Generalización de la métrica basada en la diferencia de valores (VDM) para variables lingüísticas y su aplicación en sistemas basados en el conocimiento
Fecha
2007
Autores
Rodríguez Sarabia, Yanet
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Central "Marta Abreu" de Las Villas. Facultad de Matemática, Física y Computación. Departamento de Ciencias de la Computación
Resumen
El desarrollo de sistemas híbridos sigue siendo una tendencia actual y de gran aplicabilidad dentro de la Inteligencia Artificial para desarrollar nuevos modelos que aprovechen las ventajas y minimicen las deficiencias de los enfoques que combinan. Este trabajo presenta dos modelos híbridos basados en similitud que combinan de una forma coherente y efectiva los enfoques de las Redes Neuronales Artificiales de tipo asociativas, el Razonamiento Basado en Casos y la lógica borrosa. El primero de estos modelos referenciado como SISIFuzzy es una
extensión de un modelo híbrido ya existente para desarrollar sistemas conexionistas con explicación basada en casos y que permite resolver en general problemas de búsqueda asociativa de información. El segundo modelo se referencia como ConFuCiuS, y es un modelo basado en instancias para resolver problemas de clasificación supervisada, que se caracteriza a diferencia de otros representantes de esta familia por utilizar conocimiento generalizado del
conjunto de instancias de entrenamiento. En ambos modelos los atributos numéricos se modelan utilizando conjuntos borrosos. La implementación del concepto de similitud que utilizan estos modelos se basa en la métrica basada en la diferencia de valores (VDM) aplicable a la comparación de atributos simbólicos, obteniéndose como resultado de este trabajo dos nuevas familias de funciones de distancia por la generalización del concepto de asociación entre valores y su
extensión sobre variables lingüísticas. Esta formalización de la distancia se basa en el intercambio dinámico entre similitud y clasificación a partir de asumir también que la similitud de los objetos se modifica por la manera en que estos son clasificados; y provee un criterio de comparación local conceptualmente uniforme para todo tipo de rasgo que se define automáticamente a partir de un conjunto de instancias representativas de un dominio de aplicación. Incluir técnicas de aprendizaje automático reduce la ingeniería del conocimiento requerida para desarrollar
sistemas basados en conocimiento, y la inclusión de la teoría de la lógica borrosa y los conjuntos borrosos permiten manejar la imprecisión para conseguir naturalidad y robustez en las soluciones. En la validación de estos resultados se han utilizado más de 30 archivos de datos reconocidos internacionalmente para esta finalidad, así como otros enfoques alternativos reportados.
Descripción
Palabras clave
Sistemas Híbridos, Redes Neuronales Artificiales de Tipo Asociativas, Razonamiento Basado en Casos, Variables Lingüísticas, Métrica Basada en la Diferencia de Valores (VDM), Lógica Borrosa, Aprendizaje Automático, Inteligencia Artificial