Universidad Distrital Francisco Jos de Caldas. Ingeniera Electrnica. Inteligencia Computacional I. Parcial I. S. Lpez, A. Ballesteros, B.

Tapiero

CONSTRUCCION DE CONJUNTOS DIFUSOS Cmo extraer conjuntos difusos a partir del conocimiento humano? Generalmente los mtodos para la construccin de conjuntos difusos consisten en obtener informacin de una persona o un grupo de personas con conocimiento en el tema a tratar, a partir de preguntas donde se relaciona claramente un conjunto de elementos de referencia x, una variable lingstica A y un contexto. De las respuestas obtenidas a estas preguntas se extrae un rango de asignacin subjetivo a la funcin de pertenencia . Por ejemplo, supongamos que se desea extraer una funcin de pertenencia para la variable lingstica altura en los hombres, entonces se toman elementos de x de los cuales se conoce su altura y con respecto a ellos se realiza alguno de los siguientes experimentos: Experimento de clasificacin directa: En este procedimiento se supone que la incertidumbre solo surge de la subjetividad individual. Se muestran elementos de x a una nica persona y se pregunta Qu tan alto es ? Normalmente se indica a la persona que responda un valor entre 0 y 10. La funcin de pertenencia se traza dividiendo los valores obtenidos entre 10. Experimento de sondeo: Este procedimiento supone que la incertidumbre surge de los desacuerdos interpersonales. La pregunta es Est usted de acuerdo con que es alto?, posibilitando nicamente las respuestas si y no. El valor de la funcin de pertenencia es obtenido directamente de la proporcin de respuestas positivas sobre el total de respuestas. Experimento de etiquetas lingsticas: En este experimento a cada descriptor lingstico se le asigna un grado de pertenencia, bajo es 0 y alto 1. Debe preguntar es bajo, mediano o alto? Usted puede asignar el grado de pertenencia de mediano de acuerdo al anlisis de los resultados. Puede trazar las parejas de puntos [ , ] directamente como la funcin de pertenencia. Experimento de intervalo de estimacin: Se le pide al sujeto que de un intervalo que describa la propiedad en cuestin, en este caso la pregunta adecuada sera De qu a qu altura considera usted alto a un hombre? La funcin de pertenencia obtenida por este mtodo tiene en cuenta el intervalo completo dado como respuesta. Experimento del umbral: En este procedimiento se muestran elementos del conjunto de referencia en orden de altura ascendente. Se pregunta es alto? o es bajo? Tenga en cuenta el elemento donde deje de ser considerado bajo y el elemento desde donde se considere alto. Segn la teora de Kochen (1975), los humanos asignan un elemento a una categora si el estmulo es ms grande que un cierto umbral. Se puede representar como una funcin de pertenencia trapezoidal. Experimento de clasificacin indirecta: Se le indica un descriptor lingstico como alto, mediano o bajo. Se le pide al sujeto que identifique un objeto que corresponda al grado de pertenencia sealado. De una manera similar a la clasificacin directa, este mtodo tiene que ser presentado de manera que no se permita la memorizacin. Para cada elemento de x se obtendr descriptor lingstico que luego puede ser equivalente a un valor de pertenencia. Experimento de comparacin de pares: se pide al sujeto elegir entre un par de objetos el que mejor ejemplifique un determinado descriptor lingstico y en qu medida lo hace. La interpretacin de los resultados es complicada debido a que se presentan inconsistencias en la mayora de los casos pero se puede aplicar fcilmente a nios y personas sin conocimiento en conjuntos difusos. Experimento desde la teora de la utilidad: En este tipo de experimento se busca atribuirle a cada descriptor lingstico un grado de credibilidad, por esta razn la pregunta que surge es es lo suficientemente alto para considerarse alto? Segn Giles (1988), cuando se asume que el elemento es alto, es porque existe una funcin tal muestra o verifica la veracidad de dicha afirmacin, as dicha afirmacin se acerca ms a lo real y entonces la teora de la utilidad se ve ligada propiamente a la semntica de la funcin de pertenencia. Experimento de ejemplificacin: Para este tipo de experimento se utilizan graficas interactivas que sugieren al sujeto diversas formas para la funcin de pertenencia sin embargo es evidente que se debe tener un conocimiento previo en conjuntos difusos por lo cual no es comunmente usado.
A. Sancho-Royo, J. L. Verdegay (1999) Methods for the construction of Membership Functions International Journal of Intelligent Systems, Volume 14, Issue 12, p 1213-1230 T. Bilgic, I.B. Trksen. (1995) Measurement of membership functions: theoretical and empirical work Handbook of Fuzzy Theory, Dubois and Prade.

Universidad Distrital Francisco Jos de Caldas. Ingeniera Electrnica. Inteligencia Computacional I. Parcial I. S. Lpez, A. Ballesteros, B. Tapiero

EXPANSIN DE FUNCIONES DE BASE DIFUSA (EFBD) Observemos los conjuntos difusos que describen un anlisis del servicio de Transmilenio, tomando como variables lingsticas la velocidad (baja o alta) y el costo (barato o caro), relacionadas a descriptores y datos, basados en conocimiento.

Costo (Pesos)

Barato

Caro Baja Alta

Velocidad (Km/h)

Figura 1. Funciones de pertenencia para cada uno de los descriptores lingsticos de las entradas

Entre ms se acerquen a 1, ms valides tendr este descriptor y el caso contrario para un acercamiento a 0. Ahora miremos los posibles resultados que podemos obtener, un descriptor, por ejemplo bueno, malo o regular. Aplicando unos valores concretos a las funciones (evidencia) se pueden obtener niveles puntuales de disparo en unas reglas; para este ejemplo el servicio tendr un costo de 1700 pesos y el bus ir a una velocidad de 45 Km/h. Precio Barato Velocidad Baja Velocidad Alta Regular Bueno Precio Caro Malo Regular

Figura 2. Evidencia como fusificador singleton

Tabla 1. Base de reglas del sistemas difuso

Se crean funciones de pertenencia tambin para las diferentes salidas posibles. Al analizar los niveles de disparo de cada regla y aplicar un mnimo entre estos y las funciones de pertenencia correspondiente, se llega a un valor para la salida:

Regular

Malo

Bueno

Figura 3. Nivel de disparo de cada regla y salida con defusificador singleton

Esta expansin es una manera de representar sistemas difusos, relacionando unas entradas (que vienen dadas en forma vectorial), con una salida puntual; dicha representacin se puede llevar a una ecuacin que realice una inferencia y me d un estimador, como se puede observar en el ejemplo, 0,5 que resulta ser el descriptor regular. Dicho proceso se puede dar por una frmula: [ ]

All, los productos son un caso de norma-T que pueden reemplazar al mnimo y son implementados entre la evaluacin de las funciones de pertenencia y los fusificadores de tipo singleton, que representan algo similar a un impulso, para saber el nivel de disparo de dicha regla, para finalmente hallar un promedio, denominado centroide que brindar la estimacin. Tpicamente se utilizan funciones de tipo Gaussiano para representar las salidas del sistema debido a las posibilidades que estas puedan brindar. Como se pudo observar, las expansiones de funciones de base difusa permiten el uso de reglas adquiridas a partir de datos y a partir de anlisis lingsticos, al mismo tiempo, para arrojar una estimacin del comportamiento de dicho sistema, esto las hace tiles para diferentes aplicaciones, en especial las de sistemas cuyas salidas posean distribucin gaussiana, dichas aplicaciones pueden ser en control, clasificacin o prediccin.
L. Wang, A course on fuzzy systems and control, Prentice Hall, 1997. L. Wang, J. M. Mendel, (1992) Fuzzy basis functions, universal approximation, and orthogonal least squares learning , IEEE Transactions on Neural Networks