SlideShare une entreprise Scribd logo
1  sur  332
3.1.1  De Variables Numéricas a Variables Lingüísticas. 3.1.2  Hedges Lingüístico. Unidad 3 SISTEMA DIFUSO Y SUS PROPIEDADES  3.1 Variable Lingüística y Reglas Difusas If-Then
3.1.1  De variables numéricas a variables lingüísticas ,[object Object],[object Object],[object Object]
[object Object],[object Object]
Definición 3.1: ,[object Object]
Ejemplo 3.1 ,[object Object]
[object Object]
[object Object],1 0 35  55  75  V max baja  media  rápida Velocidad del carro (mph) Figura 3.1 La velocidad de un carro como una variable lingüística que puede tomar conjuntos difusos “baja” y “rapida” como sus valores.
Definición 3.2: ,[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object]
[object Object],U U Variable numérica Variable lingüística
¿Porqué es importante el concepto de variable lingüística? ,[object Object],[object Object],[object Object]
Variables Lingüísticas  Y  Otras Terminologías Relacionadas ,[object Object],[object Object],[object Object],[object Object]
Variable Difusa ,[object Object],[object Object],[object Object],[object Object]
Ejemplo 3.2: ,[object Object],[object Object],[object Object],[object Object]
Variable Lingüística  ,[object Object],[object Object]
Variable Lingüística ,[object Object],[object Object]
Variable Lingüística ,[object Object],[object Object]
Ejemplo 3.3: ,[object Object],[object Object]
... ,[object Object],[object Object]
... ,[object Object],[object Object]
... ,[object Object],[object Object]
Términos De La VL Velocidad Figura 3.3  Representación de la variable lingüística del ejemplo 3.3
Variable Lingüística ,[object Object]
Variable Lingüística ,[object Object]
3.1.2 Hedges Lingüísticos ,[object Object]
[object Object],[object Object],[object Object],[object Object]
Modificadores Lingüísticos ( hL) ,[object Object],[object Object],[object Object]
Operaciones  en Conjuntos Difusos ,[object Object]
Operaciones  en Conjuntos Difusos ,[object Object],[object Object]
Ejemplo 3.4 ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Operaciones  en Conjuntos Difusos ,[object Object],[object Object]
Algunos  hL ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Algunos  hL ,[object Object],[object Object],[object Object],[object Object]
[object Object]
Figura 3.4  Efectos de los modificadores sobre el conjunto difuso “TALL”
Modificadores Lingüísticos ,[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object]
Ejemplo  :  Variables Lingüísticas Y Valores Lingüísticos. ,[object Object]
[object Object]
[object Object]
Universo De Discurso  Establecimiento Del Universo De Discurso Para Las Variables Lingüísticas
[object Object]
[object Object]
[object Object]
[object Object]
[object Object]
[object Object]
Consideraciones   para  la especificación de los  CD´s : ,[object Object],[object Object]
C consideraciones  para  la especificación de los  CD´s : ,[object Object],[object Object]
[object Object]
3.1. 3   Fundamentos de Reglas Difusas. 3.1. 4   Dos  Tipos de Reglas Difusas. 3.1 Variable Lingüística y Reglas Difusas If-Then Unidad 3 SISTEMA DIFUSO Y SUS PROPIEDADES
3.1. 3   Fundamentos de Reglas Difusas. ,[object Object],[object Object]
[object Object],[object Object]
[object Object],µ x A’  A
[object Object],[object Object],[object Object]
[object Object],[object Object]
3.1.4  Dos Tipos de Reglas Difusas ,[object Object],[object Object]
[object Object],[object Object]
[object Object]
Material Anexo a  3.1. 3   Fundamentos de Reglas Difusas. Unidad 3 SISTEMA DIFUSO Y SUS PROPIEDADES Lógica Difusa Y Razonamiento Aproximado
3.1.4.1  Reglas de Proyección Difusa ,[object Object],[object Object]
[object Object]
[object Object]
[object Object],[object Object]
3.1.4.2  Reglas de Implicación Difusas ,[object Object],[object Object]
[object Object],[object Object],[object Object]
Limitaciones en la Lógica Clásica ,[object Object]
[object Object]
Esquema de Razonamiento de L. A. Zadeh: ,[object Object],[object Object]
[object Object]
[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object]
[object Object],[object Object]
[object Object]
[object Object]
[object Object],[object Object],[object Object],[object Object]
Tabla 3.1 Comparación de dos Tipos de reglas Difusas. Dominios continuos  no-lineales Dominios con variables continuas y discretas Campos de Problemas Apropiados Diseñado como un conjunto de reglas Individualmente diseñado Diseño típico aproximado Sistemas ID, interpolación lineal, redes neuronales Lógica clásica, lógica multivaluada, (otros sistemas lógicos ampliados) Disciplinas Relacionadas Control, modelado de sistemas y procesamiento de señales Diagnósticos, realización de decisiones de alto nivel Aplicación Únicamente directa Generalización del modus ponens y modus tollens Inferencia Deseada Aproximar  proyecciones funcionales  Generalización de Implicaciones para el manejo de imprecisión Propósito Reglas de Proyección Difusa Reglas de Implicación Difusa
Material Anexo a:  3.1.4.2  Reglas de implicación difusa. Unidad 3 SISTEMA DIFUSO Y SUS PROPIEDADES Implicaciones difusas y el razonamiento aproximado
Modelos Basados en  Reglas–Difusas   para  Aproximar una Función   ,[object Object],[object Object]
¿Qué es un modelo difuso? ,[object Object],[object Object]
[object Object],[object Object]
[object Object],[object Object]
Material Anexo a:  Modelos Basados en  Reglas–Difusas   para  Aproximar una Función Unidad 3 SISTEMA DIFUSO Y SUS PROPIEDADES ESTRUCTURA BÁSICA Y OPERACIÓN DE LOS SISTEMAS DE CONTROL  LÓGICOS DIFUSOS
(1)  Partición Difusa ,[object Object],Figura 3.6 Ejemplo de Partición Clásica X 2 X 1 I 1   I 3   I 2   I 4   J 1   J 2   J 3   A 11   A 12   A 21   A 31   A 22   A 32   A 42   A 41   A 13   A 23   A 33   A 43
[object Object],[object Object]
[object Object],[object Object]
[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object]
[object Object],Cerca  Medio  Lejos Claro Oscuro Membresía Iluminación o Brillantes  del cuarto (b) Distancia entre la persona y la TV (d)
[object Object],[object Object],[object Object]
[object Object],[object Object]
[object Object],[object Object]
[object Object],[object Object]
[object Object],[object Object],[object Object]
NOTA: ,[object Object]
[object Object],[object Object],[object Object]
[object Object],[object Object]
(2) Proyección de un Subespacio Difuso a un Modelo Local ,[object Object],[object Object]
[object Object]
[object Object],[object Object]
[object Object],x y
[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object]
(3) Fusión de Modelos Locales a través del Razonamiento Interpolativo ,[object Object]
[object Object],[object Object]
[object Object],[object Object]
(4)  Defusificación ,[object Object],[object Object]
[object Object],[object Object]
MOM: ,[object Object],[object Object]
COA: ,[object Object]
El Método de Height ,[object Object]
[object Object],[object Object],[object Object]
[object Object],[object Object]
3.1.5  Fundamentos Teóricos de Reglas de Proyección Difusa Unidad 3 SISTEMA DIFUSO Y SUS PROPIEDADES
3.1.5.1  Representación Matemática de las reglas de proyección difusas ,[object Object],[object Object]
[object Object],[object Object]
[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object]
[object Object],Figura 3.9  Relación Difusa Formada por una regla de Proyección Difusa
Ejemplo 3.1 ,[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object]
 
3.1.5.2  El Fundamento de los Modelos Difusos Basados en Reglas: La Gráfica Difusa ,[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object]
[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object]
Donde  X   y  Y   son los universos de discurso de  x   y  y,  respectivamente,  y  Ā’  denota la extension cylindrical de  A’   a  XxY .
Ejemplo 3.5 ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object]
[object Object],1 Ya que estas reglas de proyección difusas tienen las mismas variables antecedentes y las mismas variables consecuentes, sus relaciones difusas  R 1 , R 2 ,…, R n   son definidas en el mismo espacio.
[object Object],[object Object]
3.1.6  Tipos de Modelos Difusos Basados en  Reglas Unidad 3 SISTEMA DIFUSO Y SUS PROPIEDADES
3.1.6 Tipos de Modelos Difusos Basados en Reglas ,[object Object],[object Object]
[object Object]
[object Object],Modelos de Reglas No-Aditivas Modelos de Reglas Aditivos Modelos Difusos Basados en Reglas Modelo de Mamdani   Modelo TSK SAM
[object Object]
[object Object]
[object Object],[object Object],[object Object],donde  M  es el número de reglas difusas,  x j     U j  (j=1, 2, 3, …,s)  son las variables de entrada. y    V  es la variable de salida,   y  A ij   y  C i   son los conjuntos difusos caracterizados por funciones de membresía      Aij  (x j )  y   Ci (y),  respectivamente.
[object Object],[object Object],[object Object],[object Object]
3.1.7 Modelo Mamdani ,[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object]
[object Object]
[object Object],[object Object]
[object Object]
3.1.8  Modelo  TSK ,[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object]
[object Object]
[object Object],[object Object]
3.1.9  Modelo Estándar Aditivo (SAM) ,[object Object],[object Object],[object Object]
[object Object],[object Object]
[object Object],[object Object]
[object Object],[object Object],2 La forma más general del modelo SAM  permite que cada regla sea asociado con una ponderación o peso.
Sumario ,[object Object]
[object Object],[object Object]
[object Object]
[object Object],[object Object]
[object Object]
3.2  Lógica Difusa, Implicaciones Difusas y Razonamiento Aproximado.   Unidad 3 SISTEMA DIFUSO Y SUS PROPIEDADES
3.2  Lógica Difusa, Implicaciones Difusas y Razonamiento Aproximado.   Unidad 3 SISTEMA DIFUSO Y SUS PROPIEDADES
Introducción ,[object Object]
[object Object]
[object Object],[object Object],[object Object]
[object Object],[object Object]
Lógica Proposicional ,[object Object]
[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object]
[object Object],[object Object],Verdadero Verdadero Verdadero Falso Verdadero Verdadero Falso Verdadero Falso Falso Falso Verdadero Verdadero Verdadero Falso Verdadero Verdadero Falso Verdadero Falso Falso Verdadero Falso Falso    ¬   
[object Object],[object Object]
[object Object]
[object Object]
[object Object]
Por ejemplo, si hoy es un día de la semana (martes) y es una hora pico, se puede deducir que el tráfico está congestionado utilizando la implicación de la Ec. 3.28
Otro esquema de inferencia que involucra una implicación es el modus tolens.  De una implicación y la negación de su conclusión, se puede deducir la negación de su premisa: Una de las principales limitaciones de la lógica proposicional es que no puede fácilmente describir el conocimiento que se aplica a una clase de objeto. Para hacer esto, se necesita de “el cálculo del predicado de primer –orden”.
Predicado de Primer-Orden ,[object Object],[object Object]
[object Object],[object Object]
[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object]
LÓGICA DIFUSA ,[object Object],[object Object],[object Object]
Implicación difusa ,[object Object]
[object Object]
[object Object]
[object Object],[object Object]
[object Object]
[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object]
[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object]
[object Object],A y B x A y B x (a) (b)
[object Object],[object Object]
[object Object],[object Object]
[object Object],[object Object],[object Object]
[object Object],[object Object]
[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object]
[object Object]
Razonamiento Aproximado ,[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object]
[object Object]
[object Object]
Criterios de Implicaciones Difusas ,[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object],(*) S. Fukuma, M. Mizumoto, and K Tamaka. “Somo considerations on fuzzy conditional inference”, Fuzzy Set and Systems, Vol. 4, pp243-273, 1980. (**) L. A. Zadeh. “On the analysis of large scale systems”. In Systems Approaches and Environment Problems, Vandenhoeck and Ruprecht, pp 233-37, 1994.
Criterios Intuitivos para  involucrar la implicación Difusa   x es A  y es B y es B  x es more or less A III-2 y es more or less B x es more or less A III-1 y es B x es A’  and A’   A II-2* yY es B x es very A II-2 y es very B x es very A II-1 y es B x es A I Inferencia Dado Criterios
x es A    z es C y es B  z es C IX x es U (desconocida) y es B VIII x es nor (more or less A) y es not (more or less B) VII x es not (very A) y es not  (very B) VI x es not A  y es not B V y es V (desconocida) x es not A IV Inferencia Dado Criterios
 
 
 
 
 
 
 
Lógica Difusa Y Razonamiento Aproximado Material Anexo a  3.1. 3   Fundamentos de Reglas Difusas.
Lógica Difusa ,[object Object]
[object Object],[object Object],[object Object]
Operaciones  Lógicas ,[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object]
Razonamiento  Lógico ,[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object]
Generalidades de un sistema experto difuso ,[object Object]
[object Object]
Base de conocimiento en la Lógica Difusa. ,[object Object]
[object Object]
[object Object],[object Object]
[object Object]
[object Object],[object Object]
[object Object]
Modus Ponens Generalizado ,[object Object]
[object Object]
[object Object]
[object Object]
[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object]
[object Object]
[object Object],[object Object]
Lógica Difusa Y Razonamiento Aproximado Material Anexo a  3.1. 3   Fundamentos de Reglas Difusas.
Lógica Difusa y Razonamiento Aproximado:   Proposiciones Difusas Material Anexo a  3.1.4.2  Reglas de Implicación Difusa.
Proposiciones Difusas ,[object Object]
Predicados Difusos ,[object Object],[object Object],[object Object]
Modificadores De Predicados Difusos ,[object Object],[object Object],[object Object],[object Object]
Cuantificadores Difusos (CD) ,[object Object],[object Object]
[object Object],[object Object],[object Object]
Calificadores Difusos (CalD) ,[object Object],[object Object],[object Object],[object Object],[object Object]
Lógica Difusa y Razonamiento Aproximado: Razonamiento Aproximado
Razonamiento Aproximado ,[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object]
Razonamiento Categórico ,[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Razonamiento Cualitativo ,[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object]
Razonamiento Silogístico ,[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Razonamiento Disposicional  ,[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Lógica Difusa y Razonamiento Aproximado: Modelo de Inferencia Difusa
Múltiples Reglas con  Múltiples  Antecedentes.
Reglas con  n  antecedentes y  m  consecuentes ,[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object]
[object Object]
[object Object],[object Object]
[object Object]
[object Object],[object Object]
Definición De Los Planos De Inferencia. Inferencia en sistemas con múltiples reglas: (min, max, min)
Planos De Inferencia ,[object Object]
Planos De Inferencia ,[object Object]
Planos De Inferencia ,[object Object]
Planos De Inferencia ,[object Object]
Planos De Inferencia ,[object Object]
Planos De Inferencia ,[object Object]
[object Object],Planos De Inferencia
Planos De Inferencia ,[object Object]
Planos De Inferencia ,[object Object]
Planos de Inferencia en una Unidad de Inferencia Difusa
 
Lógica Difusa y Razonamiento Aproximado:   Proposiciones Difusas Material Anexo a  3.1.4.2  Reglas de Implicación Difusa.
ESTRUCTURA BÁSICA Y OPERACIÓN DE LOS SISTEMAS DE CONTROL  LÓGICOS DIFUSOS Material Anexo a:  Modelos Basados en  Reglas–Difusas   para  Aproximar una Función
Introducción ,[object Object]
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES
SISTEMA DIFUSO Y SUS PROPIEDADES

Contenu connexe

Tendances

4.1 diferenciacion numerica
4.1 diferenciacion numerica4.1 diferenciacion numerica
4.1 diferenciacion numerica
morenito9001
 
UD2 Mapas Karnaugh
UD2 Mapas KarnaughUD2 Mapas Karnaugh
UD2 Mapas Karnaugh
Alejandro G
 

Tendances (20)

Prueba de series (exposición)
Prueba de series (exposición)Prueba de series (exposición)
Prueba de series (exposición)
 
Metodo congruencial mixto en java
Metodo congruencial mixto en javaMetodo congruencial mixto en java
Metodo congruencial mixto en java
 
Pruebas De Varianza Uniformidad E Independencia
Pruebas De Varianza Uniformidad E IndependenciaPruebas De Varianza Uniformidad E Independencia
Pruebas De Varianza Uniformidad E Independencia
 
Logica difusa conceptos
Logica difusa conceptosLogica difusa conceptos
Logica difusa conceptos
 
2.8 Razonamiento probabilístico..pptx
2.8 Razonamiento probabilístico..pptx2.8 Razonamiento probabilístico..pptx
2.8 Razonamiento probabilístico..pptx
 
2.7 Conocimiento no-monótono y otras lógicas..pptx
2.7 Conocimiento no-monótono y otras lógicas..pptx2.7 Conocimiento no-monótono y otras lógicas..pptx
2.7 Conocimiento no-monótono y otras lógicas..pptx
 
Logica Difusa Introduccion
Logica Difusa IntroduccionLogica Difusa Introduccion
Logica Difusa Introduccion
 
Ejercicio de máquina de turing
Ejercicio de máquina de turingEjercicio de máquina de turing
Ejercicio de máquina de turing
 
CONCEPTOS Y FUNDAMENTOS DE LÓGICA DIFUSA 2
CONCEPTOS Y FUNDAMENTOS   DE LÓGICA DIFUSA 2CONCEPTOS Y FUNDAMENTOS   DE LÓGICA DIFUSA 2
CONCEPTOS Y FUNDAMENTOS DE LÓGICA DIFUSA 2
 
Diferenciacion numerica
Diferenciacion numericaDiferenciacion numerica
Diferenciacion numerica
 
Metodos numericos con matlab
Metodos numericos con matlabMetodos numericos con matlab
Metodos numericos con matlab
 
GRAMATICAS AMBIGUAS
GRAMATICAS AMBIGUASGRAMATICAS AMBIGUAS
GRAMATICAS AMBIGUAS
 
INVESTIGACIÓN DE CHIPSET
INVESTIGACIÓN DE CHIPSET INVESTIGACIÓN DE CHIPSET
INVESTIGACIÓN DE CHIPSET
 
4.1 diferenciacion numerica
4.1 diferenciacion numerica4.1 diferenciacion numerica
4.1 diferenciacion numerica
 
Lenguajes de simulación
Lenguajes de simulaciónLenguajes de simulación
Lenguajes de simulación
 
Lab 01 - Análisis de señales - UNTECS
Lab 01 - Análisis de señales - UNTECSLab 01 - Análisis de señales - UNTECS
Lab 01 - Análisis de señales - UNTECS
 
UD2 Mapas Karnaugh
UD2 Mapas KarnaughUD2 Mapas Karnaugh
UD2 Mapas Karnaugh
 
Pic retardos por software
Pic retardos por softwarePic retardos por software
Pic retardos por software
 
maquinas de turing jflap
maquinas de turing jflapmaquinas de turing jflap
maquinas de turing jflap
 
Mapas de Karnaugh
Mapas de KarnaughMapas de Karnaugh
Mapas de Karnaugh
 

Similaire à SISTEMA DIFUSO Y SUS PROPIEDADES

Utp sirn_s11_operaciones difusas
 Utp sirn_s11_operaciones difusas Utp sirn_s11_operaciones difusas
Utp sirn_s11_operaciones difusas
jcbp_peru
 
Utp sirn_s11_operaciones difusas
 Utp sirn_s11_operaciones difusas Utp sirn_s11_operaciones difusas
Utp sirn_s11_operaciones difusas
jcbp_peru
 
Utp 2015-2_sirn_s11_operaciones difusas
 Utp 2015-2_sirn_s11_operaciones difusas Utp 2015-2_sirn_s11_operaciones difusas
Utp 2015-2_sirn_s11_operaciones difusas
jcbp_peru
 
Funciones y todo sobre slideshare
Funciones y todo sobre slideshareFunciones y todo sobre slideshare
Funciones y todo sobre slideshare
HumbertoVZLA
 
Fuzzy2 do doc_
Fuzzy2 do doc_Fuzzy2 do doc_
Fuzzy2 do doc_
Jairo Nava
 
Logica difusa resumen
Logica difusa resumenLogica difusa resumen
Logica difusa resumen
Miguel Alba
 
realidad virtual y vision artificial
realidad virtual y vision artificialrealidad virtual y vision artificial
realidad virtual y vision artificial
Douglas Crespo
 
Distribucion de Laplace
Distribucion de LaplaceDistribucion de Laplace
Distribucion de Laplace
Luis Pons
 
Distribucion de Laplace
Distribucion de LaplaceDistribucion de Laplace
Distribucion de Laplace
Luis Pons
 

Similaire à SISTEMA DIFUSO Y SUS PROPIEDADES (20)

Trabajo de investigación - Lógica difusa.pdf
Trabajo de investigación - Lógica difusa.pdfTrabajo de investigación - Lógica difusa.pdf
Trabajo de investigación - Lógica difusa.pdf
 
Utp sirn_s11_operaciones difusas
 Utp sirn_s11_operaciones difusas Utp sirn_s11_operaciones difusas
Utp sirn_s11_operaciones difusas
 
Utp sirn_s11_operaciones difusas
 Utp sirn_s11_operaciones difusas Utp sirn_s11_operaciones difusas
Utp sirn_s11_operaciones difusas
 
Utp 2015-2_sirn_s11_operaciones difusas
 Utp 2015-2_sirn_s11_operaciones difusas Utp 2015-2_sirn_s11_operaciones difusas
Utp 2015-2_sirn_s11_operaciones difusas
 
Logica Difusa
 Logica Difusa  Logica Difusa
Logica Difusa
 
Funciones y todo sobre slideshare
Funciones y todo sobre slideshareFunciones y todo sobre slideshare
Funciones y todo sobre slideshare
 
Fuzzy2 do doc_
Fuzzy2 do doc_Fuzzy2 do doc_
Fuzzy2 do doc_
 
Calculo predicadospartei
Calculo predicadosparteiCalculo predicadospartei
Calculo predicadospartei
 
Teoría básica de los semigrupos y grupos
Teoría básica de los semigrupos y gruposTeoría básica de los semigrupos y grupos
Teoría básica de los semigrupos y grupos
 
Logica difusa resumen
Logica difusa resumenLogica difusa resumen
Logica difusa resumen
 
Funciones
FuncionesFunciones
Funciones
 
Calculo relacional1
Calculo relacional1Calculo relacional1
Calculo relacional1
 
realidad virtual y vision artificial
realidad virtual y vision artificialrealidad virtual y vision artificial
realidad virtual y vision artificial
 
Algebra
AlgebraAlgebra
Algebra
 
Distribucion de Laplace
Distribucion de LaplaceDistribucion de Laplace
Distribucion de Laplace
 
Distribucion de Laplace
Distribucion de LaplaceDistribucion de Laplace
Distribucion de Laplace
 
Algebra 1 - Relaciones
Algebra 1 - Relaciones Algebra 1 - Relaciones
Algebra 1 - Relaciones
 
La Derivada. Gabriela Ramírez
La Derivada. Gabriela RamírezLa Derivada. Gabriela Ramírez
La Derivada. Gabriela Ramírez
 
Cristina carvaca Probabilidades
Cristina carvaca ProbabilidadesCristina carvaca Probabilidades
Cristina carvaca Probabilidades
 
Trabajo matematicas 3er corte
Trabajo matematicas 3er corteTrabajo matematicas 3er corte
Trabajo matematicas 3er corte
 

Plus de ESCOM

redes neuronales tipo Som
redes neuronales tipo Somredes neuronales tipo Som
redes neuronales tipo Som
ESCOM
 
redes neuronales Som
redes neuronales Somredes neuronales Som
redes neuronales Som
ESCOM
 
redes neuronales Som Slides
redes neuronales Som Slidesredes neuronales Som Slides
redes neuronales Som Slides
ESCOM
 
red neuronal Som Net
red neuronal Som Netred neuronal Som Net
red neuronal Som Net
ESCOM
 
Self Organinising neural networks
Self Organinising  neural networksSelf Organinising  neural networks
Self Organinising neural networks
ESCOM
 
redes neuronales Kohonen
redes neuronales Kohonenredes neuronales Kohonen
redes neuronales Kohonen
ESCOM
 
Teoria Resonancia Adaptativa
Teoria Resonancia AdaptativaTeoria Resonancia Adaptativa
Teoria Resonancia Adaptativa
ESCOM
 
ejemplo red neuronal Art1
ejemplo red neuronal Art1ejemplo red neuronal Art1
ejemplo red neuronal Art1
ESCOM
 
redes neuronales tipo Art3
redes neuronales tipo Art3redes neuronales tipo Art3
redes neuronales tipo Art3
ESCOM
 
Art2
Art2Art2
Art2
ESCOM
 
Redes neuronales tipo Art
Redes neuronales tipo ArtRedes neuronales tipo Art
Redes neuronales tipo Art
ESCOM
 
Neocognitron
NeocognitronNeocognitron
Neocognitron
ESCOM
 
Neocognitron
NeocognitronNeocognitron
Neocognitron
ESCOM
 
Neocognitron
NeocognitronNeocognitron
Neocognitron
ESCOM
 
Fukushima Cognitron
Fukushima CognitronFukushima Cognitron
Fukushima Cognitron
ESCOM
 
Counterpropagation NETWORK
Counterpropagation NETWORKCounterpropagation NETWORK
Counterpropagation NETWORK
ESCOM
 
Counterpropagation NETWORK
Counterpropagation NETWORKCounterpropagation NETWORK
Counterpropagation NETWORK
ESCOM
 
Counterpropagation
CounterpropagationCounterpropagation
Counterpropagation
ESCOM
 
Teoría de Resonancia Adaptativa Art2 ARTMAP
Teoría de Resonancia Adaptativa Art2 ARTMAPTeoría de Resonancia Adaptativa Art2 ARTMAP
Teoría de Resonancia Adaptativa Art2 ARTMAP
ESCOM
 
Teoría de Resonancia Adaptativa ART1
Teoría de Resonancia Adaptativa ART1Teoría de Resonancia Adaptativa ART1
Teoría de Resonancia Adaptativa ART1
ESCOM
 

Plus de ESCOM (20)

redes neuronales tipo Som
redes neuronales tipo Somredes neuronales tipo Som
redes neuronales tipo Som
 
redes neuronales Som
redes neuronales Somredes neuronales Som
redes neuronales Som
 
redes neuronales Som Slides
redes neuronales Som Slidesredes neuronales Som Slides
redes neuronales Som Slides
 
red neuronal Som Net
red neuronal Som Netred neuronal Som Net
red neuronal Som Net
 
Self Organinising neural networks
Self Organinising  neural networksSelf Organinising  neural networks
Self Organinising neural networks
 
redes neuronales Kohonen
redes neuronales Kohonenredes neuronales Kohonen
redes neuronales Kohonen
 
Teoria Resonancia Adaptativa
Teoria Resonancia AdaptativaTeoria Resonancia Adaptativa
Teoria Resonancia Adaptativa
 
ejemplo red neuronal Art1
ejemplo red neuronal Art1ejemplo red neuronal Art1
ejemplo red neuronal Art1
 
redes neuronales tipo Art3
redes neuronales tipo Art3redes neuronales tipo Art3
redes neuronales tipo Art3
 
Art2
Art2Art2
Art2
 
Redes neuronales tipo Art
Redes neuronales tipo ArtRedes neuronales tipo Art
Redes neuronales tipo Art
 
Neocognitron
NeocognitronNeocognitron
Neocognitron
 
Neocognitron
NeocognitronNeocognitron
Neocognitron
 
Neocognitron
NeocognitronNeocognitron
Neocognitron
 
Fukushima Cognitron
Fukushima CognitronFukushima Cognitron
Fukushima Cognitron
 
Counterpropagation NETWORK
Counterpropagation NETWORKCounterpropagation NETWORK
Counterpropagation NETWORK
 
Counterpropagation NETWORK
Counterpropagation NETWORKCounterpropagation NETWORK
Counterpropagation NETWORK
 
Counterpropagation
CounterpropagationCounterpropagation
Counterpropagation
 
Teoría de Resonancia Adaptativa Art2 ARTMAP
Teoría de Resonancia Adaptativa Art2 ARTMAPTeoría de Resonancia Adaptativa Art2 ARTMAP
Teoría de Resonancia Adaptativa Art2 ARTMAP
 
Teoría de Resonancia Adaptativa ART1
Teoría de Resonancia Adaptativa ART1Teoría de Resonancia Adaptativa ART1
Teoría de Resonancia Adaptativa ART1
 

Dernier

Dernier (20)

TRABAJO FINAL TOPOGRAFÍA COMPLETO DE LA UPC
TRABAJO FINAL TOPOGRAFÍA COMPLETO DE LA UPCTRABAJO FINAL TOPOGRAFÍA COMPLETO DE LA UPC
TRABAJO FINAL TOPOGRAFÍA COMPLETO DE LA UPC
 
Los dos testigos. Testifican de la Verdad
Los dos testigos. Testifican de la VerdadLos dos testigos. Testifican de la Verdad
Los dos testigos. Testifican de la Verdad
 
Feliz Día de la Madre - 5 de Mayo, 2024.pdf
Feliz Día de la Madre - 5 de Mayo, 2024.pdfFeliz Día de la Madre - 5 de Mayo, 2024.pdf
Feliz Día de la Madre - 5 de Mayo, 2024.pdf
 
Posición astronómica y geográfica de Europa.pptx
Posición astronómica y geográfica de Europa.pptxPosición astronómica y geográfica de Europa.pptx
Posición astronómica y geográfica de Europa.pptx
 
Factores que intervienen en la Administración por Valores.pdf
Factores que intervienen en la Administración por Valores.pdfFactores que intervienen en la Administración por Valores.pdf
Factores que intervienen en la Administración por Valores.pdf
 
SISTEMA RESPIRATORIO PARA NIÑOS PRIMARIA
SISTEMA RESPIRATORIO PARA NIÑOS PRIMARIASISTEMA RESPIRATORIO PARA NIÑOS PRIMARIA
SISTEMA RESPIRATORIO PARA NIÑOS PRIMARIA
 
Tema 17. Biología de los microorganismos 2024
Tema 17. Biología de los microorganismos 2024Tema 17. Biología de los microorganismos 2024
Tema 17. Biología de los microorganismos 2024
 
Los avatares para el juego dramático en entornos virtuales
Los avatares para el juego dramático en entornos virtualesLos avatares para el juego dramático en entornos virtuales
Los avatares para el juego dramático en entornos virtuales
 
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).pptPINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
PINTURA DEL RENACIMIENTO EN ESPAÑA (SIGLO XVI).ppt
 
CONCURSO NACIONAL JOSE MARIA ARGUEDAS.pptx
CONCURSO NACIONAL JOSE MARIA ARGUEDAS.pptxCONCURSO NACIONAL JOSE MARIA ARGUEDAS.pptx
CONCURSO NACIONAL JOSE MARIA ARGUEDAS.pptx
 
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESOPrueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
 
Sesión de clase APC: Los dos testigos.pdf
Sesión de clase APC: Los dos testigos.pdfSesión de clase APC: Los dos testigos.pdf
Sesión de clase APC: Los dos testigos.pdf
 
Lecciones 06 Esc. Sabática. Los dos testigos
Lecciones 06 Esc. Sabática. Los dos testigosLecciones 06 Esc. Sabática. Los dos testigos
Lecciones 06 Esc. Sabática. Los dos testigos
 
Prueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESOPrueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESO
 
Desarrollo y Aplicación de la Administración por Valores
Desarrollo y Aplicación de la Administración por ValoresDesarrollo y Aplicación de la Administración por Valores
Desarrollo y Aplicación de la Administración por Valores
 
Plan-de-la-Patria-2019-2025- TERCER PLAN SOCIALISTA DE LA NACIÓN.pdf
Plan-de-la-Patria-2019-2025- TERCER PLAN SOCIALISTA DE LA NACIÓN.pdfPlan-de-la-Patria-2019-2025- TERCER PLAN SOCIALISTA DE LA NACIÓN.pdf
Plan-de-la-Patria-2019-2025- TERCER PLAN SOCIALISTA DE LA NACIÓN.pdf
 
Usos y desusos de la inteligencia artificial en revistas científicas
Usos y desusos de la inteligencia artificial en revistas científicasUsos y desusos de la inteligencia artificial en revistas científicas
Usos y desusos de la inteligencia artificial en revistas científicas
 
prostitución en España: una mirada integral!
prostitución en España: una mirada integral!prostitución en España: una mirada integral!
prostitución en España: una mirada integral!
 
Tema 11. Dinámica de la hidrosfera 2024
Tema 11.  Dinámica de la hidrosfera 2024Tema 11.  Dinámica de la hidrosfera 2024
Tema 11. Dinámica de la hidrosfera 2024
 
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
Procedimientos para la planificación en los Centros Educativos tipo V ( multi...
 

SISTEMA DIFUSO Y SUS PROPIEDADES

  • 1. 3.1.1 De Variables Numéricas a Variables Lingüísticas. 3.1.2 Hedges Lingüístico. Unidad 3 SISTEMA DIFUSO Y SUS PROPIEDADES 3.1 Variable Lingüística y Reglas Difusas If-Then
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.
  • 20.
  • 21.
  • 22. Términos De La VL Velocidad Figura 3.3 Representación de la variable lingüística del ejemplo 3.3
  • 23.
  • 24.
  • 25.
  • 26.
  • 27.
  • 28.
  • 29.
  • 30.
  • 31.
  • 32.
  • 33.
  • 34.
  • 35. Figura 3.4 Efectos de los modificadores sobre el conjunto difuso “TALL”
  • 36.
  • 37.
  • 38.
  • 39.
  • 40.
  • 41.
  • 42. Universo De Discurso Establecimiento Del Universo De Discurso Para Las Variables Lingüísticas
  • 43.
  • 44.
  • 45.
  • 46.
  • 47.
  • 48.
  • 49.
  • 50.
  • 51.
  • 52. 3.1. 3 Fundamentos de Reglas Difusas. 3.1. 4 Dos Tipos de Reglas Difusas. 3.1 Variable Lingüística y Reglas Difusas If-Then Unidad 3 SISTEMA DIFUSO Y SUS PROPIEDADES
  • 53.
  • 54.
  • 55.
  • 56.
  • 57.
  • 58.
  • 59.
  • 60.
  • 61. Material Anexo a 3.1. 3 Fundamentos de Reglas Difusas. Unidad 3 SISTEMA DIFUSO Y SUS PROPIEDADES Lógica Difusa Y Razonamiento Aproximado
  • 62.
  • 63.
  • 64.
  • 65.
  • 66.
  • 67.
  • 68.
  • 69.
  • 70.
  • 71.
  • 72.
  • 73.
  • 74.
  • 75.
  • 76.
  • 77.
  • 78. Tabla 3.1 Comparación de dos Tipos de reglas Difusas. Dominios continuos no-lineales Dominios con variables continuas y discretas Campos de Problemas Apropiados Diseñado como un conjunto de reglas Individualmente diseñado Diseño típico aproximado Sistemas ID, interpolación lineal, redes neuronales Lógica clásica, lógica multivaluada, (otros sistemas lógicos ampliados) Disciplinas Relacionadas Control, modelado de sistemas y procesamiento de señales Diagnósticos, realización de decisiones de alto nivel Aplicación Únicamente directa Generalización del modus ponens y modus tollens Inferencia Deseada Aproximar proyecciones funcionales Generalización de Implicaciones para el manejo de imprecisión Propósito Reglas de Proyección Difusa Reglas de Implicación Difusa
  • 79. Material Anexo a: 3.1.4.2 Reglas de implicación difusa. Unidad 3 SISTEMA DIFUSO Y SUS PROPIEDADES Implicaciones difusas y el razonamiento aproximado
  • 80.
  • 81.
  • 82.
  • 83.
  • 84. Material Anexo a: Modelos Basados en Reglas–Difusas para Aproximar una Función Unidad 3 SISTEMA DIFUSO Y SUS PROPIEDADES ESTRUCTURA BÁSICA Y OPERACIÓN DE LOS SISTEMAS DE CONTROL LÓGICOS DIFUSOS
  • 85.
  • 86.
  • 87.
  • 88.
  • 89.
  • 90.
  • 91.
  • 92.
  • 93.
  • 94.
  • 95.
  • 96.
  • 97.
  • 98.
  • 99.
  • 100.
  • 101.
  • 102.
  • 103.
  • 104.
  • 105.
  • 106.
  • 107.
  • 108.
  • 109.
  • 110.
  • 111.
  • 112.
  • 113.
  • 114.
  • 115.
  • 116.
  • 117.
  • 118.
  • 119. 3.1.5 Fundamentos Teóricos de Reglas de Proyección Difusa Unidad 3 SISTEMA DIFUSO Y SUS PROPIEDADES
  • 120.
  • 121.
  • 122.
  • 123.
  • 124.
  • 125.
  • 126.
  • 127.  
  • 128.
  • 129.
  • 130.
  • 131.
  • 132.
  • 133. Donde X y Y son los universos de discurso de x y y, respectivamente, y Ā’ denota la extension cylindrical de A’ a XxY .
  • 134.
  • 135.
  • 136.
  • 137.
  • 138. 3.1.6 Tipos de Modelos Difusos Basados en Reglas Unidad 3 SISTEMA DIFUSO Y SUS PROPIEDADES
  • 139.
  • 140.
  • 141.
  • 142.
  • 143.
  • 144.
  • 145.
  • 146.
  • 147.
  • 148.
  • 149.
  • 150.
  • 151.
  • 152.
  • 153.
  • 154.
  • 155.
  • 156.
  • 157.
  • 158.
  • 159.
  • 160.
  • 161.
  • 162.
  • 163.
  • 164.
  • 165. 3.2 Lógica Difusa, Implicaciones Difusas y Razonamiento Aproximado. Unidad 3 SISTEMA DIFUSO Y SUS PROPIEDADES
  • 166. 3.2 Lógica Difusa, Implicaciones Difusas y Razonamiento Aproximado. Unidad 3 SISTEMA DIFUSO Y SUS PROPIEDADES
  • 167.
  • 168.
  • 169.
  • 170.
  • 171.
  • 172.
  • 173.
  • 174.
  • 175.
  • 176.
  • 177.
  • 178.
  • 179.
  • 180. Por ejemplo, si hoy es un día de la semana (martes) y es una hora pico, se puede deducir que el tráfico está congestionado utilizando la implicación de la Ec. 3.28
  • 181. Otro esquema de inferencia que involucra una implicación es el modus tolens. De una implicación y la negación de su conclusión, se puede deducir la negación de su premisa: Una de las principales limitaciones de la lógica proposicional es que no puede fácilmente describir el conocimiento que se aplica a una clase de objeto. Para hacer esto, se necesita de “el cálculo del predicado de primer –orden”.
  • 182.
  • 183.
  • 184.
  • 185.
  • 186.
  • 187.
  • 188.
  • 189.
  • 190.
  • 191.
  • 192.
  • 193.
  • 194.
  • 195.
  • 196.
  • 197.
  • 198.
  • 199.
  • 200.
  • 201.
  • 202.
  • 203.
  • 204.
  • 205.
  • 206.
  • 207.
  • 208.
  • 209.
  • 210.
  • 211.
  • 212.
  • 213.
  • 214.
  • 215.
  • 216.
  • 217.
  • 218.
  • 219.
  • 220.
  • 221. Criterios Intuitivos para involucrar la implicación Difusa x es A  y es B y es B x es more or less A III-2 y es more or less B x es more or less A III-1 y es B x es A’ and A’  A II-2* yY es B x es very A II-2 y es very B x es very A II-1 y es B x es A I Inferencia Dado Criterios
  • 222. x es A  z es C y es B  z es C IX x es U (desconocida) y es B VIII x es nor (more or less A) y es not (more or less B) VII x es not (very A) y es not (very B) VI x es not A y es not B V y es V (desconocida) x es not A IV Inferencia Dado Criterios
  • 223.  
  • 224.  
  • 225.  
  • 226.  
  • 227.  
  • 228.  
  • 229.  
  • 230. Lógica Difusa Y Razonamiento Aproximado Material Anexo a 3.1. 3 Fundamentos de Reglas Difusas.
  • 231.
  • 232.
  • 233.
  • 234.
  • 235.
  • 236.
  • 237.
  • 238.
  • 239.
  • 240.
  • 241.
  • 242.
  • 243.
  • 244.
  • 245.
  • 246.
  • 247.
  • 248.
  • 249.
  • 250.
  • 251.
  • 252.
  • 253.
  • 254. Lógica Difusa Y Razonamiento Aproximado Material Anexo a 3.1. 3 Fundamentos de Reglas Difusas.
  • 255. Lógica Difusa y Razonamiento Aproximado: Proposiciones Difusas Material Anexo a 3.1.4.2 Reglas de Implicación Difusa.
  • 256.
  • 257.
  • 258.
  • 259.
  • 260.
  • 261.
  • 262. Lógica Difusa y Razonamiento Aproximado: Razonamiento Aproximado
  • 263.
  • 264.
  • 265.
  • 266.
  • 267.
  • 268.
  • 269.
  • 270.
  • 271.
  • 272.
  • 273.
  • 274.
  • 275. Lógica Difusa y Razonamiento Aproximado: Modelo de Inferencia Difusa
  • 276. Múltiples Reglas con Múltiples Antecedentes.
  • 277.
  • 278.
  • 279.
  • 280.
  • 281.
  • 282.
  • 283.
  • 284. Definición De Los Planos De Inferencia. Inferencia en sistemas con múltiples reglas: (min, max, min)
  • 285.
  • 286.
  • 287.
  • 288.
  • 289.
  • 290.
  • 291.
  • 292.
  • 293.
  • 294. Planos de Inferencia en una Unidad de Inferencia Difusa
  • 295.  
  • 296. Lógica Difusa y Razonamiento Aproximado: Proposiciones Difusas Material Anexo a 3.1.4.2 Reglas de Implicación Difusa.
  • 297. ESTRUCTURA BÁSICA Y OPERACIÓN DE LOS SISTEMAS DE CONTROL LÓGICOS DIFUSOS Material Anexo a: Modelos Basados en Reglas–Difusas para Aproximar una Función
  • 298.