Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1
LOGICA DE FUZZY O LOGICA DIFUSA
2
LOGICA DE FUZZY O LOGICA DIFUSA
Los valores difusos no necesitan sumar a 1.0. El valor de
verdad de una proposición que una taza de café está caliente
es 0.8. El valor de verdad de una proposición que la taza de
café es frío puede ser 0.5. no hay ninguna restricción en la
sumatoria de los valores de la verdad sea mayor a 1.
DEFINICION Extensión de la Lógica Multivaluada que está
relacionada y fundamentada en la teoría de Conjuntos Difusos,
según esta teoría el grado de pertenencia de un elemento a un
conjunto va a estar determinado por una función de
pertenencia, que puede tomar todos los valores reales
comprendidos en el intervalo [0,1].
3
LOGICA DE FUZZY O LOGICA DIFUSA
• Un ejemplo de conjunto difuso seria de persona altas y bajas ,
se puede definir que cualquier persona es alta a partir de 1.80
(coeficiente de pertenencia al conjunto igual a 1), las personas
con menos de 1.60 m son considerados bajas (coeficiente de
pertenencia igual a 1): las personas de altura entre 1.60 y 1.80
poseen condiciones de pertenencia entre 0 y 1 siendo que
este coeficiente representa el grado con que esas personas
pueden ser considerados altas.
Estatura (m)
µ
1
0
1.60 1.80
4
6.8.1 Conjuntos clásicos versus Conjuntos
difusos
• Definición de conjuntos clásicos según Cantor
“...Entendemos por conjunto cualquier reunión en un todo M
de determinados objetos bien distinguidos m de nuestra
intuición o pensamiento...”
• Esto significa que la existencia del conjunto depende de la
determinación precisa de cuales elementos pertenecen y
cuales no a dicho conjunto (Dedekind)
En los conjuntos difusos la pertenencia de un elemento a un
conjunto no es tan drástica. El elemento puede tener un grado
de membresía a dicho conjunto
• Los conjuntos clásicos se pueden representar de 3 formas
1) Nombrando los elementos del conjunto Ej: A={a,e,i,o,u}
2) Definiendo una expresión que los miembros cumplan
Ej: A={x| x es una letra vocal}
3) Definido por una función característica A
1 x A
A ( x)
0 x A
Esta función mapea los elementos del conjunto
universo a los elementos del conjunto {0,1}.
Para cada entonces x es miembro de A
A ( x) 1
x A (x)
a 1
b 0
e 1
u 1
w 0
i 1
• En los conjuntos difusos la función característica mapea los elementos
al intervalo real [0,1]
• Formalmente
Sea X conjunto universo clásico tal que x sean sus elementos, esto es
. Un conjunto difuso A lo definimos mediante
A = { ( x, A (x) ) | x X }
Donde
A(x): Función de membresía x X
Ejemplos:
A: Conjunto de los hombres jóvenes
B: Conjunto de los hombres de edad media
C: Conjuntos de los hombres viejos
• Cada uno de los conjuntos no posee límites claros y se pueden
representar mediante conjuntos difusos.
• Los conjuntos difusos son una forma de representar imprecisión e
incertidumbre
Las funciones de pertenencia podrían ser:
6.8.2 Tipos de funciones de membresía
• En general se puede utilizar cualquier función continua que
mapee los de un conjunto universo clásico dado a elementos
al intervalo [0,1], las más comunes son:
SIGMOIDE
Diferencia entre 2 sigmoides
Función Gaussiana
Curvas basadas en Splines
Función triangular
¿Cómo elegir la función de membresía?
• Hay varias formas, el método a elegir depende de la
aplicación en particular
• El método más sencillo es el Horizontal
Se basa en las respuestas de N expertos
La pregunta tiene el siguiente formato
¿Puede ser x considerado compatible con el concepto A?
Sólo se acepta un “si” o “no” por respuesta, Luego
A(x)=(Respuestas afirmativas)/N
• Otros Métodos Vertical
• Método de comparación de parejas (Saaty,1980)
• Métodos basados en la especificación del problema
• Métodos basados en la optimización de parámetros
• Métodos basados en la Agrupación difusa (fuzzy clustering)
• Algoritmo “Fuzzy Isodata” (Bezdek,1981)
6.8.3 Operaciones básicas sobre
conjuntos difusos
• Las operaciones básicas en los conjuntos clásicos
son 3
A B AUB AUB
1 1 1 max(1,1)=1
Unión 1 0 1 max(1,0)=1
0 1 1 max(0,1)=1
Ej:
0 0 0 max(0,0)=0
A={a,e,i,o,u}
B={b,c,d}
AUB={a,e,i,o,u,b,c,d}
Intersección
Ej A B A B A B
1 1 1 min(1,1)=1
A={1,2,3} 1 0 0 min(1,0)=0
B={2,3,4,5} 0 1 0 min(0,1)=0
0 0 0 min(0,0)=0
A B={2,3}
Complemento
Ej A Comp(A)
X x | x N x 5 1 0
0 1
A={1,2,3}
Comp(A)={4}
• La extensión natural para las operaciones está
dada por
Unión difusa standard
A B ( x) max A( x), B( x)
Intersección difusa standard
A B ( x) min A( x), B( x)
Complemento difuso standard
Comp A ( x ) 1 A( x )
EJERCICIOS DE OPERACIONES DE CONJUNTOS DIFUSOS
15
EJERCICIOS DE OPERACIONES DE CONJUNTOS
DIFUSOS
16
6.8.4 CONTROLADOR DIFUSO
17
6.8.5 LAS APLICACIONES DE LÓGICA DIFUSA
•Muchos usos comerciales de lógica confusa existen hoy.
Algunos ejemplos
•El metro de la ciudad de Sendai, Japón usa a un controlador
difuso para monitorear un coche del conducto subterráneo.
Este controlador ha funcionado mejor que los controladores
humanos y convencionales en dar un paseo muy fácil para los
pasajeros en todo terreno y las condiciones externas.
Las cámaras y cámaras de video usan lógica confusa ajustar
mecanismos del autofoco y cancelar la inestabilidad causado
por una mano temblorosa .
•Algunos automóviles usan lógica confusa para aplicaciones
diferentes de control.
•Nissan tiene patentes en la lógica confusa frenando sistemas .
que la transmisión controla e inyectores del combustible.
•Lavadoras con lógica difusa.
18
LAS APLICACIONES DE LÓGICA DIFUSA
20
LA FUZZIFICACION EN LAS REDES NEURALES
21
6.8.7 EJEMPLO DE LOGICA DIFUSA
Construyamos un fuzzificador sencillo basado en una aplicación
para predecir la dirección de la bolsa de valores. La Reseva
federal de politica fiscal clasifica en una de las categorías difusas:
Muy acomodado . acomodado . apretado , y muy apretado.
1.0
Muy
Acomodado Acomodado
Apretado
Muy
Apretado
0.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0 10.0 11.0 12.0 13.0 14.0
22
Interés
EJEMPLO DE LOGICA DIFUSA
25
Ejemplo de lógica difusa
Estos conjuntos pueden considerarse borrosos si se
supone que los valores de temperatura que
contienen no pertenecen en el mismo grado al
conjunto. En este caso, es evidente que una
temperatura de 20C es menos fresca que una de
15C, con lo que la primera pertenecerá en menor
grado que la segunda al conjunto de temperaturas
FRESCAS. De hecho, la primera (20C) también
puede considerarse como AGRADABLE, ya que
pertenece a este conjunto, aunque en menor medida
que otra, por ejemplo, de 23C, que sería la más
AGRADABLE, al ser la temperatura ambiente ideal. 26
Ejemplo de lógica difusa
27
µ(x)
5 9 13 17 21 25 29 33 37 40 X(c )
Figura 6.1: Conjuntos borrosos para la temperatura
En el ejemplo de las temperaturas, si x=18 C, los grados de pertenencia
serían:
µfría(18)=0.0 µfresca(18)=0.5 µagradable(18)=0.17
µcálida(18)=0.0 µtórrida(18)=0.0
28
2. EVALUACIÓN DE LAS REGLAS DE CONTROL
Para gobernar el comportamiento del sistema, el diseñador debe establecer una
serie de reglas de la forma SI-ENTONCES para indicar la acción a realizar en
función del conjunto al que pertenece la entrada al sistema. La forma general de una
regla es:
R: SI (x es A) ENTONCES ( y será C)
También se pueden utilizar notaciones:
R: A->C R:(A;C)
En la figura 6.2 se muestran estos conjuntos para la velocidad.
µ(y)
0 10 20 30 40 50 Y(rpm)
60
29
Ejemplo de lógica difusa
Una vez establecidos los conjuntos, se pueden crear las
reglas de control que determinen el tipo de velocidad en
función de la temperatura. Estas reglas podrían ser:
Regla 1: SI (Temperatura es FRÍA) ENTONCES (Velocidad
será PARADO)
Regla 2: SI (Temperatura es FRESCA) ENTONCES
(Velocidad será LENTA)
Regla 3: SI (Temperatura es AGRADABLE) ENTONCES
(Velocidad será MEDIA)
Regla 4: SI (Temperatura es CÁLIDA) ENTONCES
(Velocidad será RÁPIDA)
Regla 5: SI (Temperatura es TÓRRIDA) ENTONCES
(Velocidad será MÁXIMA).
30
Ejemplo de lógica difusa
31
3) DEFUZZIFICACIÓN DE LAS SALIDAS
La defuzzificación o desemborranamiento de las salidas
consiste en obtener un valor numérico para cada una de las
salidas del sistema a partir de los conjuntos borrosos a los que
pertenecen. En el ejemplo del ventilador, se puede llegar a la
conclusión, mediante la evaluación de las reglas, de que la
velocidad debe ser MEDIA, pero esto no es suficiente, ya que
es preciso obtener un valor numérico que indique la velocidad
exacta a la que debe girar el ventilador.
En el caso del ventilador, si la temperatura es de 18C, se
activaron las reglas 2 y 3, correspondientes a velocidades
LENTA y MEDIA con pesos 0.5 y 0.17, respectivamente, por lo
que el nuevo conjunto de valores de salida, unión de los
anteriores. 32
33