Estrategias de selección basadas en plausibilidad

Autores
Parra, Gerardo; Hejda, Eric
Año de publicación
1999
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En el presente trabajo tomamos como punto de partida la noción de plausibilidad en el sistema de razonamiento plausible propuesto por Rescher [7]. A partir de este sistema se desarrollan esquemas alternativos para la selección de un conjunto de datos consistente a partir de un conjunto de datos inconsistente. Estos datos son suministrados por fuentes de información. Las fuentes de información pueden ser testimonios de expertos, testigos, fuentes históricas, observaciones personales, recuerdos, recursos intelectuales, etc., y suministran todos los datos disponibles al alcance del agente razonador. Todo dato aportado por un agente informante tiene algún grado de plausibilidad positiva, esto no quiere decir que el dato sea verdadero, sino candidato a ser verdad. Para el análisis de plausibilidad, partimos de dos enfoques opuestos: inclinación a la plausibilidad y fobia a la implausibilidad. Luego se van desarrollando métodos alternativos tratando de mantener la simplicidad y aumentando la flexibilidad. Se presenta un esquema para obtener una comparación entre las fuentes, y posiblemente llegar a obtener un orden total entre ellas. Este esquema apela a una relación auxiliar con la cual se trata de realizar una comparación entre fuentes que eran originalmente incomparables bajo plausibilidad. Generalizando estas comparaciones entre todas las fuentes originalmente incomparables bajo plausibilidad se puede llegar a establecer un orden total bajo la relación de plausibilidad, lo cual es de gran utilidad para operar y tomar decisiones en cuanto a los datos aportados por los informantes.
Eje: Aspectos teóricos de la inteligencia artificial
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Inteligencia Artificial
ARTIFICIAL INTELLIGENCE
Razonamiento Plausible
Fuentes Inconsistentes
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/22241
Acceder
id SEDICI_0f22bff2b86c8273bd76d614fde35e74
oai_identifier_str oai:sedici.unlp.edu.ar:10915/22241
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Estrategias de selección basadas en plausibilidadParra, GerardoHejda, EricCiencias InformáticasInteligencia ArtificialARTIFICIAL INTELLIGENCERazonamiento PlausibleFuentes InconsistentesEn el presente trabajo tomamos como punto de partida la noción de plausibilidad en el sistema de razonamiento plausible propuesto por Rescher [7]. A partir de este sistema se desarrollan esquemas alternativos para la selección de un conjunto de datos consistente a partir de un conjunto de datos inconsistente. Estos datos son suministrados por fuentes de información. Las fuentes de información pueden ser testimonios de expertos, testigos, fuentes históricas, observaciones personales, recuerdos, recursos intelectuales, etc., y suministran todos los datos disponibles al alcance del agente razonador. Todo dato aportado por un agente informante tiene algún grado de plausibilidad positiva, esto no quiere decir que el dato sea verdadero, sino candidato a ser verdad. Para el análisis de plausibilidad, partimos de dos enfoques opuestos: inclinación a la plausibilidad y fobia a la implausibilidad. Luego se van desarrollando métodos alternativos tratando de mantener la simplicidad y aumentando la flexibilidad. Se presenta un esquema para obtener una comparación entre las fuentes, y posiblemente llegar a obtener un orden total entre ellas. Este esquema apela a una relación auxiliar con la cual se trata de realizar una comparación entre fuentes que eran originalmente incomparables bajo plausibilidad. Generalizando estas comparaciones entre todas las fuentes originalmente incomparables bajo plausibilidad se puede llegar a establecer un orden total bajo la relación de plausibilidad, lo cual es de gran utilidad para operar y tomar decisiones en cuanto a los datos aportados por los informantes.Eje: Aspectos teóricos de la inteligencia artificialRed de Universidades con Carreras en Informática (RedUNCI)1999-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/22241spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-15T10:47:37Zoai:sedici.unlp.edu.ar:10915/22241Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 10:47:37.458SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Estrategias de selección basadas en plausibilidad
title Estrategias de selección basadas en plausibilidad
spellingShingle Estrategias de selección basadas en plausibilidad
Parra, Gerardo
Ciencias Informáticas
Inteligencia Artificial
ARTIFICIAL INTELLIGENCE
Razonamiento Plausible
Fuentes Inconsistentes
title_short Estrategias de selección basadas en plausibilidad
title_full Estrategias de selección basadas en plausibilidad
title_fullStr Estrategias de selección basadas en plausibilidad
title_full_unstemmed Estrategias de selección basadas en plausibilidad
title_sort Estrategias de selección basadas en plausibilidad
dc.creator.none.fl_str_mv Parra, Gerardo
Hejda, Eric
author Parra, Gerardo
author_facet Parra, Gerardo
Hejda, Eric
author_role author
author2 Hejda, Eric
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
Inteligencia Artificial
ARTIFICIAL INTELLIGENCE
Razonamiento Plausible
Fuentes Inconsistentes
topic Ciencias Informáticas
Inteligencia Artificial
ARTIFICIAL INTELLIGENCE
Razonamiento Plausible
Fuentes Inconsistentes
dc.description.none.fl_txt_mv En el presente trabajo tomamos como punto de partida la noción de plausibilidad en el sistema de razonamiento plausible propuesto por Rescher [7]. A partir de este sistema se desarrollan esquemas alternativos para la selección de un conjunto de datos consistente a partir de un conjunto de datos inconsistente. Estos datos son suministrados por fuentes de información. Las fuentes de información pueden ser testimonios de expertos, testigos, fuentes históricas, observaciones personales, recuerdos, recursos intelectuales, etc., y suministran todos los datos disponibles al alcance del agente razonador. Todo dato aportado por un agente informante tiene algún grado de plausibilidad positiva, esto no quiere decir que el dato sea verdadero, sino candidato a ser verdad. Para el análisis de plausibilidad, partimos de dos enfoques opuestos: inclinación a la plausibilidad y fobia a la implausibilidad. Luego se van desarrollando métodos alternativos tratando de mantener la simplicidad y aumentando la flexibilidad. Se presenta un esquema para obtener una comparación entre las fuentes, y posiblemente llegar a obtener un orden total entre ellas. Este esquema apela a una relación auxiliar con la cual se trata de realizar una comparación entre fuentes que eran originalmente incomparables bajo plausibilidad. Generalizando estas comparaciones entre todas las fuentes originalmente incomparables bajo plausibilidad se puede llegar a establecer un orden total bajo la relación de plausibilidad, lo cual es de gran utilidad para operar y tomar decisiones en cuanto a los datos aportados por los informantes.
Eje: Aspectos teóricos de la inteligencia artificial
Red de Universidades con Carreras en Informática (RedUNCI)
description En el presente trabajo tomamos como punto de partida la noción de plausibilidad en el sistema de razonamiento plausible propuesto por Rescher [7]. A partir de este sistema se desarrollan esquemas alternativos para la selección de un conjunto de datos consistente a partir de un conjunto de datos inconsistente. Estos datos son suministrados por fuentes de información. Las fuentes de información pueden ser testimonios de expertos, testigos, fuentes históricas, observaciones personales, recuerdos, recursos intelectuales, etc., y suministran todos los datos disponibles al alcance del agente razonador. Todo dato aportado por un agente informante tiene algún grado de plausibilidad positiva, esto no quiere decir que el dato sea verdadero, sino candidato a ser verdad. Para el análisis de plausibilidad, partimos de dos enfoques opuestos: inclinación a la plausibilidad y fobia a la implausibilidad. Luego se van desarrollando métodos alternativos tratando de mantener la simplicidad y aumentando la flexibilidad. Se presenta un esquema para obtener una comparación entre las fuentes, y posiblemente llegar a obtener un orden total entre ellas. Este esquema apela a una relación auxiliar con la cual se trata de realizar una comparación entre fuentes que eran originalmente incomparables bajo plausibilidad. Generalizando estas comparaciones entre todas las fuentes originalmente incomparables bajo plausibilidad se puede llegar a establecer un orden total bajo la relación de plausibilidad, lo cual es de gran utilidad para operar y tomar decisiones en cuanto a los datos aportados por los informantes.
publishDate 1999
dc.date.none.fl_str_mv 1999-05
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/22241
url http://sedici.unlp.edu.ar/handle/10915/22241
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846063901936975872
score 13.22299

Publicaciones similares