Sistemas Neurodifusos

M. M en C. Yesenia Eleonor Gonzlez Navarro C

Pueden incorporar la experiencia de un operador humano. Emplean reglas del tipo: si entonces Pueden manejar i f P d j informacin vaga o i i imprecisa. i Utilizan etiquetas lingsticas del lenguaje comn. Elementos que los constituyen: Etapa fusificadora. Base de conocimiento. Unidad de toma de decisiones decisiones. Etapa defusificadora.

Sistemas Difusos
Caractersticas
2

A=Conjunto de personas altas.

Conjunto Certero A
1.0 1.0 10 .9 .5

Conjunto Difuso A

Funcin de Membresa
1.80 1.90

1.80

Alturas [m]

Alturas [m]

Fusificacin
3

MFs .8 .5 .1 1.8 0

Un poco alto

Alto Muy alto

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 deliciosa, la propina es generosa.

Etiquetas lingsticas y reglas difusas

Sistema de inferencia difusa

5

Aprenden a partir de ejemplos ejemplos. Emplean mtodos sistemticos de minimizacin de errores. Su funcionamiento es d ti S f i i t de tipo j negra. caja Elementos que las constituyen: Una capa de entrada, capas ocultas y capa de salida, segn la arquitectura utilizada. Funciones de activacin de los nodos nodos. Matriz de pesos de interconexin entre capas.

Redes Neuronales Artificiales

Caractersticas
6

Neuronas biolgicas

Neurona artificial

Construccin bsica
7

x1 x2
. . .

Perceptron

...

xn

Perceptron multicapa

El ganador toma todo

Mapa auto-organizativo

Red d Grossberg i t R d de G b instar-outstar tt

Arquitecturas
8

XOR 1 capa: medio plano

A B B

Entrelazado
A A B

General

2 capas: Convexo

A B

B A A B

3 capas: Arbitrario

A B

B A A B

Fronteras de decisin (perceptron) perceptron)

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

A1 A2

N N N N N N N N N

1 2 3 4 5 6 7 8 9

x y

A3 B1 B2 B3

Arquitectura ANFIS
ANFIS: Adaptive Network Based Fuzzy Inference Systems p y y
11

O1,i = Ai(x), para i=1, 2 O1,i = Bi-2(y), para i=3, 4 O2 i = wi = T(Ai(x), Bi(y)), i=1,2 ( ( ), , 2,i

FM 1.0 0.5 0 c-a c+a c 2a Pendiente ( b/2a) (-b/2a) X

O 3, i = w i =

wi , i = 1,2 w1 + w 2

O 4, i = w i zi = w i (p i x + q i y + ri )

O 5 i = f = w i zi 5,
i

w z = w
i i i

i i

A ( x) =
1+

1 x ci ai
2 bi

Definicin de las capas de ANFIS e c as S

12

Aplicaciones

13

rtesis electromecnica para extremidad torcica de pacientes con hemiparesia. hemiparesia.

14

Seal transitoria de flexin de la mueca.

Transformada rpida de Fourier de seal correspondiente a la flexin de la mueca mueca.

Obtencin de la seal EMG para reconocimiento de seales. p

15

Varianza de la seal

Co a a a Covarianza de la seal a se a

Extraccin de caractersticas (patrones)

Dominio del tiempo p
16

Varianza de la seal

Co a a a Covarianza de la seal a se a

Extraccin de caractersticas (patrones)

Dominio de la frecuencia
17

Entropa de Shannon
18

Red Competitiva

Red de Clasificacin

Aplicacin de RNA p p para reconocimiento de patrones

19

Muestras de cedimentos

Prototipo p p para urianlisis

20

Procesamiento de imgenes p g para reconocimiento de patrones.

21

Sistema de control difuso para llenado de tanques Posicionador X-Y

Diversos proyectos

22

Llenado de envases por reconocimiento d f i i t de forma y color Robot mvil difuso

23

Reconocimiento de voz para seleccin de lquidos

24

Gracias por su asistencia

25