PDF de programación - REPRESENTACIÓN DE CONOCIMIENTO ESTRUCTURADO Y SU APLICACIÓN AL DISEÑO DE SISTEMAS AUTOMÁTICOS

Imágen de pdf REPRESENTACIÓN DE CONOCIMIENTO ESTRUCTURADO Y SU APLICACIÓN AL DISEÑO DE SISTEMAS AUTOMÁTICOS

REPRESENTACIÓN DE CONOCIMIENTO ESTRUCTURADO Y SU APLICACIÓN AL DISEÑO DE SISTEMAS AUTOMÁTICOSgráfica de visualizaciones

Publicado el 26 de Junio del 2017
635 visualizaciones desde el 26 de Junio del 2017
742,1 KB
184 paginas
Creado hace 6a (08/12/2013)
UNIVERSIDAD DE GRANADA

E.T.S. DE INGENIERÍA INFORMÁTICA



Departamento de Ciencias de la Computación

e Inteligencia Artificial



REPRESENTACIÓN

DE

CONOCIMIENTO ESTRUCTURADO

Y SU APLICACIÓN

AL DISEÑO DE

SISTEMAS AUTOMÁTICOS

TESIS DOCTORAL

Carlos Javier Mantas Ruiz



Granada, Abril de 1999





REPRESENTACIÓN DE

CONOCIMIENTO ESTRUCTURADO
Y SU APLICACIÓN AL DISEÑO DE

SISTEMAS AUTOMÁTICOS

MEMORIA QUE PRESENTA

CARLOS JAVIER MANTAS RUIZ

PARA OPTAR AL GRADO DE DOCTOR EN INFORMÁTICA

ABRIL 1999

DIRECTORES



JUAN LUIS CASTRO PEÑA MIGUEL DELGADO CALVO-FLORES

DEPARTAMENTO DE CIENCIAS DE LA COMPUTACIÓN E

INTELIGENCIA ARTIFICIAL

E.T.S. de INGENIERÍA INFORMÁTICA UNIVERSIDAD DE GRANADA

CONOCIMIENTO ESTRUCTURADO
Y SU APLICACIÓN AL DISEÑO DE

SISTEMAS AUTOMÁTICOS



REPRESENTACIÓN DE

CARLOS JAVIER MANTAS RUIZ



La memoria titulada Representación de Conocimiento Estructurado y su Aplicación
al Diseño de Sistemas Automáticos, que presenta D. Carlos Javier Mantas Ruiz para
optar al grado de Doctor, ha sido realizada en el Departamento de Ciencias de la
Computación e Inteligencia Artificial de la Universidad de Granada bajo la dirección de
los Doctores D. Juan Luis Castro Peña y D. Miguel Delgado Calvo-Flores.



Granada, Abril de 1999



Los Directores

El Doctorando



Fdo. C.J. Mantas Ruiz Fdo. J.L. Castro Peña Fdo. M. Delgado Calvo-Flores







“Es más importante la imaginación que el conocimiento”
Albert Einstein


ÍNDICE GENERAL



1.- Introducción 1
1.1.- Motivación.............................................................................................................1
1.2.- Objetivos................................................................................................................6
1.3.- Descripción por capítulos.......................................................................................7


2.- MORSE: Un modelo general para representar conocimiento estructurado
9



de

algunos

2.1.- Introducción............................................................................................................9
2.2.- MORSE: un modelo de representación modular..................................................14
2.3.- Generalidad del modelo........................................................................................18
2.3.1.- Razonamiento no monótono...........................................................................19
2.3.2.- Arquitectura Correlación en Cascada.............................................................21
2.3.3.- Controladores difusos jerárquicos..................................................................22
2.3.4.- Redes Neuronales...........................................................................................23
2.3.5.- Árboles de Decisión........................................................................................24
2.3.6.- Sistema MORSE Contextual : Sistemas basados en reglas difusas, fusión
dependiente del contexto, mezcla adaptativa de redes neuronales y NARA..26
2.4.- Análisis de los esquemas MORSE.......................................................................28
2.4.1.- Características de una estructura MORSE......................................................29
2.4.2.- Análisis
con
MORSE...........33
2.4.3.- ¿Qué Sistema Inteligente usar? ......................................................................34
2.5.- Resumen y notas finales.......................................................................................36

representados

inteligentes

sistemas


3.- Aprendizaje estructurado 37
3.1.- Introducción...........................................................................................................37
3.2.- Estructura del aprendizaje humano........................................................................40
3.3.- MEGAS: mecanismo general de aprendizaje estructurado.....................................46
3.3.1.- Convergencia de MEGAS...................................................................................50
3.4.- Ejemplos................................................................................................................52
3.4.1.- Ejemplo 1: Delimitación manual de un círculo con MEGAS...........................53
3.4.2.- Ejemplo 2: Aproximación de puntos dentro y fuera del círculo........................56
3.5.- Ventajas de usar sistemas difusos o redes neuronales con MEGAS frente a su uso no

estructurado......................................................................................................62

3.6.- Redes neuronales estructuradas.............................................................................66
3.6.1.- Propiedades de las redes neuronales estructuradas...........................................74
3.7.- Resumen y notas finales........................................................................................75

ii

Índice General



4.- SEPARATE: Un método de aprendizaje automático basado en particiones

una

para

semiglobales 77

diseñar

4.1.- Introducción...........................................................................................................77
4.2.-
sistemas
inteligentes.......................80

SEPARATE:

metodología

4.2.1.- Convergencia de SEPARATE........................................................................86
4.2.2.- Ejemplo de aplicación de SEPARATE...........................................................88
4.3.- Implementación particular de SEPARATE..........................................................90
4.3.1.- Características de la implementación particular de SEPARATE...................91
4.3.2.Representación por bloques de la implementación particular de
SEPARATE.95
4.3.3.- Implementación para resolver problemas de aproximación...........................98
4.3.3.1.- Resultados...............................................................................................100
4.3.3.2.- Análisis de resultados.............................................................................104
4.3.3.3.- Comentarios finales................................................................................106
4.3.4.- Implementación para resolver problemas de clasificación...........................106
4.3.4.1.- Resultados...............................................................................................108
4.3.4.2.- Análisis de resultados.............................................................................109
4.4.- Resumen y notas finales....................................................................................110

Árboles


5.- Sistema híbrido para razonamiento aproximado 113
5.1.- Introducción.........................................................................................................113
5.2.- Sistemas inteligentes usados en el sistema híbrido...............................................114
5.2.1.- Sistemas basados en reglas difusas...............................................................114
5.2.2.-
de
decisión.......................................................................................118
5.2.3.- Redes neuronales artificiales........................................................................121
5.3.- Sistema híbrido para razonamiento aproximado................................................123
5.4.- Interpretación del sistema híbrido......................................................................127
5.5.- Empleo del sistema híbrido para afinar el conocimiento proporcionado por un
experto...............................................................................................................128
5.6.- Ejemplos.............................................................................................................129
5.6.1.- Aproximación de F1.....................................................................................131
5.6.2.- Aproximación de F2 y F3.............................................................................133
5.6.3.- Aproximación de F4.....................................................................................137
5.6.4.- Conclusiones de la experimentación............................................................140
5.7.- Resumen y notas finales.....................................................................................140


6.- Conclusiones y trabajo futuro 143
6.1.- Conclusiones.......................................................................................................143
6.2.- Trabajo futuro......................................................................................................146



Apéndice I: Funciones consideradas para su modelado en la experimentación
realizada.........................................................................................................................147

Apéndice
difusas..........................................................149

Sistemas

basados

reglas

II:

en

Índice General


iii

II.1.- Sistemas basado
  • Links de descarga
http://lwp-l.com/pdf4704

Comentarios de: REPRESENTACIÓN DE CONOCIMIENTO ESTRUCTURADO Y SU APLICACIÓN AL DISEÑO DE SISTEMAS AUTOMÁTICOS (0)


No hay comentarios
 

Comentar...

Nombre
Correo (no se visualiza en la web)
Valoración
Comentarios
Es necesario revisar y aceptar las políticas de privacidad