Representación del conocimiento

La representación del conocimiento y el razonamiento es un área de la inteligencia artificial cuyo objetivo fundamental es representar el conocimiento de una manera que facilite la inferencia (es decir, sacar conclusiones) a partir de dicho conocimiento. Analiza cómo pensar formalmente - cómo usar un sistema de símbolos para representar un dominio del discurso (aquello de lo que se puede hablar), junto con funciones que permitan inferir (realizar un razonamiento formal) sobre los objetos.

 es un sistema formal diseñado para estudiar la inferencia en los lenguajes de primer orden. Los lenguajes de primer orden son, a su vez, lenguajes formales con cuantificadores que alcanzan sólo a variables de individuo, y con predicados y funciones cuyos argumentos son sólo constantes o variables de individuo.

Explicación a fondo de lógica de predicados

Lógica Difusa La lógica difusa o lógica heurística se basa en lo relativo de lo observado como posición diferencial. Este tipo de lógica toma dos valores aleatorios, pero contextualizados y referidos entre sí. Así, por ejemplo, una persona que mida 2 metros es claramente una persona alta, si previamente se ha tomado el valor de persona baja y se ha establecido en 1 metro. Ambos valores están contextualizados a personas y referidos a una medida métrica lineal.


Representación del conocimiento mediante reglas
 Permite lograr una búsqueda de aserciones lógicas en el estudio de los sistemas basados o encaminados en una serie de instrucciones permitiendo de este modo lograr las vías de ejecución del programa de forma similar a las construcciones tradicionales de control como If, Then, Else. Las cuales definen los caminos de ejecución de los programas tradicionales. Representación del Conocimiento Tripletas OAV Redes Semánticas Frames Reglas

 Teorema de Bayes:

 El de Bayes es un teorema válido del "cálculo de probabilidades", lo que hoy llamamos "Teoría Matemática de la Probabilidad" (TMP). Este teorema también es conocido como teorema de la Probabilidad Inversa, pues explica cómo obtener la probabilidad de un evento A dada la información B calculándola al revés, esto es, estableciendo la probabilidad a priori del evento A, y la probabilidad de que hubiese ocurrido el evento B dado el evento

No hay comentarios:

Publicar un comentario