Facultad de Contadura y Administracin Licenciatura en Informtica Seminario de Ciencias Computacionales Lgica difusa I & II Maestro Rafael Vital Garca

Flix Francisco Aurelio 382 27/Septiembre/2011

La logia viene siendo nuestro pan de cada da en la carrera de informtica, tenemos que aprender a trabajar con ella, desarrollarla y tener una enseanza sobre si misma, entendemos que tambin se presenta la lgica difusa y como por medo de sentencias o silogismos podemos aplicarlo a la inteligencia artificial, ahora es tiempo de comprender la lgica difusa II y que aspectos aporta.

Introduccin

Lgica Difusa
La lgica difusa se adapta mejor al mundo real en el que vivimos, e incluso puede comprender y funcionar con nuestras expresiones, del tipo "hace mucho calor", "no es muy alto", "el ritmo del corazn est un poco acelerado", etc. La clave de esta adaptacin al lenguaje, se basa en comprender los cuantificadores de nuestro lenguaje (en los ejemplos de arriba "mucho", "muy" y "un poco"). En la teora de conjuntos difusos se definen tambin las operaciones de unin, interseccin, diferencia, negacin o complemento, y otras operaciones sobre conjuntos (ver tambin subconjunto difuso), en los que se basa esta lgica. Para cada conjunto difuso, existe asociada una funcin de pertenencia para sus elementos, que indican en qu medida el elemento forma parte de ese conjunto difuso. Las formas de las funciones de pertenencia ms tpicas son trapezoidal, lineal y curva. Se basa en reglas heursticas de la forma SI (antecedente) ENTONCES (consecuente), donde el antecedente y el consecuente son tambin conjuntos difusos, ya sea puros o resultado de operar con ellos. Sirvan como ejemplos de regla heurstica para esta lgica (ntese la importancia de las palabras "muchsimo", "drsticamente", "un poco" y "levemente" para la lgica difusa): SI hace muchsimo calor ENTONCES disminuyo drsticamente la temperatura. SI voy a llegar un poco tarde ENTONCES aumento levemente la velocidad. Los mtodos de inferencia para esta base de reglas deben ser simples, veloces y eficaces. Los resultados de dichos mtodos son un rea final, fruto de un conjunto de reas solapadas entre s (cada rea es resultado de una regla de inferencia). Para escoger una salida concreta a partir de tanta premisa difusa, el mtodo ms usado es el del centroide, en el que la salida final ser el centro de gravedad del rea total resultante. Las reglas de las que dispone el motor de inferencia de un sistema difuso pueden ser formuladas por expertos, o bien aprendidas por el propio sistema, haciendo uso en este caso de redes neuronales para fortalecer las futuras tomas de decisiones. Los datos de entrada suelen ser recogidos por sensores, que miden las variables de entrada de un sistema. El motor de inferencias se basa en chips difusos, que estn aumentando exponencialmente su capacidad de procesamiento de reglas ao a ao. En Inteligencia artificial, la lgica difusa, o lgica borrosa se utiliza para la resolucin de una variedad de problemas, principalmente los relacionados con control de procesos industriales complejos y sistemas de decisin en general, la resolucin la compresin de datos. Los sistemas de lgica difusa estn tambin muy extendidos en la tecnologa cotidiana, por ejemplo en cmaras

digitales, sistemas de aire acondicionado, lavarropas, etc. Los sistemas basados en lgica difusa imitan la forma en que toman decisiones los humanos, con la ventaja de ser mucho ms rpidos. Estos sistemas son generalmente robustos y tolerantes a imprecisiones y ruidos en los datos de entrada. Algunos lenguajes de programacin lgica que han incorporado la lgica difusa seran por ejemplo las diversas implementaciones de Fuzzy PROLOG o el lenguaje Fril. Consiste en la aplicacin de la lgica difusa con la intencin de imitar el razonamiento humano en la programacin de computadoras. Con la lgica convencional, las computadoras pueden manipular valores estrictamente duales, como verdadero/falso, s/no o ligado/desligado. En la lgica difusa, se usan modelos matemticos para representar nociones subjetivas, como caliente/tibio/fro, para valores concretos que puedan ser manipuladas por los ordenadores. En este paradigma, tambin tiene un especial valor la variable del tiempo, ya que los sistemas de control pueden necesitar retroalimentarse en un espacio concreto de tiempo, pueden necesitarse datos anteriores para hacer una evaluacin media de la situacin en un perodo anterior...

Lgica Difusa II
Los sistemas inteligentes basados en lgica difusa constituyen herramientas fundamentales para modelar sistemas complejos no lineales. Los conjuntos difusos y la lgica difusa, son el fundamento de los sistemas difusos, han sido desarrolladas buscando modelar la forma como el cerebro manipula informacin inexacta. Los conjuntos difusos tipo-2, se usan para modelar incertidumbre e imprecisin. Los conjuntos difusos tipo-2 fueron originalmente propuestos por Zadeh en 1975 y son esencialmente conjuntos difusos-difusos en los que los grados de pertenencia son conjuntos difusos tipo-1. La incertidumbre, es "la imperfeccin en el conocimiento sobre el estado o los procesos de la naturaleza". La incertidumbre estadstica es "la aleatoriedad o el error proveniente de varias fuentes como las descritas al usar la metodologa estadstica". Hay varias fuentes de incertidumbre en el clculo y evaluacin. Los cinco tipos de incertidumbre, que emergen de un conocimiento impreciso del estado de la naturaleza son: Incertidumbre en la medicin, es el error en las cantidades observadas. Incertidumbre en el proceso, es la aleatoriedad subyacente en la dinmica. Incertidumbre en el modelo, es la especificacin errnea de la

estructura del modelo; Incertidumbre en la estimacin, es la que puede resultar de cualquiera, o de una combinacin, de las incertidumbres descritas anteriormente y es la inexactitud e imprecisin. Incertidumbre en la implementacin, es la consecuencia de la variabilidad que resulta de una poltica de ordenacin, i.e. incapacidad para alcanzar exactamente el objetivo de una estrategia. La lgica difusa, es una tecnologa basada en reglas que tolera imprecisiones e incluso las aprovecha para resolver problemas que antes no tenan solucin.