IIIA

Instituto de Investigación en Inteligencia Artificial

Consejo Superior de Investigaciones Científicas (CSIC)

El grupo actual del IIIA-CSIC incluye los siguientes miembros: Félix Bou (CSIC contratado postdoctoral), Pilar Dellunde (Profesor Titular de la Universidad Autónoma de Barcelona, ​​y investigadora asociada del IIIA-CSIC), Francesc Esteva (Profesor de investigación ”ad honorem”), Ángel García-Cerdaña, contratado postdoctoral), Lluiss Godo (Profesor de Investigación), Felip Manyá (Científico Titular), Diego Valota (Investigador INdAM) y Amanda Vidal (estudiante de doctorado bajo la supervisión de F. Bou, F. Esteva y L. Godo).

Lluís Godó

Investigador Responsable , IIIA-CSIC

Los miembros del grupo del IIIA tienen amplia experiencia en la fundamentación lógica y computacional de modelos para el razonamiento bajo información imprecisa, incompleta o incierta. En este campo, la reputación del grupo IIIA viene justificada por el número y la relevancia de las publicaciones científicas de los miembros del grupo, y la intensa colaboración con varios grupos de investigación internacionales de renombre.
Desde finales de los años 90, la investigación relativa a los fundamentos lógicos de la lógica difusa (disciplina también conocida como “lógica matemática fuzzy”, MFL) se ha conectado de forma clara a la investigación de sistemas lógicos residuados basado en t-normas (t-norm based fuzzy logics). En esta línea de trabajo, el grupo del IIIA ha hecho numerosas y relevantes contribuciones, entre ellas la introducción en 2001 de la “Monoidal t-norm based Logic” (MTL), así como muchas de sus extensiones posteriormente. A partir de ahí, el equipo ha trabajado en diferentes temas relacionados.
Líneas de investigación

Incorporación de constantes de verdad en el lenguaje de la lógica

Permiten realizar inferencias y trabajar con valores de verdades explícitamente.

 

Representación de medidas (condicionales) de incertidumbre en el marco de la lógica difusa basada en t-normas.

Extensiones modales de lógica difusa

 

Sistemas de argumentación computacional

Permiten trabajar con información imprecisa e incierta.

 

Lógicas de Descripción fuzzy

 

Paraconsistencia y lógica difusa

Con el fin de poder definir lógicas para razonar con información a la vez inconsistente y fuzzy.

 

Resolutores eficientes basados en técnicas SAT y SMT para lógicas fuzzy.