UNIVERSIDAD LAICA “ELOY ALFARO”

DE MANABÍ”

FACULTAD CIENCIAS INFORMÁTICAS

INTEGRANTES:

MERO ZAMBRANO CLAUDIA NATALY

PROFESORA:

ING: ELSA VERA BURGOS

CURSO:

VI “A”

MATERIA:
SISTEMAS EXPERTOS II
 INTRODUCCION

Detallamos que la lógica difusa reconoce valores verdaderos y falsos

representándose por proporciones representándose con grados de veracidad
verdadero o falso, la misma lógica difusa es principalmente usada en sistema
expertos y otras partiendo con la inteligencia artificial.

Por medio de la lógica difusa puede formularse matemáticamente nociones

como ejemplo si es caliente o muy frio para que sean procesadas estas pueden
ser procesadas por computadoras y determinar expresiones cuantificadas
aquellas se determinan a pensar de forma humanamente dirigida a la
programación a través de computadores convierte transiciones graduales
como de sensores o instrucciones que lleven un tiempo gradual.
 OBJETIVOS GENERAL
Desarrollar conocimientos que se puedan obtener de la lógica difusa y
determinar soluciones esperados a través de este tema propuesto.

Objetivo Específicos:
- Analizar los elementos que determinan la lógica difusa sus reglas y
desventajas.
- Identificar la formulación de sentencias y argumentos propios a
desarrollarse la lógica difusa con sus variantes.
 Lógica Difusa
La lógica difusa es una metodología que proporciona una manera simple y elegante de
obtener una conclusión a partir de información de entrada vaga, ambigua, imprecisa, con
ruido o incompleta. En general la lógica difusa imita como una persona toma decisiones
basada en información con las características mencionadas. Una de las ventajas de la
lógica difusa es la posibilidad de implementar sistemas basados en ella tanto en hardware
como en software o en combinación de ambos. La lógica difusa es una técnica de la
inteligencia computacional que permite trabajar con información con alto grado de
imprecisión, en esto se diferencia de la lógica convencional que trabaja con información
bien definida y precisa.

El concepto de Lógica Difusa fue concebido por Lofti A. Zaded, profesor de la

Universidad de California en Berkeley, quién inconforme con los conjuntos clásicos
(crisp sets) que sólo permiten dos opciones, la pertenencia o no de un elemento a dicho
conjunto, la presentó como una forma de procesar información permitiendo pertenencias
parciales a unos conjuntos, que en contraposición a los clásicos los denominó Conjuntos
Difusos (fuzzy sets).

"La lógica difusa trata de copiar la forma en que los humanos toman decisiones. Lo
curioso es que, aunque baraja información imprecisa, esta lógica es en cierto modo muy
precisa: se puede aparcar un coche en muy poco espacio sin darle al de atrás. Suena a
paradoja, pero es así."
El profesor Zadeh menciona que la gente no requiere información numérica precisa del
medio que le rodea para desarrollar tareas de control altamente adaptables, por ejemplo,
conducir un automóvil o caminar por una acera sin chocarse con los postes y las otras
personas. Si los controladores convencionales, en esencia realimentados, se pudieran
programar para aceptar entradas con ruido e imprecisas ellos podrían trabajar de una
manera más eficiente y quizás se podrían implementar más fácilmente.

RESISTENCIA A LA LÓGICA DIFUSA

El hombre, en la búsqueda de la precisión, intentó ajustar el mundo real a modelos
matemáticos rígidos y estáticos, como la lógica clásica binaria. Cuando Aristóteles y sus
precursores idearon sus teorías de la lógica y de las matemáticas, propusieron la Ley del
Centro Excluido que indica que cada asunto debe ser verdad o falso. La hierba es verde o
no verde; claramente no puede ser verde y no verde. Lo que se busca, mediante el empleo
de la teoría de los conjuntos difusos es describir y formalizar la realidad, empleando
modelos flexibles que interpreten las leyes que rigen el comportamiento humano y las
relaciones entre los hombres. Para describir esa realidad incierta, tanto en el orden de lo
social como en el de lo natural, es necesario valerse de predicados, que pueden ser nítidos
o difusos. El nuevo punto de vista propuesto por Zadeh choca con siglos de tradición
cultural –la lógica binaria de Aristóteles, ser ó no ser-, por lo cual hubo resistencia por
parte de los científicos, quienes se negaban a aceptar que se trataba de un intento por
estudiar científicamente el campo de la vaguedad, permitiendo manipular conceptos del
lenguaje cotidiano, lo cual era imposible anteriormente.
Concepto de Lógica Difusa
La lógica difusa (también llamada lógica borrosa) 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 dos metros
es claramente una persona alta, si previamente se ha tomado el valor de persona baja y se
ha establecido en un metro. Ambos valores están contextualizados a personas y referidos
a una medida métrica lineal.
Funcionamiento
La lógica difusa (fuzzy logic, en inglés) 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 indica 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.
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:

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.

Variables Lingüísticas

Variables Lingüísticas Es una variable cuyos posibles valores son palabras y pueden ser
representados mediante conjuntos difusos. Permite describir el estado de un objeto o
fenómeno. Para ello usamos una variable cuyo valor hace la descripción. Una variable
lingüística admite que sus valores sean Etiquetas Lingüísticas, que son términos lingüísticos
definidos como conjuntos difusos (sobre cierto dominio subyacente).

Variables Lingüísticas

Una variable numérica toma valores numéricos

Edad = 65 Una variable lingüística toma valores lingüísticos:
Edad es viejo Un valor lingüístico es un conjunto difuso.
Todos los valores lingüísticos forman un conjunto de términos o etiquetas. T(age) = {young,
not young, very young, middle aged, not middle aged, old, not old, very old, more or less old,
not very young and not very old, ...}

Ejemplos
Ejemplos Variable lingüística
-edad:
Valores lingüísticos: Joven, Mediana Edad y Viejo
Admite valores numéricos: números reales en [0, Emax]
Se pueden proyectar los valores lingüísticos sobre el intervalo: [0, Emax] mediante funciones
de pertenencia.
 Aplicaciones generales

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 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.
A continuación, se citan algunos ejemplos de su aplicación:
Sistemas de control de acondicionadores de aire
Sistemas de foco automático en cámaras fotográficas
Electrodomésticos familiares (frigoríficos, lavadoras...)
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.
 Operadores, Operaciones y Reglas Básicos Lógica Difusa

Operaciones básicas con Lógica difusa Las operaciones básicas que se pueden realizar
en un conjunto clásico también pueden realizarse en un conjunto borroso.
Intersección: el resultado de esta operación entre dos conjuntos borrosos, será un
conjunto borroso en el que se encuentren aquellos elementos que están en ambos
conjuntos. Si lo pensamos según sus funciones de pertenencia, podemos decir que: si
superponemos ambas gráficas, la intersección es la zona de la gráfica en la que
coinciden ambas funciones.
Unión: en este caso, el resultado es un conjunto en el que se encuentren todos aquellos
elementos de un conjunto que no existen en el otro y viceversa. En la representación
gráfica, serían aquellas zonas en las que la superposición de ambas funciones de
pertenencia no tuviera puntos en común. Negación: en este caso no centramos en uno
solo de los conjuntos. Definimos la negación de un conjunto como todos aquellos
elementos si forman parte de su universo de discurso, pero no forman parte de él.
Reglas de control borroso Los sistemas de control borroso permiten describir el
conjunto de reglas que usaría un ser humano y generara partir de ellas las acciones de
control. Estos sistemas poseen la misma imprecisión de los lenguajes naturales (por eso
se llaman también controladores lingüísticos).
Los algoritmos de control de estos sistemas se establecen como un conjunto de
relaciones borrosas entre las variables que condicionan el proceso y la actuación.
SI temperatura es alta ENTONCES abre ligeramente la ventana. Las variables de
condición serán las variables del proceso (temperatura, posición) o valores relacionados
(error, incremento del error, tendencia, etc.).La variable de salida es la acción de control
(o su incremento).
 CONCLUSIONES

La ventaja que tiene la lógica de difusa es que se puede manear un numero

de difusa determinado que cualquier unidad ilimitados de indicadores se
expresan en cualquier unidad de medida ya sea volumen masa o superficie.
Determinadamente haya sido calculados o determinados valores que se
establezcan a través de la lógica difusa esta con otras herramientas son de
gran importancia y se muestran de la mano con grandes fenómenos y
sistemas que resultaban definiendo resultados óptimos