La Inteligencia Artificial aplicada a la catalogación de fondos museográficos


Curso: 2004-2005
Alumna: Perdiguero Alonso, Yolanda
Asignatura: Sistemas de Representación y Procesamiento Automático del Conocimiento

Introducción


¿Qué relación tiene con Documentación la catalogación de fondos museográficos.?

Es concido por todos que el ámbito principal de los documentalistas son las bibliotecas y centros de documentación, olvdándonos de archivos en multitud de casos y otros centros específicos como son los museos.

De la misma manera que las bibliotecas contienen libros, los archivos documentos únicos, los museos también tienen objetos, fondos museográficos, únicos.

Cómo todo documento que es, los fondos museográficos se catalogan correspondiendole a ello una variblilidad de campos dependiendo de que estemos tratando, pero que hoy en día se van normalizando (Vease Normalización Documental de Museos (1998)).

Campos utilizados generalmente:
¿Y qué tiene que ver esto con Inteligencia Artificial?

Hoy en día básicamente el documentalista de un museo gestiona, ayuda en el diseño de la base de datos y ayuda a buscar información para que el conservador , técnico de patrimonio, arqueólogo o historiador pueda realizar su tarea de identificación y catalogación del objeto. Es éste otro profesional el que realiza esa catalogación, muchas (por no decir la mayoria) no existe documentalistas y son ellos los encargados de manejar toda esa información.

Por esto la importancia de tener herramientas que se puedan utilizar en varios centros y ahorren tiempo al profesional que no es especialista en varios temas

Las diferentes carácterísticas de un objeto o tipologías son publicadas en congresos, libros, artículos , ...etc . Toda esa información se aglutina en la biblioteca y/o centro de documentación del Museo.

El siguiente paso ideal sería recoger todo ese conocimiento y estructurarlo, crear una base de hechos para poder consultarla.

Así se podrá adscribir tipologías a un objeto. O mediantes programas deductivos asignar la datación a un objeto.


Índice

Técnicas de Inteligencia artificial que se aplican


Los ejemplos que en este apartado se comentan están extraidos de los artículos del profesor Juan Antonio Barceló que se referencian en la bibliografía

Las técnicas empleadas han sido sobre todo los sistemas expertos, cómo podrán ver en el apartado referido a software.

Más que pensar en las técnicas que se han empleado dentro del campo del descubrimiento científico en arqueología, vamos a ver dos ejemplos de las técnicas empleadas para lo que sería el título de nuestro trabajo

Sistemas Expertos


Son aplicaciones informáticas que resuelven problemas que un experto humano resolvería. Necesita de:

  1. Base de conocimiento sobre el dominio (Base de Hechos=Base de datos=Conocimiento Declarativo). Contiene observaciones empíricas
  2. Utilizar uno o más mecanismos de razonamiento para aplicar su conocimiento a los problemas que se les propone. (Base de Reglas=Conocimiento Procedural). La Teoría Científica que queremos usar para interpretar los datos.
  3. Motor de Inferencias: Un programa que poca en relación la base de hechos con la base de Reglas
  4. Interfaz. Mecanismo para explicar a los usuarios que es lo que han hecho

¿Qué casos podemos aplicar en nuestro campo?

Recordemos que nos estamos moviendo en el campo de catalogación de objetos. Que en nuestro centro tenemos pocos profesionales, y muchas veces no al experto de esa materia

Podemos hacer hincapié en dos aspectos:

  • Tipología de objetos: Los objetos tienen diversas tipologías, que éstas son muchas, variadas y que también van cambiando.
  • Identificación iconográfica. Nos serviría para identificar escenas mitológicas o religiosas simplemente describiendo las figuras que aparecen en una determinada representación.

    • Aplicación SILEX [MOURRE, 1985] : TIPOLOGÍA DEL BURIL DIEDRO

    Trabaja con el programa CLASSIC, en una extensión orientada a objeto del lenguaje LISP

    Hemos recogido la información y traducción del trabajo de Barceló (1996)

    La función es reconocer la tipología de los buriles diedros.


    El árbol es el siguiente:


    Los atributos son:

    Buril Diedro
    ATRIBUTOS ESTADOS
    Cantidad de retoques a la izquierda Simple/múltiple
    Cantidad de retoques a la derecha Simple/múltiple
    Parte Distal presente/ ausente
    Posición Distal Izquierda / der. / centro
    Parte Proximal Presente / ausente
    Posición proximal Izquierda / der. / centro
    Ángulo Agudo / recto
    Eje Simétrico / asimétrico
    Tipo de retoque para el buril de ángulo ?
    Forma ?

    Todos estos atributos son heredados por todos. Además a algunos se le especifica unos atributos distintos.


    Buril Simétrico
    Superclase Buril diedro
    Clase Buril normal
    Posición distal Centro
    Ángulo Agudo
    Eje Simétrico

    Buril Recto
    Superclase Buril simétrico
    Clase Buril recto
    Cantidad de retoques a la izquierda simple
    Cantidad de retoques a la derecha Simple
    Posición distal Centro
    Posición proximal Centro

    Buril Múltiple
    Superclase Buril en ángulo
    Clase Buril múltiple
    Cantidad de ángulos Múltiple
    Forma Doble-distal, doble-proximal, opuesto-derecha, opuesto-izquierda, alterno-derecha, alterno-izquierda, triple-distal-derecho, triple-distal-izquierdo, triple-proximal-derecho, triple-proximal-izquierdo, cuadruple.

    REGLAS DE PRODUCCIÓN:

    En este programa se refieren únicamente a la clase de buriles múltiples. Sirven para asignar el valor adecuado al atributo <forma>

    SI

  • parte distal presente
  • Posición distal izquierda
  • Parte proximal presente
  • Posición proximal derecha
  • Posición proximal izquierda

    • ENTONCES forma triple-proximal-izquierda


    FUNCIONAMIENTO.

    Tenemos un buril X y el usuario introduce los siguientes datos:

    Buril diedro X
    Cantidad de retoques a la izquierda Simple
    Cantidad de retoques a la derecha Simple
    Parte Distal Presente
    Posición Distal Izquierda
    Parte proximal Presente
    Nº de diedros Múltiple
    Ángulo Recto
    Eje asimétrico

    La máquina nos contestaría.

  • Interpretación de datos.

    • Buril X clase: buril en ángulo

    Buril X clase: buril múltiple

    Forma: triple-proximal-izquierda

  • Descripción del objeto Buril X.

    • Posición Distal: izquierda (Válido)

    Parte proximal: presente (Válido)

    Posición proximal: izquierda (válido), dercha (válido)

    Nº de diedros: múltiple (válido)

    Ángulo: recto (válido)

    Eje: asimétrico (válido)

    Forma: triple-proximal-izquierda (vállido)


    A excepción de la forma del buril múltiple, las inferencias han sido realizadas con las relaciones entre los prototipos: se compara las propiedades en el orden que aparecen, identificando primero el más general e investigando a continuación sus descendientes


    Redes Neuronales


    ¿Qué es una Red Neuronal?

    Es un sistema de procesamiento de la información que funciona de manera no algorítmica y en paralelo. Se compone de una gran cantidad de procesadores interconectados muy simples llamados unidades de procesamiento. Cada unidad de procesamiento recibe estímulos a lo largo de sus conexiones de entrada, y los traduce en una respuesta de salida que une esa unidad de procesamiento con las demás.

    Aplicación ESTELA 3.1 [BARCELO, 1993]

    La función de ésta aplicación es a partir de información verídica sobre la descripción de estelas decoradas del Bronce Final, utilizando la memoria asociativa para poder estudiar las estelas incompletas

    Algunas imágenes de estelas:

  • Estela de Guerrero con escudo (Lograsán)
  • Estela del Guerrero (Lograsán)

    • Utiliza el algoritmo de aprendizaje por retropropagación de los errores

    Caracteristicas:
  • Cuentan con un grupo intermedio de unidades de procesamiento (unidades ocultas). Estas unidades tienen un propósito computacional. Las otras unidades son "DESCRIPCIÓN" Y "RESULTADO"
  • Las unidades del 1 grupo (descripción) están unidas a todas las unidades ocultas. Y todas las unidades ocultan están unidas a las del segundo grupo (resultado).

    • De ésta manera las unidades de “descripción” reciben estímulos del exterior; las unidades ocultas se activan y activan la respuesta.

    Necesitamos para ello una base de datos que contenga el valor de activación de las unidades del primer grupo y del segundo grupo, un grupo en el que se haya asociado la descripción con el resultado.

    El algoritmo nos permitirá calcular el valor de activación de las unidades ocultas y la ponderación de todos los pesos que unen esas unidades con las restantes por medio del estudio de la variabilidad entre todos los artefactos cuya respuesta conocemos. Este procedimiento recibe el nombre de aprendizaje supervisado.

  • Paso 1 – Inicializar pesos y proporción de aprendizaje
  • Paso 2 – Presentar los valores externos y los resultados conocidos
  • Paso 3 – Calcular el resultado como si el valor inicial aleatorio de las unidades ocultas y las ponderaciones fuese correcto.
  • Paso 4 – Adaptar las ponderaciones
  • Paso 5 – Repetir el paso 2: Se introduce un nuevo vector exterior de estimulación, y se inicia el proceso iterativo de corrección una vez más.

    • ARQUITECTURA DEL PROGRAMA ESTELA 3.1

    Usando el programa MacBrain 3.0 de Neurix, Inc

    Atributos descriptivos:

    REPRESENTACIÓN
    1 Presencia de escudo
    2 Presencia de espada
    3 Presencia de animales
    4 Presencia de figura humana
    ... ...

    ICONOGRAFIA
    15 Escudo y Figura Humana dispuestos en plano horizontal
    16 Escudo y Figura Humana dispuestos en plano vertical
    17 Escudo en posición secundaria respecto a la Figura humana
    18 Espada y lanza paralelas, flanqueando el elemento central.
    ... ...

    Cronología:

  • Bronce final II
  • Bronce final III
  • Orientalizante
  • Post orientalizante

    • Zonas Geográficas:

  • Valle del Tajo
  • Valle del Guadiana
  • Valle del Zujar
  • Valle del Guadalquivir

    • La capa de salida de la red dispondrá de 8 unidades. Estableciendo un total de diez unidades intermedias (en la capa oculta); Contiene 48 unidades

    Se seleccionan un conjunto de estelas, a las que se le ha asignado una cronología hipotética, en la mayoría de los casos tienen dos cronologías posibles.

    Se calculan los pesos y niveles de activación de las unidades ocultas en red neuronal han sido calculados a partir de una base de datos que contenía la descripción de 33 estelas: se ha consignado la cronologia y el área geográfica.

    Algoritmo:

    1. Asignar al azar unos valores a las interconexiones iniciales (todos con todos)
    2. Introducir un registro (describe la estela)
    3. Activar el estado actual de la pauta de interconexiones (Utilización de la función Sigmoidal de activación)
    4. Comparar el resultado obtenido con el resultado que aparece en la base de datos y que corresponde a la descripción de esa estela
    5. Utilizar el algoritmo de retro-propagación del error para corregir los errores observados entre el resultado producido y el conocido.
    6. Introducir un nuevo registro

    Se prueba que sea fiable.Y a continuación se podrá analilzar los datos fragmentarios o descritos de manera incompleta con ayuda de una red neuronal

    Ahora activaremos la red con preguntas hipotéticas:

  • ¿Qué pasaría si una Estela contuviese tan sólo un casco de cresta?
  • ¿Qué pasaría si una Estela contuviese tan sólo un escudo de círculos concéntricos?
  • ¿Qué pasaría si una Estela contuviese tan sólo un espejo y un carro?

    Nos diría la posible cronología, ubicación geográfica y de que otros elementos iconográficos podría haber ido acompañado.

    Si concedemos verosimilitud a la red neuronal se la podremos conceder a las respuestas que a posteriori nos de. Todo depende de la calidad de los datos utilizados para construir la secuencia de errores.


    Índice

    Software


    En el punto anterior hemos visto dos ejemplos con dos técnicas de Inteligencia Artificial diferentes, ahora mostraremos otros ejemplos de aplicaciones que exixten.

    Se ha realizado una búsqueda en Internet para encontrar algún tipo de software relacionado con la materia de nuestro trabajo, no existe, ni demos ni nada. En éstos momentos lo único que existe son referencias a bases de datos para introducir la información y más especificamente aplicaciones relacionadas con el mundo de la arqueología en cuanto son Sisitemas de Información Geográfica y otras relacionadas con los cálculos estadísticos.

    Así nuestra fuente de información son los artículos de revistas y actas de Congreso, sobre todo, dónde se han demostrado su utilidad y modo de funcionamiento.

    No se ha llegado a contactar con ninguno de los autores de dichos programas, cosa que quedaría pendiente para un trabajo posterior sin el límite de la variable Tiempo. Queda, pues por demostrar la utilidad actual de éstas aplicaciones: cual es su uso real, que problemas ha dao, cómo de cuantiosos son esos beneficios, ...en fin si se siguen usando o se han quedado básicamente en un trabajo de laboratorio.

    Aunque se pueden nombrar más aplicaciones de las que a continuación vamos a nombrar usando otras técnicas de Inteligencia Artificial nos vamos a quedar con las más interesantes relacionadas con los Sistemas Expertos.


    PALAMADE [FRANCFORT, 1987-1990-1991]

    Sistema que contiene seis módulos independientes: análisis de las Teorías sobre Urbanismo, Sociedad y Estado, Análisis de las Teorías sobre la Civilización, Topografía de las actividades, Tecnología de los artefactos, Análisis de los elementos arquitectónicos, Síntesis de las Conclusiones.

    Su función es estudiar la coherencia interna de las teorías sobre el origen del Estado e interpretar en esos mismos términos los hallazgos procedentes de las excavaciones arqueológicas.


    DENTALIA [G&OACUTE;NZALEZ, 1991]

    Sistema experto para la identificación de piezas dentales provenientes de yacimientos arqueológicos. Utilizan programación en Basic.


    T.I.R.E.S.I.A.S. [BRON, 1991]

    Aplicación para reconocer escenas históricas a partir de la descripción de elementos. Se describe los elementos que componen una escena y la aplicación es capaz de decir que personajes son y que escena representan, por ejemplo: “Heracles y el león.

    El sistema es criticado po CASSIMATIS (1993)


    MIKE [RODRIGUES, 1993]

    Aplicación de un sistema expero que intenta descubrir el razonamiento científico del significado de las figuras femeninas del Paleolítico Superior.


    EOS [DORAN, 1991-1993]

    Utiliza la técnica de los Agentes Inteligentes para simular modelos de sociedades prehistóricas.


    Hay más aplicaciones relacionadas con arqueología, pero esto ya se escapa del ámbito de nuestro tema: comentar las que tienen utilidad en la catalogación de objetos. Recordemos que un arqueólogo es un historiador, que pora él tiene máxima importancia el estudiar las sociedades y por ello muchas aplicaciones de Inteligencia Artificial se están desarrollando en este tema.


    Índice

    Conclusiones


    1. Las técnicas de Inteligencia Artificial aplicadas en el ámbito de la catalogación de fondos museográficos está en un momento de desarrollo a baja escala. Queremos decir con ello que apenas se ha desarrollado nada si lo comparamos con otros ámbitos del saber. Ello es debido a un doble motivo: Por una parte el alejamiento que existía entre las Humanidades y las técnicas informáticas; y por otra el nulo interés, básicamente por su poca rentabilidad económica del mundo del Informático con aspectos relacionados con la Cultura. Pero ya existen asignaturas de Inteligencia Artificial en programas de doctorado, por ejemplo el del Departamento de Prehistoria en la Universidad autónoma de Barcelona y comienzan a aparecer tesis en este ámbito . Por ello podemos preveer un incremento de aplicaciones.

    2. 2. Encontramos aplicación práctica y directa en:
      • Clasificación tipológica de los objetos.
      • Identificación iconográfica de los motivos (asignarle un nombre); que en un futuro se pasará de la descripción al tratamiento de imágenes, aunque esto tardará.
      • c. Asignación cronológica y/o geográfica.
      Se puede usar el programa cuando no disponemos de un experto en ese tema (por ejemplo datación de un tipo de cerámica característico). Y lo utilizamos también para la gestión de la información, cuando la cantidad de conocimientos existente en ese dominio es demasiado grande. También encontramos utilidad en otros ámbitos que se alejan de nuestro tema, pero no de la arqueología cómo son:
      • Los análisis estadísticos (uni- y multidimensionales) con las ventajas que lleva respecto a: facilidad de uso, sencillez para interpretar el resultado del análisis (Reglas vs. Ecuaciones).
      • Tratamiento de imágenes: la microfotografía del desgrasante de una cerámica, planimetría de una región, forma y decoración de los objetos. Incluso análisis directo de las imágenes, sin tener que pasar por la fase de la codificación descriptiva.

    3. Utilización en el Razonamiento científico Tenemos una serie de problemas a resolver:
      1. ¿Qué es esto?
      2. ¿Cuándo se hizo?
      3. ¿Quién lo hizo?
      4. ¿Cómo se hizo?
      5. ¿Por qué se hizo?

      Se utiliza la Inteligencia Artificial como una línea de investigación en el campo de las simulación de sociedades. De la misma manera que se realiza en el ámbito de las Ciencias sociales: Economía, derecho se puede realizar en historia para estudiar las sociedades anteriores.

    4. Estos dos puntos comentados anteriormente se pueden aplicar en la enseñanza universitaria como herramientas de entrenamiento de los futuros historiadores.

    5. Es el papel que nos van a pedir en un futuro inmediato. Nosotros como documentalistas somos conocedores de las fuentes de información dónde se recoge el conocimiento experto. Y también debemos conocer una nueva aplicación de mostrar esos datos. El usuario futuro ya sabe interrogar bases de datos, incluso diseñarlas, nosotros tendremos que ir por delante para poder enriquecer, saber algo que el otro no sabe. Quizás una de las tareas a investigar sea la manera de crear una interfaz inteligente para que el usuario consulte. ¿Agente Inteligente?.
    6. Es una posible linea de investigación, por si alguien no sabe de que hacer la tesis.

    Índice

    BibliografÍa

    ALCIANA FRANCH, José. Diccionario de arqueología. Madrid: Alianza, 1998

    BARCEL&OACUTE;, Juan Antonio. Using intelligent databases in archaeology. Aplicaciones informáticas en Arqueología: Teorias y sistemas. Bilbao: 1991. Tomo I, p. 54-69 (Proyecto Gladius)

    BARCEL&OACUTE;, Juan Antonio. El uso de sistemas expertos en la interpretación de clasificaciones estadísticas multidimensionales. Complutum. 1991, nº1, p. 41-51

    BARCELO, Juan Antonio. Seriación de datos incompletos o ambiguos. Una aplicación arqueológica de las redes neuronales. Aplicaciones informáticas en Arqueología: Teorias y sistemas. Bilbao: 1993. Tomo II, p. 99-116

    BARCELO, Juan Antonio. Arqueología Automática. El uso de técnicas de Inteligencia Artificial en Arqueología Teórica. Barcelona: Crítica, 1993

    BARCELO, Juan Antonio. Arqueología Automática. El uso de la Inteligencia Artificial en Arqueología. Editorial Ausa. Barcelona, 1996. ISBN84-88810-28-8.

    BARCELO, Juan Antonio. J.A. Barceló (Página personal). [En línea]. Barcelona: Universidad Autónoma de Barcelona, 2005. < http://seneca.uab.es/prehistoria/Barcelo > [Consulta 18-5-2005]

    BRON, Christiane; ROGGER, André; VIRET BERNAL, Francine. Iconographie et Intelligence Artificielle: du signe au sens, comprensión et interprétation de l’image. Aplicaciones informáticas en Arqueología: Teorias y sistemas. Bilbao: 1991. Tomo I, p 91-101

    BRON, C.; VIRET BERNAL, F.; BERARD, C; OBERLIN, A.; ROGGER, A; WERRA, D. de. Heracles chez T.I.R.E.S.I.A.S., Traitiment informatique de reconnaissance des eléments sémiologiques pour l’identification analytique des scènes. Hephaistos. 10, 1991, p. 21 i ss

    CASSIMATIS, Hélène; BALANDRAUD, Odette. Lectura morpho-syntaxique de l’iconographie des vases anticues. Aplicaciones informáticas en Arqueología: Teorias y sistemas. Bilbao: 1993. Tomo II, p. 206-218

    DORAN, Jim; PALMER, Mike. The EOS Project: Modelling prehistoric sociocultural trajectories. Aplicaciones informáticas en Arqueología: Teorias y sistemas. Bilbao: 1991. Tomo I, p 183- 198

    DORAN, Jim. Simulating prehistoric societies: Why? And How?. Aplicaciones informáticas en Arqueología: Teorias y sistemas. Bilbao: 1993. Tomo II, p. 40-55

    FRANCFORT, H.P. Un système expert pour l’analyse archéologique de societés proto-urbaines. Premier étape: le cas de Shortugai. Informatique et Sciences Humaines. 1987, 71, p. 73-91.

    FRANCFORT, H.P. Modélisation de raisonnements interprétatifs en archéologie à l’aide de systèmes experts: conséquences d’une critique des fondements des interférences. Interpretation in the Humanities: Perspectives from Artificial Intelligence. Library and Information Research Report, 1990, 71. Wetherby: The british Library Publications.

    FRANCFORT, H.P. Palamade – application of expert systems to the archeology of prehistoric urban civilisations. Computer Applications and Quantitative Methods in Archaeology. Oxford: British Archaeological Reports, 1990.

    FRANCFORT, H.P; LAGRANGE, M.S.; RENAUD, M.; . Palamade. Application des systèmes experts à l’archéologie de civilisations urbaines protohistoriques. Paris: C.N.R.S.-U.P.R. 315., 1989

    GARDIN, Jean-Claude. La inteligencia artificial en arqueología: hoy y mañana. Complutum. 1991, nº1, p. 31-39

    G&OACUTE;NZALEZ CRESPO, Amador M; FRUTOS VAQUERIZO, J.; MAICAS RAMOS, R. Sistema Experto para aplicaciones de cerámicas ferroeléctricas. XXX Congreso Nacional de Cerámica y Vidrio. Santiago de Compostela, 1990.

    G&OACUTE;NZALEZ, Amador M.; MA&IACUTE;CAS, R. <>. Un systeme expert pour la classification de restes osseux. Aplicaciones informáticas en Arqueología: Teorias y sistemas. Bilbao: 1991. Tomo I, p 231- 238

    GUIMIER-SORBETS, Anne-Marie; JOCKEY, Philippe. Systèmes d’information sur les sculptures de Delos. Aplicaciones informáticas en Arqueología: Teorias y sistemas. Bilbao: 1991. Tomo I, p 254- 268.

    MAICAS, R.; 1989. Ejemplos de aplicaciones de Inteligencia Artificial en Arqueología. Cuadernos de Prehistoria y arqueología de la Universidad Autónoma de Madrid. Madrid, 1991.

    MERINO, J.M. Tipología lítica. San sebastián: Arabzadi, 1980.

    MARTIN ALMAGRO. Las estelas decorada del suroeste peninsular. Madrid: 1966

    MOSCATI, Paola. Choice, representation and structuring of archeological information: a current problem. Aplicaciones informáticas en Arqueología: Teorias y sistemas. Bilbao: 1993. Tomo II, p 72- 82

    MOURRE, J. Le Système Expert SILEX. Raport DESS, ISI. Laboratoire pour l’Analyse de Scènes. Sophia-Antipolis (Valbonne): INRIA 1985

    Normalización Documental de Museos. Madrid: Ministerio de Educación y Cultura, 1998. ISBN 84-369-3148-3

    OBERLIN, A.; ROGGER, A; WERRA, D. de; BRON, C.; VIRET BERNAL, F.; BERARD, C. Identifying mythological scenes with Artificial Intelligence. Science and Archaeology, 33, 1991, p. 18-27.

    RENFREW, Colin.; BAHN, Paul. Arqueología, teorías, métodos y práctica. Madrid: Akal, 1993. ISBN 84-460-0234-5

    RICH, Elaine; KNIGHT, Kevin. Inteligencia Artificial. Madrid: McGraw-Hill, 1994. ISBN 84-481-1858-8

    RODRIGUES, Maria da Conceiçao Monteiro. Female figures of the upper paleolithic: one interpretation through an expert system. Aplicaciones informáticas en Arqueología: Teorias y sistemas. Bilbao: 1993. Tomo II, p. 335-355

    ROGGER, André; BRON, Christiane; VIRET BERNAL, Francine. The integration of Picture descriptions in the knowledge base of T.I.R.E.S.I.A.S. Aplicaciones informáticas en Arqueología: Teorias y sistemas. Bilbao: 1993. Tomo II, p.440-455

    S&AACUTE;NCHEZ MESEGUER, J. Sistemas expertos en arqueología: valoración de las hipótesis. Espacio, tiempo y forma. serie I, tomo I, p. 491-505

    STECKNER, Cornelius. Quantitative methods with qualitative results in expert system. Physical qualities in historical shape design. Aplicaciones informáticas en Arqueología: Teorias y sistemas. Bilbao: 1993. Tomo II, p. 486- 499

    Índice