Regras de Produção e Raciocínio Dedutivo
45 Questions
0 Views

Choose a study mode

Play Quiz
Study Flashcards
Spaced Repetition
Chat to lesson

Podcast

Play an AI-generated podcast conversation about this lesson

Questions and Answers

O que representa o lado esquerdo (LHS) de uma regra de produção?

  • O ciclo de encadeamento para a frente.
  • As precondições sensoriais ou premissas. (correct)
  • A ação ou conclusão a ser realizada.
  • A memória de longo prazo do sistema.
  • Qual é a condição necessária para que uma regra seja disparada?

  • Os factos devem ser irrelevantes.
  • A precondição deve corresponder ao estado atual do mundo. (correct)
  • A regra deve estar em um estado de pausa.
  • Não deve haver conflitos na memória de trabalho.
  • O que é o emparelhamento (matching) dentro do contexto de regras de produção?

  • Resolver conflitos entre diferentes ações.
  • Ativar uma regra a partir da memória de longo prazo.
  • Comparar e substituir variáveis com constantes. (correct)
  • Disparar uma série de regras em sequência.
  • Qual das opções abaixo descreve o papel da memória de trabalho?

    <p>Manter modelos de caso para referência imediata.</p> Signup and view all the answers

    Qual é o resultado de um emparelhamento de um padrão com um facto?

    <p>Uma substituição de variáveis ocorre.</p> Signup and view all the answers

    O que deve acontecer antes que uma regra possa ser ativada?

    <p>O lado esquerdo deve emparelhar com factos na base de conhecimento.</p> Signup and view all the answers

    O que não é uma parte do ciclo de encadeamento para a frente?

    <p>Executar ação</p> Signup and view all the answers

    O que caracteriza uma regra de produção?

    <p>Possui um lado esquerdo e um lado direito.</p> Signup and view all the answers

    Qual é o objetivo do emparelhamento (matching) na aplicação de uma regra?

    <p>Associar os padrões da regra aos factos da base de conhecimento</p> Signup and view all the answers

    No raciocínio dedutivo em encadeamento para a frente, qual é o primeiro passo a ser seguido?

    <p>Combinar os factos conhecidos com as regras</p> Signup and view all the answers

    O que descreve o processo de resolução de conflitos na aplicação de regras?

    <p>O processo de determinar qual regra disparar após o matching</p> Signup and view all the answers

    Qual é a representação da regra R1 no contexto das relações familiares?

    <p>pai(?x, ?y), pai(?y, ?z) =&gt; avô(?x, ?z)</p> Signup and view all the answers

    O que ocorre após a ativação de todas as regras no raciocínio dedutivo?

    <p>Gera-se um novo conjunto de factos na base de conhecimento</p> Signup and view all the answers

    Qual das seguintes afirmações é verdadeira sobre as variáveis no emparelhamento de regras?

    <p>Variáveis podem emparelhar com constantes ou outras variáveis</p> Signup and view all the answers

    Como é caracterizado o raciocínio dedutivo mencionado no conteúdo?

    <p>Dedutivo, com encadeamento para a frente ou para trás</p> Signup and view all the answers

    Qual é a ordem das operações de comparação durante a fase de matching?

    <p>Ordem de complexidade RFP</p> Signup and view all the answers

    Como é calculada a negação de um valor lógico fuzzy?

    <p>f(~i) = 1 - f(i)</p> Signup and view all the answers

    Qual é o valor lógico da conjunção em lógica fuzzy?

    <p>Mínimo dos valores lógicos</p> Signup and view all the answers

    Na lógica booleana, qual é o resultado da conjunção P^Q quando P = 1 e Q = 0?

    <p>0</p> Signup and view all the answers

    Na lógica fuzzy, como é determinada a disjunção de dois valores lógicos?

    <p>É o máximo dos valores lógicos</p> Signup and view all the answers

    O que é abordado na abordagem bayesiana?

    <p>A hipótese mais provável é escolhida entre um conjunto de dados</p> Signup and view all the answers

    Qual é o resultado de P v Q na lógica booleana quando P = 0 e Q = 1?

    <p>1</p> Signup and view all the answers

    Como a negação em lógica booleana é representada?

    <p>Como um valor oposto</p> Signup and view all the answers

    Além da combinação de valores lógicos, a lógica fuzzy é também usada para?

    <p>Tomada de decisão em incertezas</p> Signup and view all the answers

    Qual é a característica principal da Lógica Booleana?

    <p>Possui apenas dois valores lógicos: falso e verdadeiro.</p> Signup and view all the answers

    Qual regra de inferência é mencionada como parte da Lógica Booleana?

    <p>Modus Ponens.</p> Signup and view all the answers

    Qual é a principal limitação da Lógica Booleana quando aplicada ao mundo real?

    <p>A incerteza nos valores lógicos.</p> Signup and view all the answers

    O que caracteriza uma regra de inferência em um sistema pericial?

    <p>A dependência do grau de confiança nos dados.</p> Signup and view all the answers

    Na construção de nós beta, de onde derivam os valores Bi,j?

    <p>De combinações de nós anteriores.</p> Signup and view all the answers

    Qual das opções a seguir representa uma dúvida quanto à validade do conhecimento em sistemas com incerteza?

    <p>A correção das regras de inferência.</p> Signup and view all the answers

    Qual é uma característica das algebras booleanas citadas?

    <p>Divisão em ordem zero e ordem superior.</p> Signup and view all the answers

    O que indica a incerteza em relação aos dados introduzidos em um sistema pericial?

    <p>O grau de confiança na resposta dada pelo sistema.</p> Signup and view all the answers

    O que a entropia representa em um sistema termodinâmico?

    <p>A probabilidade do estado do sistema</p> Signup and view all the answers

    Como a entropia é representada na equação de Boltzmann?

    <p>S = k log(W)</p> Signup and view all the answers

    Qual é a característica da entropia quando a probabilidade de ocorrência (p) se aproxima de 0 ou de 1?

    <p>A entropia é mínima</p> Signup and view all the answers

    Qual é a fórmula correta para calcular a entropia de um evento, conforme a representatividade logarítmica?

    <p>H = -[p.log(p) + (1-p).log(1-p)]</p> Signup and view all the answers

    O que caracteriza um microestado em um sistema termodinâmico?

    <p>A posição e o impulso das partículas</p> Signup and view all the answers

    Qual é a definição de uma cadeia na conversão de árvores de decisão em regras?

    <p>O caminho de um nó para outro em que se atravessa os ramos numa única direção.</p> Signup and view all the answers

    O que são nós IF e nós THEN na conversão de árvores de decisão?

    <p>Nós IF contêm condições, enquanto nós THEN representam resultados.</p> Signup and view all the answers

    Qual é um exemplo de regra a partir dos elementos apresentados?

    <p>(tipo-motor jacto) (posicao-asas alta) =&gt; (tipo-aviao C141)</p> Signup and view all the answers

    Qual a importância da ordem na escolha dos nós em árvores de decisão?

    <p>Afeta a qualidade da árvore e das regras geradas.</p> Signup and view all the answers

    Como se pode simplificar uma árvore de decisão segundo o conteúdo?

    <p>Analisando um único atributo, como as protuberâncias.</p> Signup and view all the answers

    Qual das seguintes afirmativas sobre a geração de regras é verdadeira?

    <p>Regras podem ser geradas a partir de diferentes caminhos na árvore.</p> Signup and view all the answers

    O que caracteriza um nó conclusão na conversão de árvores de decisão?

    <p>Um nó que não tem nós descendentes.</p> Signup and view all the answers

    Qual é a função básica das regras de produção na abordagem de conversão de árvore?

    <p>Representar as relações entre as premissas e as conclusões.</p> Signup and view all the answers

    Study Notes

    Sistemas Periciais

    • Sistemas periciais são sistemas de apoio à decisão que usam conhecimento especializado para resolver problemas complexos.
    • Eles diferem da informática convencional por recorrerem ao conhecimento humano representado por heurísticas e modelos, não apenas a algoritmos.
    • A resolução de problemas complexos, sem soluções algorítmicas conhecidas.
    • Utilizam heurísticas, ou seja, conhecimento humano, modelos e teorias para obter resultados mais precisos.
    • A realidade é demasiado complexa, necessitando modelos para interagir com ela e resolver problemas.

    Algoritmo

    • Sequência finita de instruções bem definidas e não ambíguas, para resolver um problema particular num intervalo de tempo finito.
    • Possui uma quantidade finita de esforço.
    • Definição formal para resolver problemas.

    Inteligência Artificial

    • O objetivo da inteligência artificial é desenvolver máquinas para resolver problemas em que, no momento, os seres humanos são melhores.

    Problema

    • Frequentemente as pessoas são capazes de resolver problemas sem uma solução algorítmica conhecida.
    • A informática convencional tem dificuldades em resolver esse tipo de questões.
    • Esse tipo de problemas exige recorrer a técnicas de Inteligência Artificial.

    Modelos vs. Teorias

    • Um modelo é uma simplificação da realidade.
    • Uma teoria é um modelo internamente consistente em termos sintáticos, ou seja, não contém contradições (e semânticas).
    • Uma boa teoria deve ser válida, i.e., deve ser um modelo semanticamente consistente.

    Exemplos de Sistemas Periciais

    • Sistema de produção de papel da PORTUCEL
      • Utiliza modelos heurísticos ao invés de modelos físicos, por sua complexidade.
    • Gestão de carteiras de ativos
      • Modelos matemáticos falíveis. Modelos de preferências e utilidade são utilizados, conhecidos por serem subjetivos.
    • MYCIN
      • Sistema de diagnóstico de infecções bacteriológicas.
      • Sistema de prescrição de terapia baseada no diagnóstico.

    XYCIN

    • Sistema pericial na forma de um bloco de notas ativo.
    • Utiliza a linguagem natural para interagir com o especialista.
    • Desempenho comparável ao de especialistas.

    Modelagem Indireta do Conhecimento do Especialista

    • O especialista utiliza conhecimento simbólico, factos, regras e raciocínio lógico.
    • O sistema pericial representa e manipula este conhecimento para resolver problemas.

    Arquitectura de Sistemas Periciais

    • A Arquitectura representa os compostos de dados, base de conhecimento, máquina de inferência e interface inteligente para a resolução do problema.
    • Possui módulos de aprendizagem e explicação.

    Características dos Principais Componentes

    • Base de Conhecimento:
      • Modelos do domínio
      • Factos e regras
      • Hipótese do "mundo fechado"
      • Natureza declarativa
    • Máquina de Inferência
      • Mecanismos lógicos de raciocínio
      • Independente do domínio
      • Natureza procedimental

    Explicação

    • Um sistema pericial pode errar devido a conhecimento incompleto do especialista ou a uma base de conhecimento incompleta.
    • Necessário que o sistema tenha mecanismos de validação.
    • O módulo de explicação indica as regras aplicadas e a instanciação com os dados da base de conhecimento.

    DIPMETER ADVISOR

    • Sistema pericial para a interpretação de medições geofísicas.
    • Identifica estruturas baseadas em compostos orgânicos.
    • Usa um bloco de notas ativo, permitindo uma análise detalhada do problema.

    XCON

    • Sistema pericial para a configuração de computadores da família VAX.
    • Problema complexo. Mais de 400 componentes, 5000 regras e 20000 componentes.
    • Elevado sucesso prático.

    AUTHORIZER'S ASSISTANT

    • Sistema pericial para a análise de problemas do crédito da American Express.
    • Problema de grande escala com mais de 35.000 regras.
    • Aumento de 20% da produtividade e redução de 33% de crédito não concedido.

    Shells

    • Ferramentas para o desenvolvimento de sistemas periciais.
    • Análogas às ferramentas CASE e são aplicaveis a qualquer domínio.
    • Permite a reutilização da máquina de inferência.
    • Natureza sintático, independente do domínio de aplicação.
    • Necessário construir a base de conhecimento.

    Raciocínio Lógico

    • Dedução: Usa o silogismo lógico e resultados garantidamente válidos (ex: modus ponens, modus tollens).
    • Indução: Generalização e extrapolação de resultados não garantidamente válidos.
    • Abdução: Explora as observações para encontrar uma explicação provável e resultados não garantidamente válidos. (Frequente em medicina).

    Lógicas Quantificadas

    • Lógica proposicional ou de ordem zero. Conjuntos de expressões sintáticas. (fórmulas bem formadas ou fbfs).
    • Lógica predicativa ou de primeira ordem. Fbfs podem ser quantificáveis e decompõem-se em termos (constantes, variáveis e predicados).
    • Lógica modal ou de ordem superior. Inclui predicados de ordem superior com predicados como argumentos.

    Raciocínio Dedutivo

    • Modus Ponens:
      • Se P, então Q
      • P
      • Logo, Q.
    • Modus Tollens:
      • Se P, então Q
      • Não Q
      • Logo, Não P.

    Encadeamento para a Frente (Forward Chaining)

    • Começa com os factos conhecidos.
    • Utiliza as regras para derivar novas conclusões.

    Encadeamento para Trás (Backward Chaining)

    • Começa com a conclusão pretendida.
    • Utiliza as regras para determinar os factos necessários.

    Sistemas de Produção

    • Sistema computacional baseado em regras.
    • Cada regra possui uma precondição (lado esquerdo) e uma ação (lado direito).
    • Se uma precondição for satisfeita, a ação é "disparada".

    Base de Conhecimento

    • Factos: dados sobre o domínio. Regras conectam os factos. Regras (R1).

    Emparelhamento (Matching)

    • Comparação de padrões em relação aos factos na base do conhecimento.
    • Substituição (ex: variáveis pelos factos).

    Ativação de Regras

    • Processo de verificar se o LHS de uma regra se encontra com os factos na base de conhecimento (matching).
    • Se verificada ação do RHS.

    Resolução de Conflitos

    • Seleção entre várias regras que podem ser ativadas ao mesmo tempo.
    • Critérios heurísticos utilizados (ex: regra com maior número de premissas).

    Tipos de Nós na Rede

    • Nó raíz: origem da árvore (não possui antecedentes).
    • Nó padrão (alfa): representa um padrão.
    • Nó junção (beta): ligação entre os nós padrão ou mais nós alfa para representação de novas conclusões.

    NÓS BETA

    • Método para derivar nós beta a partir de nós alfa.

    Raciocínio Inexato

    • Análise de situações com incerteza, na vida real.

    Lógica Sem Incerteza

    • Valores lógicos precisos e definidos.
    • Exemplos de valores, verdadeiro ou falso.
    • Problemas de situações incertas do mundo real.

    Fontes de Incerteza

    • Incerteza no conhecimento, nas regras de inferência (ex: grau de confiança).
    • Necessidade de considerar o grau de confiança dos factos.
    • Incerteza nos dados do problema analisado.

    Modelação da Incerteza

    • Incerteza subjetiva: Lógica "Fuzzy"
    • Incerteza "Objetiva": Probabilidades e Lei de Bayes.

    Lógica Fuzzy

    • Valor entre 0 e 1 para valores e premissas incertas.
    • Inclui funções de pertinência.

    Hard Sets vs. Fuzzy Sets

    • Conjuntos rígidos com valores lógicos discretos (0 ou 1).
    • Conjuntos fuzzy com valores lógicos contínuos (entre 0 e 1).

    Combinação de Valores Lógicos Fuzzy

    • Negação: inverso do valor, 1 - valor original.
    • Conjunção: mínimo dos valores.
    • Disjunção: máximo dos valores.

    Entropia de Shannon

    • Medida de incerteza, usado em sistemas de classificação.

    Entropia e Estados

    • Quanto mais microestados, mais incerteza.
    • Entropia é a medida desta incerteza.

    Entropia e Equilíbrio Termodinâmico

    • Sistema tende a estados com mais microestados (aplicado a situações de estabilidade).
    • Equilíbrio é atingido quando a entropia é máxima.
    • Fórmula: S = k*log(w)
    • S é entropia, k é a constante de Boltzmann e W é a probabilidade termodinâmica (número de microestados).

    Representação Logarítmica da Entropia

    • Entropia em função do logaritmo do número de microestados.

    Entropia Informacional

    • Medida da quantidade de informação contida em mensagens.
    • Usando o logaritmo na base 2: 1 bit.

    Entropia de uma String

    • Calcula a entropia de uma sequência de dados (como os bits).

    Entropia de um Sistema de Comunicação

    • Medida da informação transmitida num sistema de comunicação.

    Entropia de um Atributo

    • É a medida da informação que o atributo fornece numa tarefa de classificação.

    Cálculo da Entropia de um Atributo

    • Fórmula para calcular.
    • Os menores valores de entropia são os nós escolhidos (raiz da árvore).

    Exemplo de Aplicação

    • Investimento em fundos no mercado accionista.
    • Variáveis de classificação (ex: Valor de fundo: alto, médio, baixo).

    Problema de Classificação

    • Determinar o tipo de fundo.
    • Variáveis: Tipo de fundo, taxas de juro, liquidez, tensão internacional.
    • Classes: Valor Elevado, Médio e Baixo.

    Árvore de Decisão

    • Representação gráfica de decisões conduzindo a uma conclusão.
    • Usando os valores dos atributos possíveis, que levam a conclusões.

    Conversão de Árvore de Decisão em Regras

    • Conversão uma árvore de decisão numa lista de regras de produção.

    Árvore Mínima

    • Redução da complexidade da árvore de decisão pela eliminação de ramos e nós não válidos.
    • O algoritmo ID3 utilizado em sistemas de classificação para encontrar a árvore mais eficiente para o problema.

    O Algoritmo ID3

    • Algoritmo para a construção de árvores de decisão.
    • Minimiza a entropia informacional.

    Desenvolvimento de Sistemas Periciais

    • Considerações: Incerteza elevada, desenvolvimento feito à medida, alto ROI exigido.

    Escolha do Domínio de Aplicação

    • Utilize conhecimento especializado.
    • Necessidade por abordagem não convencional para o problema.
    • Disponibilidade de especialistas, valorização do conhecimento.

    Participação no Desenvolvimento

    • Especialistas: fornecem entendimento do problema e do conhecimento.
    • Engenheiros: transformam o conhecimento.
    • Utilizadores: feedback e contribuições sobre o funcionamento.

    Aquisição de Conhecimento

    • Aquisição direta de especialistas (o ideal, porém pode ser complicado, demandando grande tempo dos especialistas) .
    • Através de registos históricos, usando a indução de regras.

    Indução de Regras

    • Método alternativo à aquisição com especialistas.

    Objectos, Atributos e Valores

    • Atributos descrevendo os objectos para construção de sistemas de classificação.

    Árvore de Decisão

    • Uma árvore com perguntas sobre os atributos (nós) que levam a conclusões (folhas).

    Conversão de Árvore em Regras

    • Transforma-se a árvore de decisão em regras de produção.

    Studying That Suits You

    Use AI to generate personalized quizzes and flashcards to suit your learning preferences.

    Quiz Team

    Related Documents

    Sistemas Periciais 2022-23 PDF

    Description

    Teste seus conhecimentos sobre regras de produção e o processo de raciocínio dedutivo. Explore questões sobre emparelhamento, ativação de regras e o papel da memória de trabalho. Este quiz vai desafiar sua compreensão dos conceitos fundamentais envolvidos em lógica e inteligência artificial.

    More Like This

    Use Quizgecko on...
    Browser
    Browser