Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil.

Slides:



Advertisements
Apresentações semelhantes
Algoritmos de Caminho Mínimo em Grafos
Advertisements

Árvores 2010/1 Teoria dos Grafos (INF 5037/INF2781)
Árvores CC/EC/Mestrado Teoria dos Grafos ‏ 1.
Algoritmos em Grafos.
Gustavo Sant´Anna Ferreira Rodrigo Ribeiro de Souza
Fluxo em Redes Prof. Ricardo R. Santos.
Capítulo 7 Tableaux semânticos e resolução na Lógica Proposicional
Geometria Computacional Galeria de Arte
Análise de Decisão Aplicada a Gerência Empresarial – UVA Grafos - V
MÁQUINAS UNIVERSAIS Fabrício Dias
Exercícios PAA- Grafos
Solved Exercises 1. Finding the Peak. Let A= a1,…,an be a sequence of n numbers with the following property: there is p in {1,…,n} for which (i) the.
Exercícios PAA- Grafos
Celso C. Ribeiro Caroline T. Rocha
Pontes Seja (G) o número de componentes conexas de G. Uma ponte é uma aresta a tal que (G - a) > (G)
UFES CC/EC/Mestrado Teoria dos Grafos Árvores. UFES CC/EC/Mestrado Teoria dos Grafos Árvores Grafo Acíclico: não possui ciclos.
Prof. Yandre Maldonado e Gomes da Costa
Pesquisa em profundidade
Problemas de fluxo numa rede
Conjuntos disjuntos Objectivo
Pesquisa e Heurísticas
1 Domínios Finitos A eficiência das programas em domínios finitos (incluindo booleanos) podem ainda ser melhoradas pelo uso de Algoritmos de Propagação.
Universidade de Aveiro: Programa Aveiro-Norte / Departamento de Matemática Yazaki Saltano de Portugal, C.E.A. Lda. Departamento de Matemática, Universidade.
Sistemas lineares.
Uma das tarefas descritivas da
Sejam A e B duas matrizes do mesmo tipo denomina-se soma de
Orientação a Objetos: Encapsulamento e Classificação
Busca em Profundidade Para encontrar um caminho de solução Sol, de um dado nó para algum nó objetivo Se N é um nó objetivo, então Sol=[N] Se há um nó N1.
SPEED MATH 1 8.ª SÉRIE Você terá 25” para resolver cada item, então...
Instituto de Computação - UFF Detecção de Terminação Algoritmos Distribuídos Professora: Lúcia Drummond.
1 Complexidade de Algoritmos Complexidade de pior caso Complexidade de melhor caso de uso bem menos freqüente em algumas situações específicas Complexidade.
Árvores.
Reconhecimento de Padrões Seleção de Características
Busca Cega (Exaustiva)
Artigo: ‘Mining Frequent Patterns without Candidate Generation’
A Teoria dos Determinantes
Carolina Fonseca Neumar Ribeiro
Polinômios Prof. Marlon.
EQUAÇÕES POLINOMIAIS Prof. Marlon.
Problema de designação
Consideremos o sistema
Inteligência Artificial
Indução Métodos de prova já vistos Excepções
Linguagem de 1ª ordem da teoria de conjuntos
MATRIZES REAIS (1ª AULA ).
A Lógica das Sentenças Abertas Profa. Ana Florencia Aula 9
Amintas engenharia.
Conceitos Básicos.
Grafos Msc. Cintia Carvalho Oliveira Doutoranda em Computação – UFU
Progressão Geométrica
MECÂNICA - DINÂMICA Cinética Plana de uma Partícula: Força e Aceleração Cap. 13.
Algoritmos Genéticos em Problemas com Restrições
Algorítmos e estrutura de dados III
Análise e Síntese de Algoritmos
Determinantes Conceito Representação Propriedades
Capítulo 11 Programação Lógica
Introdução e Busca Cega
Rotação Simples e Dupla Katia Guimarães
Projeto de Sistemas de Controle no Espaço de Estados
AULA COMPUTACIONAL - Síntese de Sistemas de Separação (Cap. 7) 20 DE OUTUBRO DE 2008.
André Luiz da Costa Carvalho
Tópicos em Sistemas Inteligentes
Construção e Análise de Algoritmos
Transformada de Hough Processamento global para a detecção de linhas retas numa imagem Nenhum conhecimento é necessário a respeito da posição das linhas.
Decidibilidade, Corretude, Completude, Consistência

Linguagem de 1ª ordem da teoria de conjuntos
Algoritmos em Grafos Celso C. Ribeiro Caroline T. Rocha.
INTRODUÇÃO AOS MÉTODOS NUMÉRICOS Professor: Dr. Edwin B. Mitacc Meza
Transcrição da apresentação:

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil BC incompletas / inconsistentes Explicações de Baixo Nível Lidar com Problemas não previstos: como? Validação difícil (grandes BC, ambientes dinâmicos) Aplicáveis em domínios restritos

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos SP baseados em Modelos Conhecimento Profundo vs Conhecimento Superficial

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Modelos Quantitativos As equações estabelecem restrições sobre os valores que as variáveis podem assumir! I VR V=R*I Lei de Ohm I V C

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Modelos Qualitativos Abstracção qualitativa [V] = [I] [I] = [dV] Características Aceita informação imprecisa Inferências rápidas Computacionalmente custosa Resultados eventualmente ambíguos

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Inferência: propagação de restrições Quantitativa F=40; m=4 a=10 Qualitativa [a] = + ; [m] = 0 [F]= + F = m * a Ambiguidade a=10 F=? ; m= ? [a]=+ ; [m] = - [F]=?

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Aplicação ao Diagnóstico Metodologia Geral Definir as equações do modelo Definir valores iniciais Propagar valores (respeitando as restrições) e definir os valores esperados Observar os valores reais Se diferente: estabelecer diagnóstico

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Exemplo (Reiter) M1 M2 M3 A2 A1 in1 in2 in1 in2 in1 in2 out

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistema S=(DS,COMP) DS = descrição COMP = componentes Descrição Genérica: Axiomas Concretos: Topológicos:

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Componentes Mul(M1); Mul(M2); Mul(M3) ; Som(A1); Som(A2) Observações (OBS) in1(M1)=3 in2(M1)=2 in1(M2)=3 in2(M2)=2 in1(M3)=3 in2(M3)=2 out(A1)=10 out(A2)=12

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Diagnóstico Problema M1 M2 M3 A2 A1 in1 in2 in1 in2 in1 in2 out

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Um diagnóstico para S=(DS,COMP,OBS) é um conjunto mínimo tal que: é consistente!

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Determinar o diagnóstico Conjunto de conflito Todo o subconjunto de componentes{c 1,...,c k }: é inconsistente! Mínimo: se nenhum subconjunto próprio for de conflito

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Conjunto de Candidatos (hitting set) Seja C uma colecção de conjuntos. Um CC para C é um conjunto H: Será mínimo se nenhum subconjunto próprio de H for CC para C

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Teorema é um diagnóstico para (DS,COMP,OBS) sse for um CC mínimo para a colecção de conjuntos de conflito para (DS,COMP,OBS) Como calcular o conjunto de candidatos? Através da árvore de conjunto de candidatos, Árvore- CC

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Árvore-CC Como construir? Seja F uma colecção de conjuntos. Uma Árvore-CC, A para F é uma Árvore-CC sse for a árvore etiquetada mais pequena com as seguintes propriedades: A sua raiz terá etiqueta se F for o conjunto vazio; caso contrário a raiz terá por etiqueta um elemento de F. Se n for um nó de A, seja L(n) o conjunto das etiquetas associadas aos lados que ligam a raiz a n. Se n tiver por etiqueta então n não terá sucessores. Se n tiver por etiqueta um conjunto de F, então terá tantos sucessores quantos o número dos seus elementos. Cada arco terá por etiqueta um elemento de. Cada novo nó n terá por etiqueta um conjunto S de F cuja intersecção com L(n ) for o conjunto vazio, caso esse conjunto exista, caso contrário a sua etiqueta será.

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Propriedades de uma Árvore-CC A para F [consistência] Se n for um nó com etiqueta então L(n) é um conjunto de candidatos para F; [completude]Cada conjunto de candidatos mínimo para F é dado por L(n) para algum nó n da árvore que tenha etiqueta.

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Exemplo F={{2,4,5},{1,2,3},{1,3,5},{2,4},{1,6}} {2,4,5} {1,2,3}{2,4}{1,3,5} {1,6} {1,6} {1,6} L(n)={1,2,4} é um CC para F

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Árvore-CC Truncada Critérios de corte (1) n= ; (2) (3) {2,4,5} {1,2,3}{2,4}{1,3,5} {1,6} × × {1,6} × 1 6 {1,6} × × {1,6} 16 (1) (2) (3) (1)

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Teorema Seja F uma colecção de conjuntos, e A a Árvore- CC truncada para F. Então é a colecção dos conjuntos de candidatos mínimos para F.

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos De novo o Exemplo Algoritmo (1) Calcular a colecção dos conjuntos de conflito para (DS,COMP,OBS), F. (2) Construir a Árvore-CC truncada para F, A (3) Devolver como diagnósticos possíveis a colecção dos conjuntos de candidatos mínimos para F: Para (1) é necessário um demonstrador de teoremas DT(DS,COMP,OBS) que devolve um conjunto de conflito caso exista, caso contrário devolve Princípio de Resolução Propagação de restrições

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Construção M1 M2 M3 A2 A1 in1 in2 in1 in2 in1 in2 out DT(DS,{M1,M2,M3,A1,A2},OBS){A1,M1,M2}

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Porquê {A1,M1,M2}? Propagação de restrições De Conclui-se

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos A Árvore-CC DT(DS,{M1,M2,M3,A2},OBS) {A1,M1,M2} {M1,M3,A1,A2} {A1} {M1} {M2} {M1} DT(DS,{M2,M3,A1,A2},OBS) DT(DS,{M1,M3,A1,A2},OBS) {M3}{A1}{A2} × × DT(DS,{M1, A1,A2},OBS)DT(DS,{M1, M3,A1},OBS) (1) Diagnóstico = {{A1}, {M1}, {M2,M3}, {A2,M2}}

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Thats All Folks

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Exemplo (Garcia e Morales) Modelo I=((A*B)*(C+D))+(C+D) H=(A*B)-(C+D) Restrições E=A*B; G=E*F; I=G+F; F=C+D; H=E-F M1 A2 A1 A3 M2 A B E H C D G F I

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Espaço de Candidatos (2 5 =32) [] A1 A2A3M1M2 A1,A2A1,A3A1,M1A1,M2... A1,A2,A3A1,A2,M1A1,A2,M2A1,A3,M1... A1,A2,A3,M1A1,A2,A3,M2A1,A2,M1,M2... A1,A2,A3,M1,M2

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Valores Iniciais Propagando A=1 [] 0 B=2 [] 0 C=2 [] 0 Valor Lista de Dependências Ambiente E=2 [M1] 0 F=5 [A1] 0 G=10 [A1,M1,M2] 0 H=-3 [A1,A2,M1] 0 I=15 [A1,A3,M1,M2] 0 Valores Esperados! D=3 [] 0

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Observando! Conjunto de Conflito Mínimo [A1,A3,M1,M2] A2 Eliminado! Propagando (usando as restrições) I=11 [] 1 G=6 [A1,A3] 1 E=6/5 [A1,A3,M2] 1 H=-19/5 [A1,A2,A3,M1] 1

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Observando E associado a M1 está OK! Eliminar M1 do CMS e todos os seus super-conjuntos Eliminar M1 das listas de Dependências Propagando E= 2 [] 2 G= 10 [A1,M2] 2 H= -3 [A1,A2] 2

Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Observando... Conjugando com o passado... Candidatos: A3 ; M2 ; A3,M2 G= 7 [] 3 G= 6 [A1,A3] 1 G= 10 [A1,M2] 2 A1 não é responsável!