Analogias

Aprendizaje automático

Tema 5 Aprendizaje por Analogía

Ciencias de la Computación e Inteligencia Artificial

Tema 5: Aprendizaje por analogía 5.1 Introducción 5.2 Definiciones previas 5.3 Modelo unificado de analogía 5.4 El modelo de Greiner 5.5 Analogía transformacional 5.6 Analogía derivacional

Índice

2

Aprendizaje automático

Tema 5: Aprendizaje por analogía

5.1Introducción

Establecer analogías con situaciones ya conocidas es una de las técnicas de razonamiento más habituales para resolver problemas en la vida diaria. Se trata de explotar la experiencia acumulada (conocimiento de respaldo). Resulta más sencillo resolver un problema si tenemos un conocimiento previo de las soluciones encontradas a problemas parecidos. La analogía se basa en la siguientesuposición: “Si dos situaciones son similares en algún aspecto entonces pueden serlo en otro”

3

Aprendizaje automático

Tema 5: Aprendizaje por analogía Ejemplo

5.1 Introducción

Fuerza P = V Tensión x K m Masa m = L Inductancia P Viscosidad f = R Resistencia Desplazamiento x = q Carga

R

C V L

f

Amortiguador mecánico

Circuito RLC

4

Aprendizaje automático

Tema 5:Aprendizaje por analogía

5.2 Definiciones previas

• Problema base: problema resuelto con anterioridad. • Dominio base: dominio de conocimiento en el que se define el problema base. • Conocimiento base: toda información disponible respecto al problema base y su dominio.

5

Aprendizaje automático

Tema 5: Aprendizaje por analogía

5.2 Definiciones previas

• Problema objetivo: problemaque se pretende resolver utilizando información referente a uno o varios problemas base. • Dominio objetivo: dominio en el que se define el problema objetivo • Conocimiento objetivo: conocimiento necesario para resolver el problema objetivo y que se obtiene por transformación de parte del conocimiento base.

6

Aprendizaje automático

Tema 5: Aprendizaje por analogía

5.2 Definicionesprevias

Esquema general del razonamiento por analogía

A β B
A: Problema base B: Solución al problema base β: Proceso de inferencia α: relación de similitud entre el problema base y el objetivo

α α’

A’ β’ B’
A’: Problema objetivo B’: Solución al problema objetivo β‘: Proceso de inferencia α’: Relación de similitud entre la solución base y el objetivo

El objetivo es alcanzar B’ sintener que calcular β’, utilizando los resultados conocidos (β) y las analogías (α y α’)
7

Aprendizaje automático

Tema 5: Aprendizaje por analogía

5.3 Modelo unificado de analogía

• Fue propuesto por Kedar-Cabelli en 1988. Intenta dar una visión unificada de los procesos basados en analogías. Está basado en 5 fases: recuperación, elaboración, mapeo, justificación y aprendizaje. •Recuperación: consiste en recuperar de la base de casos resueltos un caso potencialmente análogo al problema objetivo. • Elaboración: dado el problema base y el conocimiento disponible, derivar atributos, relaciones o cadenas causales adicionales que puedan ser utilizados sobre el problema objetivo.
8

Aprendizaje automático

Tema 5: Aprendizaje por analogía

5.3 Modelo unificado de analogía

•Mapeo: a partir de la descripción aumentada del caso base, mapear los atributos y relaciones seleccionadas sobre le problema objetivo. • Justificación: justificar la validez del mapeo realizado sobre el problema objetivo . • Aprendizaje: consiste en guardar la representación aumentada del problema objetivo resuelto con el fin de poder acceder a el como problema base en futuros razonamientosanalógicos

9

Aprendizaje automático

Tema 5: Aprendizaje por analogía

5.4 El modelo de Greiner

• Greiner define un modelo del proceso analógico desde el punto de vista de la lógica formal. • Junto al modelo, define un algoritmo de razonamiento analógico denominado NLAG. • El modelo se basa en la definición de un operador lógico llamado operador de inferencia analógica útil ( |~ ).

10...