1 - Redes Neuronales y Logica Difusa

LÓGICA DIFUSA & REDES NEURONALES
INTRODUCCION
El concepto de lógica difusa es muy común, está asociado con la manera en que las
personas perciben el medio“ Todo es cuestión de grado" , por ejemplo ideas
relacionadas con la altura de una persona, velocidad con la que se mueve un objeto,
la temperatura dominante en una habitación, cotidianamente se formulan de manera
ambigua y depende de quien percibe el efecto físico o químico. Es entonces posible
con la lógica difusa gobernar un sistema por medio de reglas de sentido común las
cuales se refieren a cantidades indefinidas.
La lógica borrosa es entonces definida como un sistema matemático que modela
funciones no lineales, convierte unas entradas en salidas acordes con los
planteamientos lógicos que usan el razonamiento aproximado.
LÓGICA DIFUSA
 La lógica difusa utiliza expresiones que no son ni totalmente ciertas ni

completamente falsas, es decir, es la lógica aplicada a conceptos que
pueden tomar un valor cualquiera de veracidad dentro de un conjunto de
valores que oscilan entre dos extremos, la verdad absoluta y la falsedad
total. La lógica difusa permite trabajar con información imprecisa, como
una estatura intermedia o temperatura promedio. La Lógica Difusa
actualmente está relacionada y fundamentada en la teoría de los
Conjuntos Difusos
CONJUNTO DIFUSO
 Un conjunto difuso es un conjunto que puede contener
elementos de forma parcial, es decir, que un elemento
x pertenezca al conjunto A(x ∈ A) puede ser cierta con
un grado de parcialidad.
Aplicaciones
 La lógica difusa se utiliza cuando la complejidad del proceso en

cuestión es muy alta y no existen modelos matemáticos precisos,
para procesos altamente no lineales y cuando se envuelven
definiciones y conocimiento no estrictamente definido (impreciso o
subjetivo).
Aplicaciones
 El control difuso permite diseñar soluciones de alta calidad que

eviten las patentes existentes en otros sistemas de control
Aplicaciones
 Control de Sistemas
 Modelado
 Sistemas de información Inteligente
 Reconocimiento de formas
 Tratamiento de señal
 Análisis de Decisiones
 Sistemas de vehículos inteligentes
REDES NEURONALES
 un sistema de computación compuesto por un gran número
de elementos simples, elementos de procesos muy
interconectados, los cuales procesan información por medio
de su estado dinámico como respuesta a entradas externas.
 Redes neuronales artificiales son redes interconectadas

masivamente en paralelo de elementos simples (usualmente
adaptativos) y con organización jerárquica, las cuales intentan
interactuar con los objetos del mundo real del mismo modo
que lo hace el sistema nervioso biológico.
VENTAJAS DE LAS REDES
NEURONALES
 Aprendizaje adaptativo
 Auto-organización
 Tolerancia a los fallos
 Operación en tiempo real
 Fácil inserción dentro de la tecnología existente
ELEMENTOS BASICOS DE UNA RED
NEURONAL
 Está constituida por neuronas interconectadas y arregladas en tres
capas (esto último puede variar). Los datos ingresan por medio de
la “capa de entrada”, pasan a través de la “capa oculta” y salen
por la “capa de salida”.
FUNCIONES DE ENTRADA
 Sumatoria de las entradas pesadas
 Producto de las entradas pesadas
 Máximo de las entradas pesadas

FUNCIONES DE ACTIVACION
Función lineal Función sigmoidea
Función tangente hiperbólica

FUNCIONES DE SALIDA
 Ninguna: este es el tipo de función más sencillo, tal que la salida es

la misma que la entrada. Es también llamada función identidad.
 Binaria:
Aplicaciones
 Las redes neuronales artificiales presentan resultados razonables en

aplicaciones donde las entradas presentan ruido o las entradas
están incompletas.
 Se pueden desarrollar redes neuronales en un periodo de tiempo

razonable, con la capacidad de realizar tareas concretas mejor
que otras tecnologías.
Aplicaciones
 Análisis y Procesado de señales

 Control de Procesos
 Robótica
 Diagnósticos médicos
 Reconocimiento de Imágenes
 Filtrado de ruido
 Procesado del Lenguaje
Aplicaciones
La mayoría de estas aplicaciones consisten en realizar un

reconocimiento de patrones:
 buscar un patrón en una serie de ejemplos

 clasificar patrones
 completar una señal a partir de valores parciales o reconstruir el
patrón correcto partiendo de uno distorsionado
Lógica Difusa y Redes Neuronales
Bibliografía
 https://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/monograias/matich-redesneuronales.pdf
 http://casanchi.com/casanchi_2001/difusa01.htm
 https://advanceintelligence.wordpress.com/2015/01/30/38/
 https://logica-difusa-aplicaciones.wikispaces.com/Resumen_Materia?responseToken=039209b94ff22c6a2eb3d9bc03dcf18ac
 http://www.dma.fi.upm.es/recursos/aplicaciones/logica_borrosa/web/tutorial_fuzzy/introduccion3.html
 http://www.esi.uclm.es/www/cglez/downloads/docencia/2011_Softcomputing/LogicaDifusa.pdf
 https://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/monograias/matich-redesneuronales.pdf

1 - Redes Neuronales y Logica Difusa

Cargado por

Copyright:

Formatos disponibles

1 - Redes Neuronales y Logica Difusa

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

1 - Redes Neuronales y Logica Difusa

Cargado por

Copyright:

Formatos disponibles

LÓGICA DIFUSA & REDES NEURONALES

 La lógica difusa utiliza expresiones que no son ni totalmente ciertas ni

 La lógica difusa se utiliza cuando la complejidad del proceso en

 El control difuso permite diseñar soluciones de alta calidad que

 Redes neuronales artificiales son redes interconectadas

 Sumatoria de las entradas pesadas

 Producto de las entradas pesadas

 Máximo de las entradas pesadas

Función tangente hiperbólica

 Ninguna: este es el tipo de función más sencillo, tal que la salida es

 Las redes neuronales artificiales presentan resultados razonables en

 Se pueden desarrollar redes neuronales en un periodo de tiempo

 Análisis y Procesado de señales

La mayoría de estas aplicaciones consisten en realizar un

 buscar un patrón en una serie de ejemplos

También podría gustarte