Facultad de Ingeniería

Escuela de Ingeniería de Sistemas

“Año de la Promoción de la Industria Responsable y del Compromiso Climático”

FACULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS

Docente:

Ing. KARLA JUVICZA NEYRA ALEMAN

Curso:

Inteligencia Artficial.

Integrantes:

 Alcocer Ccollana, Joseclaudio

 Chafloque Carrillo, Jerson
 Gil Lobatón, Héctor
 Salcedo Ochoa, Rafael
 Requelme Avila Lucerito.
.
Semestre académico:

2014 – 02

Ciclo académico:

IX

Inteligencia Artificial
1
 Facultad de Ingeniería
Escuela de Ingeniería de Sistemas

Introducción

Debido a la variedad de sus aplicaciones la lógica difusa (llamada también

Lógica Borrosa) o Fuzzy Logic parece estar introducida en todos los sectores;
control de complejos procesos industriales, diseño de dispositivos artificiales de
deducción automática, construcción de artefactos electrónicos de uso doméstico
y de entretenimiento, sistemas de diagnóstico, entre otros. En los últimos años
se han investigado y desarrollado diversas tecnologías relacionadas con
funciones y características humanas de campos cercanos al psicológico
(inteligencia artificial) y a los procesos biológicos (redes neuronales, algoritmos
genéticos y programación evolutiva). Estas tecnologías conocidas como
"tecnologías inteligentes" representan el conocimiento de una forma a la vez
entendible por los humanos y manejable por los sistemas informáticos.

En los años 60, en la Universidad de California en Berkeley, Lotfi A. Zadeh

introdujo el concepto de la lógica difusa guiado por el principio de que las
matemáticas pueden ser usadas para encadenar el lenguaje con la inteligencia
humana. Algunos conceptos pueden ser mejor definidos en términos de
palabras, que por matemáticas; la lógica difusa y su expresión en conjuntos
difusos, proveen una disciplina que puede construir mejores modelos de la
realidad.

Las clásicas imponen a sus enunciados únicamente los valores falso o

verdadero y de esta manera han modelado satisfactoriamente una gran parte del
razonamiento "natural". Por medio de la lógica difusa pueden formularse
matemáticamente nociones como "un poco caliente" o "muy frío", de forma que
sean procesadas por computadoras y cuantificar expresiones humanas vagas,
tales como "muy alto" o "luz brillante". Pudiéndose, de esta forma, o más bien,
intentándose aplicar la forma de pensar del ser humano a la programación de
computadores, sensores, chips, etc. La habilidad de la lógica difusa para
procesar valores parciales de verdad ha sido de gran ayuda para la ingeniería.

Inteligencia Artificial
2
 Facultad de Ingeniería
Escuela de Ingeniería de Sistemas

LA LOGICA DIFUSA

Concepto:
La lógica difusa (también llamada lógica borrosa o lógica heurística) se basa en
lo relativo de lo observado como posición diferencial. Este tipo de lógica toma
dos valores aleatorios, pero contextualizados y referidos entre sí. Así, por
ejemplo, una persona que mida 2 metros es claramente una persona alta, si
previamente se ha tomado el valor de persona baja y se ha establecido en 1
metro. Ambos valores están contextualizados a personas y referidos a una
medida métrica lineal.Fue formulada en 1965 por el ingeniero y matemático Lofti
Zadeh.1

La lógica difusa es el elemento de desarrollo de dichas tecnologías. Se podría

considerar como un lenguaje que permite trasladar sentencias sofisticadas del
lenguaje natural a un formalismo matemático. El conocimiento se adquiere y se
trabaja con él, de una manera inferencial y deductiva, por medio de un
razonamiento simbólico. Obteniéndose, para la resolución de un problema, un
conjunto de hechos inciertos denominados conjuntos difusos y a sus reglas
lógica difusa.

. Esta lógica permite cuantificar las descripciones imprecisas que se usan en el

lenguaje y las transiciones graduales en los electrodomésticos como "ir de agua
sucia" a "agua limpia" en una lavadora, pudiéndose así ajustar los ciclos de
lavado a través de sensores.

Funcionamiento

La lógica difusa se adapta mejor al mundo real en el que vivimos, e incluso

puede comprender y funcionar con nuestras expresiones, del tipo "hace mucho
calor", "no es muy alto", "el ritmo del corazón está un poco acelerado", etc.
La clave de esta adaptación al lenguaje, se basa en comprender
los cuantificadores de cualidad para nuestras inferencias (en los ejemplos de
arriba "mucho", "muy" y "un poco").
En la teoría de conjuntos difusos se definen también las operaciones
de unión, intersección, diferencia, negación o complemento, y otras operaciones
sobre conjuntos (ver también subconjunto difuso), en los que se basa esta
lógica.
Para cada conjunto difuso, existe asociada una función de pertenencia para sus
elementos, que indican en qué medida el elemento forma parte de ese conjunto
difuso. Las formas de las funciones de pertenencia más típicas son trapezoidal,
lineal y curva.
Inteligencia Artificial
3
 Facultad de Ingeniería
Escuela de Ingeniería de Sistemas

Se basa en reglas heurísticas de la forma SI (antecedente) ENTONCES

(consecuente), donde el antecedente y el consecuente son también conjuntos
difusos, ya sea puros o resultado de operar con ellos. Sirvan como ejemplos de
regla heurística para esta lógica (nótese la importancia de las palabras
"muchísimo", "drásticamente", "un poco" y "levemente" para la lógica difusa):

 SI hace muchísimo frío ENTONCES aumento drásticamente la temperatura.

 SI voy a llegar un poco tarde ENTONCES aumento levemente la velocidad.
Los métodos de inferencia para esta base de reglas deben ser sencillos,
versátiles y eficientes. Los resultados de dichos métodos son un área final, fruto
de un conjunto de áreas solapadas entre sí (cada área es resultado de una regla
de inferencia). Para escoger una salida concreta a partir de tanta premisa difusa,
el método más usado es el del centroide, en el que la salida final será el centro
de gravedad del área total resultante.
Las reglas de las que dispone el motor de inferencia de un sistema difuso
pueden ser formuladas por expertos, o bien aprendidas por el propio sistema,
haciendo uso en este caso de redes neuronales para fortalecer las futuras tomas
de decisiones.
Los datos de entrada suelen ser recogidos por sensores, que miden las variables
de entrada de un sistema. El motor de inferencias se basa en chips difusos,
que están aumentando exponencialmente su capacidad de procesamiento de
reglas año a año.
Un esquema de funcionamiento típico para un sistema difuso podría ser de la
siguiente manera:

Inteligencia Artificial
4
 Facultad de Ingeniería
Escuela de Ingeniería de Sistemas

Por ejemplo, imaginando que nuestro sistema difuso fuese el climatizador de un

coche que se autorregula según las necesidades: Los chips difusos del
climatizador recogen los datos de entrada, que en este caso bien podrían ser la
temperatura y humedad simplemente. Estos datos se someten a las reglas del
motor de inferencia (como se ha comentado antes, de la forma SI...
ENTONCES... ), resultando un área de resultados. De esa área se escogerá el
centro de gravedad, proporcionándola como salida. Dependiendo del resultado,
el climatizador podría aumentar la temperatura o disminuirla dependiendo del
grado de la salida.

Lógica difusa en inteligencia artificial

En Inteligencia artificial, la lógica difusa, o lógica borrosa se utiliza para la
resolución de una variedad de problemas, principalmente los relacionados con
control de procesos industriales complejos y sistemas de decisión en general, la
resolución y la compresión de datos. Los sistemas de lógica difusa están
también muy extendidos en la tecnología cotidiana, por ejemplo en cámaras
digitales, sistemas de aire acondicionado, lavarropas, etc. Los sistemas basados
en lógica difusa imitan la forma en que toman decisiones los humanos, con la
ventaja de ser mucho más rápidos. Estos sistemas son generalmente robustos y
tolerantes a imprecisiones y ruidos en los datos de entrada. Algunos lenguajes
de programación lógica que han incorporado la lógica difusa serían por ejemplo
las diversas implementaciones de Fuzzy PROLOG o el lenguaje Fril.
Consiste en la aplicación de la lógica difusa con la intención de imitar
el razonamiento humano en la programación de computadoras. Con
la lógica convencional, las computadoras pueden manipular valores
estrictamente duales, como verdadero/falso, sí/no o ligado/desligado. En la
lógica difusa, se usan modelos matemáticos para representar nociones
subjetivas, como caliente/tibio/frío, para valores concretos que puedan ser
manipuladas por los ordenadores.
En este paradigma, también tiene un especial valor la variable del tiempo, ya
que los sistemas de control pueden necesitar retroalimentarse en un espacio
concreto de tiempo, pueden necesitarse datos anteriores para hacer una
evaluación media de la situación en un período anterior...

Conceptos y operaciones con los que trabaja la Lógica Borrosa

o Difusa.

Inteligencia Artificial
5
 Facultad de Ingeniería
Escuela de Ingeniería de Sistemas

Intervalos de Confianza: Constituyen los datos y valores con los cuales trabaja la
Lógica Borrosa, pueden ser intervalos formados solos por dos números,
números borrosos triangulares o números borrosos trapezoidales.

Niveles de Presunción o a corte: Expresan los niveles de presición con los que
son dados los números borrosos, desde 0 (total impresición) hasta 1(total
presición).

Evaluación: Asociación de un valor numérico que puede ser negativo, positivo o

nulo a un objetivo concreto o abstracto realizado por un experto.
Correspondencia entre un valor borroso y un estado real.

Valuación: Expresión de un nivel de verdad, que toma valores del intervalo de

confianza (0,1). El nivel de presición que se le hace corresponder a la evaluación
dada por los expertos.

Adición (con números Reales en su conjunto):

[a1; a2]+ [b1+ b2]= [a1+ b1; a2 + b2]

Sustracción:

[a1; a2]- [b1+ b2]= [a1- b2; a2 - b1]

Multiplicación:

[a1; a2]* [b1+ b2]= [mín (a1* b1; a1* b2; a2* b1; a2* b2); máx (a1* b1; a1* b2;
a2* b1; a2* b2)]

División:

A/B= A* B-1

Donde B-1= [mín (1/a1; 1/a2); máx (1/a1; 1/a2)]

Aplicaciones

La lógica difusa se utiliza cuando la complejidad del proceso en cuestión es muy

alta y no existen modelos matemáticos precisos, para procesos altamente no
lineales y cuando se envuelven definiciones y conocimiento no estrictamente
definido (impreciso o subjetivo).
En cambio, no es una buena idea usarla cuando algún modelo matemático ya
soluciona eficientemente el problema, cuando los problemas son lineales o
cuando no tienen solución.
Esta técnica se ha empleado con bastante éxito en la industria, principalmente
en Japón, extendiéndose sus aplicaciones a multitud de campos. La primera vez
Inteligencia Artificial
6
 Facultad de Ingeniería
Escuela de Ingeniería de Sistemas

que se usó de forma importante fue en el metro japonés, con excelentes

resultados. Posteriormente se generalizó según la teoría de la incertidumbre
desarrollada por el matemático y economista español Jaume Gil Aluja.

En los últimos años la Lógica Borrosa se ha utilizado en distintos tipos de

instrumentos, máquinas y en diversos ámbitos de la vida cotidiana. Algunos
casos por ejemplo son los estabilizadores de imágenes en grabadoras de vídeo,
controladores de ascensores e ingeniería de terremotos.

También se ha usado esta técnica en la industria, obteniéndose excelentes

resultados como en el caso del metro de Sendai en Japón, ya que permitía que
el metro arrancara y frenara con gran suavidad, sin producir alteraciones entre
los pasajeros.
A continuación se citan algunos ejemplos de su aplicación:

 Sistemas de control de acondicionadores de aire

 Optimización de sistemas de control industriales
 Sistemas de escritura
 Mejora en la eficiencia del uso de combustible en motores
 Sistemas expertos del conocimiento (simular el comportamiento de un
experto humano)
 Tecnología informática
 Bases de datos difusas: Almacenar y consultar información imprecisa. Para
este punto, por ejemplo, existe el lenguaje FSQL.
 ...y, en general, en la gran mayoría de los sistemas de control que no
dependen de un Sí/No.
 Productos creados para el consumidor: Lavadoras difusas (Matsuhita
Electronic Industrial), hornos microondas, sistemas térmicos, traductores
lingüísticos, cámaras de vídeo, televisores, estabilizadores de imágenes
digitales (Matsuhita) y sistemas de foco automático en cámaras fotográficas.
 Sistemas: Elevadores, trenes, automóviles (caso de los sistemas de
transmisiones, de frenos y mejora de la eficiencia del uso de combustible en
motores), controles de tráfico.
 Software: Diagnóstico médico, seguridad, comprensión de datos, tecnología
informática y bases de datos difusas para almacenar y consultar información
imprecisa (uso del lenguaje FSQL).


Inteligencia Artificial
7
 Facultad de Ingeniería
Escuela de Ingeniería de Sistemas

Ventajas e inconvenientes
Como principal ventaja, cabe destacar los excelentes resultados que brinda un
sistema de control basado en lógica difusa: ofrece salidas de una forma veloz y
precisa, disminuyendo así las transiciones de estados fundamentales en el
entorno físico que controle. Por ejemplo, si el aire acondicionado se encendiese
al llegar a la temperatura de 30º, y la temperatura actual oscilase entre los 29º-
30º, nuestro sistema de aire acondicionado estaría encendiéndose y
apagándose continuamente, con el gasto energético que ello conllevaría. Si
estuviese regulado por lógica difusa, esos 30º no serían ningún umbral, y el
sistema de control aprendería a mantener una temperatura estable sin continuos
apagados y encendidos.

También está la indecisión de decantarse bien por los expertos o bien por la
tecnología (principalmente mediante redes neuronales) para reforzar las reglas
heurísticas iniciales de cualquier sistema de control basado en este tipo de
lógica.

Inteligencia Artificial
8
 Facultad de Ingeniería
Escuela de Ingeniería de Sistemas

Conclusiones

En conclusión, las lógicas difusas crean aproximaciones

matemáticas en la resolución de ciertos tipos de problemas,
produciendo resultados exactos a partir de datos imprecisos, siendo
por ello, especialmente útiles en aplicaciones de tipo electrónico e
informático.

La lógica difusa, admite verdades y falsedades parciales. Aceptar

esta premisa exige una nueva forma de ver los problemas, la
realidad.

La lógica difusa junto con otras herramientas han abierto las puertas
al tratamiento a una gran variedad de fenómenos y sistemas que
resultaban hasta antes de la aparición de aquellas, difíciles de definir
y en ciertos casos la tarea era casi imposible mediante los modelos
matemáticos convencionales, que suelen pensarse como infalibles y
exactos.

Un conjunto difuso es un conjunto con fronteras suaves tal que la

membresía en el conjunto llega a ser una materia de grado.

Un conjunto difuso tiene una representación dual: una descripción

cualitativa y utilizando un termino lingüístico, y una descripción
cuantitativa a través de una función de membresía, la cual relaciona
los elementos en un universo de discurso para sus grados de
membresía en el conjunto.

Inteligencia Artificial
9
 Facultad de Ingeniería
Escuela de Ingeniería de Sistemas

Bibliografía

http://www.monografias.com/trabajos98/introduccion-logica-borrosa-o-

difusa/introduccion-logica-borrosa-o-difusa.shtml

http://es.wikipedia.org/wiki/L%C3%B3gica_difusa

http://www.dma.fi.upm.es/java/fuzzy/tutfuzzy/introduccion3.html

http://es.slideshare.net/mentelibre/conceptos-y-fundamentos-de-lgica-difusa

Inteligencia Artificial
10