Modelos de representación de imprecisión e incertidumbre en fusión de alto nivel

Abstract

Las técnicas de fusión de datos e información procedente de redes de sensores necesitan manejar información incierta e imprecisa, puesto que es habitual enfrentarse a problemas en los que el conocimiento disponible es vago o insuficiente y/o los aparatos de medición están sujetos a fallos. Con el reciente auge de la denominada "fusión de alto nivel", que tiene como objetivo reconocer la situación observada e identificar posibles riesgos, este problema se ha acentuado, ya que los formalismos que se utilizan habitualmente para construir un modelo simbólico del escenario, como la lógica de primer orden y las ontologías, no proporcionan soporte para este tipo de conocimiento. En este trabajo repasamos varias propuestas recientes para representación y razonamiento con información incierta e imprecisa en fusión de alto nivel. Nos centramos en dos tipos: (a) las que incorporan estos mecanismos en los propios modelos de representación, como las ontologías probabilísticas y difusas y las redes lógicas de Markov; (b) las que extienden el proceso de fusión con una capa de gestión de incertidumbre adicional, como las basadas en argumentación probabilística.