REPBLICA BOLIVARIANA DE VENEZUELA

INSTITUTO UNIVERSITARIO POLITCNICO

SANTIAGO MARIO
AMPLIACION MARACAIBO

Jose German
Edwin Nuez
Aldrin Prez
Miguel Ramrez
Yarelis Vargas
Belkis Vargas
Yean Vera

Introduccin
Un sistema inteligente sera aquel que posee una habilidad
parecida al ser humano para resolver problemas dentro de un
dominio especfico, tiene capacidad para adaptarse,
aprender en un ambiente cambiante y explicar como se toman
las decisiones ( o acciones).
En el ltimo siglo ha existido un inters creciente por la
construccin de mquinas inteligentes.
1947, Se defini la Ciberntica ( Norbert Wiener)
un estudio unificado del control y de la comunicacin
en los animales y las mquinas.

Introduccin
1947, Se defini la Ciberntica ( Norbert Wiener)
un estudio unificado del control y de la comunicacin
en los animales y las mquinas.
La poca de la ciberntica coincide con el desarrollo de
varios paradigmas:
-

Evolucin de los computadores analgicos a digitales.

Teora formal de la computacin ( Alan Turing).
Computador basado en lgica digital: John Von Neumann
Primeros modelos del neuron: McCulloch-Pitts (1943),
perceptron (1957)
- La inteligencia artificial (IA), 1960, John McCarthy

Inteligencia Artificial:
Buscaban definir los mtodos algortmicos capaces de hacer
pensar a los computadores !!
Hubo una gran efervescencia en la dcada del 60, debido
A los resultados iniciales se pensaba que se conseguira
construir mquinas realmente inteligentes.
Hubo un declive de las otras reas: la ciberntica y la redes
neuronales.

Inteligencia Artificial:
1969, Marvin Minsky, mostr mediante un estudio riguroso
formal, limitaciones en los perceptrones para resolver
algunos problemas. Esto caus una perdida de confianza en
el rea de redes neuronales.
La Inteligencia Artificial (AI) algunas ideas:
El ser humano utiliza el lenguaje como medio para razonar y
sacar conclusiones.
La IA busca imitar el comportamiento inteligente,
tratando de expresarlo en formas de lenguaje o reglas
Simblicas

Inteligencia Artificial:
La Inteligencia Artificial (AI) algunas ideas:
La IA manipula simbolos basandose en la suposicin que el
Comportamiento inteligente puede ser almacenado en bases
de conocimiento estructuradas simblicamente.
El mayor desarrollo de la IA son los sistemas expertos o
Sistemas basados en conocimiento:
Son complejos programas (software) en los que se codifica
el conocimiento de expertos en una materia muy concreta en
forma de reglas de decisin.
- La IA se sustenta en el binomio: lgica boolena-mquina de
Von Neumann.

Estructura de un sistema experto

Pregunta
Respuesta
Usuario

(Novato)
Ingeniero de
Conocimiento
Humano
Experto

Interface de Usuario

Mquina de
Inferencia
Facilidad de
Explicacin

Base de Datos
Global

Inteligencia Artificial:
KB

Adquisicin de
Conocimiento

Hechos
Reglas

Computador
Host
etc...

Inteligencia Artificial:
Algunas definiciones de IA:
AI is the study of agents that exist in an evironment and
perceive and act. (Russell, Norvig, artificial Intelligence:
a Modern approach, 1995).
Is the art of making computer do smart things.
(Waldrop,87).
AI is a programming style, where programs operate on
data according to rules in order to accomplish goals
(Tylor, 88).

Algunas definiciones de IA

AI is the acitivitiy of providing such machines as

computers with the ability to display behavior that would be
regarded as intelligent if were observed in humans,
(R. McLeod, 79).
La inteligencia computacional (soft computing) tiene
Objetivos similares a la IA, pero ha puesto ms nfasis
en metodologas inspiradas biolgicamente: modelado de
Cerebro, lgica difusa, algoritmos evolutivos, etc.

Sistemas difusos
Introduccin
Los sistemas difusos son utilizado en muchos campos de la
ingeniera. Hacen del parte del rea se que se ha
denominado softcomputing.
Lotfi A. Zadeh (1992):
Soft computing is an emerging approach to computing
which parallels the remarkable ability of the human mind to
reason and learn in an environment of uncertainty and
imprecision.

Inteligencia computacional:

Softcomputing cubre en algunos paradigmas recientes:

- Redes neuronales.
- Lgica difusa y sistemas basados en
razonamiento difuso.
- Tcnicas de optimizacin basadas en
algoritmos genticos y re-cocimiento simulado.

Sistemas difusos
Los sistemas difusos:
Han sido desarrolladas buscando modelar la forma como el
cerebro manipula informacin imprecisa.
La redes neuronales:
Son modeladas a partir de la arquitectura fsica del
cerebro.

Sistemas difusos
Los sistemas difusos y las redes neuronales:
Estimadores libres de modelos.
Sistemas dinmicos.
Ambos tienen la capacidad de modelar procesos no
lineales complejos con un grado arbitrario de exactitud.
Son tecnologas complementarias:
Sistemas difusos con habilidades de aprendizaje.
- Redes neuronales con una estructura determinada
por la forma y el proceso de razonamiento propio
de las reglas difusas If-then.

Sistemas difusos
Los sistemas difusos y las redes neuronales
Redes neuronales:

Realizan un mapeo no lineal de entrada-salida.

Poseen la capacidad de generalizacin.
Tienen la propiedad de la adaptabilidad.
Son tolerantes a fallas.
Tienen habilidad de aprendizaje.

Sistemas difusos
La fusin de las dos tecnologas produce sistemas con
diferentes caractersticas:
Sistemas neurodifusos: Sistemas difusos provistos de
mtodos de sintona propios de las redes neuronales
pero sin alterar su funcionalidad.
Redes neuronales difusas: Conservan las propiedades y
la arquitectura de las redes neuronales y simplemente
se fuzifican algunos de sus elementos.

Sistemas difusos
La expresin del conocimiento
Cuando se trabaja con la solucin de problemas existen dos
tipos de conocimiento:
Conocimiento objetivo: El cual se expresa en forma de
modelos matemticos. Estos modelos son usados
corrientemente en la solucin de problemas en el campo de
la ingeniera.
Conocimiento subjetivo: el cual es representado en forma
lingstica que es imposible de cualificar con modelos
matemticos tradicionales.
Ex: Si el valor de la ganancia es muy alto entonces el

Sistemas difusos (introduccin)

Como utilizar los dos tipos de conocimiento en la solucin de
problemas:
Existen dos estrategias:
Una estrategia basada en modelo en la cual la informacin objetiva
es expresada en modelos matemticos y la informacin subjetiva
es expresada en reglas (lingsticas) que luego son cuantificadas
usando lgica difusa.
Una estrategia libre de modelo: en la cual, las reglas son extradas
de datos numricos, estas reglas tambin pueden ser combinadas
con informacin lingstica suministrada por expertos.

Sistemas difusos
Sistemas difusos (modelo difuso): una visin de alto nivel
Establecen un mapeo no lineal entre un vector de datos de entrada a una salida
escalar (MISO).

Y= f(x)

Sistema Difuso
xUn
Fuzificador

Reglas

Defuzificador

Mecanismo
inferencia

Vector de entrada

salida

conjuntos difusos
Qu es un conjunto de acuerdo con la teora clsica?
Es una reunin de elementos que cumplen alguna condicin preestablecida.
Notacin: A = { x / x cumple alguna condicin}
Ejemplo: A = { x R / x > 5 }
Conjuntos discretos se pueden
representar con diagramas. Por
ejemplo el conjunto B (de nmeros
enteros entre 1 y 5):

B
1
2
3
4
5

As:
1 B
2 B
3 B
4 B
5 B

conjuntos difusos
La funcin caracterstica o de pertenencia
Se puede definir un conjunto estableciendo su funcin de
pertenencia ( tambin llamada funcin caracterstica).
La funcin asume la siguiente forma para conjuntos clsicos:
Sea el conjunto A, la funcin de pertenencia A(x) ser:
A(x) =

1, si x A
0, a x A.

conjuntos difusos
Ejemplo: sea el conjunto A:
A ={ El conjunto de los nmeros reales mayores que 5}
o equivalentemente:
A = { x R / x 5}
Entonces: A(4) = 0
A(6) = 1

Grfica de A(x)

A
1

34567.

conjuntos difusos
Conjuntos difusos
La pertenencia de los elementos al conjunto puede ser gradual, lo
cual se expresa mediante la funcin de pertenencia, que en este
caso puede tomar valores dentro del intervalo [0,1]
Ejemplo:
Sea el conjunto universal X ={ 1, 2, 3, 4, 5, 6, 7, 8, 9}. Sea el
conjunto A = {el nmero apropiado de cursos que un estudiante debe
tomar en el primer semestre de Ingeniera electrnica}
A, lo podramos definir considerando sus elementos junto con sus
valores de pertenencia:
A ={ (1, 0.1), (2,0.3), (3,0.4), (4,0.6), (5,1), (6,0.9), (7,0.6), (8,0.3)
(9, 0.1) }

conjuntos difusos
Definicin de Conjuntos difusos
Sea U una coleccin de objetos denotados genricamente por u,
entonces un conjunto difuso A en U se define como el conjunto de
pares ordenados:
A = { (u, A(u)) / u U}
A(u) es la funcin de pertenencia de u en A, la cual mapea cada
elemento de U a un valor de pertenencia entre 0 y 1.
(u)
A

Funcin de pertenencia

0.6

u1

u2

Conjuntos difusos
Ejemplo
Sea B= El conjunto de nmeros enteros cercanos a 9
B = 0.1/6 + 0.5/7 + 0.8/8 + 1/9 + 0.8/10 + 0.5/11 + 0.1/12
1
0.8
0.5
0.1
1

7 8 9 10 11 12

Notacin B = N B(x)/ x (Representacin de conjuntos discretos)

Conjuntos difusos
Tipos corrientes de funciones de pertenencia
Tipo Z

Lineal por trazos

Tipo triangular
Tipo trapezoidal

Otras formas: gaussiana, en forma de campana, etc.

Tipo S

Conjuntos difusos
Algunas definiciones relacionadas con conjuntos difusos :
1. El soporte de un conjunto difuso:
Support(A) = { x / A(x) > 0}
2. Core:

Core(A) = { x / A(x) = 1}

3. Conjuntos difusos normales: si su core no es vacio.

4. Fuzzy singleton: es un conjunto normal con soporte en un
solo punto

Conjuntos difusos
Representacin de los conjuntos difusos :
Dado un conjunto universal U ={x1, x2, .,xn}, un conjunto A
definido en U puede ser representado usando el conjunto de pares
ordenados:

A {( x1 , A ( x1 )), ( x2 , A ( x2 )),....., ( xn , A ( xn ))}

Igualmente
como:
x
x
x puedexser representado

....

xi

Donde + indica unin de los elementos (no suma).

Conjuntos difusos
- cuts
Un -cut (o conjunto de nivel ) de un conjunto difuso A* es un
conjunto A clsico que contiene todos los elementos del conjunto
universo U que tienen un grado de pertenencia en A* ms grande
o igual a .
O sea:

A {x U / A ( x) , (0,1]}

El conjunto de todos los niveles (0,1] que representan distintos

-cuts de un conjunto A dado es llamado el conjunto de nivel de
A. O sea:

A { / A ( x) , para a lg un x U }

Conjuntos difusos
Primero recordemos las operaciones entre conjuntos clsicos
Para conjuntos clsicos, consideremos dos conjuntos A y B:
- entonces la unin de A y B ser un conjunto C = A B, que
contendr tanto los elementos de A como los de B.
- La interseccin de A y B , ser un conjunto D = A B, que
contendr los elementos comunes entre A y B.
- El complemento de A, ser un conjunto A, que contendr todos los
elementos del conjunto universal que no pertenezcan a A.

Conjuntos difusos
Ejemplo (conjuntos clsicos):
Sean los conjuntos A = { 1, 2 , 3, 4, 5, 6}
B = {4, 5, 6, 7, 8, 9}
y

U = { 0, 1, 2 , 3, 4, 5, 6, 7, 8, 9, 10, 11} el conjunto

universal.

Entonces: C = A B = {1, 2 , 3, 4, 5, 6, 7, 8, 9}
D = A B = {4, 5, 6 }
A = {0, 7, 8, 9, 10, 11}

Conjuntos difusos
Operaciones entre conjuntos clsicos: se pueden realizar
operacin entre conjuntos clsicos usando la funcin pertenencia.
Funcin de pertenencia del
conjunto resultado

Operador

Se realizan con base

a las funciones de
pertenencia

C A B A B (u ) max( A (u ), B (u ))
D A B A B (u ) min( A (u ), B (u ))
A A (u ) 1 A (u )

Conjuntos difusos
Propiedades de las operaciones entre conjuntos clsicos:
Sean A, B y C conjuntos clsicos y A, B, y C sus complementos
Sea X el conjunto universo y el conjunto vaco
Propiedad
ConmutativaAB=BA,AB=BA

Asociativa(AB)C=A(BC)
(AB)C=A(BC)
DistributivaA(BC)=(AB)(AC)
A(BC)=(AB)(AC)

Conjuntos difusos
Propiedad
ContradiccinAA=
TerceroexcluidoAA=X

leydeMorganAB=AB
AB=AB

GRACIAS POR
SUS ATENCION