Portafolio de Evidencias

INTELIGENCIA ARTIFICIAL II
1
Instituto Tecnológico Superior

De Las Choapas
Trabajo:
Portafolio de evidencias
Carrera:
Ing. En Sistemas Computacionales
Asignatura:
Inteligencia Artificial II
Grupo: “B”, Semestre: 8°
Presenta:
Selene Antonio Monroy
Matricula: 151A0533
Clave de la Asignatura: TAB-1805
Dra. Selene García Nieves
Lugar y Fecha:
Las Choapas, Ver, a 4 de mayo del 2019.

2
COMPETENCIA A DESARROLLAR
Definir, diseñar, construir y programar las fases del analizador léxico y sintáctico de
un traductor o compilador.
COMPETENCIA PREVIA
Analiza los componentes y la funcionalidad de sistemas de comunicación para
evaluar las tecnologías actuales como parte de la solución de un proyecto de
conectividad.
TEMARIO
No. Temas Subtemas

1 Redes neuronales. 1.1 Elementos básicos y capas que
componen una red neuronal.
1.2 Tipos de neuronas artificiales.
1.3 Técnicas de decisión y mecanismos
de aprendizaje.
1.4 Topología de las redes neuronales.
1.5 Conexión entre neuronas.
1.6 Redes de propagación hacia atrás
(backpropagation).
1.7 Aplicaciones de las Redes
Neuronales.
2 Lógica Difusa 2.1. Teoría de conjuntos difusos.
2.2 Funciones de pertenencia.
2.3. Sistema de control difuso.
2.3.1 Fusificación.
2.3.2 Base de conocimiento.
2.3.3. Inferencia
2.3.4 Defusificación
2.4 Aplicaciones de la Lógica Difusa.
3 Sistemas Expertos 3.1 Introducción a los Sistemas Expertos.
3.2 Representación del conocimiento.
3.3 Sistemas de producción.
3.3.1 Lógica proposicional.
3.3.2 Hechos
3.3.3 Reglas de Producción.
3.4 Razonamiento con incertidumbre.
3.5 Aplicación práctica de un sistema
experto.
4 Proyecto Integrador 4.1 Análisis del problema
4.2 Desarrollo del proyecto integrador
4.3 Evaluación del proyecto
3
CRITERIO DE EVALUACIÓN
ACTIVIDADES………………………………………....50%
PORTAFOLIO DE EVIDENCIAS…………………….10%
ASISTENCIA……………………………………………10%
EXAMEN ESCRITO……………………………………30%
TOTAL: 100%
CARGA ACADEMICA
4
Índice
TEMARIO ............................................................................................................................................. 3
CRITERIO DE EVALUACIÓN .................................................................................................................. 4
CARGA ACADEMICA ............................................................................................................................ 4
Índice ................................................................................................................................................... 5
REDES NEURONALES ....................................................................................................................... 7
Diapositiva de prácticas RNA .......................................................................................................... 7
Practica 1 tabla and ......................................................................................................................... 8
PRACTICA 2 TABLA OR ................................................................................................................... 10
PRÁCTICA 3 PIÑA-MANZANA (PESO Y COLOR).............................................................................. 13
PRÁCTICA 4 IDENTIFICADOR DE TORNILLOS ................................................................................. 16
PRÁCTICA 5 REDES NEURONALES. ................................................................................................ 18
CAPTURA DE LOS ARCHIVOS CON LOS QUE SE TRABAJO EN EL TEMA DE REDES NEURONALES. 21
CAPTURAS DEL TEMA REDES NEURONALES.................................................................................. 22
PRACTICAS DE REDES NEURONALES ............................................................................................. 22
LOGICA DIFUSA.................................................................................................................................. 23
PRÁCTICAS LÓGICA DIFUSA CON MATLAB .................................................................................... 24
PRÁCTICA 2 MOTOR (DISTANCIA, VELOCIDAD Y VOLTAJE). .......................................................... 24
PRÁCTICA 3 RESTAURANTE (SERVICIO, COMIDA Y PROPINA). ..................................................... 29
PRÁCTICA 4 CALEFACCIÓN DE UN INVERNADERO (TEMPERATURA, HUMEDAD Y VARIACIÓN DE
TEMPERATURA). ............................................................................................................................ 33
PRÁCTICA 5 (CONTROLADOR AIRE ACONDICIONADO) PRACTICA EN EQUIPO. ............................ 38
ARCHIVOS CON LOS QUE SE TRABAJÓ EN LÓGICA DIFUSA. .......................................................... 43
PRÁCTICAS LÓGICA DIFUSA. .......................................................................................................... 43
INTRODUCCION A PROGRAMACION LOGICA PROLOG ..................................................................... 44
PRÁCTICAS DEL PROGRAMA “PROLOG”. ...................................................................................... 44
PRÁCTICA 1 (JOSÉ, MARÍA Y JUAN). .............................................................................................. 44
PRÁCTICA 3. (RUFIANES, NOBLES, PLEBEYO, DAMAS, HERMOSA, DESEAN Y RAPTAN). .............. 48
PRÁCTICA 4. (PEPE, MARÍA, Y ANA). ............................................................................................. 49
5
PRÁCTICA 5. (PROGENITORES, MASCULINOS, FEMENINOS, HERMANO, HERMANA, TIO, TÍA,

HIJO, HIJA Y DESCENDIENTES). ...................................................................................................... 51
ARCHIVOS CON LOS QUE SE TRABAJÓ EN INTRODUCCIÓN A LA PROGRAMACIÓN LÓGICA
PROLOG. ........................................................................................................................................ 53
PRACTICAS DE PROLOG ................................................................................................................. 54
6
REDES NEURONALES
Diapositiva de prácticas RNA
7
PRACTICAS REDES NEURONALES CON MATLAP
Practica 1 tabla and
Problema: se definen dos matrices, una para las entradas P y otra para las salidas
T, cada patrón de aprendizaje se define por columnas.
Podemos ver la gráfica de estos dos patrones con el comando plotpv.
La grafica resultante es la siguiente:
8
Inicialización de la RNA y Entrenamiento de la RNA.
Se crea la RNA, para el caso del Perceptrón se configura. Y el entrenamiento

de la red se realiza con el comando train este implementa un entrenamiento
con la regla de aprendizaje tipo Perceptrón.
Lo cual nos muestra la siguiente imagen con el número de iteraciones:
Lo siguiente es que se le reasigna valores a w y b y muestra la figura, también

se hace validación de la RNA:
9
PRACTICA 2 TABLA OR
Problema: se definen dos matrices, una para las entradas P y otra para las salidas
T, cada patrón de aprendizaje se define por columnas.
10

11

12
PRÁCTICA 3 PIÑA-MANZANA (PESO Y COLOR)
Problema: construir un sistema automático que coloque las manzanas en un

depósito verde y las piñas en el depósito amarillo. Se usan dos sensores para
determinar el fruto, una galga extensiométrica para medir el peso del fruto y una
cámara para determinar el color promedio del fruto. Diseñar una red neuronal
perceptrón que realice la clasificación entre piñas y manzanas.
Considere que los sensores entregan los siguientes niveles de voltaje para las
siguientes 3 piñas típicas.
1.5 0.9 2.1
Piñas P1 = [ ] P2 = [ ] P3 = [ ] 0
−0.3 0.05 0.2
Y para las siguientes manzanas típicas
0.24 0.45 0.15

Manzanas P4 = [ ] P5 = [ ] P6 = [ ] 1
−0.87 −0.60 −0.43
Definiendo dos matrices, una para las entradas P y otra para las salidas T donde
cada patrón de aprendizaje se define por columnas.

13

14

15
PRÁCTICA 4 IDENTIFICADOR DE TORNILLOS
problema: las entradas para el perceptrón tienen la forma siguiente:

P = Los valores para cada parámetro son:
Forma:
• 1, si el tornillo es redondo.
• -1, si el tornillo es elíptico.
Textura:
• 1, si la superficie del tornillo es suave.
• -1, si la superficie es rugosa.
Peso:
• 1, ≥1 libra.
• -1, < 1 libra.
Según lo anterior, los vectores de entrada para los tornillos a clasificar son:
Estrella Plano
16

17

PRÁCTICA 5 REDES NEURONALES.
Problema
18


19

20
CAPTURA DE LOS ARCHIVOS CON LOS QUE SE TRABAJO EN EL

TEMA DE REDES NEURONALES.
21
CAPTURAS DEL TEMA REDES NEURONALES
PRACTICAS DE REDES NEURONALES
22
LOGICA DIFUSA
23
PRÁCTICAS LÓGICA DIFUSA CON MATLAB

PRÁCTICA 2 MOTOR (DISTANCIA, VELOCIDAD Y VOLTAJE).
Problema: realizar un controlador dados como datos 2 valores de entrada: Distancia

y Velocidad. Y un valor de salida: Voltaje.
El controlador a través de un sensor va a detectar la ubicación y la velocidad en que

se encuentra un motor va a tener un algoritmo o reglas especificadas que en base
a esa Distancia y Velocidad va a deducir cuanto de voltaje hay que votar (puede ser
positivo o negativo). Si es positivo se va ir hacia el lado derecho y si es negativo
hacia el lado izquierdo.
Funcionamiento del sistema.
Rangos:
Rango de Distancia [-0.5 0.5]
Rango de Velocidad [-0.5 0.5]
Rango de Voltaje [-40 40]
Parámetros y Variables:
Distancia Velocidad Voltaje
Muy izquierda (-0.5 -0.5 -0.25) Rápido izquierda(-0.5 -0-5 -0.25) Muy negativo(-40 -40 -20)
Izquierda (-0.5 -0.25 0) Lento izquierda(-0.5 -0.25 0) Negativo (-40 -20 0)
Centro (-0.25 0 0.25) Parado(-0.25 0 0.25) Sin voltaje (-20 0 20)
Derecha (0 0.25 0.5) Lento Derecha (0 0.25 0.5) Positivo (0 20 40)
Muy Derecha (0.25 0.5 0.5) Rápido Derecha (0.25 0.5 0.5) Muy Positivo (20 40 40)
Base de reglas de Voltaje.
24
Desarrollo:
Escribimos fuzzy lo cual nos saldrá una ventana donde agregaremos las
variables de entrada cambiamos el nombre de las variables de entrada
(Velocidad y Distancia) y de salida (Voltaje). y guardamos el archivo.
25
Damos doble click en la variables Distancia Se agregan las MFs, Se les cambia el nombre
(Name), Se les cambia el rango , Cambiamos el tipo de función de membresía y los
parametros de cada valor de la etiqueta lingüística. Se hace los mismo con las variable
Voltaje, Velocidad.
26
Cerramos
Editaremos las reglas
27
Cerramos
Veremos las reglas
28
PRÁCTICA 3 RESTAURANTE (SERVICIO, COMIDA Y PROPINA).
Problema: realizar un controlador dados como datos 2 valores de entrada: Servicio

y comida. Y un valor de salida: Propina.
Para Servicio su Función de Membresía es Gaussiana

Rango [0 10]
Malo [1.5 0]
Bueno [1.5 5]
Excelente [1.5 10]
Para Comida su Función de Membresía es Trapezoidal

Rango [0 10]
Desagradable [0 0 1 3]
Delicioso [1 3 10 10]
Para Propina su Función de Membresía será triangular

Rango [0 30]
Bajas [0 5 10]
Media [10 15 20]
Generosa [20 25 30]
Reglas de la Propina.
SERVICIO
Malo Bueno Excelente
COMIDA Desagradable Baja
Delicioso Media Generosa
PROPINA Baja Media Generosa
29
Desarrollo:
(Servicio y Comida) y de salida (Propina). y guardamos el archivo.
30
Damos doble click en la variables Servicio Se agregan las MFs, Se les cambia el nombre
(Name), Se les cambia el rango , Cambiamos el tipo de función de membresía y los
parametros de cada valor de la etiqueta lingüística. Se hace los mismo con las variable
Comida, Propina.
31
Cerramos
32
Cerramos
Veremos las reglas
PRÁCTICA 4 CALEFACCIÓN DE UN INVERNADERO

(TEMPERATURA, HUMEDAD Y VARIACIÓN DE TEMPERATURA).
Problema: se pretende controlar la calefacción de un invernadero a partir de los

parámetros de temperatura y humedad del mismo. La finalidad es mantener
controlada la temperatura e, implícitamente, la humedad.
1. En el diagrama, las variables de entrada son Temperatura, y Humedad, y la
variable de salida es la Variación de temperatura. Diseña el diagrama del
controlador.
2. Los valores lingüísticos de cada una de las variables son los siguientes:
Temperatura: Se asumen 5 etiquetas lingüísticas: muy baja (MB), baja(B), normal
(N), alta(A), muy alta(MA).
33
Humedad: Se asumen 5 etiquetas lingüísticas: muy poco húmedo (MPH), poco

húmedo(PH), húmedo moderado (HM), Húmedo(H), muy húmedo(MH).
Variación de temperatura: Se asumen 7 etiquetas lingüísticas: bajada grande

(BG), bajada normal (BN), bajada pequeña (BP), mantener (M), subida pequeña
(SP), subida normal (SN), subida grande (SG).
3. Implementar el problema en Matlab con las siguientes reglas:

Base de reglas de los valores lingüísticos.
HUMEDAD
TEMPERATURA MPH PH HM H MH
MB SN SN SG SG SG
B M M SP SP SN
N M M M M BP
A M M BP BP BN
MA BP BN BN BG BG
V_TEMPERATURA M SN SG SP BN BG BP
34
Desarrollo:
(Temperatura y Humedad) y de salida (Variación de temperatura). y
guardamos el archivo.
35
Damos doble click en la variables Temperatura Se agregan las MFs, Se les cambia el
nombre (Name), Se les cambia el rango , Cambiamos el tipo de función de membresía y
los parametros de cada valor de la etiqueta lingüística. Se hace los mismo con las variable
Humedad, Variacion de temperatura.
36
Cerramos
37
Cerramos
Veremos las reglas
PRÁCTICA 5 (CONTROLADOR AIRE ACONDICIONADO) PRACTICA

EN EQUIPO.
Problema: realizar un controlador con datos 2 valores entrada: Número de

personas y temperatura Y un valor de salida: Intensidad.
En el siguiente problema se pretende evaluar la intensidad de temperatura en un

salón de clases respecto al número de personas y la temperatura. Todo esto con la
finalidad de tener una buena intensidad de temperatura dentro del salón de clases.
Rango.-
Núm. De personas: [0, 30]
Temperatura: [15, 36]
Intensidad: [17, 38]
38
Datos de entrada.- Datos de salida.-

Entrada de número de personas: Salida en intensidad:
Pocas: [0, 5, 10] Frio: [17, 20.5, 24]
Normal: [10, 15 20] Normal: [24, 27.5, 31]
Muchas: [20, 25, 30] Caliente: [31, 34.5, 38]
Entrada en temperatura: Base de reglas.-

Baja: [15, 18.5 22]
Núm. de personas
Normal: [22, 25.5, 29]
Pocas Normal Muchas
Alta: [29, 32.5, 36] Temperatura Baja Caliente Normal Normal
Normal Normal Normal Normal
Alta Frio Normal Frio
Intensidad Frio Normal Caliente
39
Desarrollo:
variables de entrada cambiamos el nombre de las variables de entrada (número
de personas y temperatura) y de salida (Intensidad). y guardamos el archivo.
modificamos los (parámetros, rangos y funciones) para las variables (Núm. de

personas,Temperatura e Intensidad de temperatura.).
40
41
cerramos y editamos las reglas
cerramos y veremos las reglas
42
ARCHIVOS CON LOS QUE SE TRABAJÓ EN LÓGICA DIFUSA.
PRÁCTICAS LÓGICA DIFUSA.
43
INTRODUCCION A PROGRAMACION LOGICA PROLOG
PRÁCTICAS DEL PROGRAMA “PROLOG”.

PRÁCTICA 1 (JOSÉ, MARÍA Y JUAN).
En el programa de Prolog abrimos un archivo nuevo se declaran los gustos de José,
María y Juan. Después le damos clic en “File”, guardar buffer, y por ultimo
compilamos.
44
Ya compilado procedemos hacer consultas requeridas para poder contestar algunas

preguntas.
PREGUNTAS
1.- ¿A María le gusta José? 2.- ¿A María le gusta el libro?

R= Falso R= Verdadero
3.- ¿A Juan le gusta el pescado? 4.- ¿A José le gusta el pescado?
R= Falso R= Falso
5.- ¿Qué le gusta a Juan? 6.- ¿Qué le gusta a José?
R= Coche, Vino y María. R= María y Pescado
7.- ¿Qué le gusta a María? 8.- ¿Quién le gusta a José?
R= Libro, Comida y Vino. R= Nadie
9.- ¿Quién le gusta a Juan? 10.- ¿Quién le gusta a María?
45
PRÁCTICA 2. (PROGENITORES, FEMENINOS, MASCULINOS, ABUELO, ABUELA, HERMANO,

HERMANA, MAMÁ Y PAPÁ).
En prolog abrimos un archivo nuevo y se declara progenitores, femeninos,
masculinos, abuelo, abuela, hermano, hermana, mamá y papá. damos clic en “File”
y guardar buffer, y por ultimo compilamos.
compilado procedemos hacer consultas requeridas para poder contestar algunas

preguntas.
46
PREGUNTAS
1.- ¿Quiénes son los progenitores de Luis?

R= Juan y María
2.- ¿De quién es progenitor Luis?
R= Ana y José
3.- ¿Quién es el progenitor de Juan?
R= Nadie
4.- ¿Ana es progenitora de Elena?
R= Verdadero
5.- ¿Quién es progenitor de quién?
R= María de Luis, Juan de Luis, Luis de Ana, Luis de José y Ana de Elena.
6.- ¿Quiénes son femeninos?
R= María, Ana y Elena.
7.- ¿Quiénes son masculinos?
R= Juan, Luis y José.
47
PRÁCTICA 3. (RUFIANES, NOBLES, PLEBEYO, DAMAS, HERMOSA,

DESEAN Y RAPTAN).
En prolog abrimos un archivo nuevo se declara rufianes, nobles, plebeyo, damas,
hermosa, desean y raptan. Damos clic en “File” guardar buffer, y por ultimo
compilamos.

preguntas.
48
PREGUNTAS
1.- ¿Qué noble es un rufián?
R= Pepe
2.- ¿Quién es susceptible de ser raptada por Carlos?
R= Laura
3.- ¿Quién puede raptar a Julieta?
R= Juan y Pepe
4.- ¿Quién rapta a quién?
R= Pepe a Julieta, Juan a Laura y a Julieta.
5.- ¿A quién desea Juan?
R= Laura y Julieta
6.- ¿A quién desea Carlos?
R= Julieta
PRÁCTICA 4. (PEPE, MARÍA, Y ANA).

En prolog abrimos un archivo nuevo se declaran los gustos de Pepe, María, y Ana.
damos clic en “File” y guardar buffer, por ultimo compilamos.
49

preguntas.
PREGUNTAS
1.- ¿Le gusta la música a Pepe y a María?
R= Verdadero
2.- ¿Le gusta bailar a Pepe o a María le gusta la música?
R= Verdadero
3.- ¿Le gusta bailar a Pepe y a María no le gusta la música?
R= Falso
4.- ¿A quiénes les gusta bailar?
R= María y Ana
5.- ¿Qué le gusta a cada persona?
R= A Pepe le gusta la pesca y la música, a María le gusta la música y bailar y a Ana le gusta
bailar y la pesca.
50
PRÁCTICA 5. (PROGENITORES, MASCULINOS, FEMENINOS,

HERMANO, HERMANA, TIO, TÍA, HIJO, HIJA Y DESCENDIENTES).
En prolog abrimos un archivo nuevo se declaran los gustos de Pepe, María, y Ana. Clic en
“File” y guardar buffer, por ultimo compilamos.
Compilado procedemos hacer consultas requeridas para poder contestar algunas

preguntas.
51
PREGUNTAS
1.- ¿Quién es progenitor de quién?
R= Ana de Lupe, Paco de Lupe, Paco de Alex, Lupe de Erick, Lupe de Alma y Alma de Bety.
2.- ¿Quiénes son masculinos?
R= Paco, Alex y Erick.
3.- ¿Quiénes son femeninos?
R= Ana, Lupe, Alma y Bety.
4.- ¿Quién es hermano de Alma?
R= Erick
5.- ¿Lupe es hermana de?
R= Alex
6.- ¿Erick es hermano de?
R= Alma.
7.- ¿Quién es tío de quién?
52
R= Alex de Erick, Alex de Alma y Erick de Bety.

8.- ¿Quién es hijo de quién?
R= Alex de Paco y Erick de Lupe.
9.- ¿Quién es hija de quién?
R= Lupe de Ana, Lupe de Paco, Alma de Lupe y Bety de Alma.
10.- ¿Quién es descendiente de quién?
R= Lupe de Ana, Lupe de Paco, Alex de Paco, Erick de Lupe, Alma de Lupe, Bety de Alma,
Erick de Ana, Erick de Paco, Alma de Ana, Alma de Paco, Bety de Lupe, Bety de Ana y Bety
de Paco.
ARCHIVOS CON LOS QUE SE TRABAJÓ EN INTRODUCCIÓN A LA

PROGRAMACIÓN LÓGICA PROLOG.
53
PRACTICAS DE PROLOG.
54

Portafolio de Evidencias

Enviado por

Dados do documento

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

Portafolio de Evidencias

Enviado por

Direitos autorais:

Formatos disponíveis

INTELIGENCIA ARTIFICIAL II

Instituto Tecnológico Superior

Ing. En Sistemas Computacionales

Grupo: “B”, Semestre: 8°

Selene Antonio Monroy

Clave de la Asignatura: TAB-1805

Dra. Selene García Nieves

Las Choapas, Ver, a 4 de mayo del 2019.

No. Temas Subtemas

PRÁCTICA 5. (PROGENITORES, MASCULINOS, FEMENINOS, HERMANO, HERMANA, TIO, TÍA,

Diapositiva de prácticas RNA

PRACTICAS REDES NEURONALES CON MATLAP

Practica 1 tabla and

Inicialización de la RNA y Entrenamiento de la RNA.

Se crea la RNA, para el caso del Perceptrón se configura. Y el entrenamiento

Lo siguiente es que se le reasigna valores a w y b y muestra la figura, también

La grafica resultante es la siguiente:

Inicialización de la RNA y Entrenamiento de la RNA.

Lo siguiente es que se le reasigna valores a w y b y muestra la figura, también

PRÁCTICA 3 PIÑA-MANZANA (PESO Y COLOR)

Problema: construir un sistema automático que coloque las manzanas en un

Y para las siguientes manzanas típicas

0.24 0.45 0.15

Podemos ver la gráfica de estos dos patrones con el comando plotpv.

Inicialización de la RNA y Entrenamiento de la RNA.

Lo siguiente es que se le reasigna valores a w y b y muestra la figura, también

PRÁCTICA 4 IDENTIFICADOR DE TORNILLOS

problema: las entradas para el perceptrón tienen la forma siguiente:

Podemos ver la gráfica de estos dos patrones con el comando plotpv.

La grafica resultante es la siguiente:

Inicialización de la RNA y Entrenamiento de la RNA.

Lo cual nos muestra la siguiente imagen con el número de iteraciones:

Lo siguiente es que se le reasigna valores a w y b y muestra la figura, también

PRÁCTICA 5 REDES NEURONALES.

Podemos ver la gráfica de estos dos patrones con el comando plotpv.

Inicialización de la RNA y Entrenamiento de la RNA.

Lo cual nos muestra la siguiente imagen con el número de iteraciones:

Lo siguiente es que se le reasigna valores a w y b y muestra la figura, también

CAPTURA DE LOS ARCHIVOS CON LOS QUE SE TRABAJO EN EL

CAPTURAS DEL TEMA REDES NEURONALES

PRACTICAS DE REDES NEURONALES

PRÁCTICAS LÓGICA DIFUSA CON MATLAB

Problema: realizar un controlador dados como datos 2 valores de entrada: Distancia

El controlador a través de un sensor va a detectar la ubicación y la velocidad en que

Funcionamiento del sistema.

Base de reglas de Voltaje.

PRÁCTICA 3 RESTAURANTE (SERVICIO, COMIDA Y PROPINA).

Problema: realizar un controlador dados como datos 2 valores de entrada: Servicio

Para Servicio su Función de Membresía es Gaussiana

Para Comida su Función de Membresía es Trapezoidal

Para Propina su Función de Membresía será triangular

PRÁCTICA 4 CALEFACCIÓN DE UN INVERNADERO

Problema: se pretende controlar la calefacción de un invernadero a partir de los

Humedad: Se asumen 5 etiquetas lingüísticas: muy poco húmedo (MPH), poco

Variación de temperatura: Se asumen 7 etiquetas lingüísticas: bajada grande

3. Implementar el problema en Matlab con las siguientes reglas:

Editaremos las reglas

PRÁCTICA 5 (CONTROLADOR AIRE ACONDICIONADO) PRACTICA

Problema: realizar un controlador con datos 2 valores entrada: Número de

En el siguiente problema se pretende evaluar la intensidad de temperatura en un

Datos de entrada.- Datos de salida.-

Entrada en temperatura: Base de reglas.-

Normal Normal Normal Normal

Alta Frio Normal Frio