Documentos de Académico
Documentos de Profesional
Documentos de Cultura
El propósito de este artículo es el de recoger unas pocas Este hecho ha promovido la aparición de controladores
aplicaciones conocidas en la literatura especializada basadas autoajustables, que cuentan con algún algoritmo que les permite
en distintas estrategias de lógica difusa. Se han seleccionado evaluar su desempeño, y de acuerdo con cierto criterio ajustar
aplicaciones de áreas muy diversas, buscando así resaltar que su diseño. Estos algoritmos de autoajuste (también conocidos
la Lógica Difusa puede entenderse como una herramienta como algoritmos de autosintonía) son muy útiles también en
matemática cuya amplia aplicabilidad se basa en la concepción situaciones en las que la Planta a controlar varía en el tiempo,
de conjuntos con fronteras no exactas [4,7]. lo que implica que el controlador deba ajustarse a dichos
cambios.
Se presentarán en este artículo un Controlador Difuso
Adaptativo, un Identificador de Imágenes Aéreas que emplea Cuando un Controlador Difuso cuenta con un algoritmo de
un algoritmo de agrupamiento difuso, una Base de Datos autoajuste, se dice que es un Controlador Difuso Adaptativo.
Difusa, y un experimento de psicología cognocitiva inspirado Sin embargo, existen Controladores con otros algoritmos que
en la lógica difusa. Todos estos ejemplos han sido tomados de no son exactamente de autoajuste, y que podríamos llamar de
la literatura técnica, específicamente de [16,15,12 Y 13] entrenamiento, que algunos autores denominan también
respectivamente. Controladores Difusos Adaptativos.
Los algoritmos de entrenamiento permiten ajustar el diseño 4. Asignar a la regla anterior un factor de certeza, calculado
del Controlador para que tenga un comportamiento deseado, como el producto de los grados de pertenencia a cada Valor
pero fuera de línea. En general estos algoritmos no permiten la Lingüístico.
adaptación del controlador a cambios de la planta, pero son
muy útiles para diseñar controladores en los que se combina 5. Verificar si en la Base de Reglas existe ya una regla con el
información numérica con información linguística [16,20]. mismo antecedente (y quizás distinto consecuente); de ser
así, dejar en la Base aquella que tenga un mayor factor de
A continuación se presenta un Controlador Difuso certeza. Si aún no hay en la Base de Reglas una de estas con
Adaptativo desarrollado por Wang & Mendel [20] que cuenta el mismo antecedente, adicionar la nueva regla a la Base.
con un algoritmo de entrenamiento. Se ha seleccionado este
controlador, porque el algoritmo empleado es uno de los más 6. Complementar la Base de Reglas con la información
sencillos conceptualmente, y de mayor simplicidad algorítmica, lingüística disponible (si existe alguna).
tal como se presenta en el numeral siguiente.
• EJEMPLO 1
A. ALGORITMO DE ENTRENAMIENTO DE W ANG y MENDEL
concretas son xl1' X2I' xpI; que responda con las salidas
oo.
concretas Y12' Y22' Yq2' cuando las entradas concretas son xI2'
oo.
X22' oo. xp2; que responda con las salidas concretas Y/w Y2w' oo.
Yqw' cuando las entradas concretas son xIw' x2w' oo. <:
Los w casos que se quieren obtener con el Sistema de Lógica
Difusa pueden ser insuficientes para determinar completamente
el diseño, o por el contrario, pueden ser inconsistentes entre
sí.
x
respectivas Variables Lingüísticas. ángulo de salida B. Los resultados los compara con los
obtenidos por Nguyen & Widrow con redes neuronales a partir
de la misma Tabla Entrada-Salida, y las trayectorias seguidas
2. Seleccionar los Valores Lingüísticos LxIk,Lx2k,oo.
.
.Lx pk'
por el vehículo son semejantes.
para los cuales los grados de pertenencia
LYIk,LY2k'oo, ,LYqk'
respectivos son máximos.
Wang también efectúa el entrenamiento con información
numérica incompleta, es decir, considerando sólo una parte de
3. Crear una regla de la forma IF Entrada 1 es LxI k AND Entrada
la Tabla de entrenamiento; en estas condiciones el Controlador
2 es Lx2k AND AND Entrada pes LxIk THEN Salida 1 es
oo.
11. IDENTIFICADOR DE IMÁGENES AÉREAS - Para todos los elementos de X, la suma de sus funciones de
pertenencia a los e Conjuntos debe ser 1.
El problema aquí planteado es el siguiente: Se tienen tres
imágenes aéreas de la misma zona; las imágenes se han captado Bezdek[3] desarrolló un algoritmo para obtener una c-
empleando cámaras a blanco y negro, de tal forma que muestran partición para un Universo de Discurso finito; dicho algoritmo
en cada pixel un cierto nivel de gris (nivel de luminancia); las se conoce como el agrupamiento ''fuzzy c-means", y es uno de
tres fotografías no son iguales, porque cada una de ellas se ha los más populares, pese a que en la literatura se reportan muchos
tomado anteponiendo a la cámara un filtro que sólo permite otros algoritmos distintos [2].
captar una franja de colores (unas ciertas longitudes de onda),
y los filtros para cada fotografía han sido diferentes. Bezdek parte de la existencia de un Universo de Discurso
X compuesto por n elementos:
En estas imágenes se ha captado una área extensa con zonas
que se pueden clasificar así:
n
.Ejemplo 2
LU ik >O;Vi,i=1,2 ...e
Se desea agrupar los número enteros del 1 al 20 en 3
k=1
e conjuntos difusos empleando agrupamiento fuzzy c-means.
LU ik =1;Vk,k=1,2 ...n
En este ejemplo X=[l 23 .... 19 20}, con lo que
i=1
d=1
Con las definiciones anteriores, el problema del x1=[l]; x2=[2}; x3=[3}; ...; X19=[19}; x2o=[20};
agrupamiento de X en e grupos puede formularse como la c=3
búsqueda de la pareja (U,V) que clasifique "mejor" los datos
de X. Para medir qué tan bien está hecha una clasificación, Las figuras 33 a 8 muestran como evolucionan los tres
Bezdek emplea la función Jm(U, V) conjuntos difusos en cada una de las iteraciones. La partición
inicial es aleatoria, y se ha escogido m=1,5.
n e 2
J m (U, V) =L L (Uik)m ». - Vi
k=1 i=1
(1)
(2)
-EJEMPLO 3
-EJEMPLO 4
:r:xx: ~rsx:"
EDAD SALARIO INGRESO
cuyo autor es Rueckl [13] para el reconocimiento de palabras,
que es uno de los temas abordados por la Psicología
Cognocitiva.
25 35 45 5. 15. 20. x1000 1986 1992 1998
"Cuáles son los nombres de las personas jóvenes o A esta pregunta existen dos respuestas opuestas, sustentadas
recientemente empleadas pero con sueldo alto" cada una por dos teorías diferentes [13]:
Tahani propone evaluar la función de pertenencia de cada ·La teoría del modelo Interactivo sostiene que el contexto si
registro a cada uno de los valores lingüísticos involucrados en
influye en el reconocimiento de palabras.
la consulta, y entregar como resultado de la búsqueda un
conjunto difuso con funciones de pertenencia obtenidas
·La teoría del modelo Autónomo sostiene que el contexto no
mediante la utilización de operadores AND, OR YNOT difusos
influye.
[6]; los operadores empleados por Tahani son el mínimo para
el AND, el máximo para el OR y el complemento para el NOT.
Ambos modelos se apoyan en experimentos cuyos
resultados son consistentes y robustos, con explicaciones
Con esta metodología la consulta anterior podría
consistentes con las respectivas teorías. Los experimentos son
representarse por la operación
de la siguiente forma:
Uhúsqueda (x, y, z) = {ujoven (x) OR urecienle (y)} AND ua/lo (z)
• Se selecciona una palabra objetivo, por ejemplo desk5 •
Empleando la información de el cuadro 2 y de la figura 19 • Se mide que tan fácilmente reconoce un individuo (un grupo
se puede construir el cuadro 3 que muestra los resultados de la de individuos) la palabra objetivo en los dos tipos de frases,
búsqueda para cada registro. para sacar conclusiones.
r r r f1 n 7. KLIR, George and YUAN, Bo. "Fuzzy Seis and Fuzzy Logic"
Jersey, 1995
Prentice Hall, New
8. LA YNE, J. and PASSINO, K. "Fuzzy model reference leaming control for cargo
Figura 20. Variaciones de la letra r - n
ship steering" en IEEE Control Systems Magazine, Vol 13, No. 6, die 93, pp 23-24
9. LEE, Chuen Chien. "Fuzzy Logic in Control Systems: Fuzzy Logic Controller-Part
CONCLUSIONES y COMENTARIOS
I" En IEEE Transactions on Syslems, Man, and Cibemetics, V 20, No. 3 Marzo/
Abril 1990, pp 404-418
Se han presentado cuatro aplicaciones diferentes de la
lO. . "Fuzzy Logic in Control Systems: Fuzzy Logic Controller-Part 11" En
Lógica Difusa; las tres primeras recogen ejemplos sencillos IEEE Transactions on Systems, Man, and Cibemetics, V 20, No. 3 Marzo/Abril
de algunas de las más comunes aplicaciones en ingeniería, 1990, pp 419-435
excluyendo otras igualmente comunes, como las relativas a la 11. MENDEL, Jerry. "Fuzzy Logic Systems for Engineering: A Tutorial" En Proceeding
Investigación de Operaciones y toma de Decisiones, Filtraje of the IEEE, V 83, No. 3 Marzo 1995, pp 345-377
14. T AHANI, V. "A conceptual framework for fuzzy quering processing - a step toward
En el ámbito colombiano pueden sugerirse varias posibles
very intelligent database system" En lnformation Proeessing Management 13, 1977,
aplicaciones de la lógica difusa; de hecho, ésta ya se ha 289 - 303
empleado para desarrollar sistemas expertos que ayudan a la
15. TRIVEDI, M.M. "Analysis of Aerial Images using fuzzy clustering" En "Analysis
planificación del sector energético, así como a la negociación offuzzy information", Bezdek, J. CRC Press, 1987, pp 133-152.
en la Bolsa de Energía. También se conocen algunas
16. W ANG, Li-Xin n Adaptotive Fuzzy Systems and Control Design and Stability
aplicaciones en el control industrial. Sin embargo, existe un Analysis" Prentice Hall, New Jersey, 1994
gran potencial aún no explorado en aplicaciones socio-
17. "Fuzzy Systems are Universal Approxximators" En Proeeedings of the
económicas, de dos tipos diferentes: por una parte están las
IEEE International Conferenee on Fuzzy Systems, San Diego, California 1992, pp
aplicaciones directas en sistemas económicos (instituciones 1163-1170
financieras, bolsa de valores, análisis macroeconómico) y por
18. WANG, Li-Xin and MENDEL, Jerry. "Back Propagation Fuzzy System as Nonlinear
otra parte están los enfoques teóricos de las ciencias sociales, Dynamic Systems Identifiers" En Proceedings of Ihe IEEE International
que pueden beneficiarse de la noción de "conjunto difuso" Conference on Fuzzy Systems, San Diego, California, 1992 pp 1409-1418
(definición del concepto de "Identidad Cultural", o el de "Paz 19. . "Fuzzy Basis Functions, Universal Approximation, and Orthogonal
Imperfecta"). Least-Squares Leaming" En IEEE Transactions on Neural Networks, Vol 3, No S,
Septiembre 1992, pp 807-814