9.

Para el ejercicio se creó una base de datos con cuatro entradas y una salida en donde los
resultados pueden ser de tres diferentes tipos de temperatura A (Adecuada), F(frio), C(caliente).

En donde pueden ser afectadas por los valores de las entradas

Simulación en Weka

Aquí observamos que tenemos 14 instancias correctas en la diagonal principal.

Correctly Classified Instances 14 46.6667 %

Incorrectly Classified Instances 16 53.3333 %

Sorna
Conexiones Directas, 1 neurona intermedia

Conexiones directas 3 neuronas intermedias

 3 capas, 1 neurona intermedia

En este programa mientras más capas tienen el sistema más estable se vuelve, al mismo
tiempo tenemos que mientras más neuronas tengan el sistema, este tiende a ser más
problemático, sin embargo, no importa las capas o neuronas que se usen. Tal vez se debe al
tamaño de la base de datos, ya que es pequeña. Simulando en weka nos muestra que el sistema
arroja 7 instancias correctas y 13 erróneas.

En este caso es mejor weka ya que nos muestra una exactitud mejor que la de Sorna.

10.
Para este ejercicio se ocupó la misma base de datos creada anteriormente y se creó el sistema de
lógica difusa en FisPro determinando las entradas con sus respectivas FPs al igual que la salida que
es el resultado que se tiene que obtener con una temperatura de 21°, que es la más adecuada.

Se prosiguió a crear las reglas de inferencia con 36 posibles casos y obtuvimos como resultado:
Otro ejemplo con un número mayor de reglas pero dando como resultado temperaturas bajas,
llegando a la conclusión; que a mayor número de reglas el sistema lógico no es tan eficaz a los
resultados esperados.
Otro caso, pero como resultado una temperatura más baja.