Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Una de las mayores contribuciones al area de las redes neuronales fue realizada en los años
1980 por John Hopfield, quien estudio modelos aoutoasociativos que presentaban algunas
similaridades con los perceptrones, pero que también incluían grandes diferencias.
que 𝐹(𝑥
⃗⃗⃗⃗) 𝑦⃗⃗𝑖 , pero si el vector de entrada difiere de uno de los ejemplares en el vector 𝑑⃗, de
𝑖 = ⃗⃗
Hemos realizado las anteriores definiciones para centrarnos ahora en el modelo de Hopfield.
Primero diremos que la estructura de red neuronal que propone viene a ser una memoria
autoasociativa de una sola capa, totalmente conectada y recurrente.
La red de Hopfield está formada por n neuronas, cada una conectada a todas las demás salvo a
ella misma. La matriz de pesos de la red de Hopfield es una matriz W = (𝑤𝑖𝑗 ) de orden n × n,
donde 𝑤𝑖𝑗 representa el peso de la conexión de la neurona i a la neurona j. Dicha matriz posee
las siguientes particularidades:
Es una matriz simétrica, es decir, 𝑤𝑖𝑗 ) = 𝑤𝑖𝑗 ) ∀i, j = 1, 2, . . . , n. Esto implica que el peso de la
conexión entre dos neuronas tiene el mismo valor en ambos sentidos.
Historia
Características
Aplicaciones
Otro factor a tener en cuenta es que el control difuso permite diseñar soluciones
de alta calidad que eviten las patentes existentes en otros sistemas de control.
En Japón este tipo de controladores se asocia a modernidad, alta calidad y
tecnológicamente potente. En Europa sin embargo se trata de ocultar el término
“difuso” por su significado negativo. En la actualidad multitud de productos de
electrónica de consumo emplean lógica difusa (ver Figura 1.4). Por citar algunos
ejemplos de uso, la empresa japonesa Matsuhita utiliza en sus lavadoras un
sistema de control que determina automáticamente el ciclo de lavado según el
tipo, cantidad de suciedad y tamaño de la colada. Los estabilizadores de
imágenes en sus cámaras digitales incorporan reglas que eliminan las
vibraciones involuntarias de la mano del operario, comparando la imagen actual
con las imágenes anteriores de la memoria. En el ámbito de la automoción,
Mitsubishi y General Motors emplean sistemas de transmisión automática y
control de temperatura basados en lógica difusa. Otro caso de éxito es el metro
de Sendai (Japón), que cuenta con 16 estaciones. El sistema de control difuso
está dividido en dos módulos, uno para el control de la velocidad (similar al de
[1]) y otro para la parada automática. Este controlador difuso ofrece importantes
ventajas sobre los controladores convencionales, como el mayor confort en el
viaje para los pasajeros y menor consumo de energía.
Figura 1.4: En la actualidad, multitud de productos de consumo (lavadoras, microondas, cámaras
de vídeo, televisores) y sistemas (ascensores, trenes, motores, frenos, control de tráfico) utilizan
internamente métodos de lógica difusa.
Conjuntos Difusos
A = {(x, µA(x))/x∈X}
Funciones de membresía
Existe una gran variedad de formas para las funciones de membresía, las más
comunes son del tipo trapezoidal, triangular, singleton, S.
Operaciones difusas
Para comprender mejor veamos la Figura I-2 que arroja los siguientes datos:
A partir de ahora y durante el resto de las operaciones en el interior del corazón
fuzzy estos datos (0.45, 0.20 y 0.00, son valores de las funciones de membresía)
representarán a las variables sensados del proceso. A tales datos les
llamaremos µ en sentido genérico para diferenciarlos de otras funciones de
membresía. 𝜇𝐴 (𝑥) = 𝜇.
Reglas difusas
Los controladores difusos usan reglas, estas combinan uno o más conjuntos
borrosos de entrada llamados antecedentes o premisas y le asocian un conjunto
borroso de salida llamado consecuente o consecuencia. Involucran a conjuntos
difusos, lógica difusa e inferencia difusa. A estas reglas se les llama reglas
borrosas o difusas o fuzzy rules. Son afirmaciones del tipo SI-ENTONCES. Los
conjuntos borrosos del antecedente se asocian mediante operaciones lógicas
borrosas AND, OR, etc.
Junto a cada regla puede estar asociado un valor entre cero y uno que pesa a
tal regla, esto puede ser importante cuando una regla tiene menor fuerza que
otras de la base de reglas.
Existe una gran variedad de tipos de reglas, dos grandes grupos son los que en
general se emplean, las reglas difusas de Mamdani y las reglas difusas de
Takagi-Sugeno (TS, para abreviar).
La estructura de las reglas es la misma tanto para controladores como para
modelos, simplemente cambiarán las variables implementadas.
3° Ley: “El ejemplo típico de nivel de líquido siempre debe ser controlado”.
Diseño
Luego hay que definir es el tipo de controlador, es decir Mamdani o TS. Lo más
intuitivo es Mamdani, TS es muy bueno para estructuras con optimización, las
cuales no se ven en este trabajo. Normalmente, para problemas de seguimiento
o regulación con referencia distinta de cero, las variables que se controlan son
el error y su derivada. Para dimensionar el controlador se usa el rango de las
variables de entrada y de salida, puede ser necesario pesar las entradas y la
salida, principalmente para hacer un ajuste fino. La elección de las funciones de
membresía no es tan crítica como su rango de representación, con esto se
representa el conocimiento de las variables. Naturalmente, en la edición de la
base de reglas se representa la estrategia de control. La elección de los métodos
de inferencia, agregado, defusificación y las definiciones en las operaciones
entre conjuntos son un procedimiento de prueba y error evaluando el desempeño
del controlador, aquí se adoptará la información presentada en la literatura.
Normalmente lo presentado en I.2-Lógica Difusa es lo que da mejores
resultados. Los procedimientos de análisis y diseño pueden ser iterativos hasta
lograr un desempeño aceptable.
Análisis A la etapa de análisis se la puede descomponer en dos, una para la
observación del comportamiento de las variables de entrada (se pueden emplear
herramientas estadísticas, Fourier, correlación, etc.) seguido por la etapa de
diseño, y la otra parte del análisis es para observar los resultados del diseño
implementado. En este último caso es común que se use el plano fásico y la
respuesta temporal del sistema, además cuando se trabaja con dos variables de
entrada y una de salida se puede representar la salida con una superficie de
control y sobre esta se puede montar la trayectoria que siguen las señales de
entrada. Estas representaciones de la información son necesarias para evaluar
el desempeño del sistema con el controlador diseñado.
Considerar el rango de -27 a 47 para las entradas y 3 Funciones miembro para cada una
de las entradas.
Considerar el rango de -80 a 80 para la salida y 5 Funciones miembro para la salida.
>>fuzzy
Se ingresan las reglas
RESULTADOS
Modificamos los parámetros y cambiamos los nombres
Reglas
Modificamos las reglas de acuerdo con los parámetros establecidos
SURFACE VIEWER
Podemos observar la gráfica en Surface viewer y sus parámetros
establecidos.
DEFUZIFICACIÓN
La defuzzificación del centroide devuelve el centro del área debajo de la
curva. Si piensas en el área como una placa de igual densidad, el centroide
es el punto a lo largo del eje x sobre el que se equilibrará esta forma.
Conclusiones
[1] J.P. Aurrand-Lions, L. Fournier, P. Jarri, et al. Application of fuzzy control for
ISIS vehicule braking. In Proceedings of Fuzzy and Neuronal Systems, and
Vehicule applications’91, 1991.
[2] L.A. Zadeh. Fuzzy set. Information and Control, 8:338–353, 1965
[3] L.A. Zadeh. Outline of a new approach to the analysis of complex system.
IEEE Transaction on System Man and Cybernetics, 1:28– 44, 1973.
[9] http://www.fuzzytech.com
file:///C:/Users/Alvaro/Downloads/red_de_hopfield_y_crecimiento_de_redes.pdf