Tambin,
Cuando
Definicin 3.1:
Si
Ejemplo 3.1
La
Por
baja
media
rpida
0
35
55
75
Vmax
La
Definicin 3.2:
Una
De
Variable numrica
U
Figura
Variable lingstica
que
las variables lingsticas son los
elementos ms fundamentales en la representacin
del conocimiento humano.
Por ejemplo, cuando se utiliza una pistola radar
para medir la velocidad de los carros sta entrega
nmeros como, 39mph, 42mph, etc.; cuando se le
pregunta a una persona que diga cual es la
velocidad de un carro, el/ella con frecuencia dice
en palabras algo como es rpida, es baja, etc.
Por lo tanto, al introducir el concepto de variable
lingstica, se pueden formular descriptores vagos
en lenguaje natural en trminos matemticos
precisos.
Bsicamente,
Variable Difusa
Una
Ejemplo 3.2:
X = Viejo con U = {10, 20,...,80},
y
R(X) = 0.1/20+0.2/30+0.3/40+0.4/50+
0.8/60+1.0/70+1.0/80,
es una restriccin difusa de Viejo.
Variable Lingstica
La
Una
Variable Lingstica
x
es el nombre de la variable;
T(x)
Variable Lingstica
G
Ejemplo 3.3:
Si
...
La
La
...
M(Lento)
M(Moderado)
...
M(Rpido)
Estos
trminos
pueden
ser
caracterizados por los conjuntos
difusos cuyas funciones de membresa
son mostradas en la siguiente figura:
Trminos De La VL Velocidad
Variable Lingstica
En
Variable Lingstica
Una
En
Modificadores Lingsticos
(hL)
Por
Ejemplo:
Operaciones en Conjuntos
Difusos
Las
CON ( A ) (u ) A u
very A (u ) A (u )
(3.1)
Operaciones en Conjuntos
Difusos
Y
Dilatacin:
DIL(A)
DIL( A ) (u ) A u
1/ 2
Ejemplo 3.4
Si
Entonces
tiene que:
Operaciones en Conjuntos
Difusos
Otras
operaciones son:
Intensificacin: INT(A)
INT( A ) (u )
2 A u 2 , A u 0,0.5
1 21 A u , de otra forma
2
(3.3)
Algunos hL
VERY(A)
= CON(A) = A2,
HIGHLY(A) = A3,
FAIRLY (MORE OR LESS) = DIL(A) = A1/2,
ROUGHLY(A) = DIL[DIL(A)],
PLUS(A) = A1.25,
MINUS(A) = A0.75,
Algunos hL
RATHER(A)
= INT[CON(A)] AND
NOT[CON(A)],
SLIGHTLY(A) = INT[PLUS(A) AND NOT
VERY(A)],
SORT OF(A) = INT[DIL(A)] AND
INT[DIL(NOT(A))],
PRETTY(A) = INT(A) AND
NOT[INT(CON(A))],
Los
Modificadores Lingsticos
Con
Adems,
Considerando
i=1,2,3,...
las
dos
expresiones
anteriores, Edad se considera una
variable lingstica estructurada.
T edad
viejo
,
no
viejo
,
muy
viejo
,
mas
o
menos
viejo
,
no
muy
viejo
,
Donde
cada termino en
T(edad)
se
caracteriza por un conjunto difuso de un
universo de discurso X = [0, 100], como se
muestra en la siguiente Fig.
Del
Universo De Discurso
Se
Dado
La
Se
Una
Respecto
Consideraciones para la
especificacin de los CDs:
1)
Cconsideraciones para la
especificacin de los CDs:
3)
Durante
Unidad 3
SISTEMA DIFUSO Y SUS
PROPIEDADES
3.1 Variable Lingstica y Reglas
Difusas If-Then
3.1.3 Fundamentos de Reglas
Difusas.
3.1.4 Dos Tipos de Reglas Difusas.
La
(3.4)
El
Dichas
Las
Una
El
Las
Unidad 3
SISTEMA DIFUSO Y SUS
PROPIEDADES
Material Anexo a
3.1.3 Fundamentos de
Reglas Difusas.
Lgica Difusa Y
Razonamiento
Aproximado
Cuando
La
Las
Dada
Segundo,
Esquema de Razonamiento de L. A.
Zadeh:
Las
En
La
Consecuentemente,
la declaracin en el
antecedente describe una condicin elstica
que puede ser satisfecha parcialmente.
En
Lo
Las
El
Reglas de Proyeccin
Difusa
Propsito
Generalizacin de
Implicaciones para el
manejo de imprecisin
Aproximar proyecciones
funcionales
Inferencia Deseada
nicamente directa
Aplicacin
Diagnsticos, realizacin de
decisiones de alto nivel
Control, modelado de
sistemas y procesamiento de
seales
Disciplinas Relacionadas
Individualmente diseado
Campos de Problemas
Apropiados
Unidad 3
SISTEMA DIFUSO Y SUS
PROPIEDADES
Material Anexo a:
3.1.4.2 Reglas de
implicacin difusa.
Implicaciones difusas y el
razonamiento aproximado
Un
Qu es un modelo difuso?
Un
Un
Por
Un
El
Por
Unidad 3
SISTEMA DIFUSO Y SUS
PROPIEDADES
Material Anexo a:
Modelos Basados en
ReglasDifusas
X2
J3
A13
J2
A12
J1
A11
I1
A23
A22
A33
A32
A21
A31
I2
I3
A43
A42
A41
I4
X1
En
La
Una
La
La
d es medio y b es oscuro.
d es lejos y b es oscuro.
Membresa
Cerca
Medio
Lejos
Oscuro
Distancia entre la
persona y la TV (d)
Claro
Iluminacin o
Brillantes del cuarto
(b)
Figura
Una
x 1
Ai
x S
(3.5)
Esto
Ai S
i
(3.6)
Aun
Una
Se
La
x S
(3.7)
Intuitivamente,
NOTA:
Al
A ( x) 1
i
Esto
Es
Al
Ya
Material Anexo a
3.1.3 Fundamentos de Reglas
Difusas.
Lgica Difusa Y Razonamiento
Aproximado
Lgica Difusa
La
En
Operaciones Lgicas
Las
operaciones
lgicas
son
funciones
(lgicas)
de
dos
proposiciones y son definidas va
Tablas de Verdad.
Si se tienen dos proposiciones A
y
B, las cuales pueden ser verdaderas o
falsas. Entonces se pueden tener
cuatro operaciones lgicas bsicas
que son:
conjuncin (), A y B.
La disyuncin (), A o B.
La implicacin (o condicional)
(), si A entonces B.
La equivalencia (o bidireccional)
(), A si y solo si B.
La
Razonamiento Lgico
El
procedimiento de razonamiento es
realizado a travs de algunas reglas
de inferencia. Algunas reglas de
inferencia importantes son:
(A (AB))B (modus ponens)
(B (AB))A
(modus tollens)
((AB)(BC))(AC) (silogismo
hipottico)
El
El
Generalidades de un sistema
experto difuso
Un
La
Base de conocimiento en la
Lgica Difusa.
Un
Un
hecho general X es A, es
transformado en una ecuacin de
asignacin R (X) = A, lo que
significa que el conjunto difuso
A
es considerado como una
restriccin difusa "R (X)", sobre
los valores que la variable X
pueda tomar.
En
el marco de la teora de la
posibilidad un hecho de la forma
X es A, es traducido en una
ecuacin
de
asignacin
de
posibilidad:
A
X
Una
Por
Es
Uno
Existe
El
Para
donde:
A
y B son
universos U
Si X es A, entonces Y es B
(A.2)
La
Y X
En
Esta
R A v supmin A u , R u , v v V
uU
La
Material Anexo a
3.1.3 Fundamentos de Reglas
Difusas.
Lgica Difusa Y Razonamiento
Aproximado
Material Anexo a
3.1.4.2 Reglas de Implicacin
Difusa.
Lgica Difusa y
Razonamiento
Aproximado:
Proposiciones Difusas
Proposiciones Difusas
Para proveer la capacidad del
Predicados Difusos
En la LD, el predicado puede ser difuso,
Modificadores De Predicados
Difusos
En lgica clsica el nico modificador es la
negacin, NO.
En la LD adems existe: VERY, RATHER,
MORE OR LESS, SLIGHTLY, A LITTLE,
EXTREMELY.
una
variable
Expensive
significado de la
contenida en las
La
LD permite el uso de
cuantificadores difusos, como por
ejemplo: Most, Many, Several,
Few,
Much
of,
Frequently,
Occasionally, About Five.
Proposicin difusa:
Many students are happy
calificadores:
Calificacin verdadera difusa (),
Calificacin de probabilidad difusa,
()
Calificacin de posibilidad difusa, ()
Calificacin de usualidad difusa.
Usually (p)=Usually(Xes F)
Lgica Difusa y
Razonamiento
Aproximado:
Razonamiento
Aproximado
Razonamiento Aproximado
Como en cualquier lgica, las reglas
de inferencia en la LD gobiernan la
deduccin de una proposicin q
desde un conjunto de premisas.
Razonamiento Categrico,
Razonamiento Cualitativo,
Razonamiento silogstico,
Razonamiento disposicional.
Razonamiento Categrico
forma
es A,
A y B
de inferencia,
Disyuncin o Regla de particularizacin de
inferencia,
Regla de Negacin,
Regla de vinculacin de inferencia,
Regla composicional de inferencia,
Modus ponens generalizado,
Principio de extensin.
Razonamiento Cualitativo
En LD, el razonamiento cualitativo se
de entrada y Z es la variable de
salida, la relacin entre, X, Y, y Z se
puede expresar de la sisguiente
forma:
IF X
IF X
...
IF X
Donde:
Ai, Bi, y
Ci,
i=1,...,n, son
subconjuntos difusos de sus respectivos
universos de discurso.
Razonamiento Silogstico
Al
p= Q1 As son Bs
q= Q2 Cs son Ds
r = Q3 Es son Fs
Donde:
A, B, C, D, E, y F son predicados difusos
nter-relacionados;
Q 1,
Q2 ,
son
cuantificadores difusos dados; y
Q3 es el cuantificador a ser decidido.
Razonamiento Disposicional
En ste, las premisas son
Algunas
reglas de inferencia
razonamiento disposicional son:
de
Lgica Difusa y
Razonamiento Aproximado:
Modelo de Inferencia
Difusa
La interpretacin de mltiples
reglas
generalmente
se
interpreta como la unin de las
relaciones
difusas
correspondientes a las reglas
difusas. Por lo tanto, para un
problema de
modus ponen
generalizado del siguiente tipo:
y es B',
y y es B1
es C1,
premisa 2 (regla 2) Si x es A2
entonces z
y y es B2
es C2,
__________________________________
Consecuente (conclusin): z es C'
C ' A B R1 R2
A B R1 A B R2
C1 C2
Figura A.1
Planos De Inferencia
Planos De Inferencia
Planos De Inferencia
Planos De Inferencia
Planos De Inferencia
Planos De Inferencia
Planos De Inferencia
Planos De Inferencia
La
aplicacin
de
esta
conectiva
se
refiere
al
segundo plano de inferencia
(a lo ms).
Planos De Inferencia
3er. plano
Paso 3: Funcin de implicacin
Significado:
"Al menos"
2do. plano
Paso 2: Eleccin de la regla con
mayor peso
Significado:
"A lo ms"
Tipo: "y"
Cualquier norma-t
(p. ej. Min).
Tipo: "o"
Cualquier conorma-t
(p. ej. Max)
Tipo: "y"
Cualquier norma-t
(p. ej. Min)
Significado:
"Entonces"
1er. Plano
Paso 1:
evaluacin de
antecedentes
2do. plano
3er. plano
Significado:
"Al menos"
Significado:
"A lo ms"
Significado:
"Entonces"
Tipo: "y"
Cualquier norma-t
(p. ej. Min).
Tipo: "o"
Cualquier
conorma-t
(p. ej. Max)
Tipo: "y"
Cualquier norma-t
(p. ej. Min)
Material Anexo a
3.1.4.2 Reglas de Implicacin
Difusa.
Lgica Difusa y
Razonamiento
Aproximado:
Proposiciones Difusas
Material Anexo a:
Modelos Basados en Reglas
Difusas
para Aproximar una Funcin
ESTRUCTURA BSICA Y
OPERACIN DE LOS
SISTEMAS DE CONTROL
LGICOS DIFUSOS
Introduccin
En
Dicho
El
2.-
PB
PM PS ZE NS NM NB -
Positivo Grande.
Positivo Media.
Positivo pequeo.
Cero.
Negativo pequeo.
Negativo media.
Negativo grande.
Todos
estos
conjuntos
difusos
sobrepuestos son del mismo tamao y
forma (triangular), y fueron espaciados
uniformemente a lo largo de cada lnea.
Despus
El
1: IF EP es PS
ZE THEN CC es NS
Regla 2: IF EP es ZE
ZE THEN CC es ZE
Regla 3: IF EP es PS
NS THEN CC es NS
AND CEP es
AND CEP es
AND CEP es
Tablero de Inferencia
ERROR EN PRESIN
NB
NB
NM
NS
ZE
PS
PM
PB
CAMBIO EN EL
ERROR DE
PRESIN
PB
NM
PM
NS
PS
ZE
PB
PM
PS
ZE
NS
NM
NB
PS
PM
PB
NS
NS
NM
NB
Espacios de
Entrada/Salida.
Tablero de Inferencia.
Espacios de
Entrada/Salida
Un
Los
Cada
celda en el arreglo es
llenada con el nombre de uno de
los P conjuntos difusos definidos
para alguna variable de salida.
De esta forma es posible crear el
algoritmo de control para el
sistema, plasmando en reglas de
control
la
relacin
de
combinaciones
entradas/salidas.
Tablero De Inferencia
La
Es
nmero de reglas m .
Si
se tiene que: m = 7 y n =
2; por lo tanto el nmero de
reglas que se pueden definir
para este sistema sera:
Si
se
considera
que
tales
combinaciones pueden apuntar a
"M"
conjuntos definidos en el
consecuente, entonces el nmero
total de reglas distintas que se
pueden definir esta dado por la
siguiente expresin:
n
As
Componentes De Un CLD
Una
Etapa De Fusificacin
La
Fusificacin es el proceso de
asignar o calcular un valor que
represente
un
grado
de
membresa (o valor subjetivo)
para todos los conjuntos difusos
definidos sobre alguna variable
de entrada, dado que el estado
actual de dicha variable se toma
como una cantidad no difusa.
Etapa De Evaluacin De
Reglas
Esta
2.
3.
4.
La Estructura Bsica De Un
CLD
a)
b)
c)
Diagrama
a bloques para un
sistema de inferencia difusa.
Etapa De Defusificacin
Defusificar
La
Mtodos De Defusificacin
En
Mtodos De Defusificacin
Varios
esquemas de defusificacin
para obtener una salida exacta
Mtodos De Defusificacin
1.
zCOA
A z z dz
A z dz
z
z
C
j
j
j 1
COA
n
j 1
C z j
Mtodos De Defusificacin
2.
A z dz
z BOA
zBOA
A z dz ,
Mtodos De Defusificacin
3.
z dz
,
dz
Z
Mtodos De Defusificacin
4.
Material Anexo a:
Modelos Basados en Reglas
Difusas
para Aproximar una Funcin
ESTRUCTURA BSICA Y
OPERACIN DE LOS
SISTEMAS DE CONTROL
LGICOS DIFUSOS