e - GSI

More documents

Recommendations

Info

ÜÑÐÚÖ×ÓÒ½º¼ ÇÌÈÖÊ ℄ ÆÌÁÌÜ×ØØÔ»»ÛÛÛºÛ¿ºÓÖ»¾¼¼½»ÅÄËÑ OWL 2: traducción del ejemplo a RDF/XML ÖÊÜÑÐÒ× ÜÑÐ× ÜÑÐÒ×ÓÛÐØØÔ»»ÛÛÛºÛ¿ºÓÖ»¾¼¼¾»¼»ÓÛÐ ÓÛÐÇØÈÖÓÔÖØÝÖÓÙØÑØÖÙÐÓÒ» ÜÑÐÒ×ÖØØÔ»»ÛÛÛºÛ¿ºÓÖ»½»¼¾»¾¾¹Ö¹×ÝÒØÜ¹Ò× ÓÛÐÇÒØÓÐÓÝÖÓÙØ» ÓÛÐÐ××ÖÓÙØÈÖ×ÓÒ» ÓÛÐÐ××ÖÓÙØÐÙÑÒÓ ÓÛÐÕÙÚÐÒØÐ×× ÓÛÐÐ×× ÓÛÐÒØÖ×ØÓÒÇÖÔÖ×ÌÝÔÓÐÐØÓÒ Ö×ÖÔØÓÒÖÓÙØÈÖ×ÓÒ» ÓÛÐÊ×ØÖØÓÒ ÓÛÐÓÒÈÖÓÔÖØÝÖÖ×ÓÙÖÑØÖÙÐÓÒ» »ÓÛÐÊ×ØÖØÓÒ ÓÛÐÑÒÖÒÐØÝÖØØÝÔ²Ü×ÒÓÒÆØÚÁÒØÖ »ÓÛÐÑÒÖÒÐØÝ ½ »ÓÛÐÐ×× »ÓÛÐÕÙÚÐÒØÐ×× »ÓÛÐÐ×× »ÓÛÐÒØÖ×ØÓÒÇ »ÖÊ c○ 2011 DIT-ETSIT-UPM Representación del conocimiento transp. 63 Representación del conocimiento El nivel del conocimiento y las ontologías Tipos de conocimiento La psicología como fuente de metamodelos Lenguajes formales de representación Lenguajes informales de representación Lógicas de descripciones Modelación del conocimiento incierto • Incertidumbre e imprecisión • Lógica multivalorada • Factores de incertidumbre • Inferencia bayesiana • Lógica borrosa c○ 2011 DIT-ETSIT-UPM Representación del conocimiento transp. 64
Incertidumbre e imprecisión Proposición incierta: No se ËÐÔÒØØÒÖÝØÓ× conoce, o no puede determinarse su verdad o falsedad ÒØÓÒ×ÔÖÔÓÔÖÓÒÕÙØ× ÝØÒÓÐÓÖ×ÑÙ×ÙÐÖ× ÓÔØÙÖÙÐÓ××Óººº Proposición imprecisa: Se refiere úÌÓ×ÑÙÓÐÔÒØ a una variable cuyo valor no se conoce o no puede determinarse con precisión c○ 2011 DIT-ETSIT-UPM Representación del conocimiento transp. 65 Grado de creencia y grado de verdad Proposiciones verderas o falsas, variables con un valor, pero el agente no lo sabe: • Incertidumbre: «Si A entonces B o C» • Imprecisión: «¿Qué temperatura tiene el paciente» Grado de verdad subjetivo: • «¿Es muy mayor» Subjetivo, aunque el agente sepa que tiene 60 años • «¿Tose mucho» ¿Cuantificación de «tose» c○ 2011 DIT-ETSIT-UPM Representación del conocimiento transp. 66
Page 1 and 2: Sistemas inteligentes Representaci
Page 3 and 4: ¿Qué es «conocimiento» R.A.E. (
Page 5 and 6: Modelo conceptual (o mental): Conce
Page 7 and 8: Ontologías y sistemas expertos Sis
Page 9 and 10: talón a cobrar Declarativo vs. pro
Page 11 and 12: Representación del conocimiento El
Page 13 and 14: Memoria semántica: tiempo de acces
Page 15 and 16: Lenguajes lógicos La lógica forma
Page 17 and 18: Representación en FOL del mundo de
Page 19 and 20: Limitaciones de FOL como lenguaje d
Page 21 and 22: Reglas causales y reglas de diagnó
Page 23 and 24: Redes semánticas Conocimiento taxo
Page 25 and 26: Herencia con excepciones: De redes
Page 27 and 28: Marcos (frames) Nodo de objeto o cl
Page 29 and 30: Evolución en la representación de
Page 31: OWL: un lenguaje de implementación
Page 35 and 36: Lógica multivalorada: Leyes de Luk
Page 37 and 38: Con: Inferencia bayesiana: exclusi
Page 39 and 40: Inferencia bayesiana: suficiencia y
Page 41 and 42: Redes bayesianas (2) P(H H 1 H 2 H
Page 43 and 44: Álgebra de conjuntos borrosos Comp
Page 45 and 46: Sistemas expertos borrosos Aplicaci

e - GSI

Create successful ePaper yourself

Delete template?

Save as template?