8.tnorma y Tconorma Variables Linguisticas

Universidad Nacional del Callao
Facultad de Ingeniería Industrial y de Sistemas

Escuela Profesional de Ingeniería de Sistemas
Sistemas Basados en Conocimientos (SBC)

Tema de la clase:
Normas
conormas.
Razonamiento
aproximado
Variables
lingüísticas
Mg. Msc. Ing. Sally Torres

sktorresa@unac.edu.pe
Sistemas
Teoría deBasados en Conocimiento
la Lenguajes y Compiladores FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Contenido
Operaciones de conjuntos (cont.)
Normas y conormas triangulares
Razonamiento Aproximado
Variables lingüísticas
Modificadores lingüísticos
Ejecicios
Sistemas
Mg. Msc. Msc.Sally
Sally Torres
Torres
7.2
Operaciones de
conjuntos
3
Sistemas
Mg. Msc. Msc.Sally
Sally Torres
Torres
Operaciones de conjuntos
• Operaciones: A(x), B(x) son conjuntos difusos en el

universo X.
– Unión:
(A U B)(x) = A(x) Ú B(x) = máx {A(x), B(x)}
– Intersección:
(A I B)(x) = A(x) Ù B(x) = mín {A(x), B(x)}
– Negación (complemento a uno):
A(x) = ¬A(x) = 1 – A(x)
Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

• Propiedades Básicas:
– Conmutativa: A U B = B U A; A I B = B I A;
– Asociativa: A U (B U C) = (A U B) U C = A U B U C;
A ∩ (B ∩ C) = (A ∩ B) ∩ C = A ∩ B ∩ C;
– Idempotencia: A U A = A; A ∩ A = A;
– Distributiva: A U (B ∩ C) = (A U B) ∩ (A U C);
A ∩ (B U C) = (A ∩ B) U (A ∩ C);
– Condiciones Frontera o Límite: A U Ǿ = A; A U X = X;
A ∩ Ǿ = Ǿ ; A ∩ X = A;
– Involución (doble negación): ¬(¬A) = A;
– Transitiva: A ᴄ B y B ᴄ C, implica A ᴄ C;

Propiedades Añadidas:
Se deducen de las anteriores.
– (A ∩ B) ᴄ A ᴄ (A U B); ᴄ
– Si A ᴄ B, entonces A = A ∩ B y B = A U B;
– Card(A) + Card(B) = Card(A U B) + Card(A ∩ B); –
Card(A) + Card(¬A) = Card(X);

7.3 Normas y
conormas
triangulares
3
Sistemas
Mg. Msc. Msc.Sally
Sally Torres
Torres
Normas y Conormas triangulares
Conceptos derivados de Menger (1942) y Schwizer y

Sklar (1983), actualmente están muy desarrollados
(Butnario et al., 1993).
• Establecen modelos genéricos para las operaciones

de unión y intersección, las cuales deben cumplir
ciertas propiedades básicas (conmutativa, asociativa,
monotonicidad y condiciones frontera).

• Definiciones:
– Norma Triangular, t-norma: Operación binaria t: [0,1]2  [0,1]
que cumple las siguientes propiedades:
• Conmutativa: x t y = y t x
• Asociativa: x t (y t z) = (x t y) t z
• Monotonicidad: Si x ≤ y, y w ≤ z entonces x t w ≤ y t z
• Condiciones Frontera: x t 0 = 0, x t 1 = x
– Conorma Triangular, t-conorma o s-norma: Operacion binaria.
s: [0,1]2  [0,1] que cumple las siguientes propiedades:
• Conmutativa: x s y = y s x
• Asociativa: x s (y s z) = (x s y) s z
• Monotonicidad: Si x ≤ y, y w ≤ z entonces x s w ≤ y s z
• Condiciones Frontera: x s 0 = x, x s 1 = 1

• t-norma del mínimo: La función mín (Ù) es una t-norma, que corresponde
a la operación de intersección en conjuntos clásicos cuyos grados de
pertenencia están en {0,1}. Por eso, esta función es la extensión natural
de la intersección en conjuntos difusos.
• t-conorma o s-norma del máximo: La función máx (Ú) es una s-norma,
que corresponde a la operación de unión en conjuntos clásicos cuyos
grados de pertenencia están en {0,1}. Por eso, esta función es la
extensión natural de la unión en conjuntos difusos.

7.4
Razonamiento
Aproximado
3
Sistemas
Mg. Msc. Msc.Sally
Sally Torres
Torres
•Variables Lingüística
•Dominio Subyacente
Razonamiento •Modificadores
Aproximado lingüísticos
•Cuantificadores
Linguisticos
Variables Lingüísticas

• Es una variable cuyos posibles valores son palabras o sentencias (no

números) 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.
– Ejemplo temperatura, limpieza, sabiduría
• Una variable lingüística admite que sus valores sean Etiquetas

Lingüísticas, que son términos lingüísticos definidos como conjuntos
difusos (sobre cierto dominio subyacente).
– Ejemplos: Temperatura “Cálida”, o “aproximadamente 25ºC” (#25).
– El dominio subyacente es un dominio numérico: Los grados
centígrados.
• 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
Variable lingüística “edad” (E) :

– 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.

Ejemplos
• Variable lingüística “temperatura” (T):

– Valores lingüísticos: Muy Frio, Frio, Templado, Caliente, Muy Caliente.
– Admite valores numéricos: números reales en [Tmin, Tmax]
– Se pueden proyectar los valores lingüísticos sobre el intervalo:
[Tmin, Tmax] mediante funciones de pertenencia.

Dominio Subyacente
• El dominio subyacente es el dominio numérico, en nuestros dos

ejemplos la edad y la temperatura.
• Un valor concreto, crisp (25ºC, por ejemplo):
– Es más específico que una etiqueta lingüística.
– Es un punto del conjunto, mientras que una etiqueta lingüística es
una colección de puntos (temperaturas posibles).
Existen variables cuya definición es más compleja porque se mueven en
dominios subyacentes poco claros y no es natural trasladarlos a valores
numéricos, por ejemplos: Limpieza, Sabiduría, Verdor...

Utilidad de las variables Lingüísticas
Es una forma de comprimir información (Zadeh 1994 a,b) llamada

granulación (granulation):
1. Una etiqueta incluye muchos valores posibles.
2. Ayuda a caracterizar fenómenos que o están mal definidos o son
complejos de definir o ambas cosas. (Zadeh 1975)
3. Es un medio de trasladar conceptos o descripciones lingüísticas a
descripciones numéricas que pueden ser tratadas
automáticamente (Relaciona o traduce el proceso simbólico a
proceso numérico).
4. Usando el principio de extensión, muchas herramientas ya
existentes pueden ser extendidas para manejar variables
lingüísticas, obteniendo las ventajas de la lógica difusa en gran
cantidad de aplicaciones.
Definición formal
Una Variable Lingüística es un conjunto de 5 elementos (Zadeh, 1975):
<N, U, T(N), G, M>

N es el nombre de la variable.
U es el dominio subyacente.
T(N) es el conjunto de términos o etiquetas que puede tomar N.
G es una gramática para generar las etiquetas de T(N):
“muy alto”, “no muy bajo”, “normal”, “bajo y normal”….
M es una regla semántica que asocia cada elemento de T(N) con un
conjunto difuso en U de entre todos los posibles:
M: T(N)  F (U)

Definición formal
Gramática G: Normalmente los símbolos terminales incluyen:

– Un conjunto de términos primarios (primary terms): Bajo, Alto...
–Un conjunto de modificadores (hedges): Muy, más o menos,
completamente, especialmente, más, cerca de...
– Un conjunto de conectivos lógicos: Normalmente NOT, AND y OR.
• A veces se llama modificadores (modifiers) también a los conectivos.

22
Representación de variables lingüísticas
Las variables lingüísticas se representan utilizando

Funciones de Pertenencia las más utilizadas son las
siguientes:
• Triangular
• Trapezoidal
• Gaussiana
• Campana
• Sigmoide

23
Función de Pertenencia Triangular
1.0
Triangular (x; 20, 60, 80)

0.5
0.0
0 50 100


Triangular ( x;a,b,c)  max min x  a c  x 


 ,  
, 0


 b  a c b  

24
Función de Pertenencia Trapezoidal
1.0
0.5 Trapezoidal(x;10, 20, 60, 95)
0.0
0 50 100


Trapezoidal( x;a,b,c, d )  max min x  a d  x 


 ,1, , 0
 b  a d c  




25
Función de Pertenencia Gaussiana
1.0
0.5 Gaussiana(x; 20, 50)
0.0
0 50 100
2
 xc 
Gaussiana( x; ,c)  e  

26
Función de Pertenencia Campana
1.0
0.5 Campana(x; 20, 4, 50)
0.0
0 50 100
Campana( x;a,b,c)  1
2b
1

x
  c 

 

 a 
27
Función de Pertenencia Sigmoide
1.0
0.5 Sigmoide(x; 0.2, 50)
0.0
0 50 100
Sigmoide( x;a,c)  1
 a( x  c)
1 e
Granularidad
Es el número de valores que se definen para una variable

lingüística. Normalmente se usa un conjunto pequeño de valores
para una variable lingüística.
Granularidad fina (fine):

Define un gran número de valores para una
variable lingüística.
Granularidad gruesa (coarse):

Define un pequeño número de valores.

7.4.3
Modificadores
Linguisticos
3
Sistemas
Mg. Msc. Msc.Sally
Sally Torres
Torres
Modificadores Lingüísticos
• Una Etiqueta Lingüística se forma como una sucesión de los símbolos

terminales de la gramática: Muy Alto, No Muy Bajo...
• Normalmente se definen los conjuntos difusos de los términos primarios
y, a partir de éstos se calculan los conjuntos difusos de los términos
compuestos (Zadeh, 1972).
Los valores de una variable lingüística pueden ser:
– Primarios
– Compuestos
• Los valores primarios son los valores inicialmente definidos
• Un valor compuesto se obtiene anteponiendo a un valor primario
modificadores lingüísticos como MUY, NO, MAS O MENOS, ..., o
combinando valores primarios mediante conectivos lógicos AND, OR,
NOT.
Cada modificador (hedge) es un operador H que transforma el conjunto

difuso del término primario L al que afecta en otro conjunto difuso:
Básicamente, se usan las operaciones siguientes (MacVickarWhelan, 1978;
Zadeh, 1975):
Modificadores Lingüísticos:
Operadores Lógicos:
1. Concentración.
1. NOT Complemento o negación
2. Dilatación.
2. AND Intersección (t-norma)
3. Intensificación del contraste.
3. OR Unión (s-norma)
4. Difuminación.

1. Concentración
Se elevar la función de membresía primaría a un valor p, dado que p > 1.
– MAS
μMAS F (u) = (μF (u) )1.5
– MUY
μMUY F (u) = (μF (u) )2
– “Muy L” o “Muy aproximadamente igual a L” (p=2),

“Más L” (p=1.5)...

2. Dilatación
Es la raíz n-ésima o elevar p, tal que p Є [0, 1]
– MAS O MENOS
μMASOMENOS F (u) = (μF (u) )0.5
– MENOS
μMENOS F (u) = (μF (u) )0.75
– POCO
μPOCO F (u) = (μF (u) )0.75 • “Más o menos L” (p=0.5),
• “Menos L”,
• “Poco L” (p=0.75)...

3. Intensificación del contraste
Disminuir valores menores que 0.5 y aumentar los mayores.
– ESPECIALMENTE
μESPECIALMENTE F (u) =
– BASTANTE CERCA DE
μBASTANTE CERCA DE F (u) =
– “Especialmente L”,
“Bastante cerca de L”...

4. Difuminacion
Aumentar valores menores que 0.5 y disminuir los mayores.
– CERCA DE
μCERCA DE F (u) =
– CASI
μCASI F (u) =
– “Cerca de L”,
“Casi L”...

• Pueden construirse Nuevos Modificadores Lingüísticos a

partir de las expresiones anteriores:
– “Ligeramente L”: Puede traducirse por “L y no muy L”.
• L debe estar normalizado para que el resultado sea
coherente.
– Pueden definirse otras expresiones: “Entre L y M”, “Mucho
mayor que L”, “Mucho menor que L”, “A partir de L·, “Mayor
o igual que L”...

• Aproximación Lingüística (Zadeh, 1975; Pedrycz, 1993):
– Puede asociarse una etiqueta (término simple) al resultado de
un término compuesto: Ejemplo: “Muy Alto” º “Altísimo”.
– Lo contrario se da cuando tenemos una etiqueta A con su
conjunto difuso y queremos “aproximarla” a un término simple
(Ti) o compuesto con algún modificador (Mj) de nuestra Variable
Lingüística.
– El algoritmo para esto tiene 2 pasos:
• 1. Escoger el conjunto asociado al Ti, que más se parece al
conjunto de A: A* = máxi ( A º Ti );
• 2. Mejorar la aproximación escogiendo el modificador que
maximiza el parecido: M* = máxj ( A º Mj A*);
Proposición Difusa
Existen dos tipos de proposiciones difusas:
– Proposiciones difusas atómica.

– Proposiciones difusas compuesta.
Una proposiciones difusas es una sentencia simple.
x es A, x es una variable lingüística y A es una

conjunto difuso
Proposición Difusa
• Una proposición difusa compuesta es una composición de

proposiciones atómicas usando los conectivos AND, OR y NOT.
• y es L y x es F, las variables lingüísticas por lo general no son las

mismas.
• Las proposiciones difusas compuestas pueden ser entendidas como

relaciones difusas y las Funciones de Membresía de las relaciones
difusas son calculadas usando t-normas, s-normas y complementos.

Conectivos AND y OR
• Use la intercepción difusa para el conectivo AND
y es B y x es A, es interpretado como la relación difusa: A
∩ B in U x V con funciones de membresía.
𝜇𝐴∩𝐵 𝑥, 𝑦 = 𝑡 𝜇𝐴 𝑥 , 𝜇𝐵 𝑦
• Use la unión difusa para el conectivo OR

y es B o x es A, es interpretado como la relación difusa:A
U B in U x V con funciones de membresía.
𝜇𝐴∩𝐵 𝑥, 𝑦 = 𝑠 𝜇𝐴 𝑥 , 𝜇𝐵 𝑦
Conectivo NOT
• Use el complemento difuso para el conectivo NOT
• Sea la proposición difusa:

FP = (x es S y x es not F) o x es M
• Entonces se puede diseñar una relación difusa con la siguiente

función de membresía:
𝜇𝐹𝑃 𝑥1 , 𝑥2 , 𝑥3 = 𝑠 𝑡 𝜇𝑆 𝑥1 , 𝑐(𝜇𝐹 𝑥2 ) , 𝜇𝑀 𝑥3

7.4.4
Cuantificadores
Lingüísticos
3
Sistemas
Mg. Msc. Msc.Sally
Sally Torres
Torres
Cuantificadores Lingüísticos
• Cuantificadores Lingüísticos o Difusos:

• – Se usan para medir (o cuantificar) la cantidad o la
proporción de objetos o elementos que cumplen o satisfacen
cierta condición.
• – En lógica clásica existen dos muy importantes:
• " (todo): Se refiere a todos los elementos u objetos.
• $ (existe): Se refiere al menos a uno de los elementos u
objetos.

– Usando lógica difusa existen más clasificados en dos categorías:

• Cuantificadores Absolutos: Se refieren a una única cantidad
determinada para medir si esa cantidad son “muchos”, “pocos”,
“muchísimos”, “aproximadamente entre 6 y 9”, “aprox. más de 43”,
“aprox. 8”...
– Para evaluar la verdad de un cuantificador absoluto necesitamos una
única cantidad.
• Cuantificadores Relativos: Se refieren a una proporción de elementos
respecto del total de los que existen. Por ejemplo: “la mayoría”, “la
minoría”, “casi todos”, “casi ninguno”, “aprox. la mitad”...
– Para evaluar la verdad necesitamos 2 cantidades: Los elementos
que cumplen la condición y el total de elementos existentes.

Los Cuantificadores Difusos se representan como conjuntos

difusos con dominio subyacente en los números reales (Zadeh,
1983).
• El Dominio Subyacente está limitado dependiendo del tipo
de cuantificador (Kacprzyk, Fredizzi, Nurmi, 1992; Yager,
1983; Zadeh, 1983):
– Cuantificadores Difusos Absolutos: Qabs: R+ ® [0,1]
– Cuantificadores Difusos Relativos : Qrel: [0,1] ® [0,1]
• En los relativos, el cuantificador se aplica a la división del
número de elementos que cumplen la condición entre el
número de elementos totales.
Las sentencias cuantificadas pueden ser de dos formas:

– Q x’s son B  Ej.: “La mayoría de los alumnos son jóvenes”
• El grado de verdad de este tipo de sentencias se evalúa
como: Q(r), donde r = Card(B) / Card(X) = (∑i B(xi))/n;
– Siendo X el universo de discurso de n elementos.
– Q A x’s son B  Ej.: “La mayoría de los alumnos altos son
jóvenes”
• Grado de verdad: Q(r), donde r = Card(AIB) / Card(A);

7.5 Ejercicios
3
Sistemas
Mg. Msc. Msc.Sally
Sally Torres
Torres
Ejercicio Nro 1:
Calcular el grado de pertenencia para los siguientes valores

de estatura: 1.20;1.30;1.40;150;1.55; 1.60;1.65;1.70
1, x<a
(b-x)/(b-a), a<x<b
0, x>b
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Ejercicio Nro 2:
Calcular el grado de pertenencia para los siguientes valores

de Edad: 26; 28;32;36;38;42;46
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
Mg. Msc. Msc.Sally
Sally Torres
Torres
Ejercicios con T_conorma
Usando como referencia T-conorma y las funciones de

pertenencia, calcular el grado de pertenencia para los siguientes
elementos: 4.2; 6.6; 7,5
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
Mg. Msc. Msc.Sally
Sally Torres
Torres
Ejercicios con variables lingüísticas
Se desea hacer un sistema experto para asesor en la compra de

electrodomésticos, defina que dominios del conocimiento se
necesita y diseñe las variables lingüísticas que usara.
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
Mg. Msc. Msc.Sally
Sally Torres
Torres

8.tnorma y Tconorma Variables Linguisticas

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

8.tnorma y Tconorma Variables Linguisticas

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional del Callao

Facultad de Ingeniería Industrial y de Sistemas

Sistemas Basados en Conocimientos (SBC)

Mg. Msc. Ing. Sally Torres

Normas y conormas triangulares

• Operaciones: A(x), B(x) son conjuntos difusos en el

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

Conceptos derivados de Menger (1942) y Schwizer y

• Establecen modelos genéricos para las operaciones

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

• Es una variable cuyos posibles valores son palabras o sentencias (no

• Permite describir el estado de un objeto o fenómeno. Para ello

• Una variable lingüística admite que sus valores sean Etiquetas

• Una variable numérica toma valores numéricos

• Todos los valores lingüísticos forman un conjunto de términos

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

Variable lingüística “edad” (E) :

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

• Variable lingüística “temperatura” (T):

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

• El dominio subyacente es el dominio numérico, en nuestros dos

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

Es una forma de comprimir información (Zadeh 1994 a,b) llamada

Una Variable Lingüística es un conjunto de 5 elementos (Zadeh, 1975):

<N, U, T(N), G, M>

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

Gramática G: Normalmente los símbolos terminales incluyen:

• A veces se llama modificadores (modifiers) también a los conectivos.

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

Representación de variables lingüísticas

Las variables lingüísticas se representan utilizando

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

Triangular (x; 20, 60, 80)

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

0.5 Trapezoidal(x;10, 20, 60, 95)

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

0.5 Gaussiana(x; 20, 50)

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

0.5 Campana(x; 20, 4, 50)

0.5 Sigmoide(x; 0.2, 50)

Es el número de valores que se definen para una variable

Granularidad fina (fine):

Granularidad gruesa (coarse):

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

• Una Etiqueta Lingüística se forma como una sucesión de los símbolos

Cada modificador (hedge) es un operador H que transforma el conjunto

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

Se elevar la función de membresía primaría a un valor p, dado que p > 1.

– “Muy L” o “Muy aproximadamente igual a L” (p=2),

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

Es la raíz n-ésima o elevar p, tal que p Є [0, 1]

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

Disminuir valores menores que 0.5 y aumentar los mayores.

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

Aumentar valores menores que 0.5 y disminuir los mayores.

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres

• Pueden construirse Nuevos Modificadores Lingüísticos a

Sistemas Basados en Conocimiento FIIS-UNAC Mg. Msc. Sally Torres