Descargar

Razonamiento inexacto (página 2)

Enviado por Pablo Turmero


Partes: 1, 2
edu.red

Razonamiento inexacto La lógica difusa está basado en la teoría de los conjuntos difusos, que a diferencia de la tradicional teoría de conjuntos, en la cual un elemento pertenece o no al conjunto, esta teoría asigna valores de pertenencia a los elementos que están asociados con dicho conjunto difuso. Los valores de pertenencia se establecen en un rango de 0 a 1.

edu.red

Razonamiento inexacto La sentencia “Juan es alto” implica la variable lingüística “estatura” que tiene como valor lingüístico “alto”. El rango de los posibles valores de la variable lingüística (estatura) es el universo de discurso X de dicha variable (.3 @ 2.5mtrs).

La frase “Juan es alto” ocupa una sección del universo de discurso de la variable, y es un conjunto difuso.

edu.red

Razonamiento inexacto Definiendo a un hombre alto con una estatura comprendida entre 1.75 y 1.85 metros, la teoría de conjuntos le asignaría un grado de pertenencia de 1, a todos los hombres cuya altura estuviera comprendida en el rango antes indicado, y según la cual, todos los hombre fuera de este rango no serían considerados como altos sin posibilidad de ninguna tolerancia. Por el contrario, la representación mediante un conjunto difuso, permite extender de una manera más natural, el concepto asociado a la idea de un hombre alto y así, un hombre de 1.73 de altura será considerado también dentro del conjunto pero con un menor grado de pertenencia, 0.9 al conjunto de los hombres altos.

edu.red

Razonamiento inexacto (Gp:) grado de pertenencia (Gp:) 1 (Gp:) 0 (Gp:) 1.75 (Gp:) 1.85 (Gp:) 0.9 (Gp:) 1.73 (Gp:) 1.65 (Gp:) 1.95 (Gp:) altura en mts.

edu.red

Razonamiento inexacto Suponiendo que X es el universo de discurso de la variable lingüística estatura, y un elemento de dicho universo es x (la estatura de un hombre), entonces si A es un conjunto difuso que define a los hombres altos de dicha variable lingüística, este estará caracterizado por la siguiente función: ? A (x) : X ? [0,1] denominada función de pertenencia del conjunto A, cuyo rango o universo de discurso, es X.

edu.red

Razonamiento inexacto Esta función representa el grado en que un elemento x, pertenece al conjunto difuso A.

A (x) = grado (x ? A)

El valor de pertenencia de x está circunscrito a la siguiente relación: 0 < =? A (x) < =1

edu.red

Razonamiento inexacto Para otras descripciones de la variable lingüística estatura tales como: baja o media, se pueden obtener otros conjuntos difusos que reflejan la opinión popular (o de expertos, según sea el caso). En general se pueden definir múltiples conjuntos difusos para un mismo universo de discurso, y estos conjuntos representan adjetivos o subconjuntos difusos definidos sobre la variable lingüística estatura.

edu.red

edu.red

Razonamiento inexacto El número 10 difuso, puede representarse con un conjunto de números entre 7 y 13 con distintos grados de pertenencia al conjunto difuso 10 donde ? 10 (10) = 1, ? 10 (7) = ? 10 (13) = 0. La representación, corresponde a una geometría triangular que responde a las expectativas de conjunto difuso 10.

edu.red

Razonamiento inexacto (Gp:) ? 10 (10) (Gp:) 1 (Gp:) 0 (Gp:) 7 (Gp:) 13 (Gp:) 10 (Gp:) ? 10 (7) (Gp:) ? 10 (13)

edu.red

Razonamiento inexacto ? 10 (x) = 0 para x < a y x > d ? 10 (x) creciente monotonicamente para x < b y x > a ? 10 (x) decreciente monotonicamente para x < d y x > c ? 10 (x) = 1 para c ?x ? b La representación triangular de un número difuso es un caso particular en la cual, b = c .

edu.red

Razonamiento inexacto Considerando ahora un universo de discurso discreto, tal que los elementos de X sean { x1, x2, …..xn} y, siendo A un conjunto difuso definido en dicho universo se establece una función ?A (x) que mapea los elementos xi de X asignándoles un grado de pertenencia en [0,1]. Es decir, ? A (x) = grado (x ? A), y para un conjunto discreto deviene un vector: A = ( a1, a2, …..an ) donde ai = ?A (xi)

edu.red

Razonamiento inexacto La representación del vector se clarifica utilizando el símbolo “ / “ que asocia el valor de pertenencia ai con la coordenada de xi : A = ( a1 / x1, a2/x2…..an/ xn )

Considerando el conjunto difuso alta asociado a la variable lingüística estatura: ALTA = (0/1.65, 1/1.75, 1/1.85, 0/1.95)

edu.red

Razonamiento inexacto También se expresa como: A = ( a1 /x1+ a2/x2+…..+an/ xn )

A = SUMATORIA ?A(xi)/xi para i=1 @n

Si X es un a función continua, el conjunto A, este puede ser representado como: A = INTEGRAL ?A(xi)/xi

edu.red

Razonamiento inexacto Para un conjunto continuo de elementos, se necesita una función que mapea los elementos a sus valores de pertenencia. Las funciones típicas son las funciones estadística, no obstante, el diseñador puede definir sus propias funciones acorde con el problema. Debido a la carga computacional que suponen estas funciones, en la práctica se recurre al expediente de utilizar una función lineal segmentada para representar el conjunto borroso. Para obtener este ajuste lineal, cada conjunto borroso se codifica con un vector de ajuste (fit-vector).

edu.red

Razonamiento inexacto La lógica difusa trata con proposiciones difusas que asigna un valor a una variable lingüística tal como “estatura”, el valor “estatura es alta”, mediante un conjunto difuso A, definido sobre el universo de discurso X de la variable lingüística. Analogamente, para la variable lingüística “peso”, el valor “peso elevado”,se define en el universo de discurso Y de dicha variable lingüística.

edu.red

Razonamiento inexacto Una regla difusa relaciona dos proposiciones difusas, por ejemplo considerando dos conjuntos difusos tales como A (estatura es alta) y B (peso es elevado), estos pueden estar relacionados por la regla: If A Then B y los sistemas expertos difusos almacenan las reglas como asociaciones difusas (A,B), en una matriz M denominada matriz asociativa difusa y que mapea el conjunto difuso A en el conjunto difuso B, produciendo el proceso de inferencia difuso.

edu.red

Razonamiento inexacto

Como en otras técnicas de razonamiento inexacto, el proceso de inferencia difusa intenta establecer la credibilidad conclusión de la regla dada una cierta evidencia en la premisa. Sin embargo, puesto que las proposiciones contenidas en una reglas difusa son conjuntos difusos, la lógica difusa debe mapear el conjunto de información de la premisa al conjunto de información de la conclusión.

edu.red

Razonamiento inexacto Los conjuntos difusos A y B, pueden ser representados como vectores de ajuste, y capturar sus relaciones en la matriz asociativa difusa M. Disponiendo de la matriz M que se obtiene a partir de A?B, el proceso de inferencia difusa permite a partir de información A’ como un subconjunto de A, inducir un subconjunto B’ de B, que cuantifica la credibilidad de la regla, es decir: A?B entonces A’?B’ .

edu.red

Razonamiento inexacto Para derivar el conjunto difuso inducido, el proceso de inferencia se basa en el producto difuso vector-matriz que se basa en el producto vector-matriz clásico.

edu.red

edu.red

Razonamiento inexacto

El producto difuso vector-matriz que se basa en la técnica de composición max-min, definida por el operador “ ?”. A ? M = B

cada componente bj se calcula como sigue:

bj = max{ min (? A (xi) , mij }

edu.red

Razonamiento inexacto Producto difuso vector-matriz, un ejemplo conociendo A, M y la regla de construcción de los términos de B:

edu.red

edu.red

Razonamiento inexacto Por la definición del producto vector-matriz:

b1 = max{min(.2, .1), min(.4, .6), min(.6, .8), min(.1, .0)}

y en general resultará:

edu.red

edu.red

Razonamiento inexacto Según un trabajo de Zadeh de 1985, se considera al conjunto difuso como una función de distribución de posibilidades que mapea elementos de algún universo de discurso en un número entre 0 y 1 que refleja el grado de credibilidad sobre la pertenencia del elemento al conjunto difuso. Es decir:

Distribución de posibilidades = ? A (x) = ?A

edu.red

Razonamiento inexacto Considerando una distribución de posibilidades condicional ?A/B , Zadeh establece que la distribución de posibilidades de B esta dada por: ?A ? ?A/B = ?B

donde ?A es un vector (1 x n), ?A/B es una matriz (n x p) y ?B es un vector (1 x p) .

edu.red

Razonamiento inexacto Zadeh establece que poniendo alguna información sobre A, sea A’; se obtendría información sobre B, o sea B’. Zadeh denominó a esta técnica: compositional rule of inference.

Zadeh interpreta que la matriz ?A/B , como los pares de implicación entre A y B

edu.red

edu.red

Razonamiento inexacto En la inferencia max-min, el operador de de la implicación utilizado es el “min”, es decir: mij = min(ai,bj) Entonces, dados los vectores de ajuste de A y B, se obtiene la matriz M. Luego, dado el vector de ajuste de A’, se puede inducir el subconjunto B’.

edu.red

Razonamiento inexacto Ejemplo: se un universo de discurso X que representa “temperatura”, y A un conjunto difuso que representa “temperatura normal”. Asumiendo Y que representa “velocidad” y un B que representa “velocidad media, entonces si tenemos la siguiente regla difusa:

If temperatura normal Then velocidad media

edu.red

edu.red

edu.red

Donde se asume que el subconjunto A’, es una lectura única que mapea una función de pertenencia valorada en 0.5 para el conjunto difuso “temperatura normal”, este induce un conjunto difuso B’:

edu.red

edu.red

edu.red

Razonamiento inexacto Cuando A’ tiene un solo valor de pertenencia distinto de 0, por ejemplo xk se puede utilizar solo ? A (xk) directamente con la representación de B, ? B (y) para inducir B’ como

B’ = ? A (xk) ? ? B (y)

edu.red

Razonamiento inexacto En el ejemplo, nosotros asumimos que la temperatura es de 125 grados A’ tiene un solo valor de pertenencia distinto de 0, y resulta ? A (x) = 0.5, y:

B’ = [min(.5, 0), min(.5, .6), min(.5, 1), min(.5, .6), min(.5, 0) = = (0, .5, .5, .5, 0)

edu.red

Razonamiento inexacto En el caso que la entrada a la regla sea una lectura difusa, nosotros podemos considerar la intersección de A y A’, es decir:

min (ai, a’i) para inducir el B’

edu.red

edu.red

Razonamiento inexacto En la inferencia max-producto, el operador de de la implicación utilizado es: mij = ai,bj Entonces, dados los vectores de ajuste de A y B, se obtiene la matriz M. Luego, dado el vector de ajuste de A’, se puede inducir el subconjunto B’.

edu.red

edu.red

edu.red

edu.red

Razonamiento inexacto El método numérico desarrollado para reglas unarias puede ser extendido a reglas con cláusulas múltiples en la premisa vinculadas por operadores de conjunción o disyunción.

Si A and/or B Entonces C

La extensión del método consiste en incorporar las matrices asociativas a cada uno de los conjuntos difusos A y B involucrados en la regla y resolverlos conforme a la naturaleza del operador que los vincula.

edu.red

Razonamiento inexacto A’ ? MAC = CA’ B’ ? MBC = CB’

luego para la conjunción resulta: C’ = (A’ ? MAC) ? (B’ ? MBC) = CA’ ? CB’

y para la disyunción deviene: C’ = (A’ ? MAC) ? (B’ ? MBC) = CA’ ? CB’

edu.red

Razonamiento inexacto El efecto de la combinación de las conclusiones de varias reglas y el valor resultante del aporte de cada una de ellas, permite suponer que el resultado de la composición es la unión, o sea: C’ = C’1 ? C’2 ? C’3 ……. ?C’n y según las operaciones entre conjuntos difusos descriptas, resultará: C’ = max (C’1 , C’2 , C’3 ,…… , C’n)

edu.red

Razonamiento inexacto (Gp:) ? 10 (10) (Gp:) 1 (Gp:) 0 (Gp:) 7 (Gp:) 13 (Gp:) 8 (Gp:) 12

Partes: 1, 2
 Página anterior Volver al principio del trabajoPágina siguiente