La Lgica Difusa y las Redes Neuronales

Artificiales en el Clculo Inteligente

Dra. Yesenia E. Gonzlez Navarro

UPIITA-IPN
Clculo Inteligente (Soft Computing)
Actualmente es una disciplina en desarrollo y no establecida an en
forma clara.

Incluye:
Mtodos de acondicionamiento de problemas.
Mtodos de resolucin de problemas.

Ambas aplicaciones tratan de imitar la inteligencia de algunos seres

vivos, la cual, de ninguna manera es precisa, cuantitativa,
rigurosa o computacional.
 Inteligencia Humana
Como humanos (la especie
ms inteligente conocida)
somos malos en la realizacin
de clculos matemticos, una
minora de nosotros puede
realizar multiplicaciones de
tres dgitos mentalmente, sin
embargo, hemos asegurado
nuestra supervivencia en la
naturaleza.
 El Cerebro
El cerebro humano es capaz
de procesar millones de datos
visuales, acsticos, olfatorios,
tctiles y motores.

Muestra una asombrosa

habilidad para aprender de la
experiencia y generaliza a
partir de reglas aprendidas.

Reconoce patrones y toma

decisiones.
La disciplina de clculo inteligente trata de transferir
algunas de las habilidades del ser humano y de algunos otros
seres vivos a los modelos y algoritmos de mquinas
inteligentes y sistemas artificiales inteligentes con el fin de
habilitarlos para sobrevivir en ambientes estructurados o de
forma ideal en ambientes no estructurados donde puedan
desempear tareas basndose en experiencia previa, con
razonable exactitud, razonable costo y razonable
cantidad de tiempo.
 Clculo Tradicional vs
Clculo Inteligente
Clculo Tradicional Clculo Inteligente
(Hard Computing) (Soft Computing)
Los mtodos de clculo Los mtodos de clculo
tradicionales a menudo inteligente sacrifican precisin
resultan complicados para los a cambio de entender el
problemas actuales. comportamiento del sistema.

Necesitan modelos analticos Han probado ser una

precisos y frecuentemente herramienta prctica importante
mucho tiempo de cmputo. para la solucin de problemas
contemporneos.
 Fundamentos para el Clculo
Inteligente
El mundo a nuestro alrededor
es impreciso, incierto y
aleatoriamente cambiante y
sin embargo, podemos
sobrevivir.
Este deseo de imitar la
capacidad humana de
supervivencia condujo a Lotfi
Zadeh (1994) a la bsqueda
de *premisas y principios de
gua para el clculo inteligente.
* Afirmaciones o ideas que se tienen como ciertas y que sirven de base para un razonamiento.
Premisas Principio de gua
El mundo real es impreciso e Debe explotarse la tolerancia
incierto. en la imprecisin, en la
incertidumbre y en la verdad a
Precisin y certidumbre tienen medias para lograr
un costo. manejabilidad, robustez y
soluciones de bajo costo.
Premisas Principio de gua
El mundo real es impreciso e Debe explotarse la tolerancia
incierto. en la imprecisin, en la
incertidumbre y en la verdad a
Precisin y certidumbre tienen medias para lograr
un costo. manejabilidad, robustez y
soluciones de bajo costo.

Tanto las premisas como el principio de gua para el clculo inteligente

difieren fuertemente de los objetivos del clculo tradicional, que
requiere precisin, certidumbre y rigor.
 Mtodos de Clculo Inteligente
Redes Neuronales Artificiales.
Mquinas de Soporte
Vectorial.
Lgica Difusa.
Algoritmos Genticos.
Algoritmos Evolutivos.
Razonamiento Probabilstico.
Teora de Fractales.
Teora del Caos.
Redes Bayesianas.
 Mtodos de Clculo Inteligente
Redes Neuronales Artificiales.
Mquinas de Soporte Aprendizaje estadstico
Vectorial.
Lgica Difusa. (Aprenden de
Algoritmos Genticos. datos
experimentales)
Algoritmos Evolutivos.
Razonamiento Probabilstico.
Aprendizaje probabilstico
Teora de Fractales.
Teora del Caos.
Redes Bayesianas.
 Centrndose en el Aprendizaje
Estadstico
Las redes neuronales La lgica difusa (Fuzzy Logic)
artificiales (Artificial Neural es la encargada de estructurar
Networks) y las mquinas de el conocimiento humano en
soporte vectorial (Support algoritmos manejables.
Vector Machines) son
estructuras matemticas
(modelos) detrs de la idea de
aprendizaje.
Complejidad del Sistema
vs Precisin en el Modelo
Modelos matemticos
tradicionales
Precisin en el modelo
Mtodos de
modelos libres
Lgica difusa

Complejidad del sistema

Complejidad del Sistema
vs Precisin en el Modelo
Modelos matemticos
tradicionales
Precisin en el modelo
Mtodos de
modelos libres
Lgica difusa

Complejidad del sistema