INSTITUTO TECNOLÓGICO

SUPERIOR DE COMALCALCO
Ingeniería Mecatrónica

ASIGNATURA:
CONTROL DIGITAL

ANALISIS DE LA TEORÍA DE LA LÒGICA DIFUSA

NOMBRE:
Alcudia Segura Viviana
De Dios Hernández Carlos Armando
Méndez Sánchez Zurisaday

SEMESTRE Y GRUPO:
8 “A”

DOCENTE:
Mtro. Miguel Antonio Caraveo Cacep

TURNO:
MATUTINO

Fecha: 11/Marzo/2021
 REDES NEURONALES ARTIFICIALES

Estas redes neuronales consisten en un conjunto de unidades, llamadas neuronas

artificiales, conectadas entre sí para transmitirse señales. La información de entrada
atraviesa la red neuronal donde se somete a diversas operaciones produciendo
unos valores de salida.

Cada neurona está conectada con otras a través de unos enlaces. En estos enlaces
el valor de salida de la neurona anterior es multiplicado por un valor de peso. Estos
pesos en los enlaces pueden incrementar o inhibir el estado de activación de las
neuronas adyacentes

El objetivo de la red neuronal es resolver los problemas de la misma manera que el

cerebro humano, aunque las redes neuronales son más abstractas.

Una red neuronal artificial está formada por neuronas artificiales conectadas entre
sí y agrupadas en diferentes niveles que denominamos capas.

Como se ha mencionado el funcionamiento de las redes se asemeja al del cerebro

humano. Las redes reciben una serie de valores de entrada y cada una de estas
entradas llega a un nodo llamado neurona. Las neuronas de la red están a su vez
agrupadas en capas que forman la red neuronal. Cada una de las neuronas de la
red posee a su vez un peso, un valor numérico, con el que modifica la entrada
recibida. Los nuevos valores obtenidos salen de las neuronas y continúan su camino
por la red.

Para conseguir que una red neuronal realice las funciones deseadas, es necesario
entrenarla. El entrenamiento de una red neuronal se realiza modificando los pesos
de sus neuronas para que consiga extraer los resultados deseados. Para ello lo que
se hace es introducir datos de entrenamiento en la red, en función del resultado que
se obtenga, se modifican los pesos de las neuronas según el error obtenido y en
función de cuanto haya contribuido cada neurona a dicho resultado.
 LOGICA DIFUSA
Las lógicas difusas han tenido aplicaciones de suma relevancia en el procesamiento
electrónico de datos. e conjunto como una colección bien definida de elementos, en
la que es posible determinar para un objeto cualquiera, en un universo dado, si
acaso ´este pertenece o no al conjunto. La decisión, naturalmente, es “sí pertenece”
o bien “no pertenece”. La lógica difusa busca acercarse de forma veraz al mundo
real, tan estrictamente con los valores lógicos verdaderos,

No requiere conocer el modelo dinámico del sistema a controlar. Por tanto,

• El control difuso no requiere identificar el sistema

• Ni necesita aproximar el modelo

• Ni necesita linealizarlo

Facilita el diseño diseño del controlador

Cuando no se conoce el modelo se usa: Control PID, Control Difuso

El conjunto difuso es la pertenencia de los distintos elementos a un conjunto

haciéndoles corresponder el valor 1 si pertenecen y cero si no, en un conjunto difuso
se ha de definir una función que asocie el grado de pertenecen al conjunto.

Cuando se habla de conjuntos certeros se entiende se habla de un grupo de

elementos que eran compartidos por los dos conjuntos, de la misma forma en
conjunto difuso se define el conjunto de intersección de aquellos elementos que
están siempre por abajo del máximo de cada una de las funciones.

Las propiedades de las operaciones son: Conmutativa, Asociativa, Distributiva,

Identidad, Transitiva, Idempotencia, Complementariedad, Ley de DeMorgan,
involutiva.