Logica Difusa 1

Lgicadifusa
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
Semestre
2010/2
2009/2 2010/2
Bibliografa bsica (mdulo sistemas Difusos)

Neuro-Fuzzy and soft computing, J.S. Roger Jang, C. Tsai Sun, Eiji
Mizutami, Prentice Hall, 1997.
Learning and soft computing: support vector machines, neural

networks, and fuzzy logic models Vojislav Kecman. MIT Press, 2001.
Fuzzy systems for Engineering: a tutorial,J. Mendel, Procedding of
IEEE Vol. 83, No. 3, March 1995.
Fuzzy Logic, Identification and predictive Control, Jairo Espinosa,
Joos Vandewalle and Vencent Wert, Springer 2004.
Proceeding of IEEE, IEEE trans. On Fuzzy Systems, Fuzzy sets and
Systems, IEEE Trans. Systems, Man and Cybernectics
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Introduccin
Un sistema inteligente sera aquel que posee una habilidad
parecida al ser humano para resolver problemas dentro de un

dominio especfico, tiene capacidad para adaptarse, aprender
en un ambiente cambiante y explicar como se toman las
decisiones (o acciones).
"Los Sistemas Inteligentes basados en redes neuronales,
mquinas de soporte vectorial (SVM) y lgica difusa se estn

consolidando como herramientas fundamentales para modelar
sistemas complejos no lineales
"Los conjuntos difusos y la lgica difusa, que son el
fundamento de los sistemas difusos, han sido desarrollados

buscando modelar la forma como el cerebro manipula
informacin inexacta e imprecisa
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Introduccin
Un sistema inteligente sera aquel que posee una habilidad
parecida al ser humano para resolver problemas dentro de un
dominio especfico, tiene capacidad para adaptarse, aprender en
un ambiente cambiante y explicar como se toman las decisiones ( o
acciones).
En el ltimo siglo ha existido un inters creciente por la
construccin de mquinas inteligentes.
1947, Se defini la Ciberntica ( Norbert Wiener) un estudio
unificado del control y de la comunicacin en los animales y las
mquinas.
La poca de la ciberntica coincide con el desarrollo de varios
paradigmas:
Evolucin de los computadores analgicos a digitales.
Teora formal de la computacin ( Alan Turing).
Computadora basada en lgica digital: John Von Neumann
Primeros modelos del neuron: McCulloch-Pitts (1943),
perceptron (1957) La inteligencia artificial (IA), 1960, John
McCarthy
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Introduccin
Inteligencia Artificial:
Buscaban definir los mtodos algortmicos capaces de hacer
pensar a los computadores !!
Hubo una gran efervescencia en la dcada del 60, debido
a los resultados iniciales se pensaba que se conseguira
construir mquinas realmente inteligentes.
Hubo un declive de las otras reas: la ciberntica y la redes
neuronales.
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Introduccin
1969, Marvin Minsky, mostr mediante un estudio riguroso,
formal, limitaciones en los perceptrones para resolver algunos
problemas. Esto caus una perdida de confianza en el rea de
redes neuronales.
La Inteligencia Artificial:
El ser humano utiliza el lenguaje como medio para razonar y
sacar conclusiones.
La IA busca imitar el comportamiento inteligente, tratando de
expresarlo en formas de lenguaje o reglas Simblicas
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Introduccin
La Inteligencia Artificial:
La IA manipula simbolos basandose en la suposicin que el
comportamiento inteligente puede ser almacenado en bases de
conocimiento estructuradas simblicamente.
El mayor desarrollo de la IA son los sistemas expertos o
Sistemas basados en conocimiento:
Son complejos programas (software) en los que se codifica
el conocimiento de expertos en una materia muy concreta
enforma de reglas de decisin.
- La IA se sustenta en el binomio: lgica boolena-mquina de Von
Neumann.
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Introduccin
Pregunta
Respuesta
Usuario
(Novato)
Interface de Usuario
Mquina de
Inferencia
Facilidad de
Explicacin
Base de Datos
Global
KB
Ingeniero de
Conocimiento
Adquisicin de
Conocimiento
Humano
Experto
Hechos
Reglas
Computador
Host
etc...
Estructura de un sistema experto

ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Introduccin
Inteligencia computacional:
La inteligencia computacional (soft computing) tiene
Objetivos similares a la IA, pero ha puesto ms nfasis
en metodologas inspiradas biolgicamente: modelado de
Cerebro, algoritmos evolutivos, lgica difusa).
Softcomputing cubre algunos paradigmas recientes:

- Lgica difusa y sistemas basados en razonamiento difuso.
- Redes neuronales.
- Mquinas de Soporte Vectorial- SVMs.
- Tcnicas de optimizacin basadas en algoritmos genticos.
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Algoritmos Gneticos
"Losalgoritmosgenticoshansidodesarrolladosconbaseenla
teoradelaevolucinyseusaneficientementepararesolver
problemasdeoptimizacin".
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
REDES NEURONALES
"Las redes neuronales artificiales son modeladas a partir de la
observacin de la estructura (fsica) del cerebro".
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Lgica Difusa
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Sistemas Difusos Vs Redes Neuronales

Los sistemas difusos:
Han sido desarrolladas buscando modelar la forma como el cerebro
manipula informacin imprecisa.
La redes neuronales:
Son modeladas a partir de la arquitectura fsica del cerebro.
(interconexin de neuronas conforman una red Neuronal)
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2

Modelos basados en RN y
MSV
Modelos basados en LD
Caja negra
Caja blanca
No se tiene conocimiento
previo, pero se tienen
medidas (datos),
observaciones, records
Se dispone de un
Conocimiento estructurado
(experiencia, experticia,
o heursticas ). Se expresa
generalmente en reglas
R1: Si la Velocidad es
alta y distancia es
pequea
entonces la fuerza en el
freno debera ser
grande.
R2: Si
Se establece el concepto de
aprendizaje a partir de los datos
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
En algunos casos se puede disponer de ambos: conocimiento previo y

algunos datos
Caja gris
En esta situacin se usan ambos: modelos neuro difusos
o modelos fuzzy-neuro
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
SISTEMAS DIFUSOS
Los sistemas difusos y las redes neuronales:
Estimadores libres de modelos.
Sistemas dinmicos.
Ambos tienen la capacidad de modelar procesos no lineales
complejos con un grado arbitrario de exactitud.
Son tecnologas complementarias:
- Sistemas difusos con habilidades de aprendizaje.
- Redes neuronales con una estructura determinada
por la forma y el proceso de razonamiento propio
de las reglas difusas If-then.
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Sistemas Difusos
Los sistemas difusos pueden usarse en muchos
campos de la ingeniera:
- Control de procesos.
- Modelado no lineal.
- procesamiento de imgenes.
- Comunicaciones.
- Problemas de optimizacin.
- Sistemas para toma de decisiones.
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
SISTEMAS DIFUSOS
La expresin del conocimiento
Cuando se trabaja con la solucin de problemas existen dos
tipos de conocimiento:
Conocimiento objetivo: El cual se expresa en forma de
modelos matemticos. Estos modelos son usados
corrientemente en la solucin de problemas en el campo
de la ingeniera.
Conocimiento subjetivo: el cual es representado en forma
lingstica que es imposible de cualificar con modelos
matemticos tradicionales.
Ej: Si el valor de la ganancia es muy alto entonces el
sistema puede ser inestable
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
CONJUNTOS DIFUSOS
Qu es un conjunto de acuerdo con la teora clsica?

Es una reunin de elementos que cumplen alguna condicin preestablecida.
Notacin: A = { x / x cumple alguna condicin}
Ejemplo: A = { x R / x > 5 }
Conjuntos discretos se pueden

representar con diagramas. Por
ejemplo el conjunto B (de nmeros
enteros entre 1 y 5):
1
2
3
4
5
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
As:
1 B
2 B
3 B
4 B
5 B
2010/2
2009/2
CONJUNTOS DIFUSOS
La funcin caracterstica o de pertenencia
Se puede definir un conjunto estableciendo su funcin de pertenencia (
tambin llamada funcin caracterstica).
La funcin asume la siguiente forma para conjuntos clsicos:
Sea el conjunto A, la funcin de pertenencia A(x) ser:
1, si x A
A(x) =
0, a x A.
Ejercicio:
Considere el conjunto de todos los estudiantes del curso como conjunto
universal. Considere C, como el conjunto de los estudiantes con
promedio mayor a 4. Evale C(x) para algunos valores de x.
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
CONJUNTOS DIFUSOS
Ejemplo: sea el conjunto A:
A ={ El conjunto de los nmeros reales mayores que 5}
o equivalentemente:
A = { x R / x 5}
Entonces: A(4) = 0
A(6) = 1
Grfica de A(x)
ControlEmbebidos
Sistemas
A
1
3 4 5 6 7 .
UNIVERSIDAD EAFIT
R
2010/2
2009/2
CONJUNTOS DIFUSOS
Conjuntos difusos
La pertenencia de los elementos al conjunto puede ser gradual, lo
cual se expresa mediante la funcin de pertenencia, que en este
caso puede tomar valores dentro del intervalo [0,1]
Ejemplo:
Sea el conjunto universal X ={ 1, 2, 3, 4, 5, 6, 7, 8, 9}. Sea el
conjunto A = {el nmero apropiado de cursos que un estudiante
debe tomar en el primer semestre de Ingeniera Fsica}
A, lo podramos definir considerando sus elementos junto con sus
valores de pertenencia:
A ={ (1, 0.1), (2,0.3), (3,0.4), (4,0.6), (5,1), (6,0.9), (7,0.6), (8,0.3)
(9, 0.1) }
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
CONJUNTOS DIFUSOS
Conjunto clsico
ControlEmbebidos
Sistemas
Conjunto Difuso
UNIVERSIDAD EAFIT
2010/2
2009/2
Conjuntos clsicos Vs Conjuntos difusos
Enlosconjuntosdifusoslapertenenciadeunelemento
aunconjuntonoestandrstica.Elelementopuede
tenerungradodemembrecaadichoconjunto
Losconjuntosclsicossepuedenrepresentarde3
formas
1)Nombrandoloselementosdelconjunto
Ej:A={a,e,i,o,u}
2)Definiendounaexpresinquelosmiembroscumplan
Ej:A={x|xesunaletravocal}
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
3) Definido por una funcin caracterstica
Esta funcin mapea los elementos del

conjunto universo a los elementos del conjunto
{0,1}.
Para cada
entonces x es miembro de
A
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Enlosconjuntosdifusoslafuncincaracterstica
mapealoselementosalintervaloreal[0,1]
Formalmente
SeaX conjuntouniversoclsicotalquex seansus
elementos,estoes .UnconjuntodifusoAlo
definimosmediante
A={(x,A(x))|x X }
Donde
A(x):Funcindemembresa
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Ejemplos:
A:Conjuntodeloshombresjvenes
B:Conjuntodeloshombresdeedadmedia
C:Conjuntosdeloshombresviejos
Cadaunodelosconjuntosnoposeelmitesclaros
ysepuedenrepresentarmedianteconjuntos
difusos.
Losconjuntosdifusossonunaformade
representarimprecisineincertidumbre
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Las funciones de pertenencia podran ser:
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Tiposdefuncionesdemembresa
Engeneralsepuedeutilizarcualquierfuncin
continuaquemapeelosdeunconjunto
universoclsicodadoaelementosalintervalo
[0,1],lasmscomunesson:
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Sigmoide
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Diferenciaentre2sigmoides
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
FuncinGaussiana
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
CurvasbasadasenSplines
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Funcintriangular
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Operacionesbsicassobre
conjuntosdifusos
Lasoperacionesbsicasenlosconjuntosclsicosson3
Unin
Ej:
A={a,e,i,o,u}
B={b,c,d}
AUB={a,e,i,o,u,b,c,d}
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Interseccin
Ej
A={1,2,3}
B={2,3,4,5}
={2,3}
Complemento
Ej
A={1,2,3}
Comp(A)={4}
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Laextensinnaturalparalasoperacionesestdadapor
Unindifusastandard
Interseccindifusastandard
Complementodifusostandard
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Aplicacinsencilla
Supongamosqueunapersonacualquieradeseaira
tomarunacervezaaunlocaltradicional,quelacerveza
seabaratayqueellocalquedecercadesucasa
Eldisponede4lugaresconocidos
Tienesed
Aqupodemosdistinguirtresconjuntosdifusos
1)Cervezabarata
2)Localtradicional
3)Cercanaasuhogar
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Paral:
Unacervezabarataesunaquecuestealrededor
de$1000omenos
Unlocaltradicionalesunlocalquealmenostenga
5aosfuncionando.
Quequedecercadesucasaesquenoquedea
msde10cuadras
Segnlaspreferenciasdelindividuosepueden
construirlossiguientesconjuntosdifusos
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Caractersticasdeloslocales
Debidoalplanteamientodebemosintersectar los
conjuntos
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Lasolucinclsicaimponeque
Preciocerveza<=$1000
Aosdeservicio>=5aos
Cuadras<=10cuadras
Comosedebenintersectar losconjuntos,segn
lasolucinclsicaellocaldebeestaralomasa
10cuadras,teneralomenos5aosdeservicioy
quelacervezacuestealoms$1000
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
SOLUCIN
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Mediantelasolucinclsicaelindividuose
hubieraquedadoensuhogar,locualnoes
consistenteconlahiptesisTieneSed.
Mediantelasolucindifusadeducimosqueel
individuoposiblementehubieraidoalLocal3a
disfrutarsucerveza
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Sistemas Difusos: Fundamentos

Lgica clsica ( una revisin rpida)
En lgica clsica una proposicin p puede tener dos valores:
ser verdadera (v)
ser Falsa (f)
Tambin se definen varios conectivos tales como:
Y
o entonces si solo si negacin
p
pq
pq
pq
pq
T
T
F
F
T
F
T
F
T
F
F
F
T
T
T
F
T
F
T
T
T
F
F
T
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
~p
F
F
T
T
2010/2
2009/2
SISTEMAS DIFUSOS
Sistemas difusos (modelo difuso): una visin de alto nivel

Establecen un mapeo no lineal entre un vector de datos de entrada
a una salida escalar (MISO).
Y= f(x)
Sistema Difuso
xUn
Reglas
Defuzificador
Fuzificador
Mecanismo
inferencia
salida
Vector de entrada
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Bibliografa bsica (mdulo sistemas Difusos)

Neuro-Fuzzy and soft computing, J.S. Roger Jang, C. Tsai Sun, Eiji
Mizutami, Prentice Hall, 1997.
Learning and soft computing: support vector machines, neural

networks, and fuzzy logic models Vojislav Kecman. MIT Press, 2001.
Fuzzy systems for Engineering: a tutorial,J. Mendel, Procedding of
IEEE Vol. 83, No. 3, March 1995.
Fuzzy Logic, Identification and predictive Control, Jairo Espinosa,
Joos Vandewalle and Vencent Wert, Springer 2004.
Proceeding of IEEE, IEEE trans. On Fuzzy Systems, Fuzzy sets and
Systems, IEEE Trans. Systems, Man and Cybernectics
ControlEmbebidos
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2

Logica Difusa 1

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Logica Difusa 1

Enviado por

Direitos autorais:

Formatos disponíveis

Lgicadifusa

Bibliografa bsica (mdulo sistemas Difusos)

Mizutami, Prentice Hall, 1997.

Learning and soft computing: support vector machines, neural

parecida al ser humano para resolver problemas dentro de un

"Los Sistemas Inteligentes basados en redes neuronales,

mquinas de soporte vectorial (SVM) y lgica difusa se estn

"Los conjuntos difusos y la lgica difusa, que son el

fundamento de los sistemas difusos, han sido desarrollados

informacin inexacta e imprecisa

Estructura de un sistema experto

Softcomputing cubre algunos paradigmas recientes:

Sistemas Difusos Vs Redes Neuronales

Sistemas Difusos Vs Redes Neuronales

Sistemas Difusos Vs Redes Neuronales

En algunos casos se puede disponer de ambos: conocimiento previo y

Qu es un conjunto de acuerdo con la teora clsica?

Conjuntos discretos se pueden

Conjuntos clsicos Vs Conjuntos difusos

3) Definido por una funcin caracterstica

Esta funcin mapea los elementos del

Las funciones de pertenencia podran ser:

Sistemas Difusos: Fundamentos

Sistemas difusos (modelo difuso): una visin de alto nivel

Bibliografa bsica (mdulo sistemas Difusos)

Mizutami, Prentice Hall, 1997.

Learning and soft computing: support vector machines, neural

Você também pode gostar