Sistemas Neurodifusos

Dra. Yesenia Eleonor Gonzlez Navarro

1
 Pueden incorporar la experiencia de un operador
humano.
Emplean reglas del tipo: si entonces
Pueden manejar informacin vaga o imprecisa.
Utilizan etiquetas lingsticas del lenguaje comn.

Elementos que los constituyen:

Etapa fusificadora.
Base de conocimiento.
Unidad de toma de decisiones.
Etapa defusificadora.

Sistemas Difusos
Caractersticas

2
 A=Conjunto de personas altas.

Conjunto Certero A Conjunto Difuso A

1.0 1.0
.9

.5
Funcin de
Membresa

1.80 Alturas [m] 1.80 1.90 Alturas [m]

Fusificacin
3
 MFs Un poco alto

.8
Alto
.5
Muy alto
.1
1.80 Altura [m]

Si x es A, entonces y es B

Si la presin es alta, entonces el volumen es bajo.

Si el servicio es excelente y la comida deliciosa, entonces

la propina es generosa.

Etiquetas lingsticas y reglas

difusas 4
Sistema de inferencia difusa
5
 Aprenden a partir de ejemplos.
Emplean mtodos sistemticos de minimizacin de
errores.
Su funcionamiento es de tipo caja negra.

Elementos que las constituyen:

Una capa de entrada, capas ocultas y capa de salida,
segn la arquitectura utilizada.
Funciones de activacin de los nodos.
Matriz de pesos de interconexin entre capas.

Redes Neuronales Artificiales

Caractersticas

6
 Neuronas
biolgicas

Neurona artificial

Construccin bsica
7
x1
x2
y ...
.
.

.
xn Perceptron Perceptron multicapa El ganador toma todo

Mapa auto-organizativo Red de Grossberg instar-outstar

Arquitecturas
8
 XOR Entrelazado General

1 capa: medio plano A B

A
B
B A

2 capas: Convexo A B
A
B
B A

3 capas: Arbitrario A B
A
B
B A

Fronteras de decisin
(perceptron) 9
 Permiten incorporar conocimiento previo.
Son sistemas difusos que se entrenan mediante un
algoritmo, normalmente derivado de la teora de redes
neuronales.
Pueden ser vistos como redes neuronales con capas
ocultas.
Presentan las ventajas de los dos sistemas anteriores.
Elementos que las constituyen:
Una capa de entrada, capas ocultas y capa de salida,
segn la arquitectura utilizada.
Funciones de activacin de los nodos de las capas,
correspondientes a funciones difusas.
Matriz de interconexiones entre capas.

Sistemas neurodifusos
Caractersticas

10
 Parmetros de Premisa Parmetros del Consecuente

N 1

A1 N 2

A2 N 3

x A3 N 4

N 5 f
y B1
N 6

B2 N 7

B3 N 8

N 9

Arquitectura ANFIS
ANFIS: Adaptive Network Based Fuzzy Inference Systems

11
 O1,i = Ai(x), para i=1, 2
FM
O1,i = Bi-2(y), para i=3, 4
Pendiente
O2,i = wi = T(Ai(x), Bi(y)), i=1,2 1.0 (-b/2a)
0.5
wi
O 3, i w i , i 1,2 0
X
w1 w 2 c-a c c+a

2a
O 4, i w z w (p x q y r )
i i i i i i

wz 1
O 5, i f w z A ( x)
i i i

w
i i 2 bi
i x ci
1
i i

ai

Definicin de las capas de ANFIS

12
Aplicaciones

13
rtesis electromecnica para
extremidad torcica de pacientes con
hemiparesia. 14
 Seal transitoria de flexin de Transformada rpida de Fourier
la mueca. de seal correspondiente a la
flexin de la mueca.

Obtencin de la seal EMG para reconocimiento de seales.

15
 Varianza de la seal

Covarianza de la seal

Extraccin de caractersticas (patrones)

Dominio del tiempo

16
 Varianza de la seal

Covarianza de la seal

Extraccin de caractersticas (patrones)

Dominio de la frecuencia

17
Entropa de Shannon
18
 Red Competitiva Red de Clasificacin

Aplicacin de RNA para

reconocimiento de patrones 19
 Muestras de sedimentos

Prototipo para urianlisis

20
Procesamiento de imgenes para
reconocimiento de patrones. 21
 Sistema de control difuso
para llenado de tanques

Posicionador X-Y

Diversos proyectos 22
 Llenado de envases por
reconocimiento de forma y
color

Robot mvil difuso

23
Reconocimiento de voz para
seleccin de lquidos

24
Gracias por su
asistencia

25