Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. Introduccin
La lgica borrosa es una rama de la inteligencia artificial que se funda en el concepto "Todo es cuestin de grado", lo cual permite manejar informacin vaga o de difcil especificacin si quisiramos hacer cambiar con esta informacin el funcionamiento o el estado de un sistema especifico. Es entonces posible con la lgica borrosa gobernar un sistema por medio de reglas de 'sentido comn' las cuales se refieren a cantidades indefinidas. Las reglas involucradas en un sistema borroso, pueden ser aprendidas con sistemas adaptativos que aprenden al ' observar ' como operan las personas los dispositivos reales, o estas reglas pueden tambin ser formuladas por un experto humano. En general la lgica borrosa se aplica tanto a sistemas de control como para modelar cualquier sistema continuo de ingeniera, fsica, biologa o economa La lgica borrosa es entonces definida como un sistema matemtico que modela funciones no lineales, que convierte unas entradas en salidas acordes con los planteamientos lgicos que usan el razonamiento aproximado. Se fundamenta en los denominados conjuntos borrosos y un sistema de inferencia borroso basado en reglas de la forma "SI....... ENTONCES...... ", donde los valores lingsticos de la premisa y el consecuente estn definidos por conjuntos borrosos, es as como las reglas siempre convierten un conjunto borroso en otro.
2. Historia
Los conjuntos difusos fueron introducidos por primera vez en 1965; la creciente disciplina de la lgica difusa provee por s misma un medio para acoplar estas tareas. En cierto nivel, la lgica difusa puede ser vista como un lenguaje que permite trasladar sentencias sofisticadas en lenguaje natural a un lenguaje matemtico formal. Mientras la motivacin original fue ayudar a manejar aspectos imprecisos del mundo real, la prctica temprana de la lgica difusa
Conceptos imprecisos.
Aceptamos la imprecisin como una consecuencia natural de ''la forma de las cosas en el mundo''. La dicotoma entre el rigor y la precisin del modelado matemtico en todo los campos y la intrnseca incertidumbre de ''el mundo real'' no es generalmente aceptada por los cientficos, filsofos y analistas de negocios. Nosotros simplemente aproximamos estos eventos a funciones numricas y escogemos un resultado en lugar de hacer un anlisis del conocimiento emprico. Sin embargo procesamos y entendemos de manera implcita la imprecisin de la informacin fcilmente. Estamos capacitados para formular planes, tomar decisiones y reconocer conceptos compatibles con altos niveles de vaguedad y ambigedad. Considere las siguientes sentencias: La temperatura est caliente La inflacin actual aumenta rpidamente Los grandes proyectos generalmente tardan mucho Nuestros precios estn por abajo de los precios de la competencia IBM es una compaa grande y agresiva Alejandro es alto pero Ana no es bajita
Estas proposiciones forman el ncleo de nuestras relaciones con ''la forma de las cosas en el mundo''. Sin embargo, son incompatibles con el modelado tradicional y el diseo de sistemas de informacin. Si podemos incorporar estos conceptos logramos que los sistemas sean potentes y se aproximen ms a la realidad. Pero, es la imprecisin un concepto artificial utilizado para aumentar o disminuir en uno o ms las propiedades de los fenmenos? o es una parte intrnseca del fenmeno en s mismo?. Esta es una pregunta importante ya que es la parte fundamental de las medidas de la teora difusa. Como veremos la fusificacin es independiente de cualquier capacidad para medir, ya que un conjunto difuso es un conjunto que no tiene lmites bien definidos. Un conjunto difuso tiene muchas propiedades intrnsecas que afectan la forma del conjunto, su uso y como participa en un modelo. Las propiedades ms importantes de un conjunto difuso son las concernientes a las dimensiones verticales del conjunto difuso (altura y normalizacin) y las dimensiones horizontales (conjunto soporte y cortes "alpha"). La altura de un conjunto difuso es como mximo un grado de pertenencia y es una cota cercana al concepto de normalizacin. La superficie de la regin de un conjunto difuso es el universo de valores. Todos estos conceptos se tratarn ms adelante.
Note que el elemento 4 pertenece en grado .4 al conjunto POCOS, en grado .8 al conjunto VARIOS y en grado .0 a MUCHOS. Zadeh ha hecho algunas extensiones a los conceptos de conjuntos difusos ordinarios que se han explicado; por ejemplo los conjuntos difusos de nivelm y los conjuntos difusos tipo-n. Para un conjunto difuso de nivel-m se considera como su universo de discusin al conjunto de conjuntos difusos de nivel-(m-1), sobreentendiendo que los conjuntos difusos de nivel-1 son conjuntos difusos ordinarios. Para los conjuntos difusos tipo-n, los valores de las funciones de pertenencia son conjuntos difusos de tipo-(n-1) del intervalo [0,1] (en lugar de ser puntos de [0,1]). Tambin los conjuntos difusos tipo-1 son equivalentes a los conjuntos difusos ordinarios.
Operaciones.
En la lgica Booleana tradicional, los conjuntos son considerados como sistemas bivalentes con sus estados alternando entre inclusin y exclusin. La caracterstica de la funcin discriminante refleja este espacio bivaluado Esto indica que la funcin de pertenencia para el conjunto A es cero si x no es un elemento en A y la funcin de pertenencia es si x es un elemento en A. Dado que existen solamente dos estados, la transicin entre estos dos estados es siempre inmediata. La pertenencia de estos conjuntos est siempre totalmente categorizada y no existe ambigedad o dicotoma acerca de la pertenencia. Existen 4 operaciones bsicas de conjuntos en esta lgica: unin, interseccin, complemento y unin exclusiva.
Ms y menos
Se pueden definir etiquetas lingsticas artificiales, por ejemplo: ms, menos, que son instancias de lo que puede llamarse acentuador y desacentuador respectivamente, cuya funcin es proporcionar ligeras variantes de la concentracin y la dilatacin. Los exponentes se eligen de modo que se de la igualdad aproximada: mas mas x = menos muy x, y que, adems, se pueden utilizar para definir etiquetas lingsticas cuyo significado difiere ligeramente de otras, ejemplo:
Ms o menos
Otra etiqueta lingstica interesante es ''ms o menos'' que en sus usos ms comunes como ''ms o menos inteligente'', ''ms o menos rectangular'' etc, juega el papel de difusificador.
Ligeramente
Su efecto es dependiente de la definicin de proximidad u ordenamientos en el dominio del operando. Existen casos, sin embargo, en los que su significado puede definirse en trminos de etiquetas lingsticas tipo I, bajo la suposicin de que el dominio del operando es un conjunto ordenado linealmente.
Regular
Es una etiqueta que tiene el efecto de reducir el grado de pertenencia de aquellos elementos que tienen tanto un alto grado de pertenencia al conjunto como de aquellos que lo tienen pequeo, y slo aumenta el grado de pertenencia de aquellos elementos que tienen un grado de pertenencia cercano al .
La Lgica Difusa, que hoy en da se encuentra en constante evolucin, naci en los aos 60 como la lgica del razonamiento aproximado, y en ese sentido poda considerarse una extensin de la Lgica Multivaluada. La Lgica Difusa actualmente est relacionada y fundamentada en la teora de los Conjuntos Difusos.Segn esta teora, el grado de pertenencia de un elemento a un conjunto va a venir determinado por una funcin de pertenencia, que puede tomar todos los valores reales comprendidos en el intervalo [0,1]. La representacin de la funcin de pertenencia de un elemento a un Conjunto Difuso se representa segn la figura 1.
Sistemas expertos.
Verificadores de ortografa, los cuales sugieren una lista de palabras probables para reemplazar una palabra mal escrita.
Bajo la notacin de los Conjuntos Difusos, A(x)/x es un elemento del conjunto A. La operacin elementos discretos utilizan los smbolo
Veamos un ejemplo:
Ejemplo de Conjuntos Difusos en el universo de la edad. Tmese un individuo x cuya edad sea de 20 aos. Como se puede observar en la figura, pertenece al Conjunto Difuso "Joven" y al Conjunto Difuso "Maduro". Se puede observar que posee un grado de pertenencia A(x) de 0.6 para el Conjunto Difuso "Joven" y un grado de 0.4 para el Conjunto Difuso "Maduro"; tambin posee un grado de 0 para "Viejo". De este ejemplo se puede deducir que un elemento puede pertenecer a varios Conjuntos Difusos a la vez aunque con distinto grado. As, nuestro individuo x tiene un grado de pertenencia mayor al conjunto "Joven " que al conjunto "Maduro"(0.6 > 0.4), pero no se puede decir, tratndose de Conjuntos Difusos, que x es joven o que x es maduro de manera rotunda.
10
- A(x) En realidad, estas expresiones son bastante arbitrarias y podran haberse definido de muchas otras maneras. Esto obliga a considerar otras definiciones ms generales para las operaciones entre los Conjuntos Difusos. En la actualidad se considera correcto definir el operador interseccin mediante cualquier aplicacin t-norma y el operador unin mediante cualquier aplicacin s-norma. <
Variables Lingsticas
La Teora de Conjuntos Difusos puede utilizarse para representar expresiones lingsticas que se utilizan para describir conjuntos o algoritmos. Los Conjuntos Difusos son capaces de captar por s mismos la vaguedad lingstica de palabras y frases comnmente aceptadas, como "gato pardo" o "ligero cambio". La habilidad humana de comunicarse mediante definiciones vagas o inciertas es un atributo importante de la inteligencia. Una Variable Lingstica es aquella variable cuyos valores son palabras o sentencias que van a enmarcarse en un lenguaje predeterminado. Para estas variables lingsticas se utilizar un nombre y un valor lingstico sobre un Universo de Discurso. Adems, podrn dar lugar a sentencias generadas por reglas sintcticas, a las que se les podr dar un significado mediante distintas reglas semnticas. Los Conjuntos Difusos pueden utilizarse para representar expresiones tales como: X es PEQUEO. La velocidad es RPIDA. El ganso es CLARO.
Las expresiones anteriores pueden dar lugar a expresiones lingsticas ms complejas como: X no es PEQUEO. La velocidad es RPIDA pero no muy RPIDA. El ganso es CLARO y muy ALEGRE.
As, se pueden ir complicando las expresiones. Por ejemplo, la expresin "x no es PEQUEO" puede calcularse a partir de la original calculando el complemento de la siguiente forma:
11
PARA QUE SE USAN LOS SISTEMAS EXPERTOS DIFUSOS? En control de sistemas lineales y no lineales. Para modelar sistemas lineales y no lineales. En diagnostico y aislamiento de fallas en sistemas en tiempo real y anlisis de datos fuera de lnea. Para tomar una decisin completa.
PARA QUE SE USAN LOS SISTEMAS EXPERTOS DIFUSOS? En control de sistemas lineales y no lineales. Para modelar sistemas lineales y no lineales. En diagnostico y aislamiento de fallas en sistemas en tiempo real y anlisis de datos fuera de lnea. Para tomar una decisin completa.
DESVENTAJAS DE LOS SISTEMAS EXPERTOS DIFUSOS No hay actualmente un anlisis matemtico riguroso que garantice que el uso de un sistema experto difuso para controlar un sistema de cmo resultado un sistema estable. Es difcil llegar a una funcin de membreca y a una regla confiable sin la participacin de un experto humano.
12