Logica Difusa

Diseño de Sistemas Difusos para
Modelado y Clasificación.
Aplicaciones
Oscar Cordón
Grupo de Soft Computing y Sistemas de Información Inteligentes
Dpto. Ciencias de la Computación e Inteligencia Artificial
Universidad de Granada

Índice
Identificación de Sistemas mediante Lógica Difusa
1. Proceso de Modelado Difuso
2. Sistemas Basados en Reglas Difusas
3. Diseño de Sistemas Basadosen Reglas Difusas
4. Aprendizaje Automático de Bases de Conocimiento
5. Ejemplos de Aplicación

1

Oscar Cordón, http://decsai.ugr.es/~ocordon/
Dpto. Ciencias de la Computación e Inteligencia Artificial. Universidad de Granada

Identificación de Sistemas
mediante Lógica Difusa
„

„

„

Modelo: esquema teórico de un sistema que se elabora para facilitar su
comprensión y el estudiode su comportamiento
Los modelos son útiles para realizar simulaciones, analizar un sistema,
comprender sus mecanismos subyacentes, diseñar nuevos procesos o
controlar automáticamente sistemas
Todo modelo debe cumplir dos requisitos básicos:
„
„

„

2

Precisión: Representar con fidelidad la realidad que se está modelando
Comprensibilidad: Describir el sistema de forma legibleRequisitos contradictorios: un modelo demasiado simple no puede
representar adecuadamente las características relevantes del sistema
Oscar Cordón, http://decsai.ugr.es/~ocordon/
Dpto. Ciencias de la Computación e Inteligencia Artificial. Universidad de Granada

Identificación de Sistemas
mediante Lógica Difusa (2)
„

El modelado se puede realizar con Sistemas Basados en Reglas Difusas(SBRDs), que contienen reglas del tipo:

EB

MB

B

N

A

MA

EA

0,5

m

„

Existen distintas clases de modelado con SBRDs:
„
„

3

M

Modelado Difuso Lingüístico: Atiende al poder descriptivo de los SBRDs
Modelado Difuso Preciso: Atiende al poder aproximativo de los SBRDs
Oscar Cordón, http://decsai.ugr.es/~ocordon/
Dpto. Ciencias de la Computación e InteligenciaArtificial. Universidad de Granada

1. Proceso de Modelado Difuso
-Modelado
-Control
-Clasificación

Sistema

Datos

4

Proceso de
Modelado

Modelo

Oscar Cordón, http://decsai.ugr.es/~ocordon/
Dpto. Ciencias de la Computación e Inteligencia Artificial. Universidad de Granada

1. Proceso de Modelado Difuso (2)
-Modelado
-Control
-Clasificación

Sistema

Datos

5APRENDIZAJE

Sistema Basado en
Reglas Difusas
(SBRD)

Oscar Cordón, http://decsai.ugr.es/~ocordon/
Dpto. Ciencias de la Computación e Inteligencia Artificial. Universidad de Granada

1. Proceso de Modelado Difuso (3)
Variables redundantes
o irrelevantes

-Modelado
-Control
-Clasificación

Datos
variable 1
variable 2
variable 3
...
variable k

APRENDIZAJE

Sistema Basado enReglas Difusas
(SBRD)

PREPROCESAMIENTO:
Selección de características
y obtención de datos
6

Oscar Cordón, http://decsai.ugr.es/~ocordon/
Dpto. Ciencias de la Computación e Inteligencia Artificial. Universidad de Granada

1. Proceso de Modelado Difuso (4)
Variables redundantes
o irrelevantes

-Modelado
-Control
-Clasificación

Datos
variable 1
variable 2
variable 3
...variable k

APRENDIZAJE

Sistema Basado en
Reglas Difusas
(SBRD)
Mejorar la precisión y
la interpretabilidad

PREPROCESAMIENTO:
Selección de características
y obtención de datos
7

Oscar Cordón, http://decsai.ugr.es/~ocordon/
Dpto. Ciencias de la Computación e Inteligencia Artificial. Universidad de Granada

1. Proceso de Modelado Difuso (5)
Variables redundantes
o irrelevantes-Modelado
-Control
-Clasificación

Datos
variable 1
variable 2
variable 3
...
variable k

APRENDIZAJE

Sistema Basado en
Reglas Difusas
(SBRD)
Mejorar la precisión y
la interpretabilidad

PREPROCESAMIENTO:
Selección de características
y obtención de datos
8

PROCESOS DE
MEJORA DE LA
PRECISIÓN

Oscar Cordón, http://decsai.ugr.es/~ocordon/
Dpto. Ciencias de la...