Introducción Control Inteligente 1.pdf

CONTROL INTELIGENTEUna Introduccin

Facultad de IngenieraEscuela de Ingeniera Elctrica y Electrnica

Grupo Percepcin y Sistemas Inteligentes

Universidaddel Valle

PSI - Eduardo Caicedo B. 2


Control Inteligente



Introduccin

Qu es control?Qu es inteligencia?Qu es inteligencia artificial?Qu es inteligencia computacional?Qu es control inteligente?



Introduccin (2)

Control: Capacidad de influenciar el comportamiento de algo (objeto o un sujeto) de tal forma que ese algo se comporte de una manera deseadaInteligencia: El comportamiento inteligente supone percibir, razonar, aprender, comunicarse y actuar en entornos complejosInteligencia Artificial: Estudio del comportamiento inteligente en las mquinas. Desarrollo de mquinas que tengan un comportamiento inteligente

igual o superior al de los humanos Comprender este comportamiento en hombres o animales



Inteligencia Computacional

Tendencias histricas en la IA: Imitar los procesos de la inteligencia a un alto nivel (razonamiento,

deduccin). Ejemplo los SISTEMAS EXPERTOS. Emular los procesos de la inteligencia a un nivel ms bajo, en un principio

conocido como Enfoque Conectivista, pero el nombre que se ha mantenido es el de "REDES NEURONALES ARTIFICIALES" (RNA)

Adems de las RNA surgieron otras tcnicas de naturaleza bio-inspirada: Lgica Difusa (LD) Algoritmos Genticos (AG)

Estas tcnicas se agrupan en lo que se ha denominado INTELIGENCIA COMPUTACIONAL, bsicamente por que el procesamiento final de la informacin se hace de manera numrica(Ideales para simularse en sistemas de cmputo).



Control Inteligente

El objetivo de un sistema de control automtico es encontrar un dispositivo externo al sistemas dinmico a controlar (el controlador o compensador) que proporcione una seal adecuada al mismo para que la salida del sistema tenga caractersticas deseadas.El Control Inteligente surge cuando para disear o implementar el controlador se utiliza alguna tcnica bio-inspirada normalmente del mbito de la Inteligencia Computacional (RNA, LD, AG)


Universidaddel ValleIC ayuda a disear el controlador (1)

A.G.

CONTROLADOR PLANTA

REALIMENTAC.

r(t)e(t)

b(t)

u(t)c(t)

Disturbio

Un AG optimiza los parmetros del controlador


Universidaddel ValleIC ayuda a disear el controlador (2)

NC - CD PLANTA

REALIMENTAC.

r(t)e(t)

b(t)

u(t)c(t)

Disturbio

NC : NeurocontroladorCD : Controlador Difuso


Universidaddel ValleCuando usar CI

En ambientes variables e inciertos, por su capacidad de adaptacin y aprendizaje.En sistemas autnomos: Tales como naves espaciales, sistemas de exploracin y robots (Proyecto mundial de automatizacin inteligente del trnsito)Interaccin con sistemas biolgicos: Los cuales son No-Lineales, muy vulnerables y su evaluacin es difcil


Seccin IRedes Neuronales Artificiales

Conjunto de elementos de procesamiento que emulan algunas caractersticas de funcionamiento del cerebro humano



Motivacin y origen (1)

El hombre ha soado con poder conocer e imitar el cerebro humano, considerado por mucho como una mquina perfecta. Cuando la neurociencia pudo explicar de forma un poco convincente el funcionamiento de la unidad principal de procesamiento de informacin que posee el cerebro: la neurona; surgi inmediatamente la idea de poder emular dicho funcionamiento con un elemento artificial "La neurona artificial"Definicin? Tendencia

Capacidad de Cmputo Aplicaciones ms complejas




Evolucin de las aplicaciones Refinando la experiencia se mejora el desempeo real Algoritmos cuyas decisiones se apartan de las del experto Algoritmos que agrupan patrones similares

Por qu se ha renovado el inters en el estudio de las RNA Emular el comportamiento del cerebro humano (50s) Tcnicas de comportamiento ms sofisticadas Tecnologa VLSI hace posible la simulacin de RNAs Hardware especializado Desarrollo de investigacin en computacin paralela




Inters de investigadores de mltiples disciplinas Procesamiento de seales Control automtica Electrnica (Hardware eficiente de emulacin) Reconocimiento de patrones Algoritmia Modelado de problemas imprecisos

Objetivo del cientfico: Disear y construir mquinas con cierta inteligencia



Algo de historia

Primeros intentos: McCulloch and Pitts (1943) desarrollaron modelos de redes neuronales basados en su conocimiento de neurologa.Sus redes se basaban en neuronas simples, consideradas como dispositivos binarios con umbrales fijos. Los resultados de sus modelos fue la solucin a funciones lgicas elementales tales como "a OR b" y "a AND b".



Algo de historiaTecnologa emergente y promisoria

Rosenblatt (1958) revitaliz fuertemente el inters y la actividad en esta rea cuando dise y desarrollo su Perceptrn. .Este sistema pudo aprender a conectar y asociar unas entradas dadas a una unidad de salida aleatoria. Los resultados de sus modelos fue la solucin a funciones lgicas elementales tales como "a OR b" y "a AND b". Widrow and Hoff (1960) proponen el ADALINE que emplea una regla de aprendizaje basada en mnimos cuadrados (LMS).



Algo de historiaPeriodo de frustracin y desprestigio

En 1969 Minsky and Papert escribieron un libro en cual ellos generalizaban las limitaciones de un Perceptrn mono-capa a sistemas multi-capa. En el libro planteaban: "...nuestro intuitivo juicio es que la extensin (a sistemas multicapa) es una tarea estril".El resultado de las afirmaciones de este libro fue el de eliminar la financiacin para los investigadores que trabajaban con simulaciones de redes neuronales.



Algo de historiaEl resurgimiento

Durante el final de la dcada de los 70s y principios de los 80s, fue importante el resurgimiento del inters en el campo de las redes neuronales. Varios factores influenciaron este movimiento, tales como la aparicin de libros y conferencias que han dado a conocer las bondades de esta tcnica a personas de diferentes reas. Introduccin de cursos en los programas acadmicos de las principales universidades europeas y americanas.



Algo de historiaHoy!!!

Hoy se han realizado progresos muy significativos en el campo de las RNA, lo suficientes como para atraer una gran atencin e inters en financiar investigaciones. Ya se encuentran comercialmente circuitos integrados basados en RNAs y las aplicaciones desarrolladas resuelven problemas cada vez ms complejos. Sin lugar a dudas, hoy es un periodo de transicin y fuerte evolucin para la tecnologa en redes neuronales.



La neurona biolgica

1. Los elementos de proceso reciben lasseales

2. Las seales pueden ser modificadaspor los pesos sinpticos

3. Los elementos de proceso suman entradas ponderadas

4. Bajo una circunstancia apropiada laneurona transmite una seal de salida

5. La salida de la neurona puede ir a muchas neuronas


Universidaddel ValleLa neurona artificial

Cualquier modelo de red neuronal consta de dispositivos elementales de procesamiento: las neuronas artificiales. La tecnologa basada en redes neuronales artificiales es de carcter bio-inspirado pues su funcionamiento trata de imitar el funcionamiento de elementos biolgicos que en este caso los constituyen las neuronas del cerebro.



DefinicinModelos matemticos para el procesamiento de informacin Una nueva forma de computacin inspirada en modelos matemticosSegn Haykin (1994), una red neuronal es un procesador paralelo masivamente distribuido que tiene una facilidad natural para almacenar el conocimiento obtenido de la experiencia para luego hacerlo utilizable Redes interconectadas masivamente en paralelo de elementos simples (usualmente adaptativos) y con organizacin jerrquica, las cuales intentan interactuar con los objetos del mundo real del mismo modo que lo hace un sistema nervioso biolgico


Universidaddel ValleSemejanza con el cerebro

Se parece al cerebro en dos aspectos: El conocimiento es obtenido por la red a travs de un proceso de

aprendizaje. Las conexiones entre neuronas conocidas como pesos sinpticos

son utilizadas para almacenar dicho conocimiento. Las RNA se desarrollan como generalizaciones de modelos matemticos del conocimiento humano o de la biologa neuronal, con base en los siguientesconsiderandos: Elementos de procesamiento simples (Neuronas) Conectividad Enlaces de conexin con pesos Funcin de Activacin


Universidaddel ValleElementos de una neurona artificial

(.)

x1

x2

xn

wj1

wj2

wjn

vj yj

bj

)(1

jj

n

ijijij

vy

bxwv

=+=

=

Se tienen N unidades (neuronas) ordenadas arbitrariamente y se puede designarla j-sima unidad como Uj

Su trabajo es simple y nico, recibe las entradas de las clulas vecinas y calculaUn valor de salida el cual es enviado a todas las clulas restantes


Universidaddel ValleFunciones de activacin

Lineal

xxf =)(


Universidaddel ValleRed neuronal tpica


Universidaddel ValleCaractersticas de las RNA

Aprenden de la Experiencia Capacidad de Generalizacin Extraen caractersticas esenciales de informacin irrelevanteCapacidad de asociacinCapacidad de agrupacin


Universidaddel ValleVentajas significativas

Aprendizaje Adaptativo Aprenden a realizar tareas mediante el entrenamiento por ejemplos No son necesarios modelos a priori RNA son dinmicas (se adaptan a nuevas condiciones) Capacidad de Generalizacin

Auto Organizacin Modificar la RNA completa dependiendo de un objetivo especfico Crea su propia representacin de la informacin

Tolerancia a Fallos Fallo en los datos (ruido, distorsiones, datos incompletos) RNA almacena la informacin NO LOCALIZADA

Operacin en Tiempo Real Procesamiento paralelo


Universidaddel ValleCampos de aplicacin

Procesamiento de seales y datosReconocimiento y Clasificacin de PatronesCategorizacin de Patrones ("clustering")Aproximacin y seguimiento de funciones Procesamiento y reconocimiento de voz e imgenesRobticaPrediccinOptimizacin Sistemas de ControlMedicina Sistemas financierosIndustria Qumica

If you are lucky, your problem will fall in that window

CONTROL INTELIGENTEUna IntroduccinControl InteligenteIntroduccin (2)Inteligencia ComputacionalControl InteligenteIC ayuda a disear el controlador (1)IC ayuda a disear el controlador (2)Cuando usar CISeccin IRedes Neuronales ArtificialesMotivacin y origen (1)Motivacin y origen (2)Motivacin y origen (3)Algo de historiaAlgo de historiaTecnologa emergente y promisoriaAlgo de historiaPeriodo de frustracin y desprestigioAlgo de historiaEl resurgimientoAlgo de historiaHoy!!!La neurona biolgicaLa neurona artificialDefinicinSemejanza con el cerebroElementos de una neurona artificialFunciones de activacinRed neuronal tpicaCaractersticas de las RNAVentajas significativasCampos de aplicacin

Introducción Control Inteligente 1.pdf

Documents

Transcript of Introducción Control Inteligente 1.pdf