., y q =C q } con c i constantes, C i conjuntos de constantes declaraciones de dominio x is :c i, y im :2 C i y cada característica solo ocurre una vez 6
7 Característica-valor: ejemplo D = {sexo s :{varón, hembra}, edad s : int, síntomas m : 2 {fiebre, dolorabdominal, dolorcabeza}, enfermedad m : 2 {aneurismaaortico, estenosisarterial} } H = { sexo=varón, edad=27, síntomas = {fiebre, dolorabdominal}, enfermedad = {aneurismaaortico} } 7
8 Reglas de Producción Sintaxis <reglaproducción> ::= if <antecedente> then <consecuente> fi <antecedente> ::= <disyunción> {and <disyuncion>}* <disyunción> ::=<condición> {or <condición> }* <consecuente> ::= <conclusión> {also <conclusión>}* <condición> ::= <predicado> ( <característica>, <constante> ) <conclusión> ::= <acción> ( <característica>, <constante> ) <predicados> ::= iguales noiguales mayorque... <acción> ::= añadir eliminar... Interpretación si el antecedente se satisface, realizar la acción del consecuente 8
9 Ejemplo reglas producción Lenguaje natural Si el paciente tiene un dolor abdominal y en la auscultación se percibe un rumor abdominal y se siente una masa pulsante en el abdomen entonces el paciente tiene un aneurisma aórtico Regla de producción if iguales(síntomas, dolorabdominal) and iguales(auscultación, rumorabdominal) and iguales(palpa, masapulsante) then añadir(enfermedad, aneurísmaaortico) fi 9
10 Predicados Los predicados se evalúan a T si el valor actual de una característica (en H) satisface algún test (según al predicado) con el valor constante especificado en su segundo argumento Ejemplos H={edad=50, síntomas={fiebre, dolorabdominal}} iguales(edad, 60) => F iguales(edad, 50) => T iguales(síntoma, fiebre) => T 10
11 Meta-constantes y Meta-predicados Constantes y predicados cuyo significado no depende solo del contenido de H y BC, sino también del funcionamiento del motor de inferencias (componente operacional) Meta-constante: desconocida una característica es desconocida si el motor de inferencias ya ha buscado un valor para ella y la búsqueda ha fracasado Meta-predicados: conocida, noconocida una característica, x, satisface el predicado conocida(x), si en la memoria de trabajo existe algún hecho de la forma x=c (x=c si multivaluada), donde c es una cte. distinta de desconocida típicamente, si no existe el hecho, la evaluación del predicado conocida(x), fuerza su búsqueda 11
12 Semántica de predicados y acciones Predicado Univaluada Multivaluada iguales(x, c) x c x = C, c C noiguales(x,c) x c, x desconocida x desconocida (x = C), c C menorque(x, c) x c - mayorque(x, c) x c - conocida(x) x desconocida x desconocida (x = C) noconocida(x) x desconocida x desconocida añadir(x, c) x <== c x <== x {c} eliminar(x, c) x <== desconocida x <== x / {c} (desconocida si x ={c}) 12
13 Conclusiones Permiten modificar el conjunto de hechos El modelo básico de sistema de producción solo admite una acción: añadir(característica, valor) H={edad=50, síntomas={fiebre, dolorabdominal}} añadir(edad, 60) H={edad=60, síntomas={fiebre, dolorabdominal}} añadir(síntomas, mareos) H={edad=60, síntomas={fiebre, dolorabdominal, mareos}} añadir(sexo, varón) H={edad=60,sexo=varón, síntomas={fiebre, dolorabdominal, mareos}} Otras acciones inferencia: eliminar, suponer... Efectos laterales: entrada/salida 13
Representación del conocimiento en Sistemas de Producción. Lenguaje Objeto-Atributo-Valor Lenguaje de Patrones
Representación del conocimiento en Sistemas de Producción Lenguaje Objeto-Atributo-Valor Lenguaje de Patrones Lenguaje Objeto-Atributo-Valor Extensión del lenguaje Características- Valor Proposicional
Solución SP-Cardio. Práctica V
Solución SP-Cardio Práctica V Contenido 1. Plantillas. 2. Regla Semántica Univaluada. 3. Datos Iniciales Marta y Juan. 4. Aneurisma arteria abdominal. 5. Regurgitación aórtica. 6. Estenosis arteria pierna.
Representación del Conocimiento Otros formalismos. Licenciatura en Ciencias de la Computación. Introducción a la Inteligencia Artificial.
Representación del Conocimiento Otros formalismos Licenciatura en Ciencias de la Computación. Introducción a la Inteligencia Artificial. Conocimiento Definición El conocimiento es una mezcla de experiencia,
Inteligencia Artificial
Inteligencia Artificial Conocimiento y razonamiento 2. Lógica proposicional Dr. Edgard Iván Benítez Guerrero 1 Lenguajes lógicos Los hechos forman parte del mundo, mientras que las sentencias son la representación
Inteligencia Artificial e Ingeniería del Conocimiento
Inteligencia Artificial e Ingeniería del Conocimiento I. A. Clásica Nuevos enfoques de la I. A. Agentes Inteligentes Aprendizaje Introducción Aprendizaje inductivo decisión Planteamiento conectivista.
Razonamiento bajo incertidumbre
Inteligencia en Redes de Comunicaciones Razonamiento bajo incertidumbre Julio Villena Román jvillena@it.uc3m.es Razonamiento humano En el razonamiento humano hay que trabajar con la incertidumbre: la información
Sistemas Expertos de Primera Generación (I) Introducción a los sistemas expertos
Sistemas Expertos de Primera Generación (I) Introducción a los sistemas expertos Contenidos 1. Introducción 2. Un sistema clásico: MYCIN 3. Adquisición de conocimiento 2 Caracterización (I) SE: programa
Sistemas de Producción
Sistemas de Producción Asunción Gómez-Pérez asun@fi.upm.es Departamento de Inteligencia Artificial Facultad de Informática Universidad Politécnica de Madrid Campus de Montegancedo sn, 28660 Boadilla del
Representación del conocimiento. Métodos estructurados: Marcos
Representación del conocimiento Métodos estructurados: Marcos Contenido 1. Introducción a los sistemas de marcos. 2. Elementos de un sistema de marcos. 3. Un modeló básico. 4. Herencia simple sin excepciones.
Las redes semánticas son: a. Una extensión de la lógica de predicados b. Una extensión de los frames c. Un conjunto conexo de OAV
Las redes semánticas son: a. Una extensión de la lógica de predicados b. Una extensión de los frames c. Un conjunto conexo de OAV El algoritmo de PodaAlfaBeta busca: a. Determinar los caminos más óptimos.
Representación del conocimiento en Sistemas de Marcos. Herencia simple sin excepciones Herencia simple con excepciones Facets
Representación del conocimiento en Sistemas de Marcos Herencia simple sin excepciones Herencia simple con excepciones Facets Contenido Origen Modelo básico Herencia simple sin excepciones Relación Marcos/
Formalismos de Representación de Conocimientos
Formalismos de Representación de Conocimientos Oscar Corcho García ocorcho@fi.upm.es Despacho 2107 Departamento de Inteligencia Artificial Facultad de Informática Universidad Politécnica de Madrid Campus
Representación 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
Representación de Conocimientos
Representación de Conocimientos Asunción Gómez-Pérez asun@fi.upm.es Despacho 2104 Departamento de Inteligencia Artificial Facultad de Informática Universidad Politécnica de Madrid Campus de Montegancedo
Métodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Contenido Lógica proposicional Lógica de predicados Inferencia en lógica
Desde hace algún tiempo los problemas más recurrentes con los que se enfrenta la industria
3 Sistemas Expertos 3.1 Introducción Desde hace algún tiempo los problemas más recurrentes con los que se enfrenta la industria son la falta de personas capacitadas en campos muy específicos y el elevado
Búsqueda no Informada. Soporte computacional de la búsqueda
Búsqueda no Informada Soporte computacional de la búsqueda Sistema de producción Modelo de cómputo basado en tres componentes: Memoria de trabajo Intérprete de reglas Reglas de producción 2 Soporte computacional
INGENIERÍA EN SISTEMAS Y COMUNICACIONES
INGENIERÍA EN SISTEMAS Y COMUNICACIONES UDA: INTELIGENCIA ARTIFICIAL TEMA: REPRESENTACIÓN DEL CONOCIMIENTO E L A B O R Ó : D R. E N C. H É C T O R R A F A E L O R O Z C O A G U I R R E C U U A E M V M
Métodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Reglas de Producción Introducción Partes principales Tipos de razonamiento
Facultad de Ciencias Exactas y Tecnología Universidad Nacional de Tucumán Mg. Ing. Gustavo E. Juárez
Facultad de Ciencias Exactas y Tecnología Universidad Nacional de Tucumán Mg. Ing. Gustavo E. Juárez INTRODUCCION A LA INTELIGENCIA ARTIFICIAL Contenido: Inteligencia Artificial. Definiciones y Conceptos.
Semántica: principales usos. Semántica: principales enfoques. Semántica Operacional. Sintaxis abstracta de un lenguaje (sujeto) Semántica Operacional
Semántica: principales enfoques Semántica Operacional Se define el significado mediante una máquina abstracta (con estados) y secuencias de cómputos sobre dicha máquina Semántica Denotacional El significado
Representación del conocimiento. M.I. Jaime Alfonso Reyes Cortés
Representación del conocimiento M.I. Jaime Alfonso Reyes Cortés Ingeniería del conocimiento Ingeniería del conocimiento: Representación del conocimiento. El conocimiento representa la piedra angular de
Inteligencia Artificial Clase #6 Representación del Conocimiento. Dr. Wladimir Rodríguez Postgrado en Computación
Clase #6 Representación del Conocimiento Postgrado en Computación wladimir@ula.ve Agenda 1. La Problemática de la Representación del Conocimiento. 2. Métodos de Representación del Conocimiento 3. Métodos
Paradigma Funcional Caso de estudio: ML. Lenguajes de Programación 2017
Paradigma Funcional Caso de estudio: ML Lenguajes de Programación 2017 Paradigma Funcional FUNCIÓN: Mapeo de un dominio en un rango El mapeo se puede describir por medio de una EXPRESIÓN f(1) = 2 f(2)
Visión n del Usuario Final
Tema 1 (continuación): n): Estructura de un Sistema Basados en el Visión n del Final Objetivo como Ingenieros del Percepción global de los elementos de un SBC Problema: Sistemas complejos Distintos puntos
SISTEMAS INTELIGENTES
SISTEMAS INTELIGENTES T6: Sistemas Basados en Reglas {jdiez, juanjo} @ aic.uniovi.es Introducción Definición: sistemas diseñados para actuar como un experto humano en un dominio o área de conocimiento
Análisis de imágenes digitales
Análisis de imágenes digitales MEJORAMIENTO DE LA IMAGEN Procesamiento difuso INTRODUCCIÓN Un conjunto es una colección de objetos o elementos. Teoría de conjuntos trata de las herramientas para realiar
Arquitectura Sistema Experto
Universidad Nacional Mayor de San Marcos Facultad de Ciencias Matemáticas EAP. Computación Científica Arquitectura Sistema Experto Curso: Inteligencia Artificial Prof. Oscar Benito Pacheco Tópicos La Arquitectura
Inteligencia Artificial (EC5)
Inteligencia Artificial (EC5) Ciclo Lectivo 2018 Parte I Facultad de Ciencias Exactas y Tecnología Universidad Nacional de Tucumán Mg. Ing. Gustavo E. Juárez INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Contenido:
Tema 3.- Predicados y sentencias condicionales
UNIVERSIDAD DE CÓRDOBA ESCUELA POLITÉCNICA SUPERIOR DE CÓRDOBA DEPARTAMENTO DE INFORMÁTICA Y ANÁLISIS NUMÉRICO PROGRAMACIÓN DECLARATIVA INGENIERÍA INFORMÁTICA ESPECIALIDAD DE COMPUTACIÓN CUARTO CURSO PRIMER
CAPÍTULO IV: 4.1 Introducción a la. Programación Funcional
CAPÍTULO IV: Programación Funcional 4.1 Introducción a la Programación Funcional 1 Programación Funcional Paradigma diferente a los imperativos, que se aleja de la máquina de von Neumann Basado en funciones
Redes Semánticas. Redes semánticas. Limitaciones de las redes semánticas. Notas
Redes semánticas Redes Semánticas La lógica como lenguaje de representación tiene dificultades prácticas Son necesarios mecanismos mas intuitivos y fáciles de usar La psicología cognitiva afirma: La representación
Sistemas de Producción
Introducción Sistemas de Producción Las representación mediante formalismos lógicos puede verse de forma procedimental Describimos cuales son los pasos para resolver un problema como una cadena de deducciones
Representación del Conocimiento Otros formalismos
Representación del Conocimiento Otros formalismos Licenciatura en Ciencias de la Computación. Introducción a la Inteligencia Artificial. Conocimiento Definición El conocimiento es una mezcla de experiencia,
Sistemas de produción. Sistemas de Producción. El motor de inferencias. Notas
Sistemas de Producción Introducción Las representación mediante formalismos lógicos puede verse de forma procedimental Describimos cuales son los pasos para resolver un problema como una cadena de deducciones
Matemáticas Discretas Lógica
Coordinación de Ciencias Computacionales - INAOE Matemáticas Discretas Lógica Cursos Propedéuticos 2010 Ciencias Computacionales INAOE Lógica undamentos de Lógica Cálculo proposicional Cálculo de predicados
Indique la respuesta correcta (d=ninguna de las anteriores, e=todas las anteriores)
Parcial 4. Indique la respuesta correcta (d=ninguna de las anteriores, e=todas las anteriores) 1. Inteligencia es: a. La capacidad para combinar información. c. El proceso que permite elaborar conocimiento.
Inteligencia Artificial
Inteligencia Artificial Conocimiento y razonamiento 4. Otras representaciones de conocimiento Dr. Edgard Iván Benítez Guerrero 1 Representación del conocimiento La inteligencia de un agente radica principalmente
Agentes Lógicos Univer Univ sidad Po sidad P litécnica de Pueb o la litécnica de Pueb D r. J Jesús A A ntonio G G á onz l ál ez B Ber l na
Agentes Lógicos Universidad Politécnica de Puebla Dr. Jesús Antonio González Bernal Elementos de un Agente Basado en Conocimiento Estado actual del mundo Cómo inferir propiedades del mundo no-vistas a
Lógica de Predicados de Primer Orden
Lógica de Predicados: Motivación Todo natural es entero y 2 es un natural. Luego 2 es entero. p q r p, q r es claramente un razonamiento válido pero no es posible demostrarlo desde la Lógica Proposicional
Métodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Agentes basados en conocimiento Contenido Sistemas basados en conocimiento
Universidad Nacional de Educación a Distancia. Ingeniería Técnica en Informática de Sistemas. Introducción a la Inteligencia Artificial (2º curso)
Universidad Nacional de Educación a Distancia Ingeniería Técnica en Informática de Sistemas Introducción a la Inteligencia Artificial (2º curso) Soluciones exámenes septiembre 2010 Ejercicio 1. (Valoración:
Lenguajes de Programación Programación funcional
Lenguajes de Programación Programación funcional Roberto Bonvallet Departamento de Informática Universidad Técnica Federico Santa María Concepto de función En el paradigma imperativo: Una función es una
Inducción, Recursión y Alcance. Inducción, Recursión y alcance. Inducción, Recursión y Alcance. Inducción, Recursión y Alcance
Inducción, Recursión y alcance Especificación inductiva de tipos de datos Tipo de datos: Conjunto de valores Conjunto de operaciones sobre dichos valores ejemplo: Sea S el conjunto más pequeño tal que:
Paradigma Funcional Caso de estudio: ML. Lenguajes de Programación 2018
Paradigma Funcional Caso de estudio: ML Lenguajes de Programación 2018 FUNCIÓN: Mapeo de un dominio en un rango El mapeo se puede describir por medio de una EXPRESIÓN f(1) = 2 f(2) = 3 Enumeración f(x)
LÓGICA FORMAL TEORIAS DE PRIMER ORDEN. Sintaxis y semántica
LÓGICA FORMAL TEORIAS DE PRIMER ORDEN Sintaxis y semántica Pedro López Departamento de Inteligencia Artificial Facultad de Informática Universidad Politécnica de Madrid Lenguajes de primer orden 1 La lógica
Bases de Datos y Sistemas de Información. Fundamentos de Lógica
Maestría en Bioinformática Bases de Datos y Sistemas de Información Fundamentos de Lógica Ing. Alfonso Vicente, PMP alfonso.vicente@logos.com.uy Agenda Introducción Valores, variables y tipos Proposiciones
Razonamiento 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
Programación Lógica. Programación Lógica
Programación Lógica Programación imperativa programa es secuencia de instrucciones que una computadora ejecuta para resolver un problema Programación Lógica programa especifica conocimiento (declarativa)
Programación imperativa. Algoritmos y Estructuras de Datos I. Lenguaje C. Segundo cuatrimestre de 2014
Programación imperativa Algoritmos y Estructuras de Datos I Segundo cuatrimestre de 2014 Departamento de Computación - FCEyN - UBA Programación imperativa - clase 4 Modelo de cómputo: Un programa consta
Los S.P. uno de los mecanismos de representación del conocimiento más populares y ampliamente empleados.
Los S.P. uno de los mecanismos de representación del conocimiento más populares y ampliamente empleados. Las Reglas de Producción son reglas del tipo Si- Entonces. Su popularidad es parcialmente debido
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO. Sistemas Expertos. M. En C. Eduardo Bustos Farías
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Sistemas Expertos M. En C. Eduardo Bustos Farías Temario Introducción a Sistemas Expertos Características de los SE Tareas típicas Características
Inteligencia en Redes de Comunicaciones - 03 Sistemas Basados en Conocimiento
El objetivo de este Tema 3 es presentar los conceptos principales de los llamados Sistemas Basados en Conocimiento. Se empieza presentando las definiciones, razón de ser y fundamentos de este tipo de sistemas.
Lógica de proposiciones (5)
Lógica de proposiciones (5) Fundamentos de Informática I I..I. Sistemas (2005-06) César Llamas Bello Universidad de Valladolid 1 Lógica Índice Lógica proposicional ecuacional Lógica: semántica Semántica
Conceptos básicos sobre gramáticas
Procesamiento de Lenguajes (PL) Curso 2014/2015 Conceptos básicos sobre gramáticas Gramáticas y lenguajes Gramáticas Dado un alfabeto Σ, un lenguaje es un conjunto (finito o infinito) de cadenas de símbolos
Sistemas Basados en el Conocimiento
Unidad III Sistemas Basados en el Conocimiento Maestría en Sistemas Computacionales Clave: MPSCO-0108 6 Créditos Sesiones Sábados 10-13 Rafael Vázquez Pérez Agenda "Recurrimos a la televisión para apagar
Tema 6: Teoría Semántica
Tema 6: Teoría Semántica Sintáxis Lenguaje de de las las proposiciones Lenguaje de de los los predicados Semántica Valores Valores de de verdad verdad Tablas Tablas de de verdad verdad Tautologías Satisfacibilidad
Tema 2: Métodos de Deducción para la Lógica Proposicional
Tema 2: Métodos de Deducción para la Lógica Proposicional Dpto. Ciencias de la Computación Inteligencia Artificial Universidad de Sevilla Lógica y Computabilidad Curso 2006 07 LC, 2006 07 Métodos de Deducción
Inteligencia Artificial Arquitectura de los sistemas basados en el conocimiento
Inteligencia Artificial Arquitectura de los sistemas basados en el conocimiento Primavera 2007 profesor: Luigi Ceccaroni SBCs de última generación BCs modulares y formales (ontologías) Componente auto-explicativo
Lógica de Proposiciones y de Predicado
Lógica de Proposiciones y de Predicado Franco D. Menendez LABIA FACET - UNT Contenido de la Materia UNIDAD TEMÁTICA 1: SINTAXIS Y SEMANTICA DEL LENGUAJE FORMAL»SINTAXIS: Introducción. Definición del lenguaje
Tema 2: Métodos de Deducción para la Lógica Proposicional
Tema 2: Métodos de Deducción para la Lógica Proposicional Dpto. Ciencias de la Computación Inteligencia Artificial Universidad de Sevilla Lógica y Computabilidad Curso 2010 11 LC, 2010 11 Métodos de Deducción
BD Activas: Motivación
BD Activas: Motivación Los SGBD convencionales son pasivos. Sólo ejecutan preguntas o transacciones realizadas por los usuarios o por los programas de aplicación. Para representar la semántica del mundo
2 3 4 5 OBJETIVO META Año 1 6 7 8 9 OBJETIVO META Año1 10 META Año 1 11 META Año 1 12 13 META Año 2 14 META Año 2 META Año 2 15 META Año 2 16 17 18 19 20 21 OBJETIVO META Año 1 22 META Año 2 META Año 2
Lógica 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
Capítulo 2. disponibles las habilidades de los expertos a los no expertos. Estos programas tratan de
Capítulo 2 Sistemas Expertos y Lógica Difusa 2.1 Sistemas Expertos Los sistemas expertos son programas computacionales diseñados para tener disponibles las habilidades de los expertos a los no expertos.
Lógica 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
Generación de Código Intermedio
Generación de Código Intermedio Programación II Margarita Álvarez Generación de código intermedio Con la generación de código intermedio se inicia la tarea de síntesis. Aunque un programa fuente se puede
Tema 2.- Expresiones y funciones
UNIVERSIDAD DE CÓRDOBA ESCUELA POLITÉCNICA SUPERIOR DE CÓRDOBA DEPARTAMENTO DE INFORMÁTICA Y ANÁLISIS NUMÉRICO PROGRAMACIÓN DECLARATIVA INGENIERÍA INFORMÁTICA ESPECIALIDAD DE COMPUTACIÓN CUARTO CURSO PRIMER
INTRODUCCION A LA INTELIGENCIA ARTIFICIAL MÓDULO 6- CÁLCULO DE PREDICADOS Y LÓGICA DE PRIMER ORDEN
INTRODUCCION A LA INTELIGENCIA ARTIFICIAL MÓDULO 6- CÁLCULO DE PREDICADOS Y LÓGICA DE PRIMER ORDEN Referencias: Inteligencia Artificial Russell and Norvig Cap.6. Artificial Intellingence Nils Nilsson Ch.4
CAPÍTULO 3 ESTRUCTURAS DE DATOS ESTÁTICAS
CAPÍTULO 3 ESTRUCTURAS DE DATOS ESTÁTICAS Capítulo 3 Estructuras de datos estáticas 1/37 1. INTRODUCCIÓN Las estructuras de datos se utilizan, generalmente, para procesar una colección de valores que están
Programación Concurrente y distribuida
Working Hypothesis Programación Concurrente y distribuida Camilo Rueda 1 1 Universidad Javeriana-Cali 1 de febrero de 2010 Motivación Working Hypothesis Premisa El contexto de aplicación de la Ingeniería
Programación imperativa. Algoritmos y Estructuras de Datos I. Ciclos
Programación imperativa Algoritmos y Estructuras de Datos I Segundo cuatrimestre de 2014 Departamento de Computación - FCEyN - UBA Programación imperativa - clase 6 Ciclos y arreglos Entidad fundamental:
Funciones Segunda parte
Expresiones condicionales Matemática Discreta usando el computador 2011 Funciones Segunda parte Una expresión condicional utiliza una expresión de tipo Bool para decidir entre dos opciones Estructura if...then...
Lógica de Predicados 1!
Lógica de Predicados 1! rafael ramirez rafael.ramirez@upf.edu 55.316 (Tanger) Porqué Lógica de Predicados! La logica proposicional maneja bien afirmaciones compuestas de no, y, o, si entonces En situaciones
1. Formas normales en lógica de proposiciones FORMAS NORMALES. Índice. César Ignacio García Osorio Definiciones. Lógica
Lógica Índice FORMAS NORMALES César Ignacio García Osorio 1. Formas normales en lógica de proposiciones Gracias a las leyes asociativas los paréntesis en (F (G H)) oen((f G) H) pueden eliminarse, es decir,
7.3. Estructura de un programa
TEMA 7 ALGORITMOS Y PROGRAMAS. ESTRUCTURA DE UN PROGRAMA 7.1. Algoritmos 7.2. Compilación 7.3. Estructura de un programa 7.1. Algoritmos Objetivo: Resolver problemas mediante computadoras (usando el lenguaje
Ratones amaestrados: control de la búsqueda.
Ratones amaestrados: control de la búsqueda. 1 / 12 El predicado de corte! El predicado! (leído corte) proporciona control sobre el mecanismo de backtracking de Prolog: siempre tiene éxito pero tiene el
MYCIN es un sistema experto desarrollado a principios de la década de 1970 por Edward Shortliffe, en la Universidad de Stanford.
MYCIN es un sistema experto desarrollado a principios de la década de 1970 por Edward Shortliffe, en la Universidad de Stanford. Sentó las bases para la construcción de sistemas expertos. Inicialmente
UNIDAD IV Programación Funcional. Lic. Jesús Germán Andrés PAUTSCH - FCEQyN - UNaM
UNIDAD IV Programación Funcional Porqué? 2 Introducción Porque aprender programación funcional? - Recursión - Abstracción funcional - Funciones de primer orden Estos conceptos se han incorporado en la
Representación del conocimiento. Métodos estructurados: Redes Semánticas
Representación del conocimiento Métodos estructurados: Redes Semánticas Contenido 1. Introducción 2. Redes semánticas 3. Inferencia en Redes Semánticas 2 1. Introducción 3 A que denominamos métodos estructurados?
SQL: Lenguaje de Interrogación Estructurado
SQL: Lenguaje de Interrogación Estructurado SQL Es el lenguaje para Bases de Datos Relacionales más usado Es un lenguaje declarativo: QUÉ no CÓMO El núcleo fundamental se basa en el Algebra Relacional,
Inteligencia Computacional
Inteligencia Computacional Unidad IV Lógicas. Lógica proposicional. Lógica de primer orden. Inferencia. Sistemas de producción con encadenamiento hacia adelante. Docente: Dr. Georgina Stegmayer gstegmayer@santafe-conicet.gov.ar
PRÁCTICAS DE PROCESADORES DEL LENGUAJE CURSO 2008/2009
PRÁCTICAS DE PROCESADORES DEL LENGUAJE CURSO 2008/2009 PRÁCTICA 2: ANALIZADOR SINTÁCTICO Y TABLA DE SÍMBOLOS. Objetivo de la Práctica Esta práctica tiene como primer objetivo la codificación de un analizador
Sintaxis y Semántica. Un repaso
Sintaxis y Semántica Un repaso Definición: Alfabeto Un conjunto finito de símbolos: {a,b,c,d} {0,1,2,34,5,6,7,8,9} {identificador, número, +,-,*, /} {while, if, {, }, >, >=,
Introducción. Análisis Semántico. José M. Castaño. Teoría de Lenguajes 2011 Departamento de Computación FCEyN, UBA
Análisis Semántico José M. Castaño Teoría de Lenguajes 2011 Departamento de Computación FCEyN, UBA Compiladores Análisis Léxico Análisis Sintáctico Análisis Semántico Generación Código Intermedio Optimización
Lógica Matemática. Operadores Lógicos. Universidad del Azuay - Marcos Orellana Cordero
Lógica Matemática Operadores Lógicos Introducción La lógica proposicional inicia con las proposiciones y los conectores lógicos. A partir de la combinación de dos proposiciones por medio de un conector
Tema 4: Representación del conocimiento mediante reglas
Introducción a la Ingeniería del Conocimiento Curso 2006 2007 Tema 4: Representación del conocimiento mediante reglas Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación e Inteligencia Artificial
1.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"
LOGICA DIFUSA. Dámaso López Aragón
LOGICA DIFUSA Dámaso López Aragón Introducción La lógica difusa tiene su origen en la década de los 60, en la Universidad de Berkeley - California, la cual fue desarrollada por Lofti Zadeth a través de
PARADIGMAS DE PROGRAMACIÓN CALCULO LAMBDA CALCULO LAMBDA
PARADIGMAS DE PROGRAMACIÓN 2006 CALCULO LAMBDA CALCULO LAMBDA El cálculo lambda fue desarrollado por Alonso Church en la década del 30 con el objeto de dar una teoría general de las funciones. El cálculo
Lógica como Representación. Dr. Eduardo Morales/Dr. Enrique Súcar
Lógica como Representación Dr. Eduardo Morales/Dr. Enrique Súcar Importante: Que las cosas que queremos que sean verdaderas coincidan con las que podemos probar Es decir: lo que nos implica la teoría
CLIPS Definición de funciones
CLIPS Definición de funciones Por función consideramos tanto las funciones predefinidas en CLIPS como las definidas por el usuario en este lenguaje, o las definidas en un lenguaje externo (C, FORTRAN o
Introducción a la orientación a objetos y a UML
Introducción a la orientación a objetos y a UML El lenguaje unificado de modelado. Manual de referencia. James Rumbaugh, Ivar Jacobson, Grady Booch. Ed. Addison Wesley, 2000 El proceso unificado de desarrollo,
Símbolos (4) - Información y lenguaje
Símbolos (4) - Información y lenguaje Fundamentos de Informática I I.T.I. Sistemas (2005-06) César Llamas Bello Universidad de Valladolid 1 Familia de Problemas Representación de la información Marco apropiado