LA LOGICA DIFUSA COMO APOYO A LA ENSEÑANZA

Lisbeth Urueta Vivanco Heydy Valdés Barrios lisbethu@hotmail.com hvbarrios@hotmail.com Ing. Juan Contreras Montes epcontrerasj@control-automatico.net Facultad de Ingeniería de Sistemas Corporación Universitaria Rafael Núñez CURN Cartagena D. T. y C., Colombia

Resumen: en este proyecto se pretende mostrar las bondades de la lógica difusa como una herramienta de apoyo en la enseñanza y, a la vez, estimular a la comunidad académica a continuar investigando sobre el desarrollo de esta prometedora área de la Inteligencia Artificial. Se presentan aspectos del desarrollo de un software basado en lógica difusa para el diagnóstico médico que está aún en etapa de diseño y que puede ser utilizado para evaluación a los estudiantes de medicina. Palabras Claves: lógica difusa, base de datos difusas, mapas cognitivos, grafos, variables lingüísticas, valores lingüísticos, mecanismo de inferencia.

Introducción La lógica clásica, o lógica bivaluada, no resulta adecuada cuando de describir el razonamiento humano se trata, ya que solo “conoce“ dos valores, verdad (1) y falsedad (0), mientras que en la vida real existen hechos que no se pueden definir como totalmente verdaderos o totalmente falsos sino que tienen un grado de verdad, o falsedad, que puede variar de 0 a 1. Un ejemplo sencillo se puede apreciar cuando queremos saber si un vaso está lleno de agua, pero al observarlo notamos que éste no está totalmente lleno. Nuestro sentido común no asigna

es decir tiene una alta posibilidad de ser catalogado como lleno. Figura 1.inmediatamente el valor de 0 (falsedad) a nuestra inquietud sino que razona aceptando que está “algo lleno”. estatura media y estatura alta. 1. Variable lingüística estatura representada mediante: (a) lógica clásica y (b) lógica difusa.66. lo cual se puede representar con un valor más cercano a 1 que a 0.65 es considerada de estatura baja. aproximadamente. En la lógica difusa.651 es considerada de estatura media.33 y de ser de estatura media de 0. Por cada variable lingüística se han establecido tres valores lingüísticos. una persona de 1. esa misma persona tiene una posibilidad de ser de estatura baja de 0. estatura baja. La figura 1a muestra una posible representación de la variable lingüística estatura mediante la lógica clásica bivaluada y la figura 1b muestra una posible representación de esa misma variable lingüística mediante la lógica difusa. mientras que otra con un (1) milímetro más de estatura. es decir. Se puede apreciar que en la lógica clásica. es decir tiene más posibilidad de ser de estatura media .

como se puede apreciar en el desarrollo de software de diagnóstico médico. pero tiene pertenencia a dos conjuntos diferentes. que difícilmente pueden ser resueltos por la lógica clásica.que de estatura baja. La lógica difusa se desarrolló a partir de 1965 con la aparición de un artículo sobre la teoría de los conjuntos difusos. Para cada síntoma (variable lingüística) se establecieron tres valores lingüísticos bajo. Se puede apreciar una de sus aplicaciones . dependiendo el diagnóstico del grado de incidencia con que cada síntoma se presente. el cual se encuentra aún en etapa de desarrollo. quien hoy es considerado el padre de la lógica difusa. cuyos principios fueron desarrollados en los años 20’s del siglo pasado por el polaco Jan Lukasiewicks.el diagnóstico de enfermedades pulmonares. en la que se consideraron catorce síntomas que son comunes en cinco enfermedades diferentes. medio y alto) y de acuerdo a la información de un experto (médico . California. establecida por el catedrático de la Universidad de Berkeley. la lógica difusa permite resolver problemas de la vida real con alto nivel de incertidumbre. la lógica difusa tiene sus raíces en la lógica multivaluada. Sin embargo. La figura 2 muestra la interfase con el usuario del software EDIMED. Software Para Diagnóstico Médico La lógica difusa ha demostrado ser una herramienta que permite hacer uso de la experiencia de especialistas en el desarrollo de sistemas de cómputo que emulen la habilidad de estos en la toma de decisiones. De esta manera. Lofti A. Zadeh. el cual también puede convertirse en una herramienta para el aprendizaje y evaluación a los estudiantes de medicina.

mediante el empleo del álgebra difusa. Software Para Diagnóstico de Enfermedades. los síntomas constituyen los atributos o elementos asociados a cada registro. varios diagnósticos con grados de pertenencia entre 0 y 1. que agrupados conforman el archivo de determinado tipo de enfermedades. Inmediatamente se abre una ventana en la cual se le ofrece dos alternativas. en la otra alternativa el . Figura 2. o diagnóstico. EDIMED El usuario (estudiante) selecciona el tipo de enfermedad en que desea presentar una evaluación. En la arquitectura de base de datos relacionales empleada. En la primera de ellas el software presenta una serie de síntomas con la incidencia con que se presentan cada uno de ellos. siendo el diagnóstico con grado de pertenencia más cercano a 1 el más acertado.especialista) se generaron las tablas que conforman la base de datos que serán consultadas para obtener.

el cual puede ser el mismo docente. Suponga que el estudiante. A cada síntoma se le ha asignado. Por ejemplo. DPE. para cada diagnóstico. como Estertores Crepitantes (EC). en la cual se presenta. o atributo. mientras que la incidencia de ese . en la consulta que está realizando. cuál debe ser el porcentaje de incidencia de los síntomas involucrados. DPE”. El universo determinado para este síntoma va de 0 a 100 (medida en porcentaje). de acuerdo a información suministradas por expertos consultados. se puede apreciar que si una persona padece de Cáncer de Pulmón. uno de los síntomas visibles con alta incidencia es la Disnea de Pequeños esfuerzos (DPE). previamente. tienen una baja incidencia. se observa (ver figura 2) que alcanza un grado de pertenencia de 0. un valor porcentual que indica su grado de incidencia en un diagnóstico determinado.525. En esta tabla solo aparecen cinco posibles diagnósticos con los síntomas presentes en cada uno de ellos. mientras que otro síntoma.estudiante puede introducir los síntomas y sus incidencias mediante una consulta a un paciente. La tabla 1 muestra un ejemplo del modelo relacional de base de datos empleada. introduce en el software EDIMED el valor lingüístico medio para el síntoma. La figura 3 muestra la variable lingüística “Disnea de Pequeños Esfuerzos. Al evaluar el grado de pertenencia que la incidencia de este síntoma tiene en el diagnóstico denominado Edema de Pulmón (69).

el resultado definitivo dependerá de la incidencia de los otros síntomas y de las operaciones del álgebra difusa que se realicen en la consulta de la base de datos.. Sin embargo.) son unos de los tipos más populares actualmente..mismo síntoma en el diagnóstico denominado EPOC (80) tiene un grado de pertenencia relativamente bajo. Por la semejanza con el proceso cognitivo del ser humano. dedicando especial esfuerzo en el desarrollo de un mecanismo de inferencia ágil y acertado. existe una mayor posibilidad de que padezca de Edema Pulmonar que cualquiera de los otros diagnósticos que aparecen en la tabla. la . Es posible realizar el software EDIMED mediante una base de reglas en vez de una base de datos. MODELO RELACIONAL DE BASE DE DATOS DIAGNOSTICO-SINTOMAS Esc Fiebre TEH DT DPE TP TC LAS ANX PP EC SN PF SIB Síntomas Síntomas Síntoma Diagnóstico Cancer de 1% Pulmón Edema de 1% Pulmón EPOC 5% Neumonía 45% 3% 10% 60% 70% 95% 50% 20% 15% 35% 25% 5% 60% 10% 69% 50% 30% 2% 4% 1% 3% 6% 55% 20% 2% 55% 6% 3% 7% 90% 15% 80% 70% 80% 60% 30% 50% 15% 10% 30% 5% 45% 70% 10% 60% 55% 20% 5% 2% 75% 0% 80% 50% Tuberculosis 10% 90% 95% 15% 75% 25% 30% 70% 65% 80% 10% 55% 60% 85% Si fuese posible representar diferentes síntomas con los mismos conjuntos difusos el resultado se reflejaría en una disminución de la complejidad computacional del software. ya que apenas alcanza el valor de 0.25.ENTONCES. TABLA1. tanto en líneas de programación como en requerimientos de memoria.. Como es sabido. Lo anterior quiere decir que si el síntoma DPE se presenta en determinado paciente con una intensidad catalogada como media.. los sistemas expertos basados en reglas (del tipo SI.

2. Primera Edición. 3. Addison Wesley 5. Rich and Knight (1994). Mc Graw Hill . Jonsonbaugh Richard (1997). que los haga cada vez más eficientes. Hilera y Martínez (2000). La lógica difusa representa una importante alternativa en el desarrollo de sistemas expertos que constituyan una verdadera herramienta como apoyo a los especialistas. en la búsqueda de paradigmas que permitan el diseño e implementación de herramientas computacionales. Ross and Wright (1990). Sistemas Expertos. Redes Neuronales Artificiales. Matemáticas Discreta. Alfaomega 6. Tercera Edición. Primera Edición. Giaerratano-Riley (1998). Bibliografía 1. como las Redes Neuronales y los Algoritmos Genéticos. en cualquier rama de la ciencia. Passino and Yurkovich (1998). Segunda Edición. Segunda Edición. Se deben considerar otras alternativas de la Inteligencia Artificial. Inteligencia Artificial. y a los estudiantes en el proceso de enseñanza aprendizaje. Fuzzy Control. Prentice Hall 3. Es de vital importancia la búsqueda de técnicas que permitan el desarrollo de estas herramientas computacionales con amplias bases de conocimientos pero una complejidad computacional reducida.forma en que se intente representar el conocimiento repercute tanto en el tiempo necesario para el desarrollo del programa como en la eficiencia del mismo. Matemáticas Discreta. Prentice Hall 2. Thomson 4. Cuarta Edición. Conclusiones 1.

Sign up to vote on this title
UsefulNot useful