“El motor de inferencia es el corazón de todo sistema experto. El cometido principal de este componente es el de sacar conclusiones aplicando el conocimiento a los datos.
Las conclusiones del motor de inferencia pueden estar basadas en conocimiento determinista o conocimiento probabilístico. Como puede esperarse, el tratamiento de situaciones de incertidumbre (probabilísticas) puede ser considerablemente más difícil que el tratamiento de situaciones ciertas (deterministas). En muchos casos, algunos hechos (datos) no se conocen con absoluta certeza. Por ejemplo, piénsese en un paciente que no está seguro de sus síntomas. Puede darse el caso de tener que trabajar con conocimiento de tipo no determinista, es decir, de casos en los que se dispone sólo de información aleatoria o difusa. El motor de inferencia es también responsable de la propagación de este conocimiento incierto. De hecho, en los sistemas expertos basados en probabilidad, la propagación de incertidumbre es la tarea principal del motor de inferencia, que permite sacar conclusiones bajo incertidumbre. Esta tarea es tan compleja que da lugar a que ésta sea probablemente la componente más débil de casi todos los sistemas expertos existentes.”(1)
Reglas de Inferencia.
Modus ponendo ponens (MPP)
A → B
A
- - - - -
B
Modus tollendo tollens (MTT)
A → B
¬B
- - - - -
¬A
Vía:
Tomado de:
(1) Enrique Castillo, José Manuel Gutiérrez, y Ali S. Hadi. Sistemas Expertos y Modelos de Redes Probabilísticas
No hay comentarios:
Publicar un comentario