Lógica difusa Santiago Mariño Maracaibo

664 views
485 views

Published on

Santiago Mariño Maracaibo

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
664
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
20
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Lógica difusa Santiago Mariño Maracaibo

  1. 1. REPÚBLICA BOLIVARIANA DE VENEZUELA INSTITUTO UNIVERSITARIO POLITECNICO “SANTIAGO MARIÑO” EXTENSIÓN MARACAIBO LÓGICA DIFUSA Autores: Nixon Diaz Nathaly Cubillan Alberto vasquez Cesar Araujo Mayeslind Portillo Tennessis Delgado José Murillo
  2. 2. Lógica Difusa Historia La Lógica Difusa surgió como consecuencia natural de la observación de que ciertas personas tienen suficiente habilidad para tomar decisiones correctas a partir de un conjunto de datos que están expresados lingüísticamente de forma vaga o imprecisa (difusas), casi siempre utilizando adjetivos o adverbios como mucho, alto, normal, muy, etc. Tales personas pueden controlar eficientemente un proceso tecnológico, diagnosticar una enfermedad a partir de síndromes y síntomas (el médico clínico) o tomar una decisión acertada en el mercado de valores (Hernández, M. 2003).
  3. 3. La LD es un cuerpo teórico que pretende emular tales capacidades mediante su formalización. Esta constituye una rama de la Inteligencia Computacional que se funda en la incertidumbre, lo cual permite manejar información vaga o de difícil especificación si se quiere utilizar objetivamente esta información con un fin específico (Kecman, V. 2001). La LD permite implementar procesos de razonamiento por medio de reglas y predicados que generalmente se refieren a cantidades indefinidas o inciertas. Estos predicados pueden obtenerse con sistemas que "aprenden" al "procesar" datos reales o pueden también ser formulados por un experto humano o, mejor aún, por el consenso entre varios de ellos.
  4. 4. Definición La Lógica Difusa es una extensión de la Lógica Multivaluada, que además está relacionada y fundamentada en la teoría de conjuntos difusos. Según esta teoría, será una función de transferencia (que tomará cualquiera de los valores reales comprendidos en el intervalo [0,1]) la que determine el grado de pertenencia de un elemento a un conjunto.
  5. 5. ¿De dónde procede y en qué consiste la Lógica difusa? La Lógica  Difusa se  deriva  de  la  Teoría  de  los conjuntos  difusos,  y  su  razonamiento  se  basa  en  la  aproximación  a  la  percepción  humana:  no  todo  es  blanco  o  negro,  los  distintos  tipos  de  grises  predominan en el pensamiento humano. Por tanto, se da prioridad a  la  aproximación  más  que  a  la  precisión,  la  cual  recibía  toda  la  atención e importancia de la lógica clásica. Puede  ser  imaginada  como  la  aplicación  práctica  de  la  Teoría  de  los conjuntos  difusos junto  a  la  extracción  de  valores  reales  de  problemas complejos, Teoría desarrollada por Klir y Yuan en 1997. Llegados  a  este  punto,  es  importante  establecer  que  existen  diferencias  entre  grados  de  verdad  y  probabilidades,  desconocidas  para  muchos.  La  verdad  difusa  (los  distintos  tipos  de  verdad)  representa  que  se  es  miembro  de  unos  conjuntos  vagamente  definidos, no indica probabilidad o algún tipo de condición.
  6. 6. Esto  es  debido  a  que  los conjuntos  difusos se  basan  en  vagas  definiciones de conjuntos, no en aleatoriedad. Es por esto por lo que  la  'lógica  difusa'  permite  pertenecer  a  conjuntos  cuyos  valores  varíen  de  0  a  1  (ambos  incluidos),  y  permite  usar  conceptos  imprecisos  como  "ligeramente",  "bastante"  y  "mucho".  Eso  no  es  todo, sino que se permite la inclusión 'parcial' en un conjunto. La 'lógica difusa' es válida para ciertas aplicaciones y para otras no.  Pese  a  que  tiene  una  enorme  aceptación  y  un  amplio  registro  de  aplicaciones  exitosas,  algunos  ingenieros  de  control  la  rechazan  para  validación  y  otras  razones,  y  por  algunos  estadísticos,  los  cuales  mantienen  que  la  probabilidad  es  la  única  descripción  matemática rigurosa para describir 'lo incierto'. La  idea  básica  que  subyace  bajo  el  uso  de  la  tecnología  de  la  Lógica difusa, es la aproximación al pensamiento humano en el cual  se va a llevar a cabo un racionamiento en base a múltiples variables  medidas  de  forma  difusa,  de  esta  forma  se  va  intentar  imitar  la  inteligencia humana teniendo en cuenta todos los factores posibles.
  7. 7. Aplicaciones Una  de  las  principales  ventajas  de  la  Lógica  difusa  o  también  llamado  Control  Difuso  es  la  velocidad  en  obtener  una  salida  con  una  gran  fiabilidad.  Nos  permiten  solucionar  gran  parte  de  los  problemas  de  control automático de una manera sencilla sin necesidad de conocer un  modelo matemático que lo pueda controlar. Un  ejemplo  básico  puede  ser  el  de  la  ducha.  Nosotros  somos  los  sensores  de  temperatura  y  el  control  de  la  temperatura  lo  hacemos  sobre  los  grifos.  Inicialmente  abrimos  el  agua  caliente,  a  medida  que  empieza a salir agua caliente vamos cerrando el grifo del agua caliente y  vamos abriendo el del agua fría en este proceso se producen subidas y  bajadas de temperatura bruscas. El caso de la ducha no es un proceso  crítico, pero si estamos en un laboratorio de química y los grifos son de  los reactivos no podemos tolerar esas fluctuaciones en la salida. En este  caso tendremos que usar un modelo matemático fiable: Regulador PID,  Control multivariable.
  8. 8. Se  ha  de  aclarar  que  la  Lógica  difusa  no  es  una  tecnología  de  futura  aplicación, si no que existen ya en el mercado muchos productos basados en  esta  tecnología,  habiéndose  vendido  ya  cientos  de  millones  de  Euros  de  estos  productos.  Muchas  de  estas  aplicaciones  de  la  Lógica  difusa  están  siendo desarrolladas y aplicadas en países como Japón y Alemania. Entre los  productos  más  comunes  que  llegan  al  ciudadano  de  a  pie  basados  en  la  Lógica difusa se pueden citar los siguientes: -  Lavadoras  inteligentes  que  regulan  el  uso  del  agua  y  el  detergente  en  función del nivel de suciedad de la ropa. - El metro Senday en Japón. - Medidores de presión sanguínea. - Cámaras de video y fotográficas con auto foco. -  Aire  acondicionado  inteligente,  al  cual  se  le  indica  si  uno  tiene  calor  o  mucho calor y ya ajusta la temperatura en función de la actual.
  9. 9. Boom de la Lógica Difusa en Japón A comienzos de los años 80, especialmente en Japón, empezaron a aparecer múltiples aplicaciones comerciales relacionadas con la Lógica Difusa. Es por esto que Japón se convirtió en el centro de investigación tanto académica como industrial de los sistemas difusos. Ejemplos claros del desarrollo que indicamos los podemos observar en controles de la manufactura del cemento, en procesos de purificación del agua, incluso en Sendai, Japón (como no podía ser de otra manera) los ingenieros de Hitachi desarrollaron y pusieron en marcha un controlador difuso que conducía los metros. Durante toda esa década, los japoneses siguieron fabricando multitud de productos basados o compuestos de elementos basados en lógica difusa. Ejemplos de estos últimos podrían ser las televisiones que ajustaban el volumen y la luminosidad según fuera el volumen de ruido ambiental o la luz existente en los alrededores; lavadoras inteligentes que seleccionaban el mejor programa de lavado según la cantidad de ropa (y de lo sucia que estaba); microondas que se ajustaban según la humedad ambiente, etc.
  10. 10. Lógica Difusa en Japón
  11. 11. Ventajas - La principal ventaja de este sistema de control es su facilidad de implementación. - Este tipo de sistemas están dando muy buenos resultados en procesos no lineales y de difícil modelización. - El modo de funcionamiento es similar al comportamiento humano. - Es una forma rápida y económica de resolver un problema. - No se necesita conocer el modelo matemático que rige su funcionamiento. Desventajas - En las redes neuronales se precisa de un tiempo de aprendizaje para obtener los mejores resultados en la salida. (Al igual que ocurre con los humanos). - Ante un problema que tiene solución mediante un modelo matemático, obtenemos peores resultados usando Lógica Difusa .
  12. 12. Lógica difusa en inteligencia artificial En Inteligencia artificial, la lógica difusa, o lógica borrosa se utiliza para la resolución de una variedad de problemas, principalmente los relacionados con control de procesos industriales complejos y sistemas de decisión en general, la resolución y la compresión de datos. Los sistemas de lógica difusa están también muy extendidos en la tecnología cotidiana, por ejemplo en cámaras digitales, sistemas de aire acondicionado, lavarropas, etc. Los sistemas basados en lógica difusa imitan la forma en que toman decisiones los humanos, con la ventaja de ser mucho más rápidos. Estos sistemas son generalmente robustos y tolerantes a imprecisiones y ruidos en los datos de entrada. Algunos lenguajes de programación lógica que han incorporado la lógica difusa serían por ejemplo las diversas implementaciones de Fuzzy PROLOG o el lenguaje Fril.
  13. 13. Modelo Difuso Base de conocimiento Fusificación Datos de entrada Inferencia Defusificación Datos de salida
  14. 14. Fusificación Tiene como objetivo convertir valores crisp o valores reales en valores difusos. En la fusificacion se asignan grados de pertenencia a cada una de las variables de entrada con relacion a los conjuntos difusos previamente definidos utilizando las funciones de pertenencia asociadas a los conjuntos difusos. Base de conocimiento Contiene el conocimiento asociado con el dominio de la aplicación y los objetivos del control. En esta etapa se deben definir las reglas lingüísticas de control que realizaran la toma de decisiones que decidirán la forma en la que debe actuar el sistema.
  15. 15. Inferencia Relaciona los conjuntos difusos de entrada y salida para representar las reglas que definiran el sistema. En la inferencia se utiliza la informacion de la base de conocimiento para generar reglas mediante el uso de condiciones, por ejemplo: si caso1 y caso2, entonces accion1. Defusificación Realiza el proceso de adecuar los valores difusos generados en la inferencia en valores crisp, que posteriormente se utilizaran en el proceso de control. En la defusificacion se utilizan métodos matemáticos simples como el método del Centroide, Método del Promedio Ponderado.

×