Tecnologías Específicas

Computación

Descripcion y Objetivos

FLOPER es un entorno de programación lógica difusa que ha sido desarrollado en la UCLM a partir de otros ocho proyectos fin de carrera y/o trabajos fin de grado que preceden al que proponemos ahora. La herramienta es capaz de ejecutar y depurar programas difusos (mediante un pre-proceso de los mismos que los traduce a código Prolog estándar) sobre cualquier plataforma Prolog. Además, incorpora un entorno gráfico escrito en Java que permite interactuar con el sistema de forma ágil y flexible. A día de hoy, el sistema ha sido utilizado con éxito en el desarrollo de aplicaciones que conectan con la web semántica,  resolutores difusos SAT/SMT y planificadores de tareas/recursos en la nube.  

Por otro lado, NeuroProlog es un sistema de razonamiento desarrollado en 1990 y que integra un motor prolog y un simulador de redes neuronales. Su objetivo es explotar la capadidad de razonamiento simbólico de prolog y el poder predictivo de las redes neuronales, capaces de gestionar información imprecisa, incompleta, etc. Esta herramienta fue construida sobre la tecnología disponible en ese momento, por lo que obviamente  ha sido ampliamente sobrepasada en estos casi 40 años dentro del dinámico mundo de las redes neuronales. En este TFG partiremos de este prototipo para incluirle ingredientes basados en lógica difusa como los que incorpora FLOPER, compilando a codigo SWI-prolog estándar e integrando la aplicación resultante con potentes simuladores de redes neuronales como Matlab Neural Network Toolbox o Tensorflow. En última instancia, se intentará probar el sistema sobre un caso de estudio de detección de riesgos tempranos para la toma de decisiones empresariales.

 

Metodología y Competencias

Metodología:

Se deberán tener conocimientos de programación en Prolog y se aconseja haber cursado las asignaturas de Lógica y Programación Declarativa. El proyecto se iniciará con una revisión de la bibliografía más relevante sobre el tema y se continuará con la fase de implementación sobre la plataforma FLOPER.

Más concretamente, la metodología y plan de trabajo común que se empleará en éste y otros TFG que se desarrollen de forma simultánea sobre el entorno FLOPER, se basará en las siguientes fases de actuación:

• Fase de análisis. Cada tarea comienza por un estudio de los requisitos que impone su desarrollo, en base al conocimiento previo y análisis de nuevas informaciones, evitando solapamientos entre las actividades.

• Fase de modelado y desarrollo. Se investiga en los modelos que configuran el soporte de cada una de las herramientas de partida, se ponen a punto cada uno de los desarrollos parciales de cada actividad y se revisa la definición inicial respecto a los resultados obtenidos.

• Fase de implementación. Para acercarse al resultado final, se incorporan los resultados obtenidos en tareas relacionadas y a continuación se procede a la implementación de prototipos que finalmente se integrarán sobre el entorno FLOPER, incluyendo su versión on-line. Esta fase se completa con el ensayo de diferentes casos de prueba que permitan evaluar empíricamente las prestaciones de la aplicación resultante.

 

Competencias:

Se trabajarán, con distinta profundidad, las siguientes competencias de la intensificación de computación:

• [CM2] Capacidad para conocer los fundamentos teóricos de los lenguajes de programación y las técnicas de procesamiento léxico, sintáctico y semántico asociadas, y saber aplicarlas para la creación, diseño y procesamiento de lenguajes.
• [CM3] Capacidad para evaluar la complejidad computacional de un problema, conocer estrategias algorítmicas que puedan conducir a su resolución y recomendar, desarrollar e implementar aquella que garantice el mejor rendimiento de acuerdo con los requisitos establecidos.
• [CM4] Capacidad para conocer los fundamentos, paradigmas y técnicas propias de los sistemas inteligentes y analizar, diseñar y construir sistemas, servicios y aplicaciones informáticas que utilicen dichas técnicas en cualquier ámbito de aplicación.
• [CM5] Capacidad para adquirir, obtener, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación, percepción y actuación en ambientes o entornos inteligentes.
• [CM7] Capacidad para conocer y desarrollar técnicas de aprendizaje computacional y diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos.
   

 

Medios a utilizar

Todo el material y medios necesarios para ejecutar el TFG se encuentra disponible en la ESIIAB. Hardware: PC. Software: Compiladores y entornos de prograamción de Prolog y Java.

 

Bibliografía

Artículos especializados en el tema abordado, todos disponible en la ESIIAB y/o en internet. Libros y manuales de programación declarativa, aprendizaje automático, lenguajes de programación y librerías específicas (machine learning, pln, etc.). Proyectos fin de carrera y trabajos fin de grado precedentes a éste (relativos al desarrollo del entorno FLOPER) y realizados por José Manuel Abietar, Pedro José Morcillo, Gustavo Valiente, Carlos Vázquez, Maria del Señor Martínez, Ramón Luján, José Antonio Riaza y Félix Mendieta. Los tutores proporcionarán copias de los mismos al estudiante. Otros documentos:

J. Abiertar, P. Morcillo, G. Moreno. Designing a Software Tool for Fuzzy Logic Programming. Proceedings of the International Conference on Computational Methods in Science and Engineering 2007 (ICCMSE 2007): Volume 2, parts A and B. 2007.

J.A. Guerrero, M.S. Martínez, G. Moreno, C. Vázquez. Designing Lattices of Truth Degrees for Fuzzy Logic Programming Environments. Proc. of 2015 IEEE Symposium Series on Computational Intelligence: Symposium on Foundations of Computational Intelligence (2015 IEEE FOCI), Cape Town, South Africa, December 7-10, 2015. Pages 995--1004, IEEE. Available: http://dx.doi.org/10.1109/SSCI.2015.145. 2015.

J.A. Guerrero, F. Mendieta, G. Moreno, J. Penabad, J.A. Riaza. Testing Properties of Fuzzy Connectives and Truth Degrees with the LatticeMaker Tool. Proc. of 2017 IEEE Symposium Series on Computational Intelligence: Symposium on Foundations of Computational Intelligence (2017 IEEE FOCI), Hawai, USA, December 7-10, 2015. Pages 995--1004, IEEE. Available: http://dx.doi.org/10.1109/SSCI.2015.145. 2015.

P. Julian, G. Moreno, J. Penabad. On Fuzzy Unfolding: A Multi-adjoint Approach. Fuzzy Sets and Systems, Volume 154, Pages 16-33. Elsevier Science(Amsterdam). Available doi 10.1016/j.fss.2005.03.013. 2005.

P. Julián, G. Moreno, J. Penabad. Operacional/Interpretive Unfolding of Multi-Adjoint Logia Programs. Journal of Universal Computer Science. Vol: 12, Nº 11, pp. 1679-1699. Graz ( Austria ). ISSN: 0948-69X, Online Edition: ISSN 0948-6968. Available doi 10.3217/jucs-012-11-1679. 2006.

P. Julián, G. Moreno, J. Penabad, C. Vázquez. A Fuzzy Logic Programming Environment for Managing Similarity and Truth Degrees. Proc. of eedings XIV Jornadas sobre Programación y Lenguajes, PROLE'14, Cadiz, Spain, September 16-19. Electronic Proceedings in Theoretical Computer Science, Pages 71-86. Available doi 10.4204/EPTCS.173.6 2014.

P. Julián, G. Moreno, J. Penabad, C. Vázquez. A Declarative Semantics for a Fuzzy Logic Language Managing Similarities and Truth Degrees. Proc. of the 10th International Symposium on Rule Technologies: Research, Tools, and Applications, RuleML 2016, Stony Brook, NY, USA, July 6-9. Lecture Notes in Computer Sciences 9718, pp 68-82. Springer-Verlag. Available doi 10.1007/978-3-319-42019-6_5 2016.

P. Julián, G. Moreno, C. Vázquez. Similarity-Based Strict Equality in a Fully Integrated Fuzzy Logic Language. Proc. of 9th International Symposium on Rule Technologies: Foundations, Tools, and Applications, RuleML 2015, Berlin, Germany, August 2-5. Lecture Notes in Computer Sciences 9202, pp 193-207. Springer-Verlag. Available doi 10.1007/978-3-319-21542-6_13. 2015.

J. Lloyd, Foundations of Logic Programming, Springer-Verlag, Berlin, 1987, second edition.

R. Luján, G. Moreno, C. Vázquez. Towards a Fuzzy Logic Environment for Android. Proc. of the Eighth  International Conference on Future Computational Technologies and Applications, Future Computing 2016, Rome, Italy, March 20-24. Pages 21-27. ISSN: 2308-3735. ISBN: 978-1-61208-461-9 2016.

W. McCulloch, W. Pitts. A logical calculus of the ideas immanent in nervous activity. The bulletin of mathematical  biophysics, volume 5, number 4, pages 115-133, Springer, 1943.
 
J. Medina, M. Ojeda-Aciego, and P. Vojtáš. Similarity-based Unification: a multi-adjoint approach. Fuzzy Sets and Systems, Elsevier, 146:43–62, 2004.

P. Morcillo, G. Moreno. Programming with Fuzzy Logic Rules by Using the FLOPER Tool. Proc. of 2nd Intl Symposium on rule Interchange and aplications, (RuleML'08), Orlando, U.S.A. October 30-31. Lecture Notes in Computer Sciences 5321, pp 119-126. Springer-Verlag. 2008.

P. Morcillo, G. Moreno, J. Penabad, C. Vázquez. A practical management of fuzzy truth-degrees using FLOPER. LNCS Lecture Notes in Computer Science ("Semantic Web Rules"). Volume 6403. Pages 119-126. ISSN: 0302-9743, ISBN: 978-3-642-16288-6. Springer-Verlag. 2010.

G. Moreno, C. Vázquez. Fuzzy Logic Programming in Action with FLOPER. Journal of Software Engineering and Applications, April 2014, Volume 7 (N. 4), Pages 273-298. Scientific Research. ISSN print 1945-3116, ISSN Online: 1945-3124. Available doi 10.4236/jsea.2014.74028 2014.

T. Imanaka, M. Soga, K.Uehara, J. Toyoda.  An integration of Prolog and neural networks to deal with sensibility in logic programs. Proceedings of the First International Conference on Systems Integration, 1990 (Systems Integration'90). Pages 738-746. IEEE, 1990.

P. Vojtáš and L. Paulík. Soundness and completeness of non-classical extended SLD-resolution. In R. Dyckhoff et al, editor, Proc. ELP’96 Leipzig, pages 289–301. LNCS 1050, Springer Verlag, 1996.