Você está na página 1de 6

Buenas noches Sr Tutor y compaero, Reciban un cordial saludo.

Siguiendo la gua de actividades para el desarrollo dela Etapa 4. Permitome


realizar aportes de conceptos conocidos y desconocidos del anlisis de la etapa
1.

APORTES

CONOCIDOS

Fuzzy: Que se entiende por Fuzzy , difusa, borrosa, nebulosa, expuesta


en el ao 1965 por Lofti Zadeh (USA), con el fin de que las personas pudieran
resolver sus problemas cotidianos y poder tomar decisiones en situaciones
complejas.

DESCONOCIDOS

Conjuntos Usuales o Ntidos o CRISPS: En los conjuntos usuales la


funcin caracterstica tiene valor 0 o 1, es decir, es binaria.

Sea A={a, b} un conjunto definido en un universo U{a, b, c} Entonces, a y b


pertenecen a A, con funcin caracterstica 1 y c pertenece al complemente A
de A, en el universo U.

CONOCIDOS:

Conjuntos Difusos (FS): En los conjuntos difusos la funcin caracterstica


puede tener infinitos valores y es llamada funcin de pertenencia, designada
por . Como se observa en la figura 1 y 2.

Un Conjunto difuso FS (fuzzy set) es definido como:

A= { , A( X )}
Pertinencia: La funcin de pertenencia es subjetiva, pero no arbitraria, y
depende del contexto del tema o problema.

Como ejemplo, sea A el conjunto de personas altas en estatura. Se puede


adoptar un A (X) de la forma de la figura 3.

Figura 3. Pertenencia

DEFINICIONES EN (X) DIFUSA

Figura 5: Definiciones En (X) Difusa

Operaciones Bsicas Sobre Conjuntos Difusos:

Se definen en base a las funciones de pertenencia: v unin, interseccin,


max= el mayor de; min= el menor de.

Entonces
ALGUNOS TIPOS DE FUNCIONES DE
PERTENENCIA, DIFUSA

1. Triangular.

2. Gamma Tipo 1.

3. Trapezoidal, tipo 1
4. Gaussiana

rea no tiene que ser 1, como en probabilidades.

5. Exponencial, tipo 1
VARIABLES LINGUISTICAS (VL)

Son familias de conjuntos de la forma (gramtica) siguiente:

VL= {X, T(X), U, G, M}

X: nombre de la variable (velocidad, temperatura)

T(x): conjunto de trminos (alto, bajo,)

U: universo

G: regla sintctica para generar nombres de valores x

M: regla semntica asociadora

En los ejemplos se usarn trminos en ingls por facilidad con libros y artculos
de revistas.

Ejemplo:

X, velocidad v

T(velocidad) = { S, M, F, VS, VF,) = {lento, medio, rpido, muy lento, muy


rpido} = {slow, moderate, fast , very slow, very fast}

Cada trmino en T es caracterizado por un conjunto difuso (FS) en U.

DOS REGLAS DE INFERENCIA DIFUSAS

1.- Modus Ponens Generalizado

P1: x es A
P2: Si x es A, y es B
C: y es B

Se reduce a Modus Ponens ntido si

A=A Y B=B

2.-Modus Tollens Generalizado

P1: y es B
P2: Si x es A, y es B
C: x es A
Se reduce a Modus Tollens Ntido Si

Representan enlace (de reglas) hacia delante o hacia atrs A->B, A <-B

DESDIFUSICACIN

Paso de difuso a ntido (anlogo y digital)


Por Media, mxima modificada, momentos,
El control se obtiene como

Você também pode gostar