El documento describe la lógica difusa, la cual proporciona un marco matemático para modelar el razonamiento humano e incertidumbre. Explica que la precisión no es lo más relevante de la información sino su significado. También cubre conceptos como conjuntos difusos, variables lingüísticas y operaciones básicas de conjuntos difusos como la unión y la intersección.
0 calificaciones0% encontró este documento útil (0 votos)
138 vistas15 páginas
El documento describe la lógica difusa, la cual proporciona un marco matemático para modelar el razonamiento humano e incertidumbre. Explica que la precisión no es lo más relevante de la información sino su significado. También cubre conceptos como conjuntos difusos, variables lingüísticas y operaciones básicas de conjuntos difusos como la unión y la intersección.
El documento describe la lógica difusa, la cual proporciona un marco matemático para modelar el razonamiento humano e incertidumbre. Explica que la precisión no es lo más relevante de la información sino su significado. También cubre conceptos como conjuntos difusos, variables lingüísticas y operaciones básicas de conjuntos difusos como la unión y la intersección.
El documento describe la lógica difusa, la cual proporciona un marco matemático para modelar el razonamiento humano e incertidumbre. Explica que la precisión no es lo más relevante de la información sino su significado. También cubre conceptos como conjuntos difusos, variables lingüísticas y operaciones básicas de conjuntos difusos como la unión y la intersección.
Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
Descargar como pptx, pdf o txt
Está en la página 1/ 15
LOGICA DIFUSA
Lógica Difusa
La Lógica Difusa proporciona un mecanismo de
inferencia que permite simular los procedimientos de razonamiento humano en sistemas basados en el conocimiento. La teoría de la lógica difusa proporciona un marco matemático que permite modelar la incertidumbre de los procesos cognitivos humanos de forma que pueda ser tratable por un computador. Precisión Vs. Significado
Lo más relevante de la información es su significado,
no la precisión. Por ejemplo, si nos va a caer una pesa sobre la cabeza, nos interesa que alguien nos grite rápidamente “Cuidado, arriba!!”, y no que nos diga que “un objeto de 500Kg de masa, se está aproximando a tu cabeza siguiendo unas trayectoria perpendicular y recta a una velocidad de 47.32 m/seg”. Lógica Difusa y Probabilidad Los conceptos empleados en Lógica Difusa y Probabilidad están relacionados en cierto modo, pero son totalmente diferentes. De forma resumida, la probabilidad representa información sobre frecuencia de ocurrencias relativas de un evento bien definido sobre el total de eventos posible. Por su parte, el grado de pertenencia difuso representa las similitudes de un evento con respecto a otro evento, donde las propiedades de esos eventos no están definidas de forma precisa. Principales características de la lógica difusa 1. El razonamiento exacto puede verse como un caso particular del razonamiento aproximado. Cualquier sistema lógico puede ser fuzzificado. Mediante lógica difusa se puede formular el conocimiento humano de una forma sistemática, y puede ser fácilmente incluido en sistemas de ingeniería.
2. El conocimiento se interpreta como una colección de restricciones difusas
sobre una colección de variables. Los sistemas difusos son especialmente interesantes para la definición de sistemas cuyo modelo exacto es difícil de obtener (es necesario introducir una aproximación). Principales características de la lógica difusa 3. La inferencia puede verse como un proceso de propagación de estas restricciones difusas.
4. Se utiliza ampliamente en sistemas de ayuda a la decisión. La lógica difusa
permite obtener decisiones con valores incompletos o información incierta.
Los sistemas difusos son muy recomendables en aquellos problemas muy
complejos donde no existe un modelo matemático simple asociado. Igualmente en procesos que obedecen a un comportamiento no lineal, la solución difusa plantea grandes ventajas. La solución difusa require que el conocimiento experto sea expresado lingüísticamente, requisito que es normalmente fácil de obtener. Conjuntos Difusos Como lógica multi-valuada, en la dentición de grados de pertenencia, la lógica difusa emplea valores continuos entre 0 (que representa hechos totalmente falsos) y 1 (totalmente ciertos). Así, la lógica binaria clásica puede verse como un caso particular de la lógica difusa. De este modo, a diferencia de la teoría clásica de conjuntos que se basa en el principio básico de la lógica de forma que un individuo pertenece o no pertenece a un conjunto, la idea básica de un conjunto difuso es que un elemento forma parte de un conjunto con un determinado grado de pertenencia. De este modo una proposición no es totalmente (sino parcialmente) cierta o falsa. Este grado se expresa mediante un entero en el intervalo [0,1]. De este modo una proposición no es totalmente (sino parcialmente) cierta o falsa. Este grado se expresa mediante un entero en el intervalo [0,1]. Un ejemplo claro es la representación de la altura de una población de individuos. Definición de conjunto difuso Un conjunto difuso puede definirse como una clase en la que hay una progresión gradual desde la pertenencia al conjunto hasta la no pertenencia
función de pertenencia de un determinado
conjunto difuso. La función de pertenencia µA por la que se define un conjunto difuso A, sería:
µA = X → [0,1]
Donde µA(x) = 1 si x está totalmente en A, µA(x) = 0 si x no está en A y 0 < µA(x) < 1 si x está parcialmente en A. Este valor entre 0 y 1 representa el grado de pertenencia (también llamado valor de pertenencia de un elemento x a un conjunto A. Operaciones de Conjuntos Difusos Complemento: A¯(x) = 1 − A(x)
Intersección : (A ∩ B)(x) = min[A(x), B(x)]
Unión : (A ∪ B)(x) = max[A(x), B(x)]
Representación de conjuntos difusos hombre-medio = (0/165,1/175,0/185)
Esta representación se corresponde
con el conjunto difuso Medio de la Figura 2.3, donde para la altura 165 se asocia el grado de pertenencia 0, a la altura 175 el grado de pertenencia 1, y de nuevo a la altura 185 el grado de pertenencia 0. Variables lingüísticas Una variable lingüística, como su nombre lo sugiere, es una variable cuyos valores son palabras o sentencias en un lenguaje natural o sintético. Por ejemplo, la velocidad de un coche, "Velocidad" es una variable lingüística si sus valores son "alta", "no alta", "baja", "no baja", "muy baja", y así sucesivamente. Variables lingüísticas Cada valor de una variable lingüística representa un conjunto difuso en un universo determinado como lo muestra la figura
Conjuntos difusos de la variable lingüística "Velocidad".
Estrictamente, una variable lingüística esto formada por cinco partes (x, T(x), U, G, M) donde:
X : nombre de la variable. T(x) : conjunto de valores lingüísticos de x. U : universo de discurso donde se define T(x). G : regla sintáctica para generar los nombres de los valores de x. M : regla semántica para asociar cada valor a su significado.
Por ejemplo, de la figura anterior, "Velocidad" se puede considerar una variable lingüística x. El conjunto de valores lingüísticos (partición difusa de su universo) es:
T(Velocidad) = {muy veloz, veloz, no veloz, lento, muy lento}
Cada termino en T(Velocidad) está caracterizado por un conjunto difuso en el universo de discurso U=[0,200] km/hr. La regla sintáctica G determina el orden de las palabras de los valores lingüísticos de Velocidad: como en alta, no alta y muy alta, donde no y muy son modificadores que preceden al término primario alta. La regla semántico M asocia cada valor lingüístico con su significado: {alta es mayor alrededor de 180}, y {baja es menor alrededor de 30}, etc.
