enriquecimiento del conocimiento previo en programaciÃ³n lÃ³gica ...

More documents

Recommendations

Info

1. Introducción 3p (X, Z) ← r (X, Y )p (X, Z) ← r (X, Y ) ∧ q (Z, Y )p (X, Z) ← r (X, 1)θ = {1/Y }θ = {0/Y }p (X, Z) ← r (X, 0)Figura 1.3: Especialización de cláusulas.depende de la función de evaluación utilizada por el algoritmo ILP correspondiente. Tomando en cuenta quenuestro trabajo está enfocado en los operadores de refinamiento, no detallamos el proceso de elección decláusulas.En el capítulo 2 de este documento detallamos la problemática respecto a la ineficiencia que tienen losoperadores de refinamiento para el manejo de valores categóricos y numéricos. Después en el capítulo 3presentamos los métodos ILP que implementan estrategias para el manejo de estos atributos. Por último enel capítulo 4 presentamos los objetivos y la metodología a seguir durante el desarrollo del proyecto, así comolos resultados que esperamos obtener al finalizar nuestro trabajo.
Capítulo 2ProblemáticaLa problemática que abordamos en este proyecto está relacionada con el manejo de atributos categóricos ynuméricos durante la construcción del espacio de búsqueda. Es decir, se centra en las deficiencias de losoperadores de refinamiento de los sistemas actuales para manejar estos tipos de atributos.2.1 Operadores de generalizaciónCuando se aplica una sustitución inversa θ −1 a una cláusula C para generalizarla, puede suceder que segeneralice demasiado, es decir, que las cláusula más general que C elegida cubra ejemplos negativos (loideal es que no cubra ninguno). Para explicar este problema presentamos el siguiente ejemplo.Se tiene la siguiente cláusula que define el nivel de glucosa que debe tener una persona para poderadministrarle un fármaco.administrar farmaco (P, si) ← glucosa (P, 75)Para generalizar la cláusula anterior con una sustitución inversa θ −1 , se debe sustituir el valor numéricoconstante 75 1 por una variable nueva X. Al hacer esta substitución se tendrá la siguiente cláusula másgeneral que C:administrar farmaco (P, si) ← glucosa (P, X)Debemos observar que al realizar la generalización anterior pasamos de cubrir un sólo ejemplo (las personascon glucosa = 75) a cubrir de manera indiscriminada todos los ejemplos. Pasamos de cubrir unsólo ejemplo a cubrir tanto ejemplos positivos cómo negativos. En la práctica esto equivale a administrar elfármaco a todas las personas, independientemente de su nivel de glucosa. Cabe añadir que aunque las funcionesde evaluación tienen por objetivo elegir la cláusula que cubra el menor número de ejemplos negativos,no se garantiza que nunca vaya a elegir una cláusula como la anterior.El operador en este caso está generalizando de más y terminamos entonces por preguntarnos ¿Cómopodemos generalizar una cláusula eligiendo únicamente un rango de valores numéricos que cubran el menornúmero de ejemplos negativos (idealmente ninguno)?Si la constante a sustituir es de tipo categórico, el problema es el mismo, por lo que se debe determinaruna manera de elegir un conjunto de valores categóricos que cubran el menor número de ejemplos negativosposible.1 Si existen más constantes en la cláusula a generalizar, se sigue el mismo proceso con cada una de ellas.4
Page 1: Posgrado en Ciencias y Tecnologías
Page 4 and 5: Capítulo 1IntroducciónDentro de l
Page 8 and 9: 2. Problemática 52.2 Operadores de
Page 10 and 11: Capítulo 3Revisión de métodosA c
Page 12 and 13: 3. Revisión de métodos 93.2 Progr
Page 14 and 15: 3. Revisión de métodos 11Para mod
Page 16 and 17: 3. Revisión de métodos 13analizar
Page 18 and 19: 4. Propuesta 15- A. Sistema ILP∗
Page 20 and 21: Referencias[1] S. ANTHONY AND A. M.
Page 22 and 23: Apéndice ALógica de Primer OrdenA

enriquecimiento del conocimiento previo en programaciÃ³n lÃ³gica ...

Create successful ePaper yourself

Delete template?

Save as template?