Escolar Documentos
Profissional Documentos
Cultura Documentos
Lgica difusa
De Wikipedia, la enciclopedia libre
La lgica difusa o lgica heuristica se basa en lo relativo de lo observado
como posicin diferencial. Este tipo de lgica toma dos valores aleatorios, pero
contextualizados y referidos entre s. As, 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 estn contextualizados a personas y referidos a una
medida mtrica lineal.
Funcionamiento
La lgica difusa ("fuzzy logic" en ingls) se adapta mejor al mundo real en el que vivimos, e
incluso puede comprender y funcionar con nuestras expresiones, del tipo "hace mucho calor",
"no es muy alto", "el ritmo del corazn est un poco acelerado", etc.
La clave de esta adaptacin al lenguaje, se basa en comprender los cuantificadores de
nuestro lenguaje (en los ejemplos de arriba "mucho", "muy" y "un poco").
En la teora de conjuntos difusos se definen tambin las operaciones de unin, interseccin,
diferencia, negacin o complemento, y otras operaciones sobre conjuntos (ver tambin
subconjunto difuso), en los que se basa esta lgica.
Para cada conjunto difuso, existe asociada una funcin de pertenencia para sus elementos,
que indican en qu medida el elemento forma parte de ese conjunto difuso. Las formas de las
funciones de pertenencia ms tpicas son trapezoidal, lineal y curva.
Se basa en reglas heursticas de la forma SI (antecedente) ENTONCES (consecuente),
donde el antecedente y el consecuente son tambin conjuntos difusos, ya sea puros o
resultado de operar con ellos. Sirvan como ejemplos de regla heurstica para esta lgica
(ntese la importancia de las palabras "muchsimo", "drsticamente", "un poco" y "levemente"
para la lgica difusa):
SI hace muchsimo calor ENTONCES aument drsticamente la temperatura.
SI voy a llegar un poco tarde ENTONCES aumento levemente la velocidad.
Los mtodos de inferencia para esta base de reglas deben ser simples, veloces y eficaces. Los
resultados de dichos mtodos son un rea final, fruto de un conjunto de reas solapadas entre
s (cada rea es resultado de una regla de inferencia). Para escoger una salida concreta a
partir de tanta premisa difusa, el mtodo ms usado es el del centroide, en el que la salida
final ser el centro de gravedad del rea total resultante.
Las reglas de las que dispone el motor de inferencia de un sistema difuso pueden ser
formuladas por expertos, o bien aprendidas por el propio sistema, haciendo uso en este caso
de redes neuronales para fortalecer las futuras tomas de decisiones.
Los datos de entrada suelen ser recogidos por sensores, que miden las variables de entrada de
un sistema. El motor de inferencias se basa en chips difusos, que estn aumentando
exponencialmente su capacidad de procesamiento de reglas ao a ao.
Un esquema de funcionamiento tpico para un sistema difuso podra ser de la siguiente
manera:
[editar] Aplicaciones
[editar] Aplicaciones generales
La lgica difusa se utiliza cuando la complejidad del proceso en cuestin es muy alta y no
existen modelos matemticos precisos, para procesos altamente no lineales y cuando se
envuelven definiciones y conocimiento no estrictamente definido (impreciso o subjetivo).
En cambio, no es una buena idea usarla cuando algn modelo matemtico ya soluciona
eficientemente el problema, cuando los problemas son lineales o cuando no tienen solucin.
Esta tcnica se ha empleado con bastante xito en la industria, principalmente en Japn, y
cada vez se est usando en gran multitud de campos. La primera vez que se us de forma
importante fue en el metro japons, con excelentes resultados. A continuacin se citan algunos
ejemplos de su aplicacin:
Sistemas de control de acondicionadores de aire
Sistemas de foco automtico en cmaras fotogrficas
Electrodomsticos familiares (frigorficos, lavadoras...)
Optimizacin de sistemas de control industriales
Sistemas de escritura
Mejora en la eficiencia del uso de combustible en motores
Sistemas expertos del conocimiento (simular el comportamiento de un experto humano)
Tecnologa informtica
Bases de datos difusas: Almacenar y consultar informacin imprecisa. Para este punto,
por ejemplo, existe el lenguaje FSQL.
...y, en general, en la gran mayora de los sistemas de control que no dependen de un
S/No.
[ edit ] DefinitionDefinicin
The field of Artificial Immune Systems (AIS) is concerned with abstracting the structure and
function of the immune system to computational systems, and investigating the application of
these systems towards solving computational problems from mathematics, engineering, and
information technology. El campo de los Sistemas Inmunes Artificiales (SIA) se refiere a la
abstraccin de la estructura y la funcin del sistema inmune a los sistemas computacionales, y
la investigacin de la aplicacin de estos sistemas en la solucin de problemas de clculo de
tecnologa matemticas, la ingeniera y la informacin. AIS is a sub-field of Biologically-inspired
computing , and Natural computation , with interests in Machine Learning and belonging to the
broader field of Artificial Intelligence . AIS es una sub-campo de la computacin inspirada
biolgicamente y computacin natural , con intereses en Aprendizaje Automtico y que
pertenece a la esfera ms amplia de la Inteligencia Artificial .
Artificial Immune Systems (AIS) are adaptive systems, inspired by theoretical immunology and
observed immune functions, principles and models, which are applied to problem solving. [ 1 ]
Sistemas Inmunes Artificiales (SIA) son sistemas adaptativos, inspirados en la inmunologa
terica y observada funciones inmunes, principios y modelos que se aplican a la resolucin de
problemas. [1]
AIS is distinct from computational immunology and theoretical biology that are concerned with
simulating immunology using computational and mathematical models towards better
understanding the immune system, although such models initiated the field of AIS and continue
to provide a fertile ground for inspiration. AIS es distinta de cmputo inmunologa y biologa
terica que tienen que ver con la simulacin de inmunologa usando modelos computacionales
y matemticos para lograr una mejor comprensin del sistema inmunolgico, aunque estos
modelos iniciado el mbito de la AIS y seguir siendo un terreno frtil para la inspiracin. Finally,
the field of AIS is not concerned with the investigation of the immune system as a substrate
computation, such as DNA computing . Finalmente, el campo de AIS no se refiere a la
investigacin del sistema inmune como un clculo sustrato, tal como la computacin ADN .
Contenido
[ocultar]
1 Historia
2 Algoritmos evolutivos
3 Aspectos a considerar
4 Enlaces externos
[editar] Historia
Durante los aos 50 se comenz a aplicar los principios de Charles Darwin en la resolucin de
problemas. Durante los aos 60 y 70, varias corrientes de investigacin independientes
comenzaron a formar lo que ahora se conoce como computacin evolutiva:
Programacin evolutiva
Estrategias Evolutivas
Algoritmos genticos
La programacin evolutiva naci en la dcada de 1960 y su creador fue Lawrence J. Fogel.
Este desarrollo comenz como un esfuerzo encaminado a crear inteligencia artificial basado en
la evolucin de mquinas de estado finitas.
Las estrategias evolutivas fueron propuestas por Ingo Rechenberg y Hans-Paul Schwefel en la
dcada de 1970. Su principal objetivo era el de optimizar de parmetros.
Los algoritmos genticos fueron propuestos por John H. Holland en 1975 y su motivacin inicial
fue la de proponer un modelo general de proceso adaptable.