|
Proyecto Categorización>Archivo>Taller Dr. Nicolas Kemper>Sistemas basados en el conocimiento
|
|
El
tercer taller del Dr. Kemper se
divide en dos partes: una parte práctica con el sistema Exsys
y una presentación teórica sobre el manejo de incertidumbre. I-Parte
práctica: El
Dr. Kemper propuso como tarea desarrollar un sistema experto para
responder al problema siguiente: Una empresa que da servicio de diseño de redes LAN requiere desarrollar un sistema experto que asesore la asignación de un especialista según los requerimientos de una empresa cliente dada. El sistema será capaz de determinar el tipo de especialista que debe ser asignado según las carecterísticas del cliente. Se consideran tres tipos de especialistas: entrenado, experimentado y muy experimentado. El SE también deberá estimar el costo para el cliente. Se consideran tres factores de análisis: a)
Tamaño de la organización del cliente (nro de personas que
trabajan), 20, entre 20 y 100, entre 100 y 500, o más de 500 personas; el
número de empleados define si una organización es pequeña, mediana,
grande o muy grande. b)
Presupuesto
disponible por el cliente para un proyecto de redes LAN: menor que 10,000,
mayor o igual que 10,000 y menor que 50,000, o mayor que 50,000 (el monto
del presupuesto define si el presupuesto es bajo, medio o alto). c)
Costo:
para determinar el costo estimado el SE debe consultar por el número de
computadoras que serán conectadas, cuántas máquinas serán adicionadas
en los próximos dos años, el número de pisos por edificio y el número
de edificios. Para calcular el costo estimado se procede: -
Tarjetas
de red: $600 * numero de nodos -
Cableado:
$2000 * número de pisos + $8000 * número de edificios -
Mantenimiento:
9% del costo neto -
Consultoría:
$2000 + 6% del costo neto (sin considerar mantenimiento). Luego
se calcula un factor de costo dividiendo el costo estimado entre el
presupuesto estimado del cliente. El costo se define según el valor del
indice de costo: Si el indice de costo es menor que 1, se considera que el
costo es aceptable; si el indice de costo es mayor que 1 y menor que 1.5,
el costo está en rango y si es mayor que 1.5, el costo es alto. La decisión
se toma considerando el tamaño de la organización, el nivel de
presupuesto y el costo. Para desarrollar el sistema experto, debemos preparar el diagrama de las 6 relaciones de dependencia y elaborar las 6 tablas de decisiones. Núm
de comp
alto Fut
comp 6=>CE
5=>
IC
4=>
Costo
en rango Núm
pisos
aceptable Núm
edif
alto
entren
3=>
Presupuesto
medio 1=>tipo
exp
bajo
de exp
m exp (solución)
- de 20
pequeña
# empl 20
–100
mediana
101 – 500
2=>
Tamaño de la org. grande
+ de 500
muy
grande II-
El manejo de incertidumbre. La
segunda parte del taller del Dr.
Kemper trata del problema del manejo de incertidumbre. En situaciones reales, no es posible contar con toda la información; inclusive, la información disponible puede ser incorrecta, incompleta o cambiar muy rápidamente. Todo esto da lugar a diferentes formas de inconsistencia e incertidumbre. Diversos métodos han sido desarrollados para evaluar los grados de certeza o de verdad de las conclusiones. Uno de los más generalizados consiste en asignar coeficientes de certeza o de confianza a los hechos que intervienen en las condiciones y en la conclusión de una regla. Los principales modelos desarrollados son: -
Modelo
estadístico-probabilístico -
Modelo
aproximado - Modelo de lógica difusa. A-
El
razonamiento estadístico- probabilístico: La técnica más antigua y mejor definida para manejar la incertidumbre es la Regla de Bayes, la misma que está basada en la teoría clásica de la probabilidad. Las hipótesis son más o menos probables dependiendo de las posibilidades de los hechos o evidencias que las sostienen. Las posibilidades se calculan en base a la fórmula general de la probabilidad condicionada de Bayes o alguna transformación de la misma. El procedimiento para el modelo probabilístico es el siguiente: - El factor de un conjunto de condiciones unidas por el operador lógico Y (And) es igual al producto de cada una de las evidencias que intervienen. - El factor de un conjunto de condiciones unidas por el operador lógico O (Or) es igual al complementario del producto de los complementarios de cada una de las evidencias que intervienen. - Para el cálculo del coeficiente de la regla se aplica la Regla de Bayes:
P( H / Ci ) . P ( Ci ) P(Ci
/ H) = --------------------------------
Sj
( P ( H / Cj ) . P ( Cj ))
Donde P es la probabilidad, C son las conclusiones o resultados, H son los hechos o evidencias, i es la conclusión determinada, j es una variable que va de 1 al número de conclusiones posibles. Para aplicar esta fórmula, las conclusiones deben ser excluyentes y completas. B- El modelo aproximado: La limitación que se tiene en la mayoría de los casos prácticos de no disponer de una gran cantidad de datos históricos obligó al desarrollo de un método de inferencia aproximado, que en general proporcione resultados exactos aún en cuando estén basados en datos limitados. A este se lo denominó el formalismo del factor de certeza. Los resultados son más o menos ciertos en función de la certeza o falsedad de los hechos y conocimientos utilizados. Los factores de certeza que van asociados a los predicados, por lo general pueden ir de 0 a 100. El procedimiento a seguir en el modelo aproximado es el siguiente: - El factor de un conjunto de condiciones unidas por el operador lógico Y (And) es igual al mínimo de los factores que intervienen. - El factor de un conjunto de condiciones unidas por el operador lógico O (Or) es igual al máximo de los factores que intervienen. - El factor de certeza de una conclusión es igual al producto del factor de certeza de las condiciones por el de la regla. - Para el cálculo del coeficiente resultante de la totalidad de reglas que se han encadenado en la deducción de un hecho, se aplican la siguiente relación: Ffinal
= F1 + F2 -
( F1 * F2 ) C-
Modelo
de lógica difusa: En la teoría estándar de conjuntos, un objeto es miembro del conjunto o no lo es. No existen posibilidades intermedias. En la lógica difusa, se introduce y generaliza el concepto de posibilidades internas, permitiendo que las funciones características de confianza asuman valores reales, dentro del intervalo [0 ... 1]. (Totalmente falso = 0; Totalmente verdadero = 1). Estos valores indican el grado o nivel de pertenencia del objeto dentro del conjunto difuso. La teoría de los conjuntos permite que un elemento sea parcialmente miembro de un determinado conjunto. Por ejemplo, considérese un conjunto universal U que contiene: U
={Rojo,
Verde, Azul, Amarillo, Blanco, Negro} Un subconjunto difuso R de U, puede ser descrito como: R
= {1.0/
Rojo, 0.9/Verde, 1.0/Azul, 0.2/Amarillo, 0.4/Blanco, 0.0/Negro } Donde los valores indicados representan el grado de pertenencia de cada color al subconjunto difuso R. Como el color negro tiene un grado de pertenencia igual a cero, bien podrá ser eliminado del subconjunto: R
= {1.0/Rojo,
0.9/Verde, 1.0/Azul, 0.2/Amarillo, 0.4/Blanco}
|