Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
A ={x∈Y | A( x)}
μ A ( x ) = 0 “No pertenece”
μ A ( x) ∈ [0,1]
μ A ( x) = 1 “Sí pertenece”
Conjuntos clásicos (crisp)
Los conjuntos clásicos se pueden definir de las siguientes
maneras:
1 si x є {A, B, C, D, F, J, H}
A(x) =
0 si x є {K, L, M, N}
A B C D F H J K L MN
Operaciones básicas entre conjuntos
Complemento. El complemento de un conjunto esta conformado por
todos los elementos de S que no pertenecen A (operador unario)
__
x ∈ A si x ∉ A
Intersección. Se define como el conjunto formado por aquellos elementos
de S que pertenecen a A y a B simultáneamente
x ∈ A ∩ B si x ∈ A y x ∈ B
A∪ B = B ∪ A A ∪ (B ∩ C) = ( A ∪ B) ∩ ( A ∪ C)
A∩ B = B ∩ A A ∩ (B ∪ C) = ( A ∩ B) ∪ ( A ∩ C)
Propiedad asociativa Leyes de absorción
( A ∪ B) ∪ C = A ∪ (B ∪ C) ( A ∪ B) ∩ A = A
( A ∩ B) ∩ C = A ∩ (B ∩ C) ( A ∩ B) ∪ A = A
Propiedad de idempotencia Propiedad de absorción por S y Φ
A∪ A = A A∪ S = S
A∩ A = A A ∩φ = φ
Propiedad de los conjuntos
Propiedad de identidad Leyes de Morgan
_________ __ __
A ∪φ = A A ∪ B = A∩ B
A∩ S = A _________ __ __
A ∩ B = A∪ B
Involución del complemento Leyes complementarias
__
= A∪ A = S
A= A __
A∩ A =φ
Ejemplo
Definiciones
Incertidumbre.
Hace referencia al desconocimiento sobre eventos futuros.
A medida que se dispone de más información la incertidumbre
se puede reducir
La ausencia de incertidumbre es tener información total
Probabilidad.
Es una propiedad física de los objetos, determina la
posibilidad de que cierto evento puede ocurrir.
Se calcula y verifica por experimentación.
Vaguedad
Nace del concepto lingüístico mismo, se refiere al significado
diferente que toma para cada persona una misma etiqueta
lingüística: ¿Cómo es su concepto de estatura Baja?
Lógica Fuzzy
Lotfi A. Zadeh es el padre de la teoría fuzzy (Zadeh, 1965)
La lógica difusa es una extensión de la lógica convencional (Booleana)
para manejar el concepto de verdad parcial
La verdad parcial se presenta cuando los valores de verdad se
encuentran entre “absolutamente cierto” y “absolutamente falso”
La lógica difusa es capaz de captar por sí mismos la vaguedad lingüística
de palabras y frases comúnmente aceptadas.
¿Cuando usar la lógica difusa?
En procesos complejos, si no existe un modelo de
solución sencillo.
En procesos no lineales.
Cuando haya que introducir la experiencia de un
operador “experto” que se base en conceptos imprecisos
obtenidos de su experiencia.
Cuando ciertas partes del sistema a controlar son
desconocidas y no pueden medirse de forma fiable (con
errores posibles).
Cuando el ajuste de una variable puede producir el
desajuste de otras.
En general, cuando se quieran representar y operar con
conceptos que tengan imprecisión o incertidumbre.
Aplicaciones de la lógica difusa
Control de sistemas: Control de tráfico, control de vehículos,
control de compuertas en plantas hidroeléctricas, centrales
térmicas, control en máquinas lavadoras, control de metros
(mejora de su conducción, precisión en las paradas y ahorro de
energía), ascensores…
0 10 20 30 40 50 60 70 80 90 100 Temperatura
1.0 ⎧ 0, x≤a
⎪x −a
⎪ , a≤ x≤b
0.5 ⎪b − a
trapecio( x; a, b, c, d ) = ⎨ 1, b≤ x≤c
⎪d − x
⎪d − c , c ≤ x ≤ d
0.0 ⎪ 0, d≤x
ab c d ⎩
0 50 100
Función de pertenencia
1.0
2
0.5 −⎛⎜ xσ−c ⎞⎟
Gaussiana(x;σ ,c) = e ⎝ ⎠
0.0
0 50 100
1.0
Campana(x;a,b,c) = 1
2b
1+ x − c
0.5 ⎛
⎜
⎜
⎞
⎟
⎟
⎜ ⎟
⎜ ⎟
a ⎝ ⎠
0.0
0 50 100
Reglas de composición
Dados los conjuntos A y B, cuyas distribuciones de posibilidad son
conocidas se define la distribución de posibilidad de una
composición de ambas como μA*B(x) = F*(μA(x), μB(x))
p ∈[0,1]
xy
Familia Dubois Prade
max(x, y,p)
( )(
⎛ px −1 p y −1 ⎞
Familia Frank logp ⎜1 +
)
⎟ p > 0, p ≠ 1
⎜ − ⎟
⎝ p 1 ⎠
Ejemplos de otras s-normas
Suma - Producto x + y − xy
⎧x si y = 0
⎪
Suma Drástica ⎨ y si x = 0
⎪1 En otro caso
⎩
Suma Acotada min(1, x + y + pxy) p ≥ 0
(
Familia Yager min1,p x p + y p ) p≥0
Familia Dubois Prade 1−
(1− x)(1− y) p ∈[0,1]
max(1- x,1- y,p)
( )(
⎛ p1-x −1 p1− y −1 ⎞
Familia Frank logp ⎜1+
)
⎟⎟ p > 0, p ≠ 1
⎜ p −1
⎝ ⎠
Características de las t-normas
Para cada t-norma existe una s-norma dual o conjugada
x s y = 1 – (1-x) t (1-y)
x t y = 1 – (1-x) s (1-y)
If X1 es A1 y … Xn es An Entonces Y es B
Antecedente Consecuente
Ventajas
Regla 3
∑ Salida
Entrada 2
Regla 4
10
Entrada no difusa = 5
Reglas del sistema
Regla 1: if X es BAJO and Y es BAJO then Z es ALTO
Regla 2: if X es BAJO and Y es ALTO then Z es BAJO
Regla 3: if X es ALTO and Y es BAJO then Z es BAJO
Regla 4: if X es ALTO and Y es ALTO then Z es ALTO
BAJO ALTO
Hay dos métodos conocidos que son las mismas funciones usadas por
el método AND: min (mínimo), que trunca el conjunto difuso de salida, y
el PROD (producto), el cual escala al conjunto difuso de salida.
∫ xg(x)dx
Forma continua f=
∫ g(x)dx
n
∑ x g( x )
i i
Forma discreta f= i =0
n
∑ g( x )
i =0
i
Sistemas difuso tipo Sugeno
If X1 es A1 y … Xn es An Entonces Y = p1*X1 + .. +pn*xn + p0
Ventajas
wi = AndMethod (F1 ( x ), F2 ( y ))
N
∑ wi z i
i =1
N
∑ wi
i =1
N
∑ wi z i
i =1