Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
de Hidalgo
Instituto de Ciencias Basicas
e Ingeniera
Inteligencia Artificial
Licenciatura en
Sistemas Computacionales
Julio de 2013
Este documento contiene las notas de la unidad 2 para el curso de Inteligencia Artificial. La
unidad tiene como objetivo relacionar los conceptos matematicos estudiados con modelos
computacionales para representar y almacenar conocimiento.
Indice general
1. L
ogica difusa
1.1. Introduccion . . . . . . . . . . . . . . . . .
1.2. Conjuntos difusos y variables ling
usticas .
1.2.1. Representacion de conjuntos difusos
1.2.2. Operaciones entre conjuntos difusos
1.2.3. Relaciones difusas . . . . . . . . . .
1.3. Reglas e inferencia difusa . . . . . . . . . .
1.4. Desarrollo de un sistema experto difuso . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
2
2
5
7
9
9
II
INDICE GENERAL
1
L
ogica difusa
1.1.
Introducci
on
En sentido estricto logica difusa es una generalizacion de la logica clasica para razonamientos con incertidumbre. En un sentido mas amplio, la logica difusa se refiere a todas
las teoras y tecnologas que emplean conjuntos difusos, los cuales son clases con lmites
vagamente definidos.
Entre otras caractersticas que diferencian a la logica difusa de la logica clasica se encuentran
El grado de verdad de una aseveracion en la logica bivalente toma un valor entre un
conjunto finito de valores: verdadero o falso; en la logica difusa, el grado de verdad
es un subconjunto que se puede expresar como verdadero, muy verdadero, bastante
falso, no muy falso, etc.
En la logica clasica los predicados son concretos, mientras que en la logica difusa
pueden ser tanto ntidos como difusos.
La logica bivalente admite solo dos cuantificadores: el universal y el existencial .
La logica difusa admite ademas una gran variedad de cuantificadores difusos como
muchos, pocos, algunos, la mayora, etc. Estos se pueden interpretar como n
umeros
difusos que dan una caracterizacion imprecisa del cardinal de un conjunto difuso o
clasico.
Este tipo de razonamiento aproximado permite distintas interpretaciones de las sentencias: casi cierto, muy falso,poco verdadero, etc.
Principio de incompatibilidad
A medida que la complejidad de un sistema aumenta, disminuye nuestra capacidad para
hacer afirmaciones precisas, incluso significativas sobre su comportamiento, hasta que se
alcanza un umbral mas alla del cual precision y relevancia son caractersticas mutuamente
excluyentes (Zadeh).
1.2.
Un conjunto clasico tiene lmites duramente definidos, por ejemplo, un conjunto clasico
de numeros reales mayores que 6 puede expresarse como sigue:
A = x|x > 1.8
Donde existe un lmite duramente definido 1.8 tal que si x es mayor que este n
umero,
entonces x pertenece al conjunto A; de otra forma x no pertenece al conjunto. Aunque los
conjuntos clasicos son u
tiles para varias aplicaciones y son una herramienta importante
para las ciencias matematicas y computacionales, no reflejan la naturaleza de los conceptos y pensamientos humanos, que tienden a ser abstractos e imprecisos. Por ejemplo, se
puede expresar matematicamente el conjunto de personas altas como una coleccion de
personas cuya altura es mayor que 1.80m. Si definimos A = personasaltas y x = altura.
De modo que esta es una representacion poco natural e inadecuada del concepto de persona alta. La teora de conjuntos clasica clasificara a una persona de 1.8001m como
una persona alta, pero no a una persona de 1.7999m. Esta distincion es intuitivamente
poco razonable debido a la transicion abrupta entre la inclusion y la exclusion del conjunto.
En contraste a los conjuntos clasicos, un conjunto difuso no tiene lmites duramente definidos, esto significa que la transicion de pertenencia a no pertenencia al conjunto es gradual
y es caracterizada por funciones de pertenencia que dan flexibilidad a los conjuntos difusos
para modelar expresiones ling
usticas como .el agua esta caliente.o la temperatura es alta.
Como Zadeh se
nala, los conjuntos o clases definidos de forma imprecisa tienen un papel
importante en el pensamiento humano, particularmente en el dominio del reconocimiento
de patrones, comunicacion de informacion y abstraccion. La naturaleza difusa no viene de
la aleatoriedad de los miembros del conjunto, sino de la naturaleza incierta e imprecisa
de los pensamientos y conceptos abstractos.
Variable lingu
stica. Es una variable cuyos valores son palabras o sentencias en lenguaje natural o artificial reducido.
1.2.1.
Representaci
on de conjuntos difusos
(1.2)
Para el conjunto de solo dos valores, 0 o 1, L = 0, 1, A se reduce a un conjunto ordinario, de manera que la teora clasica de conjuntos es un caso particular de la teora de
1. Logica difusa
A = x|A (x), x U
(1.3)
EJEMPLOS
Funciones de pertenencia generalizadas
0
xa
xa a x < b
ba
T riangular(x, a, b, c) = cx
bx<c
cb
0
c<x
(1.4)
0
xa
xa
ba a x < b
T rapezoidal(x, a, b, c, d) =
1 bx<c
dx
bx<c
dc
0
d<x
(1.5)
1 xc 2
)
Gaussiana(x, c, ) = e 2 (
(1.6)
1. Logica difusa
Bell(x, a, b, c) =
1
1 + | xc
|2b
a
(1.7)
Sigmoidal(x, a, c) =
1.2.2.
1
1+
ea(xc)
(1.8)
(1.9)
Uni
on.
A B = {x|AB (x) = max(A (x), B (x)), x U }
(1.10)
(1.11)
Intersecci
on.
(1.12)
A A 6= U
(1.13)
Modificadores lingu
sticos. A los conjuntos difusos se les puede aplicar operadores
o reglas de modificacion. Los modificadores ling
usticos son adverbios que se utilizan con
frecuencia en el lenguaje natural para especificar, junto con el predicado, una propiedad
mas concreta. La interpretacion de los modificadores corresponde a un cambio en la forma
de la funcion de pertenencia para representar la accion de ese modificador sobre la funcion
original.
Los modificadores se modelan en la teora de conjuntos difusos mediante operaciones
sobre la funcion de pertenencia asociada al predicado que se esta modificando.
Negaci
on (No). Operacion unaria que da como resultado el complemento.
N EG((x)) = 1 (x)
(1.14)
Concentraci
on (Muy). Operacion unaria que aplicada a un conjunto difuso A, da como
resultado un subconjunto difuso de A tal que la reduccion en los grados de pertenencia
mas altos de la funcion es mucho menor que la reduccion en los grados mas bajos.
CON ((x)) = 2 (x)
(1.15)
1. Logica difusa
Dilataci
on (Algo, casi, m
as o menos). Operacion unaria que da un resultado opuesto
a la concentracion; admite distintas definiciones.
DIL((x)) = 2(x) 2 (x)
(1.16)
Intensificaci
on (Bastante). Operacion unaria que se suele utilizar en combinacion con
alguna otra operacion para hacer mas selectiva una propiedad.
(
22 (x)
si 0 (x) 0.5
IN T (x) =
(1.17)
2
1 2(1 (x))
si (x) > 0.5
1.2.3.
Relaciones difusas
(1.18)
(1.19)
(1.20)
Equivalencia.
Desigualdad.
x U1 es un familiar cercano de y U2
U1 = {madre, to, primo}
U2 = {hijo}
R
Madre
Hijo
1
To Primo
0.6
0.3
(1.21)
(1.22)
(1.23)
(1.24)
donde
Existe una similitud entre esta operacion y el producto matricial, asociando la suma
con la operacion max y el producto con la operacion min. En este caso la composicion de
relaciones difusas es conocida con el nombre de producto matricial max min. Observe
el siguiente ejemplo:
U1 = {primavera, verano, otoo, invierno}
U2 = {f ro, calor}
U3 = {shorts, abrigo, impermeable}
Se definen sobre ellos las siguientes relaciones
1. Logica difusa
9
R1 (U1 , U2 )
Fro Calor
Primavera 0.4
0.6
Verano
0
1
Oto
no
0.6
0.4
Invierno
1
0
R2 (U2 , U3 )
Fro
Calor
0.4 0.6
0.6
0
0.1 0.9 0.6
0.9
1
R3 (U1 , U3 ) =
0.6 0.4 0.9 0.1 0.4 = 0.4
1
0
0.1
1.3.
0.1
0.1
0.6
0.9
0.4
0.4
0.6
0.6
(1.25)
Implicaci
on Mamdani. Sean a y b dos conjuntos difusos,
Para obtener conclusiones a partir de una base de reglas se necesita un mecanismo
que produzca una salida a partir de una coleccion de reglas. Esto se hace usando la regla
composicional de inferencia (CROI). La regla de inferencia modus ponens
a (a b) b
(1.26)
1.4.
10
Aproximaci
on no difusa
La relacion mas simple posible es suponer que la propina siempre es igual al 15 % de
la cuenta total
tip = 0.15
1. Logica difusa
11
En este caso se debe analizar el resultado mas de cerca. Suponiendo que el servicio es
un factor mas importante que la calidad de la comida. Digamos que el servicio aporte el
80 % al total de la propina y que la comida aporte el 20 % restante
servratio = 0.8
tip = servratio (0.2/10 (servicio + 0.05) + . . .
(1 servratio) (02/10 f ood + 0.05);
El enfoque difuso Sera apropiado capturar solo la esencia del problema, dejando de
lado todos los factores arbitrarios. Al realizar una lista de lo realmente importante en el
problema se obtienen las siguientes descripciones:
1. Si servicio es malo, entonces propina es pobre
2. Si servicio es bueno, entonces propina es regular
3. Si servicio es excelente, entonces propina es generosa
12