Scribd
Cargar
112 vistas10 páginas

Modelo de Hayek: Acumulación de Evidencias

Este documento describe el modelo de Hayek para la propagación de la certeza. Define operaciones como la negación y la conjunción. Explica que la acumulación de evidencias debe ser asociativa, conmutativa y cumplir ciertas condiciones. Presenta dos funciones globales comúnmente usadas, incluyendo la de PROSPECTOR que provee mayor sensibilidad. Termina con un ejemplo numérico ilustrando cómo la función global de PROSPECTOR acumula certezas de manera más sensible.

Cargado por

Ely A López
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PPTX, PDF, TXT o lee en línea desde Scribd
112 vistas10 páginas

Modelo de Hayek: Acumulación de Evidencias

Este documento describe el modelo de Hayek para la propagación de la certeza. Define operaciones como la negación y la conjunción. Explica que la acumulación de evidencias debe ser asociativa, conmutativa y cumplir ciertas condiciones. Presenta dos funciones globales comúnmente usadas, incluyendo la de PROSPECTOR que provee mayor sensibilidad. Termina con un ejemplo numérico ilustrando cómo la función global de PROSPECTOR acumula certezas de manera más sensible.

Cargado por

Ely A López
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PPTX, PDF, TXT o lee en línea desde Scribd

Escuela Superior Politécnica de Chimborazo

Facultad de Informática y Electrónica


Escuela de Ingeniería en Sistemas

BASE DE CONOCIMIENTOS

MODELO DE HAYEK

Integrantes: Códigos:
 Aldas Wilmer 6035
 Jácome Kevin 6084
 Almache Dayana 6108
Modelo de Hayek

Realizado aproximadamente en el año 1985 en base al


análisis matemático del fenómeno de propagación de
la certeza.
Definición

𝑒 → ℎ /Wh/𝑒
Wh/𝑒 se tiene en [-D,D]
Operaciones

Negación Conjunción

Neg[X] = -X Conj[X,Y] = Sugiere la Difusa

Contribución o Propagación
Debe Cumplirse que:
0 <= Ctr(We, Wh/e) <= Wh/e si We, Wh/e >= 0 Min(We, Wh/e)
Wh/e <= Ctr(We,Wh/e) <= 0 si We >= 0, Wh/e <= 0 Ctr(We,Wh/e) –Min(We, - Wh/e)
Ctr(We, Wh/e) = 0 si We <= 0 0

Interpretación Difusa considerando intervalo [-D, D]


Operaciones

Acumulación de Evidencias

• Se propone usar alguna función Global.


• Existen infinitas funciones Globales.
• Deben ser asociativas, conmutativas y cumplir en el intervalo [-D, D]:
Operaciones

Acumulación de Evidencias

Y <= Global(X, Y) <= 1 si 0 < X <= Y


-1 <= Global(X, Y) <= Y si Y <= X < 0
0 <= Global(X, Y) <= Y si x < 0 < Y, |X| < |Y|
X <= Global(X, Y) <= 0 si X < 0 < Y, |X| > |Y|

Global(1, X) = 1
Global(X, -X) = 0 si | X| < 1
Global(X, -1) = -1
Global(X, 0) = X
Global(1, -1) = indefinido
Funciones Globales

CF(h/e: e1 & e2)

𝑋+ 𝑌
Global(X, Y) = (el utilizado por PROSPECTOR)
1+𝑋 ∗𝑌

Diferencia:
• La sensibilidad a la acumulación de las evidencias.
• Las dos formulas anteriores son de mayor sensibilidad, debido a la exigencia de
independencias y exclusiones de esos modelos.
• No obstante, el de PROSPECTOR es, de los Globales más usados, el de mayor
sensibilidad.
Ejemplo

 h → Hay ladrones
 e1 → Alarma láser
 e2 → Alarma mecánica

Si se consideran los coeficientes de certeza como valores entre el intervalo


[-1, 1], se tiene:

Wh/e1 = 0.9 We2/E = 1.0


Wh/e2 = 0.5 We1/E = 0.6

Wh/E:e1 = Min(Wh/e1, We1/E) = Min(0.9, 0.6) = 0.6


Wh/E:e2 = Min(Wh/e2, We2/E) = Min(0.5, 1.0) = 0.5
Ejemplo

 Si se quisiera acumular según MYCIN, entones sería:

Wh/E:e1&e2 = Global(Wh/E:e1, Wh/E:e2) = 0.6 + 0.5 – 0.6 * 0.5 = 0.80

 Pero si se quisiera acumular las certezas obteniendo la máxima


sensibilidad entonces debe emplearse el Global de PROSPECTOR

Wh/E:e1&e2 = Global(Wh/E:e1, Wh/E:e2) = (0.6 + 0.5) / (1 + 0.6 * 0.5) = 0.84

 Este Global obtiene mayor valor de certeza de entre todos.

También podría gustarte