Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Enrique Yaez
Introduccin
y Una de las caractersticas del lenguaje natural, que
hace difcil su utilizacin en sistemas es su imprecisin. Por ejemplo conceptos como pequeo o grande, tienen significados diferentes de acuerdo al contexto en el que se estn utilizando, e incluso dentro del mismo contexto, pueden significar cosas diferentes para diferentes individuos.
Introduccin
y La teora de los conjuntos difusos desarrollada por
Zadeh, provee una poderosa herramienta para la representacin y manejo de la imprecisin por lo que actualmente est siendo utilizada en varios campos para el diseo de sistemas basados en reglas difusas.
Introduccin
y El grado de pertenencia a un conjunto en la teora
Introduccin
y La teora de conjuntos difusos, extiende la teora
clsica de conjuntos al permitir que el grado de pertenencia de un objeto a un conjunto sea representada como un nmero real entre 0 y 1
Conjuntos Difusos
y La edad de una persona es un atributo que la
caracteriza, entonces el concepto joven, puede ser representado por un conjunto difuso, de la forma: Joven = {0/15, 1/20, 1/25, 0/30}. Esto, quiere decir, que las personas de 15 30 aos no son jvenes, pero si lo son las personas de 20 25 aos. En tanto, que una persona de 26 aos lo es con grado 0.8. En este caso el conjunto difuso es representado por valores numricos.
Conjuntos Difusos
y El conjunto de las personas que son altas es un
conjunto difuso, pues no est claro el lmite de altura que se establece a partir de que medida una persona es alta o no lo es. Ese lmite es difuso y, por lo tanto, el conjunto que lo delimita tambin lo ser. En este caso, el conjunto difuso es representado por escalares simples.
basado en reglas donde la lgica difusa es utilizada como una herramienta para representar diferentes formas de conocimiento acerca del problema a resolver, as como para modelar las interacciones y relaciones que existen entre sus variables.
procesamiento de consultas del tipo: Encontrar a todos los gerentes cuyo sueldo no sea muy alto
y Dado que ni el clculo ni el lgebra relacional, que
establecen el resultado de cualquier consulta como una nueva relacin, tienen la capacidad de permitir consultas de una manera difusa.
Modelos de Implementacin
y El problema de la implementacin de los sistemas
Modelos de Implementacin
y Iniciar con un sistema gestor de bases de datos relacionales (SGBD) con informacin precisa y desarrollar una sintaxis que permita formular consultas imprecisas, lo cual da origen a extensiones SQL, como Fuzzy SQL, con capacidades de manejar la imprecisin.
SGBD
Modelos de Implementacin
y Construir un gestor de bases de datos relacionales difusas (SGBDRD) prototipo que implemente un modelo concreto de base de datos relacional difusa en el que la informacin imprecisa pueda ser almacenada. Dentro de esta vertiente existen dos grandes ramas: Los modelos a travs de unificacin por relaciones de similitud y los modelos relacionales basados en distribuciones de probabilidades.
distribuciones de probabilidades SGBDRD relaciones de similitud
Representacin de la informacin
y Datos Precisos. y Manejados usualmente mediante la representacin provista por la base de datos relacional husped. y Datos Imprecisos. y Los modelos usualmente consideran dos tipos de representacin para los datos imprecisos adems de la informacin desconocida o indeterminada que se maneja mediante los tipos:
el hecho de que ningn valor de su dominio es permitido. y Por ejemplo: el nmero de telfono de alguien que no tiene telfono.
sobre el valor que el atributo toma, sin embargo expresa tambin que puede tomar uno de los valores del dominio. y Por ejemplo la fecha de nacimiento de alguien, la desconocemos pero tiene que tener alguna.
no tenemos informacin sobre l, ya sea porque no conocemos su valor o porque es imposible asignarle un valor del dominio. y Por ejemplo el email de alguien es null si desconocemos su valor o si lo tiene o no.
utilizan para representar relaciones en la base de datos son los operadores relacionales. Para que estos funcionen sobre informacin imprecisa es necesario extender estos operadores.
datos imprecisos.
valores numricos (no difusos) son aproximadamente iguales de acuerdo a si la diferencia de sus valores se encuentra dentro de un lmite preestablecido. Y se calcula mediante la siguiente expresin:
l modelo GEFRED
y El modelo relacional difuso GEFRED (GEneralized
model for Fuzzy RElational Databases) permite representar los siguientes atributos difusos:
y Atributo difuso de Tipo 1: Estos atributos son
utilizados para representar valores precisos. y Atributo difuso de Tipo 2: Estos atributos son utilizados para representar valores imprecisos sobre referenc ial ordenado. y Atributo difuso de Tipo 3: Estos atributos son utilizados para representar valores imprecisos sobre referencial no ordenado.
posibilidad 1, es decir, con A (u) = 1; por relaciones de similitud con grado de posibilidad entre 0 y 1, es decir, con A (u) [ 0,1]; por valores desconocidos con grado de posibilidad 1; por valores inaplicables con grado de posibilidad 0 por valores nulos con grado de posibilidad 1.
difusas (BDRD) se utiliza el lenguaje Fuzzy SQL (FSQL) que es un lenguaje que deriva de SQL, incorporando las siguientes novedades.
Etiquetas Lingsticas
y En las sentencias FSQL las etiquetas van
precedidas del smbolo $, para poder distinguirlas fcilmente. Esta representada por el conjunto difuso LABEL y El conjunto difuso LABEL es definido por una distribucin de posibilidad sobre un intervalo real [0,1] de la forma:
Etiquetas Lingsticas
y Supongamos que sobre el atributo edad, adems de la etiqueta
lingstica joven, se encuentra definidas otras dos etiquetas: maduro y mayor. La figura , muestra el dominio de la funcin de pertenencia para cada una de esas etiquetas. As, la edad 26 tiene un grado de pertenencia 0.8 para la etiqueta lingstica joven. Grficamente, la funcin de pertenencia, corresponde a un trapecio dado por sus 4 valores caractersticos, por ejemplo: {0/25, 1/30, 1/40, 0/45}, para la etiqueta lingstica maduro.
Relacin de similitud
y Una relacin de similitud permite comparar etiquetas
lingsticas definidas en dominios con referencial no ordenado. Esta relacin indica, que para cada dominio, es necesario definir una funcin de similitud que permita medir la similitud o parecido entre dos valores del dominio. y Matemticamente, una funcin de similitud sr puede ser vista como el producto cartesiano sobre dos dominios D, tal que:
Relacin de similitud
y Supongamos que tenemos el atributo color de pelo, donde el dominio se encuentra definido por tres etiquetas lingsticas: Rubio, Moreno, y Pelirrojo. Es este caso el conjunto difuso definido por esas etiquetas, no se encuentra definido en un referencial ordenado, lo que hace necesario la implementacin de una funcin de similitud, que por comodidad, normalmente se presenta en un formato de matriz, tal como lo muestra la tabla
Comparadores Difusos
y Permiten comparar dos atributos o un atributo con una
umbral de cumplimiento mnimo (por defecto es 1), con el siguiente formato: <condicin_simple> THOLD La palabra reservada THOLD es opcional y puede sustituirse por un comparador tradicional (=, <, <=...) modificando el sentido de la consulta. Por defecto es equivalente al comparador >=.
Constantes Difusas
y Pueden usarse en el SELECT todas las constantes
difusas ya definidas:
y UNKNOWN, UNDEFINED y NULL, y $[a,b,c,d] (Distribucin de posibilidad Trapezoidal), y $label (Etiquetas), y [n,m] (Intervalo), y #n (valores aproximados).
difuso Tipo 2, en un dominio ordenado U, caracterizado por el intervalo [a,b,c,d] con a<b<c<d se tiene:
Intervalo
y El conjunto difuso INTERVALO es definido por una
en un dominio ordenado U, caracterizado por el intervalo = [n,m] con n<m, es decir, dos valores precisos cualquiera, se tiene:
FuzzySQL (FSQL)
y Obtener todas las personas cuya edad es
THOLD 0.6;
FuzzySQL (FSQL)
y Obtener todas las personas ms o menos Rubias
(con grado mnimo 0.5) cuya edad es posiblemente superior a Joven (con grado mnimo 0.8):
y SELECT * FROM Personas WHERE Pelo FEQ $Rubio
FuzzySQL (FSQL)
y Equipos que tienen muchos ms de 3 (con grado
Ventajas
y Almacenar Imprecisin, la informacin que
tengamos de un atributo particular de un objeto, aunque esta informacin no sea el valor exacto. y Operar con esa informacin de forma coherente (especialmente en las operaciones de consulta). y Soporte a la toma de decisiones como una herramienta de consulta
Desventajas
y Lenguaje de consulta incmodo, debido al gran
nmero de parmetros que deben utilizarse y Comparadores abstractos que hacen difcil la decisin de cul debemos usar y Falta de estandarizacin, derivado de la poca popularidad de este tipo de bases de datos