Lgica difusa - Grado de verdad

La teora de conjuntos difusos permite especificar cuan bien un

objeto satisface una descripcin vaga.
Dato: Mario es alto
Es verdadero dada la altura de Mario es 1.65m?
..... Mas o menos....
Observar que no hay valores inciertos, la altura de Mario es
clara 1.65m el termino alto es vago,
Como interpretarlo?

Lgica difusa
Dada una sentencia
Mario es alto y Mario tiene fiebre alta

La lgica difusa determina el valor de verdad en

funcin de los valores de verdad de sus
componentes utilizando reglas difusas en su
evaluacin

Defusificacin
Obtener como salida un valor numrico para cada
una de las salidas del sistema a partir de conjuntos
difusos
Existen varias tcnicas de defusificacin
Mtodo del centro de gravedad
Mtodo del semifallo
Media ponderada

Visin Computacional
Un sistema de visin artificial debe
tener los siguientes componentes
Captura de
la imagen

I f ( x, y )

Procesamiento de la
Imagen

Salida

Anlisis de la Imagen

Procesamiento de Imgenes
Consiste en transformar la imagen en
algo que sea mas manejable para la
segunda fase donde se llevaran acabo
operaciones como:
Filtrado
Remarcar los bordes
Detectar regiones similares
Extraccin de caractersticas que permitan
un mejor anlisis en la siguiente fase

Procesamiento de Imgenes
Filtrado consiste en aplicar algn
mtodo para mejorar o resaltar
alguna regin de la imagen

Histograma

Procesamiento Imagen
Quitar ruido es otra aspecto importante del
filtrado de imgenes
El detectar los bordes de una imagen puede ser
considerado como un proceso de segmentacin
de imgenes.

Red Neuronal Celular

Procesamiento de Imgenes
La deteccin de regiones similares
corresponde a un proceso de
segmentacin de una imagen a
travs de las intensidades de color
que puedan tener, como por ejemplo
usar los coeficientes de Fourier.

Procesamiento de Imgenes
Extraccin de caractersticas
Existen varias tcnicas que nos ayudan en
la deteccin de caractersticas mas
resaltantes de una imagen:
Transformada de Fourier
Transformada de Wavelet
Momentos, etc
Representacin mediante grafos

Procesamiento de Imgenes
Transforamda de Fourier 1D
Esta transformada representa un cambio
de domnio.

1
F (u )
N

N 1

f ( x )e

2jux
N

x 0

Nos ayuda a obtener un vector de

caractersticas invariante a ciertos tipos
de transformaciones geomtricas

Procesamiento de Imgenes
Descriptor de Fourier:
Existe una propriedad por la cual:
Si el contorno de la imagen que estan en
coordenadas ( x , y ) convertida como uma funo :
U(u) = x + y*i
Aplicando Fourier

A magnitude de seus coeficientes so invariantes ao

rotao.

Procesamiento de Imgenes
Transformada de Fourier 2D
Permite trabajar con imgenes como
una representacin en dos dimensiones
dadas por una funcin F(x,y)

1
F (u , v)
MN

M 1 N 1

f ( x, y)e
x 0 y 0

2 j (

ux vy
)
M N

Procesamiento de Imgenes
Propiedades de la Transformada de
Fourier
Invariante a traslacin: Si F(u, v) = [f(x,
y)]^
[ f ( x a, y b)]^ e 2 j (ua vb ) F (u , v)
[ f ( x a, y b)]^ e 2 j (ua vb ) F (u , v) F (u , v) [ f ( x, y )]^ .

Procesamiento de Imgenes
Propiedades de la Transformada de
Fourier
Invariante a rotacin: Si x = r cos, y = r
R 2
f (r , )e 2 j .r cos( ) [ f (r , )]^ F ( , ).
F ( , sen
)
r 0

Procesamiento de Imgenes
Propiedades de la Transformada de
Fourier
Invariante al tamao: el tamao se ve
2
[
f
(

r
,

)]^

(
1
/

)F ( / , )
afectado por el radio r si
2
1
/

donde
es eliminado por

F
(

F
(
e
, )
normalizacin,
ln
si
F (e , ) G ( , ) entonces
F ( / , ) G ( yln , )
haciendo:
entonces

Procesamiento de Imgenes

Transformada de Fourier

Transformada de Ventanas de Fourier

Wavelets como alternativa de tiempo y

escala

Transformada
de Wavelets
Tiempo

Escala

Amplitud

Procesamiento de Imgenes

Tiempo

Transformada de Wavelets.

Donde la wavelet es
definida:

La wavelet madre
satisface:

Procesamiento de Imgenes
Ejemplo de utilizacin de los wavelets en
una imagen de un rostro

Procesamiento de Imgenes
Momentos
Centro de masa
Momentos centrales

1er momento

2do momento

Procesamiento de Imgenes
Aplicacin de Momentos
Calcular el centro de gravedad por la ecuacin:

Calcular pesos wi que estn dados por:

Calcular los momentos centrales por:

Procesamiento de Imgenes
Aplicacin de Momentos
Los nuevos puntos son:

Los puntos se redefinen por:

Procesamiento de Imgenes

Procesamiento de Imgenes
Momentos de HU extrae
caractersticas
Dada
una
funcin
bidimensional
continua f(x,y) se define un momento de

orden (p + q) por
la
p relacin:
m pq x y q f ( x, y )dxdy

pq ( x x) p ( y y ) q f ( x, y )

Y para una imagen

m10
m
con
y 01
x
m00

m00

Procesamiento de Imgenes
Representacin mediante grafos

Robtica - Introduccin

Robtica:

Objetivo: Desarrollar e integracin de

nuevas tcnicas y algoritmos para la
construccin de robots.
Desafi: Realizar el potencial del
Hardware a travs de software.
Problema: Diversidad y complejidad de
las aplicaciones existentes tienen
restringido el avance de la robtica.

Introduccin

Un Robot tiene por lo menos tres

componentes principales
Sensores (entradas)
Sentir el ambiente

Efectores o Actuadores (salidas)

Actuar sobre el ambiente

Sistema de control (computacin)

Raciocinar sobre acciones a realizar

Componentes: Sensores

Sentir: percibir del ambiente

Sensor: dispositivo que detecta un
fenmeno fsico y manda un seal
para un dispositivo controlador.
La mayora de los robots industriales
no percibe muchas cosas

Componentes: Sensores

Sensores visuales
Cmara

Sensores activos
Sonares, infra-rojos.

Tctiles
Sensores de colisin
Son los mas usados (robots mviles
tambin requieren Sensores visuales o
activos)

Componentes: Sensores
Visuales
Visin computacional es un rea
compleja de investigacin.
Un sistema de visin tpico tiene la
forma

Cmara

Reprocesamiento

Seal

Reconocimiento
De patrones

Informacin

Componentes: Efectores

Son las partes del robot que

interactan con el medio ambiente.
Pueden incluir
Sistemas de manipulacin
Robots industriales

Sistemas de locomocin
Robots mviles

Componentes: Efectores

Sistemas de manipulaciones
Brazo

Efectores
Garra
Electromagntico
Ventosa
Pistola
otros

Componentes: Efectores

Sistemas de locomocin

Ruedas
Esferas
Piernas
Combinacin de sistemas

Componentes: Control

En algunas tareas como la

navegacin en un ambiente complejo
el robot necesita planear sus
acciones para lidiar con su ambiente
y las circunstancias encontradas
El robot intenta modelar su ambiente y
planea sus movimientos en funcin de
este

Componentes: Control

Existen varias tcnicas para controlar

robots
Tcnicas convencionales de
programacin
IA simblica
Algoritmos genticos
Lgica difusa
Redes neuronales artificiales

Robots Mviles

Uno de los objetivos de la robtica es

el desarrollo de robots mviles
autnomos
Autnomo capaz de interactuar con su
ambiente
Mvil capaz de moverse en el mundo
real
Navegacin

Robots Mviles

Ventajas de los robots mviles

Flexibilidad
Pueden realizar mas tareas
Autonoma

Robots Mviles Aplicaciones

Inspeccin: Robots pueden ir a locales de
difcil acceso e peligrosos para los seres
humanos, y son por lo tanto ideales para
tareas de inspeccin
Seguridad: equipados con cmaras, los
robots pueden substituir a los humanos en
tareas rutinarias de seguridad.
Mapeamento: robots areos son ideales
para esta tarea
Especialista remoto: el robot puede servir
para ejecutar la tarea de un especialista
humano sin que este necesite moverse

Robots Mviles Aplicaciones

Video conferencia: pueden tornarse
dinmica e interactivo gracias a robots
equipados con cmaras
Tareas domesticas: pueden ejecutar tareas
como cortador de grama, aspirador etc.
Salvamento: pueden ser en tareas de
salvamento en terremotos, naufragios,
accidentes, etc
Transporte de materiales: pueden ser usado
para transporte de materiales en industrias,
hospitales, etc

Robots Mviles

Donde se puede usar IA?

Planeamiento de trayectorias;
Navegacin
Mapeamiento del ambiente
Procesamiento de seales
Control
Cooperacin
Competicin
Deteccin de fallas,

Robots Mviles Navegacin

Definicin: moverse en un ambiente en
direccin a un objetivo, evitando obstculos
Es la principal tarea realizada por un robot
mvil
Utiliza informacin proveniente de los censores
para comandar sistemas de locomocin

Robots Mviles Competicin

Ftbol de robots

Robots Manipuladores

Componentes

Controlador
Sensores
Efectores
Acoplamiento
Conversores
Amplificadores
Brazo

Robots Manipuladores
Aplicaciones

Carga y descarga en prensas

Fundicin y molde
Carga y descarga de herramientas
Soldadura
Pintura
Montaje
Manipulacin de objetos y herramientas en
tareas de preescisin que tienen cierto
riesgo.

Robots Manipuladores

Problemas

Cinemtica Directa: dada las posiciones

de las uniones calcular la posicin de la
garra
Cinemtica Inversa: Dadas las posiciones
de la garra calcular las posiciones de las
uniones
Dinmica: Dadas las posiciones,
velocidades y torques aplicados en las
uniones, calcule las aceleraciones

Robots Manipuladores

Problemas

Planeamiento de trayectorias: Dadas las

posiciones velocidades y aceleraciones
deseadas de las uniones o la forma de la
trayectoria, calcular las posiciones velocidades
y aceleraciones deseadas intermedias.
Control del Movimiento: dadas las posiciones
velocidades de las uniones calcular el torque.
Control de Fuerza: dadas las fuerzas calcular
los toruqes que deben ser aplicados en las
uniones.

Introduccin razonamiento Basado en

Casos
Los sistemas expertos usan el conocimiento y lo
reflejan en reglas
Los CBR toma en consideracin lo que se ha
hecho o vivido con anterioridad para tomar
decisiones

CBR: Concepto
CBR es un razonamiento en base a la experiencia: usa
ejemplos previos como punto de partida para el
razonamiento
CBR resuelve nuevos problemas recuperando y
adaptando soluciones de problemas previos
Un caso es una pieza contextualizada de conocimiento
representando una experiencia o situacin
Los casos almacenados describen situaciones previas
con su solucin y resultado

Tipos de CBR
MBR: Razonamiento Basado en Memoria
La memoria representa una coleccin de casos
El proceso de razonamiento se corresponde con el proceso de
recuperacin
Utilizan tcnicas de procesamiento paralelo
Pueden ser utilizados en dominios con fuertes connotaciones
sintcticas y semnticas

ABR: Razonamiento Basado en Analogas

Resuelven un nuevo problema utilizando casos provenientes de

un dominio de conocimiento diferente
Centrados en el estudio de mecanismos para la identificacin y
utilizacin de analogas entre diferentes dominios

Tipos de CBR
EBR: Razonamiento Basado en Ejemplares

Se centran en el aprendizaje de definiciones de conceptos

Los casos ms parecidos se agrupan en clases
La solucin de un problema ser la solucin de la clase a la
que pertenece el caso recuperado ms similar

IBR: Razonamiento Basado en Instancias

EBR centrado en problemas con fuertes connotaciones

sintcticas
Nmero elevado de instancias (casos) y falta de conocimiento
general sobre el dominio
Representacin de una instancia utilizando vectores de
caractersticas
En algunos casos, las fases del ciclo de vida pueden llegar a
ser automatizadas

Ciclo de un CBR

Que es un caso?
Hay 2 tipos de casos
Casos de entrada
Es la descripcin especifica de un problema

Casos almacenados
Encapsula previas situaciones especificas de un problema
Contiene la solucin
Contiene el contexto especifico en el cual la solucin fue
aplicada
Este contexto nos ayudara para decidir cuando aplicar de nuevo el
caso aprendido

Que es un caso?
Un caso usualmente tiene 2 partes
El caso propiamente dicho
El problema que describe el estado del mundo cuando ocurri
el caso
Este es usado para identificar el caso
Indexacin y recuperacin

La solucin de caso
La explicacin de cmo el caso fue resuelto anteriormente
Adaptar el caso cuando este sea recuperado

Ventajas y Desventajas
Ventajas
Se proponen soluciones rpidamente
No se necesita conocer completamente el dominio
Casos son tiles para conceptos mal definidos
Se resaltan las caractersticas importantes
Desventajas
Los casos viejos pueden ser pobres
Los casos ms apropiados pueden no ser recuperados
Puede necesitar conocimiento para realizar la
adaptacin

Conclusiones
El razonamiento basada en casos (CBR) es una
buena tcnica de decisin, a largo plazo.
Cuanto mayor sea la base de casos, ms acertada
ser la decisin que se tome.
No est pensado para una implantacin inmediata.

Compu_ Evolutiva Representacin de soluciones

Representacin binaria
Una de las representaciones mas utilizadas
en los AG es la representacin binaria ideal
para problemas donde las variables son
discretas. Por lo tanto si las variables son
continuas una conversin es necesaria.
Por ejemplo si tenemos valores en el
intervalo [0,1] que debe ser representado
como cadenas binarias de tamao 3

Representacin de
soluciones
Representacin continua
Para casos donde el error ocasionado por
la representacin binaria es critica los AG
pueden usar directamente los valores
continuos.
En
este
caso
ninguna
conversin es necesaria. No en tanto se
debe implementar operadores genticos
de cruzamiento y mutacin adecuados a la
representacin.

Operadores genticos
Seleccin para la reproduccin
El objetivo principal del operador de seleccin
es copiar las mejores soluciones eliminando las
soluciones de baja aptitud, mientras el tamao
de la solucin es constante. Esto es realizado
siguiendo los siguientes pasos.

1.
2.
3.

Identificar las mejores soluciones de la poblacin

Realizar mltiples copias de las mejores soluciones
Eliminar soluciones de baja aptitud lo que permite que
varias copias de las mejores soluciones puedan ser
insertadas en la poblacin.

Operadores genticos
Seleccin proporcional

Pi

Fi
N

Siendo Fi la aptitud de lai 1 solucin, N es el

tamao de la poblacin. Por tanto la
probabilidad de ser escogidos ser, 14.4%,
49.2%, 5.5% y 30.9%, que puede ser
representado como una ruleta
30.9
5.5

14.4

49.2

Operadores genticos
Seleccin por torneo

En la seleccin por el torneo son realizadas varias competiciones

entre dos soluciones y la mejor solucin es copiada en la
lista de soluciones. Este proceso es repetido hasta llenar la
lista. Goldber demostr que este mtodo posee una
convergencia igual o mejor que las otras estrategias de
seleccin adems de poseer una complejidad menor que las
otras. Para obtener el numero de copias esperado, es
necesario obtener la probabilidad de cada solucin Pi.
El numero de copias en la lista de soluciones es calculado por Ci
= Pi N. O sea, las soluciones con mejor valor de aptitud
tendrn mas copias en la lista de soluciones.

Operadores genticos
Seleccin por ranking.

Esta solucin ordena la poblacin por el

valor de su aptitud, desde la peor
solucin 1 hasta la mejor N sendo el
numero de copias proporcional a su
ranking.

Operadores genticos
Cruzamiento: Este operador genera nuevas
soluciones a partir de las soluciones escogidas
de la lista de soluciones. El operador de
cruzamiento
posee
diferente
variaciones,
muchas de ellas especifican a un determinado
problema. La forma mas simple de cruzamiento
es conocida como cruzamiento de un punto, que
consiste en:
1.
2.
3.

Escoger arbitrariamente dos individuos de la lista de

soluciones
Escoger dentro de la cadena del individuo una posicin
k llamada posicin de cruzamiento
Crear nuevos descendientes cambiando las cadenas
parciales de cada uno de los individuos.

Operadores genticos

Operadores genticos
Mutacin
La mutacin es un operador que produce una alteracin
aleatoria en una posicin de un pequeo nmero de
individuos. La mutacin es la segunda manera de los AGs
explorar el espacio de bsqueda. Esta pequea alteracin
impide que el algoritmo gentico tenga convergencia muy
rpida, evitando su estabilizacin en regiones de mnimos
locales.

Elitismo
El operador de elitismo mantiene las mejores soluciones
encontradas previamente en las generaciones siguientes.

Algoritmos genticos
Pasos para implementar un AG
Para resolver un determinado problema utilizando
AG los siguientes pasos deben ser considerados:
1. Definir una representacin a ser usada para cada individuo
de manera que una solucin completa puede ser
representada
2. Definir las estrategias de substitucin, seleccin,
cruzamiento y mutacin
3. Definir la funcin de aptitud
4. Ajustar los siguientes parmetros:
Tamao de la poblacin
Probabilidad de cruzamiento
Probabilidad de mutacin
Numero de generaciones

Ejemplo
Considere el problema de maximizar la
funcin
f(x) = x2 en un intervalo de [0, 31]

Ejemplo
Segunda generacin

Perceptron Multicapa

Perceptron Multicapa
Ejemplo

Perceptron Multicapa

Perceptron Multicapa