SlideShare una empresa de Scribd logo
1
Jorge Cortés – Gustavo Pacheco
Inteligencia Artificial
Mayo de 2014
INTRODUCCIÓN
2
Tradicionalmente las premisas lógicas tienen sólo dos extremos: o son
completamente ciertas o son totalmente falsas. En el mundo de la lógica
difusa, las premisas lógicas cambian en un rango a grado de verdad de 0
a 100 por ciento, esto permite acercar la matemática al lenguaje
impreciso del hombre común, ya que está repleto de términos vagos
como “poco”, “mucho”, “tibio”, etc.
HISTORIA DE LA LÓGICA DIFUSA
Platón dijo que había una tercera región
entre verdadero y falso: los grados de
pertenencia, un rango de valores entre
dos números [0,1].
3
Aristóteles introduce las leyes del
conocimiento:
• Principio de identidad
• Ley de contradicción
• Principio del tercer excluido
En la antigüedad:
• Jan Łukasiewicz el primero que
propuso una alternativa sistemática
a la lógica bi-valuada de Aristóteles,
la lógica tri-valuada.
• Max Black define en 1937 el primer
conjunto difuso mediante una curva que
recogía la frecuencia con la que se
pasaba de un estado a su opuesto.
4
Siglo XIX: Siglo XX:
• En 1965 Lotfi Asker Zadeh,
basado en las ideas de Black, creó
la 'lógica difusa', que combina los
conceptos de la lógica y de los
conjuntos de Jan Łukasiewicz
mediante la definición de grados de
pertenencia.
5
6
LÓGICA DIFUSA
La lógica difusa analiza los métodos y principios de razonamiento a
partir de proposiciones imprecisas que relacionan magnitudes y
valores lingüísticos y cualitativos modelados por conjuntos difusos.
La lógica difusa es una herramienta muy poderosa y directa, técnica
para la solución de problemas, que ha adquirido recientemente una
gran difusión especialmente en áreas de control y toma de
decisiones.
7
¿QUÉ BUSCA LA LÓGICA DIFUSA?
Utilizar la experiencia del ser humano para generar un
razonamiento que permite la toma de decisiones.
Su razonamiento basado en la aproximación a la percepción
humana: no todo es blanco o negro, los distintos tipos de
grises que predominan en el pensamiento humano.
SISTEMA DIFUSO
Su estructura está constituida por tres bloques principales:
• Transformación de los valores numéricos en valores de lógica
difusa.
• Motor de inferencia que emplea las reglas.
• Conversión de los valores de la lógica difusa en valores
numéricos.
8
9
ETAPAS DE LA LÓGICA DIFUSA
Fusificación (Fuzzification): la traducción de valores del mundo
real al ambiente Fuzzy mediante el uso de funciones de
membresía o pertenencia.
Inferencia lógica: después de realizar la fusicación de las
variables de entrada y de salida tenemos que establecer reglas
que relacionen las entradas con las salidas. Para poder operar
con los Conjuntos Difusos es necesario definir las operaciones
elementales entre ellos (inserción, unión y complemento).
Defusificación (Defuzzification): después de computar las reglas
fuzzy evaluar las variables fuzzy, necesitamos trasladar estos
valores nuevamente hacia el mundo real.
Los métodos de inferencia para esta base de reglas deben ser
simples, veloces y eficaces.
Los resultados de dichos métodos son un área final, fruto de un
conjunto de áreas solapadas entre sí.
Para escoger una salida concreta a partir de tanta premisa difusa, el
método más usado es el del centroide, en el que la salida final será el
centro de gravedad del área total resultante.
En resumen, puede decirse que un sistema basado en lógica difusa
actúa como lo haría una persona que tuviera que reaccionar ante
términos tan imprecisos como “caluroso” o “rápido”, si al sistema se le
incluye una regla que diga “Si la temperatura es calurosa se ha de
acelerar el ventilador”, se estará aplicando el principio de If/Then y el
sistema funcionará sin regirse por conceptos matemáticos precisos.
10
Los conjuntos clásicos, tienen limitaciones, se define un universo de
discurso que contiene a conjuntos cuyos bordes están bien definidos,
un elemento puede o no pertenecer a cierto conjunto, algo es
verdadero o falso, no se definen situaciones intermedias
Los conjuntos borrosos son una extensión de los clásicos, donde se
añade una función de pertenencia, definida esta como un número real
entre 0 y 1. Así se introduce el concepto de conjunto o subconjunto
borroso y se lo asocia a un determinado valor lingüístico, definido por
una palabra o etiqueta lingüística, donde esta es el nombre del
conjunto o subconjunto.
CONJUNTOS DIFUSOS
11
FUNCIONES DE PERTENENCIA
Las funciones de pertenencia también llamadas funciones de membresía
representan el grado de pertenencia de un elemento a un subconjunto
definido por una etiqueta.
Las formas de las funciones de pertenencia más típicas son trapezoidales,
lineales y curvas.
12
OPERACIONES DIFUSAS:
13
• A los subconjuntos se les puede aplicar determinados operadores o
bien se puede realizar operaciones entre ellos.
• Las operaciones lógicas se utilizan en controladores y modelos
difusos, son necesarias en la evaluación del antecedente de reglas.
• Complemento: 𝜇 𝐴 𝑥 = 1 − 𝜇 𝐴 𝑥
• Unión. Operador lógico OR de Zadeh (max):
𝜇 𝐴∪𝐵 𝑥 = max[𝜇 𝐴 𝑥 , 𝜇 𝐵 𝑥 ]
• Intersección. Operador lógico AND de Zadeh (min):
𝜇 𝐴∩𝐵 𝑥 = min[𝜇 𝐴 𝑥 , 𝜇 𝐵 𝑥 ]
Se basa en reglas heurísticas de la forma SI (antecedente)
ENTONCES (consecuente), donde el antecedente y el
consecuente son también conjuntos difusos, ya sea puros o
resultado de operar con ellos.
Si la temperatura esta alta y creciendo ENTONCES debe
aumentarse bastante el agua fria. 14
LÓGICA DIFUSA EN INTELIGENCIA ARTIFICIAL
En Inteligencia artificial, la lógica difusa, o lógica borrosa se utiliza para
la resolución de una variedad de problemas, principalmente los
relacionados con control de procesos industriales complejos y sistemas
de decisión en general, la resolución la compresión de datos.
15
La lógica difusa en inteligencia artificial consiste en la aplicación de la
lógica difusa con la intención de imitar el razonamiento humano en la
programación de computadoras.
Con la lógica convencional, las computadoras pueden manipular valores
estrictamente duales, como verdadero/falso, sí/no o ligado/desligado.
16
En la lógica difusa, se
usan modelos
matemáticos para
representar nociones
subjetivas, como
caliente/tibio/frío, para
valores concretos que
puedan ser
manipuladas por los
ordenadores.
En este paradigma, también tiene un especial valor la variable del
tiempo, ya que los sistemas de control pueden necesitar
retroalimentarse en un espacio concreto de tiempo, pueden
necesitarse datos anteriores para hacer una evaluación media de
la situación en un período anterior.
17
18
El diseño de un controlador basado en lógica difusa supone
establecer un compromiso entre diversos criterios de diseño:
velocidad, precisión y flexibilidad, principalmente.
IMPLEMENTACIÓN DE SISTEMAS DIFUSOS
19
ENTORNOS DE DESARRO
LLOComo herramientas para la investigación en el desarrollo de sistemas de control
y procesamiento de señal, se han utilizado frecuentemente entornos de base
matemática que facilitan la evaluación de diversas técnicas, sin obligar
inicialmente al desarrollo de programas específicos, haciendo uso de paquetes
matemáticos diversos incluidos en estos sistemas matemáticos de propósito
general y otros de propósito especifico.
Entornos matemáticos
avanzados
Entornos de lógica
difusa
20
ENTORNOS:
Es probablemente que MATLAB el entorno
de desarrollo matemático más extendido
para las aplicaciones de control y
procesamiento de señal, especialmente en
ambientes universitarios, donde se utiliza
para la simulación de control de sistemas.
Fuzzy Logic le ofrece un conjunto
esencial de herramientas para la
creación, modificación y
visualización de conjuntos difusos y
los sistemas basados ​​en lógica
difusa. Ideal para los ingenieros,
investigadores y educadores.
21
FUZZYTECH
Este entorno es uno de los más difundidos y completos para el
desarrollo de sistemas basados en lógica borrosa. El entorno de
FuzzyTech fue desarrollado por la compañía INFORM Software GMBH,
el cual surgió del trabajo de un grupo de investigadores dirigido por el
profesor Hans Zimmermann, de la Universidad de Aachen (Alemania).
Zimmermann, uno de los pioneros de la lógica difusa en Europa, es
presidente y fundador de la International Fuzzy Systems Association
(IFSA), la principal organización internacional para la investigación y
aplicación de los sistemas basados en lógica difusa
ENTORNO DE LÓGICA DIFUSA
22
FIDE (Fuzzy Inference Development Enviroment)
Desarrollado por la compañía americana Aptronix, en
colaboración con Motorola. Este entorno se basa en un lenguaje
de descripción de controladores llamado FIL, que a su vez se
compone de tres sublenguajes, para cada uno de los posibles en
el entorno. El lenguaje FIU permite describir unidades de
inferencia borrosa formadas por conjuntos de reglas que se aplica
sobre variables, para las que se puede definir diversos adjetivos.
SOLUCIONES NIVEL UNO - CONTROL
MEDIANTE LÓGICA DIFUSA
Reemplazar un operador humano por un sistema de difuso basado en reglas.
 Metro Sendai (Hitachi)
 Cemento Kiln (F.L. Smidth)
 Control de elevador (Fujitec, Hitachi, Toshiba)
 Robot de Hirota
 Péndulo invertido de Yamakawua.
 Reactor nuclear (Hitachi, Bernard)
 Transmisión automática (Nissan, Subaru)
 Control Bulldozer (Terano)
SOLUCIONES NIVEL DOS: ANÁLISIS DE
DECISIÓN BASADO EN LÓGICA DIFUSA
Reemplazo de un operador humano por un sistema experto basado en
lógica difusa
• Medicina ((CADAG, Adlssnig), Arita,
OMRON)
• Seguridad (Yamaichi, Hitachi)
• Comprobante de crédito
(Zimmermann)
• Asignación de daños (Yao,
Hadipriono)
• Diagnostico de fallas (Guangzhou)
• Planeación de producción (Turksen)
ALGUNAS APLICACIONES
• Sistemas de foco automático en cámaras fotográficas
• Electrodomésticos familiares (enfriadores, lavadoras)
• Sistemas térmicos.
• Optimización de sistemas de control industriales.
• Sistemas de reconocimiento de escritura y traducción.
• Sistemas expertos del conocimiento (simular el comportamiento de
un experto humano)
• Bases de datos difusas: Almacenar y consultar información
imprecisa. Para este punto, por ejemplo, existe el lenguaje FSQL.
26
¡GRACIAS POR SU ATENCIÓN!
LÓGICA DIFUSA – FUZZY LOGIC

Más contenido relacionado

La actualidad más candente

Reglasproduccion
ReglasproduccionReglasproduccion
Representacion del Conocimiento Inteligencia Artificial
Representacion del Conocimiento Inteligencia ArtificialRepresentacion del Conocimiento Inteligencia Artificial
Representacion del Conocimiento Inteligencia Artificial
jorgeescalona2387
 
⭐⭐⭐⭐⭐ SISTEMAS EMBEBIDOS, CAPÍTULO 1
⭐⭐⭐⭐⭐ SISTEMAS EMBEBIDOS, CAPÍTULO 1⭐⭐⭐⭐⭐ SISTEMAS EMBEBIDOS, CAPÍTULO 1
⭐⭐⭐⭐⭐ SISTEMAS EMBEBIDOS, CAPÍTULO 1
Victor Asanza
 
Prolog ejercicios resueltos
Prolog ejercicios resueltosProlog ejercicios resueltos
Prolog ejercicios resueltos
Jansel M
 
CONCEPTOS Y FUNDAMENTOS DE LÓGICA DIFUSA 2
CONCEPTOS Y FUNDAMENTOS   DE LÓGICA DIFUSA 2CONCEPTOS Y FUNDAMENTOS   DE LÓGICA DIFUSA 2
CONCEPTOS Y FUNDAMENTOS DE LÓGICA DIFUSA 2
ESCOM
 
Instalacion de un (SGBD)sistema gestor de base de datos.
Instalacion de un (SGBD)sistema gestor de base de datos.Instalacion de un (SGBD)sistema gestor de base de datos.
Instalacion de un (SGBD)sistema gestor de base de datos.
SergioLopez467
 
Sistemas difusos
Sistemas difusosSistemas difusos
Sistemas difusos
Hugo Banda
 
Logica difusa conceptos
Logica difusa conceptosLogica difusa conceptos
Logica difusa conceptos
Hugo Perdomo
 
3.4 Sintaxis de las reglas de producción.pptx
3.4 Sintaxis de las reglas de producción.pptx3.4 Sintaxis de las reglas de producción.pptx
3.4 Sintaxis de las reglas de producción.pptx
Ram Vazquez
 
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADESSISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
ESCOM
 
Inteligencia artificial unidad iii
Inteligencia artificial unidad iiiInteligencia artificial unidad iii
Inteligencia artificial unidad iii
Guadalupe Lopez
 
Logica Difusa e Inteligencia Artificial
Logica Difusa e Inteligencia ArtificialLogica Difusa e Inteligencia Artificial
Logica Difusa e Inteligencia Artificial
Adrian
 
Reglas de Produccion
Reglas de ProduccionReglas de Produccion
Reglas de Produccion
Ashley Stronghold Witwicky
 
Introducción a la Dinámica de Sistemas
Introducción a la Dinámica de SistemasIntroducción a la Dinámica de Sistemas
Introducción a la Dinámica de Sistemas
Miguel Angel Niño Zambrano
 
Tema 3 Variables LingüíSticas, Variables Difusas Y Reglas Difusas. Razonamien...
Tema 3 Variables LingüíSticas, Variables Difusas Y Reglas Difusas. Razonamien...Tema 3 Variables LingüíSticas, Variables Difusas Y Reglas Difusas. Razonamien...
Tema 3 Variables LingüíSticas, Variables Difusas Y Reglas Difusas. Razonamien...
ESCOM
 
5 IntroduccióN A Los Sistemas Basados En Reglas Difusas
5 IntroduccióN A Los Sistemas Basados En Reglas Difusas5 IntroduccióN A Los Sistemas Basados En Reglas Difusas
5 IntroduccióN A Los Sistemas Basados En Reglas Difusas
ESCOM
 
Transacciones
TransaccionesTransacciones
Transacciones
Daniel Antonio Cruz
 
Expresiones regulares
Expresiones regularesExpresiones regulares
Expresiones regulares
Rennytox Hernandez
 
3. Representación del conocimiento y razonamiento.
3. Representación del conocimiento y razonamiento.3. Representación del conocimiento y razonamiento.
3. Representación del conocimiento y razonamiento.
Humberto Chalate Jorge
 
El proceso de razonamiento según la logica
El proceso de razonamiento según la logicaEl proceso de razonamiento según la logica
El proceso de razonamiento según la logica
Reyes Manzur
 

La actualidad más candente (20)

Reglasproduccion
ReglasproduccionReglasproduccion
Reglasproduccion
 
Representacion del Conocimiento Inteligencia Artificial
Representacion del Conocimiento Inteligencia ArtificialRepresentacion del Conocimiento Inteligencia Artificial
Representacion del Conocimiento Inteligencia Artificial
 
⭐⭐⭐⭐⭐ SISTEMAS EMBEBIDOS, CAPÍTULO 1
⭐⭐⭐⭐⭐ SISTEMAS EMBEBIDOS, CAPÍTULO 1⭐⭐⭐⭐⭐ SISTEMAS EMBEBIDOS, CAPÍTULO 1
⭐⭐⭐⭐⭐ SISTEMAS EMBEBIDOS, CAPÍTULO 1
 
Prolog ejercicios resueltos
Prolog ejercicios resueltosProlog ejercicios resueltos
Prolog ejercicios resueltos
 
CONCEPTOS Y FUNDAMENTOS DE LÓGICA DIFUSA 2
CONCEPTOS Y FUNDAMENTOS   DE LÓGICA DIFUSA 2CONCEPTOS Y FUNDAMENTOS   DE LÓGICA DIFUSA 2
CONCEPTOS Y FUNDAMENTOS DE LÓGICA DIFUSA 2
 
Instalacion de un (SGBD)sistema gestor de base de datos.
Instalacion de un (SGBD)sistema gestor de base de datos.Instalacion de un (SGBD)sistema gestor de base de datos.
Instalacion de un (SGBD)sistema gestor de base de datos.
 
Sistemas difusos
Sistemas difusosSistemas difusos
Sistemas difusos
 
Logica difusa conceptos
Logica difusa conceptosLogica difusa conceptos
Logica difusa conceptos
 
3.4 Sintaxis de las reglas de producción.pptx
3.4 Sintaxis de las reglas de producción.pptx3.4 Sintaxis de las reglas de producción.pptx
3.4 Sintaxis de las reglas de producción.pptx
 
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADESSISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
 
Inteligencia artificial unidad iii
Inteligencia artificial unidad iiiInteligencia artificial unidad iii
Inteligencia artificial unidad iii
 
Logica Difusa e Inteligencia Artificial
Logica Difusa e Inteligencia ArtificialLogica Difusa e Inteligencia Artificial
Logica Difusa e Inteligencia Artificial
 
Reglas de Produccion
Reglas de ProduccionReglas de Produccion
Reglas de Produccion
 
Introducción a la Dinámica de Sistemas
Introducción a la Dinámica de SistemasIntroducción a la Dinámica de Sistemas
Introducción a la Dinámica de Sistemas
 
Tema 3 Variables LingüíSticas, Variables Difusas Y Reglas Difusas. Razonamien...
Tema 3 Variables LingüíSticas, Variables Difusas Y Reglas Difusas. Razonamien...Tema 3 Variables LingüíSticas, Variables Difusas Y Reglas Difusas. Razonamien...
Tema 3 Variables LingüíSticas, Variables Difusas Y Reglas Difusas. Razonamien...
 
5 IntroduccióN A Los Sistemas Basados En Reglas Difusas
5 IntroduccióN A Los Sistemas Basados En Reglas Difusas5 IntroduccióN A Los Sistemas Basados En Reglas Difusas
5 IntroduccióN A Los Sistemas Basados En Reglas Difusas
 
Transacciones
TransaccionesTransacciones
Transacciones
 
Expresiones regulares
Expresiones regularesExpresiones regulares
Expresiones regulares
 
3. Representación del conocimiento y razonamiento.
3. Representación del conocimiento y razonamiento.3. Representación del conocimiento y razonamiento.
3. Representación del conocimiento y razonamiento.
 
El proceso de razonamiento según la logica
El proceso de razonamiento según la logicaEl proceso de razonamiento según la logica
El proceso de razonamiento según la logica
 

Similar a Lógica Difusa

Lógica Difusa
Lógica DifusaLógica Difusa
Lógica Difusa
Alexander Cumpa
 
Logica difusa
Logica difusaLogica difusa
Logica difusa
rasc24
 
Logica difusa1
Logica difusa1Logica difusa1
Logica difusa1
Farmatodo
 
Sistemas expertos y logica difusa
 Sistemas expertos y logica difusa Sistemas expertos y logica difusa
Sistemas expertos y logica difusa
JURYMAR CAROLINA COLMENARES ORTIZ
 
INTRODUCCIÓN A LOS SISTEMAS NEURODIFUSOS
INTRODUCCIÓN  A  LOS  SISTEMAS  NEURODIFUSOSINTRODUCCIÓN  A  LOS  SISTEMAS  NEURODIFUSOS
INTRODUCCIÓN A LOS SISTEMAS NEURODIFUSOS
ESCOM
 
Xfuzzy : Un entorno de Descripción, Verificación y sistemas Basados en Lógica...
Xfuzzy : Un entorno de Descripción, Verificación y sistemas Basados en Lógica...Xfuzzy : Un entorno de Descripción, Verificación y sistemas Basados en Lógica...
Xfuzzy : Un entorno de Descripción, Verificación y sistemas Basados en Lógica...
garcesheli
 
Logica difusa
Logica difusaLogica difusa
Logica difusa
Daniel Alejos
 
Fuzzy 3 er_doc
Fuzzy 3 er_docFuzzy 3 er_doc
Fuzzy 3 er_doc
Jairo Nava
 
Lógica difusa Santiago Mariño Maracaibo
Lógica difusa Santiago Mariño MaracaiboLógica difusa Santiago Mariño Maracaibo
Lógica difusa Santiago Mariño Maracaibo
Neviparts Mitsubishi
 
control difuso.pdf
control difuso.pdfcontrol difuso.pdf
control difuso.pdf
RigoFelixSinche
 
Logica difusa
Logica difusaLogica difusa
Logica difusa
Javiu Medina
 
Introduccion
IntroduccionIntroduccion
Introduccion
Cdr Saravena
 
Logica
LogicaLogica
Utp ia_2014-2_s11_logica difusa
 Utp ia_2014-2_s11_logica difusa Utp ia_2014-2_s11_logica difusa
Utp ia_2014-2_s11_logica difusa
jcbp_peru
 
Utp sirn_s9_logica difusa
 Utp sirn_s9_logica difusa Utp sirn_s9_logica difusa
Utp sirn_s9_logica difusa
jcbp_peru
 
Ejercicios Unidad 5 - Inteligencia Artificial
Ejercicios Unidad 5 - Inteligencia ArtificialEjercicios Unidad 5 - Inteligencia Artificial
Ejercicios Unidad 5 - Inteligencia Artificial
adrrog
 
2logica-difusa-diapositivas.pdf
2logica-difusa-diapositivas.pdf2logica-difusa-diapositivas.pdf
2logica-difusa-diapositivas.pdf
MARTIN SOLIS TIPIAN
 
Anexo de tarea
Anexo de tareaAnexo de tarea
Anexo de tarea
raisma
 
Jueves exposicion programacion difusa.pdf
Jueves exposicion programacion difusa.pdfJueves exposicion programacion difusa.pdf
Jueves exposicion programacion difusa.pdf
yudipaolacharriapossu
 
Utp 2015-2_sirn_s9_logica difusa
 Utp 2015-2_sirn_s9_logica difusa Utp 2015-2_sirn_s9_logica difusa
Utp 2015-2_sirn_s9_logica difusa
jcbp_peru
 

Similar a Lógica Difusa (20)

Lógica Difusa
Lógica DifusaLógica Difusa
Lógica Difusa
 
Logica difusa
Logica difusaLogica difusa
Logica difusa
 
Logica difusa1
Logica difusa1Logica difusa1
Logica difusa1
 
Sistemas expertos y logica difusa
 Sistemas expertos y logica difusa Sistemas expertos y logica difusa
Sistemas expertos y logica difusa
 
INTRODUCCIÓN A LOS SISTEMAS NEURODIFUSOS
INTRODUCCIÓN  A  LOS  SISTEMAS  NEURODIFUSOSINTRODUCCIÓN  A  LOS  SISTEMAS  NEURODIFUSOS
INTRODUCCIÓN A LOS SISTEMAS NEURODIFUSOS
 
Xfuzzy : Un entorno de Descripción, Verificación y sistemas Basados en Lógica...
Xfuzzy : Un entorno de Descripción, Verificación y sistemas Basados en Lógica...Xfuzzy : Un entorno de Descripción, Verificación y sistemas Basados en Lógica...
Xfuzzy : Un entorno de Descripción, Verificación y sistemas Basados en Lógica...
 
Logica difusa
Logica difusaLogica difusa
Logica difusa
 
Fuzzy 3 er_doc
Fuzzy 3 er_docFuzzy 3 er_doc
Fuzzy 3 er_doc
 
Lógica difusa Santiago Mariño Maracaibo
Lógica difusa Santiago Mariño MaracaiboLógica difusa Santiago Mariño Maracaibo
Lógica difusa Santiago Mariño Maracaibo
 
control difuso.pdf
control difuso.pdfcontrol difuso.pdf
control difuso.pdf
 
Logica difusa
Logica difusaLogica difusa
Logica difusa
 
Introduccion
IntroduccionIntroduccion
Introduccion
 
Logica
LogicaLogica
Logica
 
Utp ia_2014-2_s11_logica difusa
 Utp ia_2014-2_s11_logica difusa Utp ia_2014-2_s11_logica difusa
Utp ia_2014-2_s11_logica difusa
 
Utp sirn_s9_logica difusa
 Utp sirn_s9_logica difusa Utp sirn_s9_logica difusa
Utp sirn_s9_logica difusa
 
Ejercicios Unidad 5 - Inteligencia Artificial
Ejercicios Unidad 5 - Inteligencia ArtificialEjercicios Unidad 5 - Inteligencia Artificial
Ejercicios Unidad 5 - Inteligencia Artificial
 
2logica-difusa-diapositivas.pdf
2logica-difusa-diapositivas.pdf2logica-difusa-diapositivas.pdf
2logica-difusa-diapositivas.pdf
 
Anexo de tarea
Anexo de tareaAnexo de tarea
Anexo de tarea
 
Jueves exposicion programacion difusa.pdf
Jueves exposicion programacion difusa.pdfJueves exposicion programacion difusa.pdf
Jueves exposicion programacion difusa.pdf
 
Utp 2015-2_sirn_s9_logica difusa
 Utp 2015-2_sirn_s9_logica difusa Utp 2015-2_sirn_s9_logica difusa
Utp 2015-2_sirn_s9_logica difusa
 

Más de Jorge Cortés Alvarez

MPLS: Multiprotocol Label Switching
MPLS: Multiprotocol Label SwitchingMPLS: Multiprotocol Label Switching
MPLS: Multiprotocol Label Switching
Jorge Cortés Alvarez
 
Cable Coaxial
Cable CoaxialCable Coaxial
Cable Coaxial
Jorge Cortés Alvarez
 
FET (Transistores de Efecto de Campo)
FET (Transistores de Efecto de Campo)FET (Transistores de Efecto de Campo)
FET (Transistores de Efecto de Campo)
Jorge Cortés Alvarez
 
Diagrama de Actividades
Diagrama de ActividadesDiagrama de Actividades
Diagrama de Actividades
Jorge Cortés Alvarez
 
Modelo Conceptual UML
Modelo Conceptual UMLModelo Conceptual UML
Modelo Conceptual UML
Jorge Cortés Alvarez
 
Sociedad Comandita
Sociedad ComanditaSociedad Comandita
Sociedad Comandita
Jorge Cortés Alvarez
 
Metodología RUP
Metodología RUPMetodología RUP
Metodología RUP
Jorge Cortés Alvarez
 
Energía Eólica
Energía EólicaEnergía Eólica
Energía Eólica
Jorge Cortés Alvarez
 
Interrupciones: Sistemas Operativos
Interrupciones: Sistemas OperativosInterrupciones: Sistemas Operativos
Interrupciones: Sistemas Operativos
Jorge Cortés Alvarez
 
¿Cómo trabaja un buscador de internet en Mandarín?
¿Cómo trabaja un buscador de internet en Mandarín?¿Cómo trabaja un buscador de internet en Mandarín?
¿Cómo trabaja un buscador de internet en Mandarín?
Jorge Cortés Alvarez
 
Articulo Científico IEEE (Interpretacion)
Articulo Científico IEEE (Interpretacion)Articulo Científico IEEE (Interpretacion)
Articulo Científico IEEE (Interpretacion)
Jorge Cortés Alvarez
 
Articulo Científico IEEE (Analisis)
Articulo Científico IEEE (Analisis)Articulo Científico IEEE (Analisis)
Articulo Científico IEEE (Analisis)
Jorge Cortés Alvarez
 

Más de Jorge Cortés Alvarez (13)

MPLS: Multiprotocol Label Switching
MPLS: Multiprotocol Label SwitchingMPLS: Multiprotocol Label Switching
MPLS: Multiprotocol Label Switching
 
Cable Coaxial
Cable CoaxialCable Coaxial
Cable Coaxial
 
FET (Transistores de Efecto de Campo)
FET (Transistores de Efecto de Campo)FET (Transistores de Efecto de Campo)
FET (Transistores de Efecto de Campo)
 
Diagrama de Actividades
Diagrama de ActividadesDiagrama de Actividades
Diagrama de Actividades
 
Modelo Conceptual UML
Modelo Conceptual UMLModelo Conceptual UML
Modelo Conceptual UML
 
Sociedad Comandita
Sociedad ComanditaSociedad Comandita
Sociedad Comandita
 
Metodología RUP
Metodología RUPMetodología RUP
Metodología RUP
 
Energía Eólica
Energía EólicaEnergía Eólica
Energía Eólica
 
Interrupciones: Sistemas Operativos
Interrupciones: Sistemas OperativosInterrupciones: Sistemas Operativos
Interrupciones: Sistemas Operativos
 
¿Cómo trabaja un buscador de internet en Mandarín?
¿Cómo trabaja un buscador de internet en Mandarín?¿Cómo trabaja un buscador de internet en Mandarín?
¿Cómo trabaja un buscador de internet en Mandarín?
 
Presentación1
Presentación1Presentación1
Presentación1
 
Articulo Científico IEEE (Interpretacion)
Articulo Científico IEEE (Interpretacion)Articulo Científico IEEE (Interpretacion)
Articulo Científico IEEE (Interpretacion)
 
Articulo Científico IEEE (Analisis)
Articulo Científico IEEE (Analisis)Articulo Científico IEEE (Analisis)
Articulo Científico IEEE (Analisis)
 

Último

Casos de éxito en Negocios online: Estrategias WPO que funcionan - Presentac...
Casos de éxito en Negocios online: Estrategias WPO que funcionan - Presentac...Casos de éxito en Negocios online: Estrategias WPO que funcionan - Presentac...
Casos de éxito en Negocios online: Estrategias WPO que funcionan - Presentac...
Javier Martinez Seco
 
IF y SWITCH: Claves para una Lógica de Programación
IF y SWITCH: Claves para una Lógica de ProgramaciónIF y SWITCH: Claves para una Lógica de Programación
IF y SWITCH: Claves para una Lógica de Programación
bvaldivieso014
 
software para ver la descripcion de nuestra computadora
software para ver la descripcion de nuestra computadorasoftware para ver la descripcion de nuestra computadora
software para ver la descripcion de nuestra computadora
ChristiamGiraldoAsce
 
APLICACIONES EN INTERNET-GOOGLE.20240pdf
APLICACIONES EN INTERNET-GOOGLE.20240pdfAPLICACIONES EN INTERNET-GOOGLE.20240pdf
APLICACIONES EN INTERNET-GOOGLE.20240pdf
jordanovillacorta09
 
PLUGIN (Mary Cielo Huañec Paz) .pdf
PLUGIN (Mary Cielo Huañec Paz)      .pdfPLUGIN (Mary Cielo Huañec Paz)      .pdf
PLUGIN (Mary Cielo Huañec Paz) .pdf
MaryCieloHuaecPaz
 
Trabajo programacion primer semestre Telecomunicaciones
Trabajo programacion primer semestre TelecomunicacionesTrabajo programacion primer semestre Telecomunicaciones
Trabajo programacion primer semestre Telecomunicaciones
paulbosq
 
DuckDuckGo (Motor de Busqueda) - JRM - APSTI I A
DuckDuckGo (Motor de Busqueda) -  JRM - APSTI I ADuckDuckGo (Motor de Busqueda) -  JRM - APSTI I A
DuckDuckGo (Motor de Busqueda) - JRM - APSTI I A
DarnotOcxalFlorianoP
 
Aplicación de las sentencias de control en telecomunicaciones
Aplicación de las sentencias de control en telecomunicacionesAplicación de las sentencias de control en telecomunicaciones
Aplicación de las sentencias de control en telecomunicaciones
ambuludimateo2
 

Último (8)

Casos de éxito en Negocios online: Estrategias WPO que funcionan - Presentac...
Casos de éxito en Negocios online: Estrategias WPO que funcionan - Presentac...Casos de éxito en Negocios online: Estrategias WPO que funcionan - Presentac...
Casos de éxito en Negocios online: Estrategias WPO que funcionan - Presentac...
 
IF y SWITCH: Claves para una Lógica de Programación
IF y SWITCH: Claves para una Lógica de ProgramaciónIF y SWITCH: Claves para una Lógica de Programación
IF y SWITCH: Claves para una Lógica de Programación
 
software para ver la descripcion de nuestra computadora
software para ver la descripcion de nuestra computadorasoftware para ver la descripcion de nuestra computadora
software para ver la descripcion de nuestra computadora
 
APLICACIONES EN INTERNET-GOOGLE.20240pdf
APLICACIONES EN INTERNET-GOOGLE.20240pdfAPLICACIONES EN INTERNET-GOOGLE.20240pdf
APLICACIONES EN INTERNET-GOOGLE.20240pdf
 
PLUGIN (Mary Cielo Huañec Paz) .pdf
PLUGIN (Mary Cielo Huañec Paz)      .pdfPLUGIN (Mary Cielo Huañec Paz)      .pdf
PLUGIN (Mary Cielo Huañec Paz) .pdf
 
Trabajo programacion primer semestre Telecomunicaciones
Trabajo programacion primer semestre TelecomunicacionesTrabajo programacion primer semestre Telecomunicaciones
Trabajo programacion primer semestre Telecomunicaciones
 
DuckDuckGo (Motor de Busqueda) - JRM - APSTI I A
DuckDuckGo (Motor de Busqueda) -  JRM - APSTI I ADuckDuckGo (Motor de Busqueda) -  JRM - APSTI I A
DuckDuckGo (Motor de Busqueda) - JRM - APSTI I A
 
Aplicación de las sentencias de control en telecomunicaciones
Aplicación de las sentencias de control en telecomunicacionesAplicación de las sentencias de control en telecomunicaciones
Aplicación de las sentencias de control en telecomunicaciones
 

Lógica Difusa

  • 1. 1 Jorge Cortés – Gustavo Pacheco Inteligencia Artificial Mayo de 2014
  • 2. INTRODUCCIÓN 2 Tradicionalmente las premisas lógicas tienen sólo dos extremos: o son completamente ciertas o son totalmente falsas. En el mundo de la lógica difusa, las premisas lógicas cambian en un rango a grado de verdad de 0 a 100 por ciento, esto permite acercar la matemática al lenguaje impreciso del hombre común, ya que está repleto de términos vagos como “poco”, “mucho”, “tibio”, etc.
  • 3. HISTORIA DE LA LÓGICA DIFUSA Platón dijo que había una tercera región entre verdadero y falso: los grados de pertenencia, un rango de valores entre dos números [0,1]. 3 Aristóteles introduce las leyes del conocimiento: • Principio de identidad • Ley de contradicción • Principio del tercer excluido En la antigüedad:
  • 4. • Jan Łukasiewicz el primero que propuso una alternativa sistemática a la lógica bi-valuada de Aristóteles, la lógica tri-valuada. • Max Black define en 1937 el primer conjunto difuso mediante una curva que recogía la frecuencia con la que se pasaba de un estado a su opuesto. 4 Siglo XIX: Siglo XX:
  • 5. • En 1965 Lotfi Asker Zadeh, basado en las ideas de Black, creó la 'lógica difusa', que combina los conceptos de la lógica y de los conjuntos de Jan Łukasiewicz mediante la definición de grados de pertenencia. 5
  • 6. 6 LÓGICA DIFUSA La lógica difusa analiza los métodos y principios de razonamiento a partir de proposiciones imprecisas que relacionan magnitudes y valores lingüísticos y cualitativos modelados por conjuntos difusos. La lógica difusa es una herramienta muy poderosa y directa, técnica para la solución de problemas, que ha adquirido recientemente una gran difusión especialmente en áreas de control y toma de decisiones.
  • 7. 7 ¿QUÉ BUSCA LA LÓGICA DIFUSA? Utilizar la experiencia del ser humano para generar un razonamiento que permite la toma de decisiones. Su razonamiento basado en la aproximación a la percepción humana: no todo es blanco o negro, los distintos tipos de grises que predominan en el pensamiento humano.
  • 8. SISTEMA DIFUSO Su estructura está constituida por tres bloques principales: • Transformación de los valores numéricos en valores de lógica difusa. • Motor de inferencia que emplea las reglas. • Conversión de los valores de la lógica difusa en valores numéricos. 8
  • 9. 9 ETAPAS DE LA LÓGICA DIFUSA Fusificación (Fuzzification): la traducción de valores del mundo real al ambiente Fuzzy mediante el uso de funciones de membresía o pertenencia. Inferencia lógica: después de realizar la fusicación de las variables de entrada y de salida tenemos que establecer reglas que relacionen las entradas con las salidas. Para poder operar con los Conjuntos Difusos es necesario definir las operaciones elementales entre ellos (inserción, unión y complemento). Defusificación (Defuzzification): después de computar las reglas fuzzy evaluar las variables fuzzy, necesitamos trasladar estos valores nuevamente hacia el mundo real.
  • 10. Los métodos de inferencia para esta base de reglas deben ser simples, veloces y eficaces. Los resultados de dichos métodos son un área final, fruto de un conjunto de áreas solapadas entre sí. Para escoger una salida concreta a partir de tanta premisa difusa, el método más usado es el del centroide, en el que la salida final será el centro de gravedad del área total resultante. En resumen, puede decirse que un sistema basado en lógica difusa actúa como lo haría una persona que tuviera que reaccionar ante términos tan imprecisos como “caluroso” o “rápido”, si al sistema se le incluye una regla que diga “Si la temperatura es calurosa se ha de acelerar el ventilador”, se estará aplicando el principio de If/Then y el sistema funcionará sin regirse por conceptos matemáticos precisos. 10
  • 11. Los conjuntos clásicos, tienen limitaciones, se define un universo de discurso que contiene a conjuntos cuyos bordes están bien definidos, un elemento puede o no pertenecer a cierto conjunto, algo es verdadero o falso, no se definen situaciones intermedias Los conjuntos borrosos son una extensión de los clásicos, donde se añade una función de pertenencia, definida esta como un número real entre 0 y 1. Así se introduce el concepto de conjunto o subconjunto borroso y se lo asocia a un determinado valor lingüístico, definido por una palabra o etiqueta lingüística, donde esta es el nombre del conjunto o subconjunto. CONJUNTOS DIFUSOS 11
  • 12. FUNCIONES DE PERTENENCIA Las funciones de pertenencia también llamadas funciones de membresía representan el grado de pertenencia de un elemento a un subconjunto definido por una etiqueta. Las formas de las funciones de pertenencia más típicas son trapezoidales, lineales y curvas. 12
  • 13. OPERACIONES DIFUSAS: 13 • A los subconjuntos se les puede aplicar determinados operadores o bien se puede realizar operaciones entre ellos. • Las operaciones lógicas se utilizan en controladores y modelos difusos, son necesarias en la evaluación del antecedente de reglas. • Complemento: 𝜇 𝐴 𝑥 = 1 − 𝜇 𝐴 𝑥 • Unión. Operador lógico OR de Zadeh (max): 𝜇 𝐴∪𝐵 𝑥 = max[𝜇 𝐴 𝑥 , 𝜇 𝐵 𝑥 ] • Intersección. Operador lógico AND de Zadeh (min): 𝜇 𝐴∩𝐵 𝑥 = min[𝜇 𝐴 𝑥 , 𝜇 𝐵 𝑥 ]
  • 14. Se basa en reglas heurísticas de la forma SI (antecedente) ENTONCES (consecuente), donde el antecedente y el consecuente son también conjuntos difusos, ya sea puros o resultado de operar con ellos. Si la temperatura esta alta y creciendo ENTONCES debe aumentarse bastante el agua fria. 14
  • 15. LÓGICA DIFUSA EN INTELIGENCIA ARTIFICIAL En Inteligencia artificial, la lógica difusa, o lógica borrosa se utiliza para la resolución de una variedad de problemas, principalmente los relacionados con control de procesos industriales complejos y sistemas de decisión en general, la resolución la compresión de datos. 15
  • 16. La lógica difusa en inteligencia artificial consiste en la aplicación de la lógica difusa con la intención de imitar el razonamiento humano en la programación de computadoras. Con la lógica convencional, las computadoras pueden manipular valores estrictamente duales, como verdadero/falso, sí/no o ligado/desligado. 16
  • 17. En la lógica difusa, se usan modelos matemáticos para representar nociones subjetivas, como caliente/tibio/frío, para valores concretos que puedan ser manipuladas por los ordenadores. En este paradigma, también tiene un especial valor la variable del tiempo, ya que los sistemas de control pueden necesitar retroalimentarse en un espacio concreto de tiempo, pueden necesitarse datos anteriores para hacer una evaluación media de la situación en un período anterior. 17
  • 18. 18 El diseño de un controlador basado en lógica difusa supone establecer un compromiso entre diversos criterios de diseño: velocidad, precisión y flexibilidad, principalmente. IMPLEMENTACIÓN DE SISTEMAS DIFUSOS
  • 19. 19 ENTORNOS DE DESARRO LLOComo herramientas para la investigación en el desarrollo de sistemas de control y procesamiento de señal, se han utilizado frecuentemente entornos de base matemática que facilitan la evaluación de diversas técnicas, sin obligar inicialmente al desarrollo de programas específicos, haciendo uso de paquetes matemáticos diversos incluidos en estos sistemas matemáticos de propósito general y otros de propósito especifico. Entornos matemáticos avanzados Entornos de lógica difusa
  • 20. 20 ENTORNOS: Es probablemente que MATLAB el entorno de desarrollo matemático más extendido para las aplicaciones de control y procesamiento de señal, especialmente en ambientes universitarios, donde se utiliza para la simulación de control de sistemas. Fuzzy Logic le ofrece un conjunto esencial de herramientas para la creación, modificación y visualización de conjuntos difusos y los sistemas basados ​​en lógica difusa. Ideal para los ingenieros, investigadores y educadores.
  • 21. 21 FUZZYTECH Este entorno es uno de los más difundidos y completos para el desarrollo de sistemas basados en lógica borrosa. El entorno de FuzzyTech fue desarrollado por la compañía INFORM Software GMBH, el cual surgió del trabajo de un grupo de investigadores dirigido por el profesor Hans Zimmermann, de la Universidad de Aachen (Alemania). Zimmermann, uno de los pioneros de la lógica difusa en Europa, es presidente y fundador de la International Fuzzy Systems Association (IFSA), la principal organización internacional para la investigación y aplicación de los sistemas basados en lógica difusa ENTORNO DE LÓGICA DIFUSA
  • 22. 22 FIDE (Fuzzy Inference Development Enviroment) Desarrollado por la compañía americana Aptronix, en colaboración con Motorola. Este entorno se basa en un lenguaje de descripción de controladores llamado FIL, que a su vez se compone de tres sublenguajes, para cada uno de los posibles en el entorno. El lenguaje FIU permite describir unidades de inferencia borrosa formadas por conjuntos de reglas que se aplica sobre variables, para las que se puede definir diversos adjetivos.
  • 23. SOLUCIONES NIVEL UNO - CONTROL MEDIANTE LÓGICA DIFUSA Reemplazar un operador humano por un sistema de difuso basado en reglas.  Metro Sendai (Hitachi)  Cemento Kiln (F.L. Smidth)  Control de elevador (Fujitec, Hitachi, Toshiba)  Robot de Hirota  Péndulo invertido de Yamakawua.  Reactor nuclear (Hitachi, Bernard)  Transmisión automática (Nissan, Subaru)  Control Bulldozer (Terano)
  • 24. SOLUCIONES NIVEL DOS: ANÁLISIS DE DECISIÓN BASADO EN LÓGICA DIFUSA Reemplazo de un operador humano por un sistema experto basado en lógica difusa • Medicina ((CADAG, Adlssnig), Arita, OMRON) • Seguridad (Yamaichi, Hitachi) • Comprobante de crédito (Zimmermann) • Asignación de daños (Yao, Hadipriono) • Diagnostico de fallas (Guangzhou) • Planeación de producción (Turksen)
  • 25. ALGUNAS APLICACIONES • Sistemas de foco automático en cámaras fotográficas • Electrodomésticos familiares (enfriadores, lavadoras) • Sistemas térmicos. • Optimización de sistemas de control industriales. • Sistemas de reconocimiento de escritura y traducción. • Sistemas expertos del conocimiento (simular el comportamiento de un experto humano) • Bases de datos difusas: Almacenar y consultar información imprecisa. Para este punto, por ejemplo, existe el lenguaje FSQL.
  • 26. 26 ¡GRACIAS POR SU ATENCIÓN! LÓGICA DIFUSA – FUZZY LOGIC

Notas del editor

  1. El elemento primario de la lógica difusa es el lenguaje natural, y sus esquemas de razonamiento son esquemas de “razonamiento aproximado” con proposiciones imprecisas, típicamente de carácter lingüístico, como podrían ser las reglas que se obtienen a partir de la expresión lingüística del conocimiento de un operador humano versado en el control de un determinado proceso.
  2. se basa en lo relativo de lo observado como posición diferencial. Este tipo de lógica toma dos valores aleatorios, pero contextualizados y referidos entre sí. Así, por ejemplo, una persona que mida 2 metros es claramente una persona alta, si previamente se ha tomado el valor de persona baja y se ha establecido en 1 metro. Ambos valores están contextualizados a personas y referidos a una medida métrica lineal. La clave de esta adaptación al lenguaje, se basa en comprender los cuantificadores de cualidad para nuestras inferencias (en los ejemplos de arriba "mucho", "muy" y "un poco").
  3. Finalmente se convierten los resultados en valores numéricos para darles la representación tradicional.
  4. Las funciones de membresía representan el grado de pertenencia de un elemento a un subconjunto definido por una etiqueta. Existe una gran variedad de formas para las funciones de membresía, las más comunes son del tipo trapezoidal, triangular, singleton, S.
  5. Los sistemas basados en lógica difusa imitan la forma en que toman decisiones los humanos, con la ventaja de ser mucho más rápidos.