RAZONAMIENTO APROXIMADO (RA) Trata como REPRESENTAR COMBINAR y REALIZAR INFERENCIAS con conocimiento impreciso y/o incierto
RA: Distintos modelos MODELOS PROBABILISTICOS MODELO EVIDENCIAL MODELO POSIBILISTICO Todos tratan la incertidumbre en un sistema de producción Sólo el modelo posibilístico puede tratar la imprecisión.
RA: Distintos modelos MODELO POSIBILISTICO Como representar, combinar y realizar inferencias con conocimiento impreciso
CONOCIMIENTO IMPRECISO El conocimiento cuenta con predicados o cuantificadores vagos (no precisos)
Ejemplos: Pedro tiene entre 20 y 25 años. Juan es joven Mucha gente juega al fútbol El espectáculo es para gente grande.
5 Lógica difusa Introducción Teoría de conjuntos difusos Teoría de conjuntos clásica (conjuntos nítidos) Conjuntos Difusos Funciones de pertenencia Etiquetas lingüísticas Operaciones elementales con conjuntos difusos Complemento Intersección Unión Razonamiento difuso Inferencia difusa Decodificación Funcionamiento de un sistema difuso Conclusiones
6 Necesidad de razonamiento difuso En el mundo real existe mucho conocimiento con las siguientes características: conocimiento vago, impreciso, incierto, ambiguo, inexacto, o probabilístico por naturaleza. El razonamiento y pensamiento humano frecuen-temente conlleva información de este tipo: imprecisión inherente de los conceptos humanos y razonamiento basado en experiencias similares, pero no idéntica Problema: Poca capacidad de expresión de la lógica clásica. Ejemplo 1. Clasificación de personas en altas o bajas Ejemplo 2. Definición del término joven
7 Going Fuzzy Examples of Fuzzy statements: The motor is running very hot. Tom is a very tall guy. Electric cars are not very fast. High-performance drives require very rapid dynamics and precise regulation. Leuven is quite a short distance from Brussels. Leuven is a beautiful city. The maximum range of an electronic vehicle is short.
If short means: 300 km or less, would 301 km be long ? Want to express to what degree a property holds.
8 Fuzzy sets: Are functions: f: domain ? [0,1] (Gp:) 1 (Gp:) 0 (Gp:) 150 (Gp:) 160 (Gp:) 170 (Gp:) 180 (Gp:) 190 (Gp:) 200 (Gp:) 210 (Gp:) cm
Crisp set (tall men): Fuzzy set (tall men): (Gp:) 1 (Gp:) 0 (Gp:) 150 (Gp:) 160 (Gp:) 170 (Gp:) 180 (Gp:) 190 (Gp:) 200 (Gp:) 210 (Gp:) cm
Página siguiente |