Post on 22-Dec-2015
description
Logia Difusa
Introducción
Incertidumbre• Se relaciona a la información (falta de información).• Cuando no se sabe cuando puede ocurrir cierto evento.• No se conoce una teoría que explique el fenómeno.
Probabilidad• Es una propiedad física de los objetos, determina la
posibilidad de que cierto evento puede ocurrir.• Se calcula y verifica por experimentación.
Imprecisión (ambigüedad).• Es una característica del lenguaje de comunicación humano.• Esta relacionada con el grado en que el evento ocurre.
Incertidumbre
Se trabaja con niveles de creencias.Rango de valores [0,1]¿Cuándo va ha suceder un terremoto?
Silencio sísmico¿Aprobaré el curso?
¿Estudiaste?, ¿le dedicaste tiempo?, ¿hiciste tus trabajos?Si tiro la moneda, ¿saldrá cara o sello?
¿la moneda está sesgada?¿Cuál es la respuesta para una pregunta con V o F?
Si sabes, responde. Si no sabes, cualquiera es buena respuesta.
Introducción
Probabilidad
Ejemplos:
P (X = cara) = 0.5
P (X = hombre) = 0.5
P (X = ROJO) = 2/7
P(X=x)
XROJO AZUL VERDE
Introducción
Ambigüedad
•Ambigüedad está relacionada con el grado con el cual los eventos ocurren sin importar la probabilidad de su ocurrencia.
•Por ejemplo, el grado de juventud de una persona es un evento difuso sin importar que sea un elemento aleatorio.
Introducción
Introducción
• ¿Cómo formalizar o representar la imprecisión y la incertidumbre?
• Un predicado es lo que se afirma o niega de un objeto.
• Un predicado vago o borroso es aquél que se le aplica a los elementos de un conjunto, en un cierto grado.
Introducción
Estudiamos el conjunto de los números reales entre 0 y 1. Dado el
intervalo [0,1] y el predicado más grande que 0.5.
Una de las partes satisface la propiedad dada en el predicado y la
otra parte contiene los que no satisfacen la propiedad.
Introducción
¿es el 0.7499 un número grande?
En el intervalo [0,1], el predicado "grande" no realiza una partición del conjunto anterior, ya que no queda claro qué es grande y qué no.La respuesta desde el punto de vista de la Lógica Clásica sería que no lo es, puesto que no está dentro del intervalo propuesto, y esto sería totalmente válido.
Introducción
¿es el 0.7499 un número grande?
Pero, si lo consideramos bajo nuestro sentido común, o desde el punto de vista de la Lógica Borrosa, diríamos que 0.7499 es un número grande ya que está muy próximo al valor de 0.75.
Introducción
¿es el 0.7499 un número grande?
Pero, si lo consideramos bajo nuestro sentido común, o desde el punto de vista de la Lógica Borrosa, diríamos que 0.7499 es un número grande ya que está muy próximo al valor de 0.75.
Introducción
Los grados de pertenencia tienen valores reales definidos
en [0,1].
0 ... 0.33 0.4 0.75 ... 1pertenece en grado 1
valores intermedios
pertenece en grado 0
Introducción
Los grados de pertenencia tienen valores reales definidos
en [0,1].
0 ... 0.33 0.4 0.75 ... 1pertenece en grado 1
valores intermedios
pertenece en grado 0
Historia
300ac
Platón Aristóteles David Hume
Grados entre verdad y falsedad
Principios contradictorios en la lógica clásica
Inmauel Kant
XVIII
Bertrand Russell
XX
Estudio sobre las vaguedades en el lenguaje
Ludwing Wittgenstein
Acepciones de una palabra
Primera lógica de vaguedades
1920
Jan Lukasiewicz
Historia
1965
Lofti Asier Zadeh
Padre del término borroso
Primer controlador difuso para la máquina de vapor
1974 1993
Assilian y Mamdani
1987
Controlador borroso para el control del tren de Sendai
Fuzzy Boom
HITOCHI
Lógica Borrosa para el control de inyección química
Takagi y Sugeno
Primera aproximación para construir reglas fuzzy
Lógica Difusa
Lógica Difusa
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”
F
V
F
V
Lógica booleana Lógica difusa
Conjuntos Difusos y Lógica Difusa
La palabra fuzzy viene del ingles fuzz (tamo, pelusa, vello) y se traduce por difuso o borroso.
Lotfi A. Zadeh: Es el padre de toda esta teoría (Zadeh, 1965).Importancia: En la actualidad es un campo de investigación muy
importante, tanto por sus implicaciones matemáticas o teóricas como por sus aplicaciones prácticas.
Revistas: Fuzzy Sets and Systems, IEEE Transactions on Fuzzy Systems...
Congresos: FUZZ-IEEE, IPMU, EUSFLAT, ESTYLF...Bibliografía Gral.: (Kruse, 1994), (McNeill, 1994), (Mohammd,
1993), (Pedrycz, 1998)...
Problemas Básicos subyacentes:Conceptos SIN definición clara: Muchos conceptos que
manejamos los humanos a menudo, no tienen una definición clara: ¿Qué es una persona alta? ¿A partir de qué edad una persona deja de ser joven?
La lógica clásica o bivaluada es demasiado restrictiva: Una afirmación puede no ser ni VERDAD (true) ni FALSA (false).“Yo leeré El Quijote”: ¿En qué medida es cierto? Depende
de quien lo diga y...“Él es bueno en Física”: ¿Es bueno, muy bueno o un poco
mejor que regular?
Conjuntos Difusos y Lógica Difusa
Ejemplo
Defina los siguientes conceptos:
Algunas mujeres jóvenes son inteligentes.
Algunos hombres maduros son responsables.
Sígueme de cerca.
El carro está limpio.
Otros ejemplos . . . . . . .
¿Cuándo 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).
¿Cuándo no usar la lógica difusa?
• Si puedes resolver el problema con otra técnica más sencilla.
Ventajas
• La lógica clásica no admite espacios grises entre lo “verdadero” y lo “no verdadero”, también conocido como falso.
• Muchos de los conceptos que manipulamos a diario no encajan en la categoría:
¿Hace Frio? ¿Es pesado eso? ¿Sigo siendo joven?
AplicacionesControl de sistemas: Control de tráfico, control de vehículos
(helicópteros...), 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...
Predicción y optimización: Predicción de terremotos, optimizar horarios...
Reconocimiento de patrones y Visión por ordenador: Seguimiento de objetos con cámara, reconocimiento de escritura manuscrita, reconocimiento de objetos, compensación de vibraciones en la cámara
Sistemas de información o conocimiento: Bases de datos, sistemas expertos
Conjuntos Difusos
Conjuntos Clásicos
El conjunto universal U (Universo de discurso) contiene todos los elementos de cada contexto ó aplicación en particular.
Los conjuntos clásicos se pueden definir de las siguientes maneras:• Método de Lista (Finito) (extensión)• Método de Regla A = {x ε U / x cumple ciertas condiciones}
(comprensión)• Método de membresía (comprensión)
Ejercicio
• Defina el conjunto A mediante los tres métodos de representación de conjuntos:
A B C DJ F H
N
M
K
LAA
UU
Ejemplo
Extensión:AA = {A, B, C, D, F, J, H}
Comprensión:AA = {x / A ≤ x ≤ H & x≠E & x≠G}
Membresía:
1
0
si x є {A, B, C, D, F, J, H}
si x є {K, L, M, N}AA(x) =
A K L MNB CD F H J
1
0
Conjuntos Clásicos
• Conjunto de Frutas: Manzana|Frutas, Lechuga|Frutas...
0
1
ManzanasFrutas que no son manzanas
0
1
lechugasFrutas que no son lechugas
Grado de pertenencia o función de membresía
Conjuntos Difusos
Conjunto Clásico Conjunto Difuso
Conjuntos Difusos (fuzzy):
Ejemplo
Sea el conjunto difuso joven.
3015 20 25 5035 40 45
A = {1/10, 1/15, 1/20, 0.75/25, 0.25/30, 0/35 }
A = {(1,10), (1,15), (1,20), (0.75,25), (0.25,30), (0,35) }
grado de pertenencia
edad
Ejemplo
Sea el conjunto difuso joven.
3015 20 25 5035 40 45
A = {1/10, 1/15, 0.80/20, 0.60/25, 0.40/30, 0.20/35, 0/40 }
A = {(1,10), (1,15), (0.8,20), (0.60,25), (0.40,30), (0.20,35), (0,40) }
grado de pertenencia
edad
Funciones de Membresía
Función de membresía
Se pueden definir como:Una función con parámetros pk(x) del elemento x.
Una enumeración de pares definidos sobre elementos discretos del conjunto
donde no representa una suma, sino una agregación de pares.• A(x)/x no representa ningún cociente, sino un par
(posibilidad / elemento)
))(,),...(),(()( 21 xpxpxpx nAA
Ux
AxxA /)(
Ejemplo 4
Sea el conjunto de las personas “altas” definido sobre el conjunto de la población y considerando un elemento del mismo denominado “pepe”.
¿ pepe pertenece o no al conjunto de las personas “altas”?Esto se puede resolver atendiendo a la medida altura(pepe) y una
función que mide la posibilidad de ser considerado alto en base a la altura.
1.0
0.5
0.0
alto(altura)
1.0 1.5 2.0altura (m)
Ejemplo
La escala vertical representa la opinión de los especialistas sobre lo que es rápido. El valor 1 significa que el 100 % opina que una aceleración por debajo de los 8 segundos supone un carro rápido. El 0 indica que por encima de los 8 segundos de aceleración, nadie cree que un carro sea rápido
Ejemplo
En ella se muestra que sólo el 50 % de los especialistas considerará que un tiempo por debajo de los 8 segundos es rápido. En cualquier caso, él numero entre 0 y 1 da un valor que indica rapidez de un carro, medida en una cierta escala.
0 8
1
tiempo
grado de pertenencia
Ejemplo
Grafique el conjunto difuso cerca de 50 años
30 7050 30 7050
Ejemplos de Funciones de Membresía
Triangular
1.0
0.5
0.0
0 50 100
Triangular
xc
cxbbc
xc
bxaab
axax
cbaxtriángulo
,0
,
,
,0
),,;(
Trapezoidal1.0
0.5
0.0
0 50 100
Trapezoidal
xd
dxccd
xdcxb
bxaab
axax
dcbaxtrapecio
,0
,
,1
,
,0
),,,;(
Gaussiana1.0
0.5
0.0
0 50 100
Campana1.0
0.5
0.0
0 50 100
Sigmoide1.0
0.5
0.0
0 50 100
Ejemplo de función de membresía
Altura(cm)a1 a2
Bajo Médio Alto
1
Gra
do d
e P
erte
nenc
ia
1
Conceptos Relacionados con Conjuntos Difusos
Conceptos Básicos
Soporte
El soporte de un conjunto difuso A en el universo de discurso U es un conjunto crips que contiene todos los elementos de U que tenga valores de membresía ≠ 0 en A.
Suporte(A) = {x є U / μA(x) > 0}
1
suporte
x
μA(x)
Soporte
• Si el soporte de un conjunto difuso es vacío, este es llamado conjunto difuso vacío (empty fuzzy set).
• Si el conjunto soporte está representado por un solo punto en U, este se denomina singleton difuso (fuzzy singleton).
• El punto de cruce (crossover point) de un conjunto difuso es el punto en U donde el valor de membresía en A es 0.5.
μA(x)
x
0.5
1
Punto de cruce
Núcleo
• El conjunto x, donde μA(x) alcanza el valor de 1 se denomina núcleo (core).
1
x
μA(x)
Altura
La altura de un conjunto difuso es el mayor valor de membresía logrado por algún punto.
En un conjunto difuso normal la altura es 1.
normal: se μA(x) = 1subnormal: se μA(x) 1
altura
μA(x)
x
Reglas Difusas If....Then• Los conjuntos y los operadores difusos son los sujetos y
predicados de la lógica difusa. Las reglas if-then son usadas para formular las expresiones condicionales que abarca la lógica difusa
• if x is A then y is B
• Donde A y B son los valores lingüísticos definidos por los conjuntos definidos en los rangos de los universos de discurso llamados X e Y, respectivamente.
• La parte if de la regla ´x es A´ es llamada el antecedente o premisa, mientras la parte then de la regla ´y es B´ es llamada la consecuencia o conclusión
Estructura del Sistema
Las entradas son números limitados a un rango especifico. Entradas no difusas.
Las reglas son evaluadas en paralelo usando un razonamiento difuso.
Los resultados de las reglas son combinadas y defusificadas.
El resultado es un valor numérico no difuso.
Regla 1
Regla 2
Regla 3 Salida
Entrada 1
Entrada 2
Regla 4
DefusificacionForma continua
•Para calcular el algoritmo del centro de gravedad (cog, siglas en ingles) dividimos al Momento de la función por el Area de la función:
Forma discreta
•Se divide la función en partes iguales y se calcula haciendo la sumatoria de todos los puntos de la siguiente manera:
•Hay que tener en cuenta que al dividir en partes iguales al conjunto de salida se simplifican los z, si las particiones fueran diferentes habría que tener en cuenta el z porque sino se pierde el sentido de Momento y Area de la función.
DefusificacionForma continua:
Forma discreta para 10 muestras:
Ejemplo
¿Con cuanta temperatura hace mucho calor?
Bajo el acercamiento tradicional 30° se considera caluroso, pero 28° no.
En cambio bajo el acercamiento difuso tanto 28° como 30° se ubican en la frontera del conjunto difuso.
Contraste con las Funciones de Pertenencia Usuales
¿Qué tan joven es pepe?
Función de Pertenencia
¿Qué tan joven es pepe?
Altura
La altura de un conjunto difuso es el mayor valor de membresía logrado por algún punto.
En un conjunto difuso normal la altura es 1.
normal: se μA(x) = 1subnormal: se μA(x) 1
altura
μA(x)
x