Cargar los datos

clear all;
load fuzex1trnData.dat
load fuzex1chkData.dat

Abrir el Diseñador Neuro-difuso Y configurar de acuerdo con las instrucciones dadas en clase.

neuroFuzzyDesigner

Para entrenar el sistema difuso

Utilizar: grid partition, Método de optimización (Error Tolerance 0 y Epochs 40)

La grafica muestra El error de entrenamiento (**) y el error de chequeo (...), el chequeo sirve para
detectar sobre ajuste (Overfitting).

PAra evaluar el sistema difuso con relación a los datos de chequeo, se hace en el area TEST FIST
Se debe observar que el sistema presenta un desempeño aceptable.

Actividad
Construir con la herramienta de Matlab NeuroFuzzyDesigner, un sistema difuso para el siguiente
conjunto de datos.

load fuzex2trnData.dat
load fuzex2chkData.dat
subplot(2,1,1)
plot(fuzex2trnData(:,1),fuzex2trnData(:,2));
title('Train data')
subplot(2,1,2)
plot(fuzex2chkData(:,1),fuzex2chkData(:,2));
title('Checking data')

Configurar la herramienta, para utilizar como partición la opción clustering y luego por partición grilla.

Consideración
En el último ejemplo se muestra que ocurre cuando los datos de chequeo presentados a la ANFIS para
entrenerla son sustancialmente diferentes del conjunto de datos de entrenamiento. Como resultado, el
sistema difuso entrenado no captura las caracteristicas de estos datos bien. Es importante conocer las
caracteristicas de los datos para seleccionar tanto los datos de entrenamiento como los de chequeo.

En el ejemplo usted debió observar un valor de error de chequeo grande que indica que se debe
modificar los parámetros de las funciones de pertenecia o que requiere más datos para tener un
proceso de ajuste adecuado.