Lógica Difusa

1. LÓGICA DIFUSA “ Fuzzy Logic ” 1 Jorge Cortés – Gustavo Pacheco Inteligencia Artificial Mayo de 2014

2. Introducción 2 Tradicionalmente las premisas lógicas tienen sólo dos extremos: o son completamente ciertas o son totalmente falsas. En el mundo de la lógica difusa, las premisas lógicas cambian en un rango a grado de verdad de 0 a 100 por ciento, esto permite acercar la matemática al lenguaje impreciso del hombre común, ya que  está repleto de términos vagos como “poco”, “mucho”,  “tibio”, etc.

3. Historia de la lógica difusa Platón dijo que había una tercera región entre verdadero y falso: los grados de pertenencia , un rango de valores entre dos números [0,1]. 3 Aristóteles introduce las leyes del conocimiento : Principio de identidad Ley de contradicción Principio del tercer excluido vs En la antigüedad:

4. Jan Łukasiewicz el primero que propuso una alternativa sistemática a la lógica bi -valuada de Aristóteles , la lógica tri -valuada . Max Black define en 1937 el primer conjunto difuso mediante una curva que recogía la frecuencia con la que se pasaba de un estado a su opuesto. 4 Siglo XIX: Siglo XX:

5. En 1965 Lotfi Asker Zadeh , basado en las ideas de Black, creó la 'lógica difusa', que combina los conceptos de la lógica y de los conjuntos de Jan Łukasiewicz mediante la definición de grados de pertenencia. 5

6. 6 LÓGICA DIFUSA La lógica difusa analiza los métodos y principios de razonamiento a partir de proposiciones imprecisas que relacionan magnitudes y valores lingüísticos y cualitativos modelados por conjuntos difusos. La lógica difusa es una herramienta muy poderosa y directa, técnica para la solución de problemas, que ha adquirido recientemente una gran difusión especialmente en áreas de control y toma de decisiones.

7. 7 ¿QUÉ BUSCA LA LÓGICA DIFUSA? Utilizar la experiencia del ser humano para generar un razonamiento que permite la toma de decisiones. Su razonamiento basado en la aproximación a la percepción humana: no todo es blanco o negro, los distintos tipos de grises que predominan en el pensamiento humano.

8. Sistema difuso Su estructura está constituida por tres bloques principales : T ransformación de los valores numéricos en valores de lógica difusa . M otor de inferencia que emplea las reglas . C onversión de los valores de la lógica difusa en valores numéricos . 8

9. 9 ETAPAS DE LA LÓGICA DIFUSA Fusificación ( Fuzzification ): la traducción de valores del mundo real al ambiente Fuzzy mediante el uso de funciones de membresía o pertenencia. Inferencia lógica : después de realizar la fusicación de las variables de entrada y de salida tenemos que establecer reglas que relacionen las entradas con las salidas. Para poder operar con los Conjuntos Difusos es necesario definir las operaciones elementales entre ellos (inserción, unión y complemento). Defusificación ( Defuzzification ) : después de computar las reglas fuzzy evaluar las variables fuzzy , necesitamos trasladar estos valores nuevamente hacia el mundo real.

10. Los métodos de inferencia para esta base de reglas deben ser simples, veloces y eficaces. Los resultados de dichos métodos son un área final, fruto de un conjunto de áreas solapadas entre sí . Para escoger una salida concreta a partir de tanta premisa difusa, el método más usado es el del centroide , en el que la salida final será el centro de gravedad del área total resultante. En resumen, puede decirse que un sistema basado en lógica difusa actúa como lo haría una persona que tuviera que reaccionar ante términos tan imprecisos como “caluroso” o “rápido”, si al sistema se le incluye una regla que diga “Si la temperatura es calurosa se ha de acelerar el ventilador”, se estará aplicando el principio de If / Then y el sistema funcionará sin regirse por conceptos matemáticos precisos. 10

11. Los conjuntos clásicos, tienen limitaciones, se define un universo de discurso que contiene a conjuntos cuyos bordes están bien definidos, un elemento puede o no pertenecer a cierto conjunto, algo es verdadero o falso, no se definen situaciones intermedias Los conjuntos borrosos son una extensión de los clásicos, donde se añade una función de pertenencia, definida esta como un número real entre 0 y 1. Así se introduce el concepto de conjunto o subconjunto borroso y se lo asocia a un determinado valor lingüístico, definido por una palabra o etiqueta lingüística, donde esta es el nombre del conjunto o subconjunto. CONJUNTOS DIFUSOS 11

12. Funciones de pertenencia Las funciones de pertenenci a también llamadas funciones de membresía representan el grado de pertenencia de un elemento a un subconjunto definido por una etiqueta. Las formas de las funciones de pertenencia más típicas son trapezoidales, lineales y curvas. 12

13. Operaciones difusas: 13 A los subconjuntos se les puede aplicar determinados operadores o bien se puede realizar operaciones entre ellos. Las operaciones lógicas se utilizan en controladores y modelos difusos, son necesarias en la evaluación del antecedente de reglas. • Complemento: • Unión. Operador lógico OR de Zadeh ( max ): • Intersección. Operador lógico AND de Zadeh (min ):  

14. Se basa en reglas heurísticas de la forma SI (antecedente) ENTONCES (consecuente), donde el antecedente y el consecuente son también conjuntos difusos, ya sea puros o resultado de operar con ellos. Si la temperatura esta alta y creciendo ENTONCES debe aumentarse bastante el agua fria . 14

15. LÓGICA DIFUSA EN INTELIGENCIA ARTIFICIAL En Inteligencia artificial, la lógica difusa, o lógica borrosa se utiliza para la resolución de una variedad de problemas, principalmente los relacionados con control de procesos industriales complejos y sistemas de decisión en general, la resolución la compresión de datos. 15

16. La lógica difusa en inteligencia artificial consiste en la aplicación de la lógica difusa con la intención de imitar el razonamiento humano en la programación de computadoras. Con la lógica convencional, las computadoras pueden manipular valores estrictamente duales, como verdadero/falso, sí/no o ligado/desligado. 16

17. En la lógica difusa, se usan modelos matemáticos para representar nociones subjetivas, como caliente/tibio/frío, para valores concretos que puedan ser manipuladas por los ordenadores. En este paradigma, también tiene un especial valor la variable del tiempo, ya que los sistemas de control pueden necesitar retroalimentarse en un espacio concreto de tiempo, pueden necesitarse datos anteriores para hacer una evaluación media de la situación en un período anterior. 17

18. 18 El diseño de un controlador basado en lógica difusa supone establecer un compromiso entre diversos criterios de diseño: velocidad, precisión y flexibilidad, principalmente. IMPLEMENTACIÓN DE SISTEMAS DIFUSOS

19. 19 ENTORNOS DE  DESARROLLO Como herramientas para la investigación en el desarrollo de sistemas de control y procesamiento de señal, se han utilizado frecuentemente entornos de base matemática que facilitan la evaluación de diversas técnicas, sin obligar inicialmente al desarrollo de programas específicos, haciendo uso de paquetes matemáticos diversos incluidos en estos sistemas matemáticos de propósito general y otros de propósito especifico. Entornos matemáticos avanzados Entornos de lógica difusa vs

20. 20 ENTORNOS: Es probablemente que MATLAB el entorno de desarrollo matemático más extendido para las aplicaciones de control y procesamiento de señal, especialmente en ambientes universitarios, donde se utiliza para la simulación de control de sistemas. Fuzzy Logic  le ofrece un conjunto esencial de herramientas para la creación, modificación y visualización de conjuntos difusos y los sistemas basados ​​en lógica difusa. Ideal para los ingenieros, investigadores y educadores .

21. 21 FUZZYTECH Este entorno es uno de los más difundidos y completos para el desarrollo de sistemas basados en lógica borrosa. El entorno de FuzzyTech fue desarrollado por la compañía INFORM Software GMBH, el cual surgió del trabajo de un grupo de investigadores dirigido por el profesor Hans Zimmermann , de la Universidad de Aachen (Alemania). Zimmermann , uno de los pioneros de la lógica difusa en Europa, es presidente y fundador de la International Fuzzy Systems Association (IFSA), la principal organización internacional para la investigación y aplicación de los sistemas basados en lógica difusa ENTORNO DE LÓGICA DIFUSA

22. 22 FIDE ( Fuzzy Inference Development Enviroment ) Desarrollado por la compañía americana Aptronix , en colaboración con Motorola. Este entorno se basa en un lenguaje de descripción de controladores llamado FIL, que a su vez se compone de tres sublenguajes , para cada uno de los posibles en el entorno. El lenguaje FIU permite describir unidades de inferencia borrosa formadas por conjuntos de reglas que se aplica sobre variables, para las que se puede definir diversos adjetivos.

23. Soluciones Nivel uno - control mediante lógica difusa Reemplazar un operador humano por un sistema de difuso basado en reglas . Metro Sendai (Hitachi) Cemento Kiln (F.L. Smidth ) Control de elevador ( Fujitec , Hitachi, Toshiba ) Robot de Hirota Péndulo invertido de Yamakawua . Reactor nuclear (Hitachi, Bernard) Transmisión automática (Nissan, Subaru ) Control Bulldozer ( Terano )

24. Soluciones Nivel dos: Análisis de decisión basado en lógica difusa  Reemplazo de un operador humano por un sistema experto basado en lógica difusa   Medicina ((CADAG, Adlssnig ), Arita , OMRON) Seguridad ( Yamaichi , Hitachi) Comprobante de crédito ( Zimmermann ) Asignación de daños ( Yao , Hadipriono ) Diagnostico de fallas ( Guangzhou ) Planeación de producción ( Turksen )

25. Algunas Aplicaciones Sistemas de foco automático en cámaras fotográficas Electrodomésticos familiares (enfriadores, lavadoras) Sistemas térmicos. Optimización de sistemas de control industriales. Sistemas de reconocimiento de escritura y traducción. Sistemas expertos del conocimiento (simular el comportamiento de un experto humano) Bases de datos difusas: Almacenar y consultar información imprecisa. Para este punto, por ejemplo, existe el lenguaje FSQL.

26. 26 ¡ Gracias por su atención! LÓGICA DIFUSA – FUZZY LOGIC