1 / 18

Resolução de problemas

Resolução de problemas. Como o ser humano Resolve seus problemas ? Quais são os conhecimentos, diariamente utilizando para resolver um problema ? Basicamente são utilizados dos tipos de conhecimentos : provenientes de nossa experiência e

ondrea
Télécharger la présentation

Resolução de problemas

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Resolução de problemas • Como o ser humano Resolve seus problemas ? • Quais são os conhecimentos, diariamente utilizando para resolver um problema ? • Basicamente são utilizados dos tipos de conhecimentos : • provenientes de nossa experiência e • provenientes de um processo formal de aprendizagem  educação 

  2. Resolução de problemas Qual é a importância dos conhecimentos provenientes de nossa experiência ? • eles dão origem as heurísticas OBS.: • Estes também são chamados de conhecimentos de superfície e correspondem à resolução de “caso já visto” Exemplo de modelagem • regras de produção

  3. Resolução de problemas Exemplos de regras : Se < chove > então eu pego meu guarda-chuva Se < não encontro meu guarda-chuva > então eu procuro minha impermeável Se < está quente > então eu retiro minha blusa Funcionamento : • As regras são confrontadas à situações correntes fatos, e uma ação correspondente é efetuada. • Esse comportamento é facilmente reproduzido em computadores nos sistemas especialistas ou ainda sistemas a base conhecimentos.

  4. Resolução de problemas Qual é a importância dos conhecimentos provenientes de nossa de um processo formal  educação  ? • são o resultado de aprendizagens das teorias gerais que devem ser colocadas em práticas nos raciocínios. OBS.: • Estes também são chamados de conhecimentos de profundos

  5. Arquitetura de um sistema a base de conhecimentos Sistema Especialista Base de conhecimentos Base de Fatos Motor deinferência

  6. Mecanismo e estratégia de inferência Considerando uma regra: • Se as premissas estão contidas na Base de Fatos BF, • então aplica-se a regra i.e. insere-se as conclusões BF • senão passa para a próxima regra • Quando detecta-se que um objetivo foi atingido ou que mais nenhuma regra se aplica, o processo de raciocínio é encerrado As variações nesse mecanismo estão relacionadas a escolha da primeira regra, a escolha próxima regra, . . .

  7. A A 1 4 B B C C 2 5 D D E E 3 C C Exemplo de inferência Regra 01: Se A então B & C Regra 02: Se B então D Regra 03: Se C então E Regra 04: Se D então G Encadeamento para traz Encadeamento para frente

  8. Exemplo de base de regras Regra 01: Se distância > 5 km, pegaremos o carro Regra 02: Se distância > 1 km e tempo < 15 minutos, pegaremos o carro Regra 03: Se distância > 1 km e tempo > 15 minutos, iremos a pé Regra 04: Se iremos de carro e o cinema é no centro da cidade, pegaremos um taxi Regra 05: Se iremos de carro e o cinema não é no centro da cidade, pegaremos nosso próprio carro Regra 06: Se iremos a pé e o tempo está ruim, pegaremos uma impermeável Regra 07: Se iremos a pé e o tempo está bom, iremos em ritmo de passeio

  9. Cálculo de probabilidades no Expert SINTA • Caso 1: Quando queremos saber o valor final atribuído às variáveis na conclusão de um regra. • Seja c1 o grau de confiança atribuído ao resultado final da premissa de uma regra r. • OBS.: Na conclusão de r, devemos ter expressões como var = value CNF c2, onde var é uma variável, value é um termo qualquer que pode ser atribuído a uma variável, c2 é um real pertencente ao intervalo [0; 100] que representa o grau de confiança da atribuição. • Mas, c2 é apenas uma referência, pois o valor final é dependente do resultado da premissa. Assim sendo, realizar-se-á a operação var = value CNF c1. c2.

  10. Cálculo de probabilidades no Expert SINTA Exemplo de aplicação: • SE fumagina = simENTÃO suspeita de praga = mosca branca, grau de confiança (CNF) 70%. Cálculo: • Supondo que o grau de confiança da igualdade fumagina = sim é 80%, teremos que à variável suspeita de praga será atribuído o valor mosca branca, com o respectivo grau de confiança 0.80 * 0.70 = 0.56 = 56%.

  11. Cálculo de probabilidades no Expert SINTA Caso 2: Cálculo do grau de confiança com o operador E. Cálculo : • Se possuímos duas igualdades var1 = value1 e var2 = value2, com os respectivos graus de confiança c1 e c2, temos que a sentença var1 = value1 E var2 = value2retornará como valor de confiança c1 x c2.

  12. Cálculo de probabilidades no Expert SINTA Exemplo de aplicação: • SE estados das folhas = esfarelam facilmenteE presença de manchas irregulares = sim... Cálculo: • Se o grau de confiança da igualdade estados das folhas = esfarelam facilmente é 80% e o grau de confiança da igualdade presença de manchas irregulares = sim é 70%, temos que a conjunção das duas sentenças retornará um valor CNF de 56%, pois esse é o produto dos dois valores.

  13. Cálculo de probabilidades no Expert SINTA Caso 3: Cálculo do grau de confiança com o operador OU. Cálculo : • Se possuímos duas igualdades var1 = value1 e var2 = value2, com os respectivos graus de confiança c1 e c2, temos que a sentença var1 = value1 OU var2 = value2retornará como valor de confiança c1 + c2 - c1 x c2.

  14. Cálculo de probabilidades no Expert SINTA • Exemplo de aplicação: • SE besouros vermelhos = sim OU larvas marrons = sim ... • Cálculo : • Se o grau de confiança da igualdade besouros vermelhos = sim é 80% e o grau de confiança da igualdade larvas marrons = sim é 70%, temos que a disjunção das duas sentenças retornará um valor CNF de 0.70 + 0.80 - 0.70 * 0.80 = 1.50 - 0.56 = 0.94 = 94%.

  15. Cálculo de probabilidades no Expert SINTA Exemplo de aplicação: • A variável doença possuía valor mofo preto com grau de confiança 60%. Após a aplicação de outras regras chegou-se a uma outra atribuição doença = mofo preto, desta vez com CNF 50%. Cálculo • O cálculo se dá de maneira semelhante à aplicação da regra OU: doença terá como um dos valores mofo preto, com respectivo grau de confiança 0.60 + 0.50 - 0.60 * 0.50 = 1.10 - 0.30 = 0.80 = 80%.

  16. Cálculo de probabilidades no Expert SINTA • Caso 4: Quando uma variável recebe duas vezes o mesmo valor em pontos diferentes da consulta. • Cálculo: • Em momentos diferentes de uma consulta, uma mesma variável var pode receber o mesmo valor v, sendo que até à penúltima instanciação ela possuía grau de confiança c1, e a última atribuiu um CNF c2. Sendo assim, temos que o valor final de confiança para var = v será dado pela fórmula ca + cn - ca * cn, onde ca representa o grau de confiança antes da última mudança e cn o último grau de confiança atribuído.

  17. Cálculo de probabilidades no Expert SINTA Notas • O sistema admite 50% como valor mínimo de confiança para que uma igualdade seja considerada verdadeira, mas esse valor pode ser modificado. O intervalo de grau de confiança varia de 0 a 100. • Observe que as funções para conjunção e disjunção utilizadas seguem a Teoria das Possibilidades, não envolvendo nenhum tratamento estatístico mais aprofundado. • É possível mudar as fórmulas utilizadas.

  18. Exercício 01 • Representar através de um grafo as regras da base SECAJU • encadeamento para frente • encadeamento para traz • Exercitar a Shell SINTA usando as regras da base SECAJU • Entrar com as regras para escolher o meio de transporte para ir ao cinema na Shell SINTA

More Related