En temas anteriores hemos visto algunos algoritmos para resolver el problema de la deducción, por ejemplo, por medio de Tableros Semánticos o DPLL, todos ellos basados en el hecho de que: $\Sigma\models A \Leftrightarrow \Sigma \cup \{\neg A\}\mbox{ es insatisfactible}$. Sin embargo, esta forma (que sería algo parecido a hacer una reducción al absurdo) no es la más habitual (ni más clásica) de abordar el problema de la deducción. En muchas áreas (por ejemplo, matemáticas, sitio por excelencia de la deducción formal) es más normal acudir al concepto de demostración, que parte de un conjunto de enunciados básico que actúa como conjunto de axiomas (o hipótesis), y que asumimos como ciertos inicialmente, y de un proceso constructivo por el que vamos obteniendo una sucesión de enunciados intermedios, deducibles unos a partir de otros, hasta llegar al resultado que queremos demostrar.
Sistemas Deductivos Proposicionales
Formas Prenex, de Skolem y Teorema de Herbrand
Al igual que vimos cómo extender los Tableros Semánticos de LP a LPO, en este capítulo vamos a ver los fundamentos necesarios para extender las Formas Normales y Formas Clausales vistas en LP a un formato igualmente útil en LPO. El objetivo no solo es disponer de fórmulas equivalentes, sino ver hasta qué punto podemos trasladar los algoritmos que se desarrollan para LP al contexto de Primer Orden.
Formas Normales, Cláusulas y Algoritmo DPLL
En este tema vamos a abordar los métodos más comunes de preprocesamiento de fórmulas LP, que también serán aplicables a fórmulas LPO, y mostraremos uno de los algoritmos centrales para $SAT$ que hace uso de este preprocesamiento, $DPLL$, en el que se basan la gran mayoría de métodos actuales que abordan ese problema.
Construir un buscador desde cero
En esta entrada vemos cómo se pueden implementar de forma muy sencilla buscadores en Espacios de Estados en un lenguaje con características funcionales. La idea no es presentar implementaciones muy eficientes, sino únicamente encontrar patrones comunes y flexibles que permiten estas representaciones y posibles ampliaciones y adaptaciones futuras.
Tableros Semánticos en Lógica de Primer Orden
Igual que la Lógica de Primer Orden extiende la Lógica Proposicional, el método de Tableros Semánticos que veremos para Lógica de Primer Orden se obtendrá añadiendo al método de la Lógica Proposicional mecanismos para manipular los nuevos operadores de construcción... pero habrá que tener cuidado con las peculiaridades de su mayor capacidad expresiva, lo que nos llevará a obtener un método que, como es de esperar, no es 100% automatizable, a pesar de ser muy útil e informativo.
- « Página anterior
- 1
- 2
- 3
- 4
- …
- 30
- Página siguiente »
ALGUNAS ENTRADAS ANTERIORES ... AL AZAR
Introducción al Aprendizaje Automático
Grosso modo, el Aprendizaje Automático (AA, o Machine Learning, por su nombre en inglés) es la rama de la Inteligencia Artificial que tiene como objetivo desarrollar técnicas que permitan a las computadoras aprender. De forma más concreta, se trata de crear algortimos capaces de generalizar comportamientos y reconocer patrones a partir de una información suministrada en forma de ejemplos. Es, por lo tanto, un proceso de inducción del conocimiento, es decir, un método que permite obtener por generalización un enunciado general a partir de enunciados que describen casos particulares.
Classical elements in NetLogo: Fire
Following with the simulation of Classical Elements in NetLogo, and after Earth and Water, we will address in this post how to simulate some fire features, but taking into account the same goals of decentralized and as simple as possible models.
Fire is formed by a set of incandescent particles or molecules of combustible material capable of emitting visible light. The flames are the parts of the fire that emit visible light, while smoke are physically the same but that no longer emit. Because the most common and graphical picture of fire is the flame, we will be interested in this post in simulate flame productions.
