Documentos de Académico
Documentos de Profesional
Documentos de Cultura
/58
2
Mapa Conceptual del Curso
Introducción a la
Lógica Difusa
Relaciones en
Funciones de Lógica Clásica y Inferencia
Conjuntos
membresía Lógica Difusa Difusas
Difusos
Principio de
Extensión
/58
3
INTRODUCCIÓN
/58
4
Introducción
1. Incertidumbre.
– Se relaciona a la información (falta de información).
– Cuando no se sabe cuando puede ocurrir cierto evento.
– No se conoce una teoría que explique el fenómeno.
2. Probabilidad.
– Es una propiedad física de los objetos, determina la
posibilidad de que cierto evento puede ocurrir.
– Se calcula y verifica por experimentación.
3. Imprecisión (ambigüedad).
– Es una característica del lenguaje de comunicación
humano.
– Esta relacionada con el grado en que el evento ocurre.
/58
5
1. Incertidumbre
• ¿Cuándo va ha suceder un terremoto?
• ¿Aprobaré el curso?
• Si tiro la moneda, ¿sale cara o sello?
• ¿La respuesta a la pregunta es V o F?
/58
6
1. Incertidumbre
• Se trabaja con niveles de creencias.
• Rango de valores [0,1]
/58
7
2. Probabilidad
Rango de valores [0,1]
Ejemplos:
• P (X = cara) = 0.5
• P (X = ROJO) = 2/7
X
ROJO AZUL VERDE
/58
8
3. Ambigüedad
• La ambigüedad es incertidumbre determinística
/58
9
3. Ambigüedad
Es una característica del lenguaje humano.
Ejemplos:
• Si estudias bastante entonces obtendrás buenas notas.
• El proyecto del KDD avanza fuertemente.
• Los alumnos le ponen fuerza a sus proyectos.
• Profesor buena gente
• Profesor mala gente
• Si el profesor es buena gente entonces el examen será fácil
• Si el profesor es mala gente entonces el examen será difícil
10
/58
Ambigüedad contra Probabilidad
• Ambigüedad es una incertidumbre determinística, la
probabilidad es no determinística.
11
/58
Ejercicio 1
12
/58
Ambigüedad contra Probabilidad
Incertidumbre
Subjetividad en la Aleatoriedad
calificación de de eventos
eventos no definidos de
aleatorios manera precisa
13
/58
LÓGICA DIFUSA
14
/58
Lógica Difusa
• La lógica difusa es una extensión de la lógica convencional
(Booleana) para manejar el concepto de verdad parcial.
V V
F F
Lógica booleana Lógica difusa
15
/58
Conjuntos Difusos y Lógica Difusa
• La palabra fuzzy viene del ingles fuzz (tamo, pelusa, vello)
y se traduce por difuso o borroso.
• Lotfi A. Zadeh: Es el padre de toda esta teoría (Zadeh,
1965).
• Importancia: En la actualidad es un campo de
investigación muy importante, tanto por sus implicaciones
matemáticas o teóricas como por sus aplicaciones
prácticas.
• Revistas Int.: Fuzzy Sets and Systems, IEEE Transactions
on Fuzzy Systems...
• Congresos: FUZZ-IEEE, IPMU, EUSFLAT, ESTYLF...
• Bibliografía Gral.: (Kruse, 1994), (McNeill, 1994),
(Mohammd, 1993), (Pedrycz, 1998)...
16
/58
Conjuntos Difusos y Lógica Difusa
• Problemas Básicos subyacentes:
– Conceptos SIN definición clara: Muchos conceptos
que manejamos los humanos a menudo, no tienen una
definición clara: ¿Qué es una persona alta? ¿A partir de
qué edad una persona deja de ser joven?
– La lógica clásica o bivaluada es demasiado
restrictiva: Una afirmación puede no ser ni VERDAD
(true) ni FALSA (false).
• “Yo leeré El Quijote”: ¿En qué medida es cierto?
Depende de quien lo diga y...
• “Él es bueno en Física”: ¿Es bueno, muy bueno o un
poco mejor que regular?
17
/58
Ejemplo 1
Defina los siguientes conceptos:
• Algunas mujeres jóvenes son inteligentes
• Sígueme de cerca.
• Otros ejemplos . . . . . . .
18
/58
¿Cuándo usar la lógica difusa?
(Sur, Omron, 1997)
• En procesos complejos, si no existe un modelo de solución
sencillo.
• En procesos no lineales.
• Cuando haya que introducir la experiencia de un operador
“experto” que se base en conceptos imprecisos obtenidos
de su experiencia.
• Cuando ciertas partes del sistema a controlar son
desconocidas y no pueden medirse de forma fiable (con
errores posibles).
• Cuando el ajuste de una variable puede producir el
desajuste de otras.
• En general, cuando se quieran representar y operar con
conceptos que tengan imprecisión o incertidumbre (como
en las Bases de Datos Difusas).
19
/58
¿Cuándo no usar la lógica difusa?
• Si puedes resolver el problema con otra técnica más
sencilla.
20
/58
Aplicaciones
(Sur, Omron, 1997; Zimmermann, 1993):
• Control de sistemas: Control de tráfico, control de
vehículos (helicópteros...), control de compuertas en
plantas hidroeléctricas, centrales térmicas, control en
máquinas lavadoras, control de metros (mejora de su
conducción, precisión en las paradas y ahorro de energía),
ascensores...
• Predicción y optimización: Predicción de terremotos,
optimizar horarios...
• Reconocimiento de patrones y Visión por ordenador:
Seguimiento de objetos con cámara, reconocimiento de
escritura manuscrita, reconocimiento de objetos,
compensación de vibraciones en la cámara
• Sistemas de información o conocimiento: Bases de
datos, sistemas expertos
21
/58
CONJUNTOS DIFUSOS
22
/58
Conjuntos Clásicos (crisp)
• El conjunto universal U (Universo de discurso) contiene
todos los elementos de cada contexto ó aplicación en
particular.
23
/58
Ejercicio 2
• Defina el conjunto A mediante los tres métodos de
representación de conjuntos:
U
L
M
A
A B C D
J F H
N K
24
/58
Ejercicio 2
Extensión:
A = {A, B, C, D, F, J, H}
Comprensión:
A = {x / A ≤ x ≤ H & x≠E & x≠G}
Membresía: 1
1 si x є {A, B, C, D, F, J, H}
A(x) =
0 si x є {K, L, M, N}
0
A B C D F H J K L MN
25
/58
Conjuntos Clásicos (crisp)
• Surgen de forma natural, por la necesidad del ser humano
de clasificar objetos y conceptos.
• Conjunto de Frutas: Manzana|Frutas, Lechuga|Frutas...
1 1
0 0
Frutas que no Manzanas Frutas que no lechugas
son manzanas son lechugas
Grado de pertenencia o
función de membresía
27
/58
Conceptos sobre Conjuntos Difusos
• Surgieron como una nueva forma de representar la
imprecisión y la incertidumbre.
28
/58
Conjuntos Difusos (fuzzy):
• Relajan la restricción, A: X [0,1] intervalo
30
/58
Conjuntos Difusos
• Un conjunto difuso puede ser alternativamente denota
como:
• x es discreto
• x es continuo
31
/58
Ejemplo 2
Sea el conjunto difuso joven.
grado de
pertencia
0 edad
15 20 25 30 35 40 45 50
32
/58
Ejemplo 2
Sea el conjunto difuso joven.
grado de
pertencia
0 edad
15 20 25 30 35 40 45 50
33
/58
FUNCIONES DE MEMBRESIA
34
/58
Función de membresía
Se pueden definir como:
• Una función con parámetros pk(x) del elemento x.
µ A ( x) = µ A ( p1 ( x), p2 ( x),... , pn ( x))
• donde
∑ no representa una suma, sino una agregación de pares.
– µA(x)/x no representa ningún cociente, sino un par
(posibilidad/elemento)
35
/58
Ejemplo 3
• Sea el conjunto de las personas “altas” definido sobre el
conjunto de la población y considerando un elemento del
mismo denominado “pepe”.
• ¿ pepe pertenece o no al conjunto de las personas “altas”?
• Esto se puede resolver atendiendo a la medida altura(pepe)
y una función que mide la posibilidad de ser considerado
alto en base a la altura.
µalto(altura)
1.0
37
/58
Ejercicio 3
tiempo
0 8
40
/58
Ejercicio 4
• Grafique el conjunto difuso cerca de 50 años
30 50 70 30 50 70
41
/58
EJEMPLOS DE FUNCIONES DE
MEMBRESIA
42
/58
Triangular
1.0
0.0
0 50 100
x−a c− x
Triangular( x; a, b, c) = max min , , 0
b−a c−b
43
/58
Trapezoidal
1.0
0.0
0 50 100
x−a d − x
Trapezoidal ( x; a, b, c, d ) = max min
, 1, , 0
b−a d −c
44
/58
Gaussiana
1.0
0.0
0 50 100
2
−( xσ−c )
Gaussiana ( x;σ , c) = e
45
/58
Campana
1.0
0.0
0 50 100
1
Campana ( x; a, b, c) =
x−c 2b
1 +
a
46
/58
Sigmoide
1.0
0.0
0 50 100
1
Sigmoide( x; a, c) =
− a( x − c)
1+ e
47
/58
Grau de Pertenencia
Ejemplo de función de membresía
a1 a2 Altura(cm)
48
/58
Ejercicio 5
• Defina el conjunto difuso “cercano a cero”
49
/58
Ejercicio 5
• Defina el conjunto difuso “cercano a cero”
50
/58
Ejercicio 6
Definir el conjunto difuso: A = “número sensible de niños”
Dado el universo discreto:
U = {0, 1, 2, 3, 4, 5, 6}
51
/58
Ejercicio 6
Definir el conjunto difuso: A = “número sensible de niños”
Dado el universo discreto:
U = {0, 1, 2, 3, 4, 5, 6}
A = {(0, .1), (1, .3), (2, .7), (3, 1), (4, .6), (5, .2), (6, .1)}
.9
.7
.5
.3
.1
0 1 2 3 4 5 6
52
/58
CONCEPTOS
RELACIONADOS CON
CONJUNTOS DIFUSOS
53
/58
Conceptos Básicos
54
/58
Soporte
• El soporte de un conjunto difuso A en el universo de
discurso U es un conjunto crips que contiene todos los
elementos de U que tenga valores de membresía ≠ 0 en A.
μA(x)
x
suporte
55
/58
Soporte
• Si el soporte de un conjunto difuso es vacío, este es
llamado conjunto difuso vacío (empty fuzzy set).
el valor de membresía x
en A es 0.5.
Punto de cruce
56
/58
Núcleo
• El conjunto x, donde μA(x) alcanza el valor de 1 se
denomina núcleo (core).
μA(x)
x
núcleo
57
/58
Altura
• La altura de un conjunto difuso es el mayor valor de
membresía logrado por algún punto.
• En un conjunto difuso normal la altura es 1.
μA(x)
• normal: se μA(x) = 1
altura
• subnormal: se μA(x) < 1 x
58
/58
Valor Medio
• Si el valor medio de todos los puntos en el cual la función
de membresía de un conjunto difuso logra su máximo valor
es finito, entonces el centro del conjunto difuso es el
promedio de los valores.
59
/58
Valor medio
60
/58
α - cut y α - cut fuerte
• Dado un conjunto difuso A definido en X y un número α ∈
[0; 1] un conjunto α - cut es un conjunto crisp que contiene
todos los elementos en U que tengan valores de
membresía en A mayores o iguales que α, definido por:
Aα = { x є U / μA(x) ≥ α}
61
/58
Propiedades α-cut y strong α-cut
• Dado un conjunto difuso A definido en X y un par α1 y α2
∈ [0; 1] tal que α1 < α2 entonces:
62
/58
Operaciones Estándar
• Complemento A(x)
A(x) = 1 - A(x)
• Punto de equilibrio:
Son todos los elementos en X donde A(x) = A(x)
63
/58
Operaciones Estándar
• Sean dos conjuntos difusos A y B:
• Unión: t-conormas
( A∪B ) x = max[ A(x), B(x)]
• Intersección: t-normas
( A∩B ) x = min[ A(x), B(x)]
64
/58
Conjunto Crisp: Convexo
• Sea A un conjunto en Rn .
• A es un conjunto convexo si y solo si:
para todos los pares de puntos r y s de A
para todo numero real λ ∈ [0;1]
un punto t definido por t = λ r + (1-λ) s también está en A
65
/58
Conjunto Difuso: Convexo
• Un conjunto difuso es convexo si y sólo si su α-cut Aα es un
conjunto convexo para algún a en el intervalo (0, 1]
66
/58
Conjunto Difuso: Convexo
0.8
67
/58
Ejercicio
• Un conjunto difuso A esta dado por:
• A = {(2,1), (3,0.8), (4,0.6), (5,0.4), (6,0.2), (7,0.4), (8,0.6),
(9,0.8), (10,1)}
• Usando:
• μA(λx1 + (1 – λ)x2) ≥ min(μA(x1), μA(x2))
68
/58
Conjunto Crips: Supremo e Infimo
• Sea R un conjunto de números reais tal que:
– r es el límite superior de R
– s es el límite inferior de R
• Supremo: r = sup R
• Infimo: s = inf R
69
/58
PREGUNTAS
70
/58