Palabras clave
parallel distributed reasoning
knowledge representation
Mapas cognoscitivos difusos
razonamiento distribuido
representación del conocimiento
Cómo citar
Resumen
La representación del conocimiento y el razonamiento forma parte fundamental del diseño del sistema experto. En el caso de estudio, el mundo real está representado porlos distintos eventos que se pueden manifestar en la operación de la planta nuclear. Dichos eventos se caracterizan por un conjunto de elementos interrelacionados a través del razonamiento experto. Hemos elegido los mapas cognoscitivos difusos (MCD) para la representación del razonamiento experto frente a un evento de falla, debido a que éstos, logran manejar la incertidumbre en la toma de decisiones, a través de la interrelación de sus elementos, además de potenciar el razonamiento distribuido paralelo (RPD). En este trabajo se detalla el análisis y diseño de las matrices causales que dan origen al razonamiento distribuido, y que finalmente tienen una representación en los MCD.
Citas
Castañeda, S. (2006) Evaluación del Aprendizaje en el Nivel Universitario, Elaboración de Exámenes y Reactivos–Objetivos. UNAM-Facultad de Psicología, Proyecto CONACYT 40608-H. México, D.F.
De Arriaga-Gómez, F.; Laureano-Cruces, A.; Espinosa-Paredes, G. (2004) “Approximate reasoning for the implementation of the successive approximation method”, CD Proceedings ISBN: 970-36-0155-3, XVII Congreso Nacional y III Congreso Internacional de Informática y Computación de la ANIEI, ANIEI, Tepic, Nayarit: 20–22.
Glasstone, S.; Sesonske, A. (1994) Nuclear Reactor Engineering: Reactor Design Basics. Chapman & Hall, New York, USA.
González, M.; López, A.; Aguirre, A.; Marcos, J. (2001) “Guía técnica específica para elaboración de procedimientos de emergencia PSTG, revisión 6 para la unidad 1, revisión 2 para la unidad 2, por aumento de potencia y por combustible GE12 (basada en las EPGs revisión 4)”, CFE y EMERSIS, México, D.F.
Hee-Cheol, K. (2007) “Safety analysis”, KAERI Nuclear Training Center http://www.kntc.re.kr/openlec/nuc/NPRT/module2/module2 3/module2 3 1/2 3 1.htm
Huerta, A.; Aguilar, O.; Núñez, A.; López, R. (1993) “Análisis de eventos internos para la unidad 1 de la central nucleoeléctrica de Laguna Verde: eventos iniciadores y secuencias de accidentes”, Comisión Nacional de Seguridad Nuclear y Salvaguardias, México, D.F.
Khan, M.S.; Chong, A.; Quaddus, M. (1987) “Fuzzy cognitive maps and intelligent decision support -a review”, School of Information Technology, Murdoch University, Graduate School of Business, Curtin University of Technology, GPO Box U.
Konar, A.; Jain, L. (2005) Cognitive Engineering: A Distributed Approach to Machine Intelligence. Springer Verlag-London, U. K.
Kosko, B. (1986) “Fuzzy cognitive maps”, International Journal of Man-Machine Studies 24: 65–75.
Kosko, B. (1992) Neural Networks and Fuzzy Systems. A Dynamical Systems Approach to Machine Intelligence. Prentice-Hall, New Jersey
Laureano-Cruces, A.; De Arriaga-Gómez, F.; García-Alegre, M. (2001) “Cognitive task analysis: a proposal to model reactive behaviors”, Journal of Experimental & Theoretical Artificial Intelligence 13: 227–239.
Laureano-Cruces, A.; Ramı́rez-Rodríguez, J.; Terán-Gilmore, A. (2004) “Evaluation of the teaching-learning process with fuzzy cognitive maps”, Lecture Notes in Artificial Intelligence Series ISBN: 3-540-23806-9 3315: 922–931.
Laureano-Cruces, A.; Ramı́rez- Rodríguez, J.; Mora-Torres, M.; Espinosa-Paredes, G. (2006) “Modeling a decision making process in a risk scenario: LOCA in a nucleo-electric plant using fuzzy cognitive maps”, Research in Computing Science 26: 3–13.
Mora-Torres, M. (2007) Sistema Experto en la Toma de Decisiones de un Escenario de Riesgo: LOCA Pequeño en una Planta Nucleoeléctrica. Tesis de Maestría en Ingeniería de la Computación, Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas - UNAM, México, D. F. http://delfosis.uam.mx/~ana/
Peláez, C.E.; Bowles, J.B. (1996) “Using fuzzy cognitive maps as a system model for failure modes and effects analysis”, Information Sciences Elsevier Science 88: 177–199.