REPÚBLICA BOLIVARIANA DE VENEZUELAINSTITUTO UNIVERSITARIO POLITÉCNICO

“SANTIAGO MARIÑO”AMPLIACION MARACAIBO

Jose German Edwin Nuñez Aldrin Pérez

Miguel Ramírez Yarelis Vargas Belkis Vargas

Yean Vera

Introducción

“Un sistema inteligente” sería aquel que posee una habilidad parecida al ser humano para resolver problemas dentro de un dominio específico, tiene capacidad para adaptarse, aprender en un ambiente cambiante y explicar como se toman las decisiones ( o acciones)”.

En el último siglo ha existido un interés creciente por laconstrucción de máquinas inteligentes.

• 1947, Se definió la Cibernética ( Norbert Wiener)“un estudio unificado del control y de la comunicación

en los animales y las máquinas”.

• 1947, Se definió la Cibernética ( Norbert Wiener)“un estudio unificado del control y de la comunicación

en los animales y las máquinas”.

• La época de la cibernética coincide con el desarrollo de varios paradigmas:

- Evolución de los computadores analógicos a digitales. - Teoría formal de la computación ( Alan Turing). - Computador basado en lógica digital: John Von Neumann - Primeros modelos del neuron: McCulloch-Pitts (1943), perceptron (1957) - La inteligencia artificial (IA), 1960, John McCarthy

Introducción

“Buscaban definir los métodos algorítmicos capaces de hacer pensar a los computadores !!”

Hubo una gran efervescencia en la década del 60, debidoA los resultados iniciales se pensaba que se “conseguiría construir máquinas realmente inteligentes”.

Hubo un declive de las otras áreas: la cibernética y la redes neuronales.

Inteligencia Artificial:

1969, Marvin Minsky, mostró mediante un estudio riguroso formal, limitaciones en los perceptrones para resolver algunos problemas. Esto causó una perdida de confianza enel área de redes neuronales.

La Inteligencia Artificial (AI) algunas ideas:

El ser humano utiliza el lenguaje como medio para razonar ysacar conclusiones.

“La IA busca imitar el comportamiento inteligente, tratando de expresarlo en formas de lenguaje o reglas Simbólicas”

Inteligencia Artificial:

La Inteligencia Artificial (AI) algunas ideas:

“La IA manipula simbolos basandose en la suposición que elComportamiento inteligente puede ser almacenado en basesde conocimiento estructuradas simbólicamente”.

El mayor desarrollo de la IA son los sistemas expertos oSistemas basados en conocimiento:

“Son complejos programas (software) en los que se codificael conocimiento de expertos en una materia muy concreta enforma de reglas de decisión”.- La IA se sustenta en el binomio: lógica boolena-máquina deVon Neumann.

Inteligencia Artificial:

Adquisición deConocimiento

Inte

rfac

e de

Usu

ario

Facilidad deExplicación

Máquina deInferencia

Base de DatosGlobal

ComputadorHost

etc...

KB HechosReglas

Ingeniero deConocimiento

HumanoExperto

Pregunta

Respuesta

Usuario(Novato)

Estructura de un sistema experto

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).

Inteligencia Artificial:

“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 más énfasisen metodologías inspiradas biológicamente: modelado deCerebro, lógica difusa, algoritmos evolutivos, etc.

Algunas definiciones de IA

Sistemas difusos

Introducción

Los sistemas difusos son utilizado en muchos campos de la ingeniería. Hacen del parte del área 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”.

Softcomputing cubre en algunos paradigmas recientes:

- Redes neuronales. - Lógica difusa y sistemas basados en razonamiento difuso. - Técnicas de optimización basadas en algoritmos genéticos y re-cocimiento simulado.

Inteligencia computacional:

Los sistemas difusos: Han sido desarrolladas buscando modelar la forma como el cerebro manipula información imprecisa.

La redes neuronales: Son modeladas a partir de la arquitectura física del cerebro.

Sistemas difusos

Los sistemas difusos y las redes neuronales: • Estimadores libres de modelos.• Sistemas dinámicos.• Ambos tienen la capacidad de modelar procesos no lineales complejos con un grado arbitrario de exactitud.• Son tecnologías 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 generalización.• Tienen la propiedad de la “adaptabilidad”.• Son tolerantes a fallas.• Tienen habilidad de aprendizaje.

Sistemas difusos

La fusión de las dos tecnologías produce sistemas con diferentes características:• Sistemas neurodifusos: Sistemas difusos provistos de métodos de sintonía 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 expresión del conocimiento

Cuando se trabaja con la solución de problemas existen dos tipos de conocimiento:

Conocimiento objetivo: El cual se expresa en forma de modelos matemáticos. Estos modelos son usados corrientemente en la solución de problemas en el campo de la ingeniería.

Conocimiento subjetivo: el cual es representado en forma lingüística que es imposible de cualificar con modelos matemáticos tradicionales.

Ex: “Si el valor de la ganancia es muy alto entonces el sistema puede ser inestable”

Sistemas difusos

Como utilizar los dos tipos de conocimiento en la solución de problemas:

Existen dos estrategias:

Una estrategia basada en modelo en la cual la información objetiva es expresada en modelos matemáticos y la información subjetiva es expresada en reglas (lingüísticas) que luego son cuantificadas usando lógica difusa.

Una estrategia libre de modelo: en la cual, las reglas son extraídas de datos numéricos, estas reglas también pueden ser combinadas con información lingüística suministrada por expertos.

Sistemas difusos (introducción)

Sistemas difusos (modelo difuso): una visión de alto nivel

Establecen un mapeo no lineal entre un vector de datos de entrada a una salida escalar (MISO).

¨Fuzificador¨

Mecanismo inferencia

¨Defuzificador¨ Reglasx∈Un

Vector de entrada salida

y

Sistema Difuso Y= f(x)

Sistemas difusos

Qué es un conjunto de acuerdo con la teoría clásica?

Es una reunión de elementos que cumplen alguna condición pre-establecida.

Notación: A = { x / x cumple alguna condición}

Ejemplo: A = { x ∈ R / x > 5 }

Conjuntos discretos se pueden representar con diagramas. Porejemplo el conjunto B (de números enteros entre 1 y 5):

B1 Así:2 1 ∈ B3 2 ∈ B4 3 ∈ B5 4 ∈ B 5 ∈ B

conjuntos difusos

La función característica o de pertenencia

Se puede definir un conjunto estableciendo su función de pertenencia ( también llamada función característica).

La función asume la siguiente forma para conjuntos clásicos:Sea el conjunto A, la función de pertenencia μA(x) será:

1, si x ∈ A μA(x) = 0, a x∉ A.

conjuntos difusos

Ejemplo: sea el conjunto A:

A ={ El conjunto de los números reales mayores que 5} o equivalentemente: A = { x ∈ R / x ≥ 5}

Entonces: μA(4) = 0

μA(6) = 1

Gráfica de μA(x)

3 4 5 6 7 ….

μA1

R

conjuntos difusos

Conjuntos difusos

La pertenencia de los elementos al conjunto puede ser gradual, lo cual se expresa mediante la función 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 número apropiado de cursos que un estudiante debe tomar en el primer semestre de Ingeniería electrónica}

A, lo podríamos 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

Definición de Conjuntos difusos

Sea U una colección de objetos denotados genéricamente por u, entonces un conjunto difuso A en U se define como el conjunto de pares ordenados: A = { (u, μA(u)) / u ∈ U} μA(u) es la función de pertenencia de u en A, la cual mapea cadaelemento de U a un valor de pertenencia entre 0 y 1.

Función de pertenencia u1 u2 U μA(u1)= 0.6 μA(u2)= 1.0

μA(u)1

0.6

conjuntos difusos

Ejemplo

Sea B= “El conjunto de números 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 2 3 4 5 6 7 8 9 10 11 12 N

Notación B = ∑N μB(x)/ x (Representación de conjuntos discretos)

Conjuntos difusos

Tipos corrientes de funciones de pertenencia

Tipo Z Tipo triangularTipo trapezoidal

Lineal por trazosTipo S

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

Conjuntos difusos

Algunas definiciones relacionadas con conjuntos difusos :

1. El soporte de un conjunto difuso: Support(A) = { x / μA(x) > 0}

2. Core: Core(A) = { x / μA(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

Conjuntos difusos

Representación de los conjuntos difusos :

Dado un conjunto universal U ={x1, x2, ….,xn}, un conjunto Adefinido en U puede ser representado usando el conjunto de pares ordenados:

Igualmente puede ser representado como:

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

1 1 2 2{( , ( )), ( , ( )),....., ( , ( ))}A A n A nA x x x x x xµ µ µ=

31 2

1 2 3

.... n i

n i

x x xx xA

µ µ µ µ µ= + + + + =∑

α - cuts

Un α-cut (o conjunto de nivel α) de un conjunto difuso A* es un conjunto Aα clásico que contiene todos los elementos del conjunto universo U que tienen un grado de pertenencia en A* más grande o igual a α. O sea:

El conjunto de todos los niveles α∈(0,1] que representan distintos α-cuts de un conjunto A dado es llamado el conjunto de nivel de A. O sea:

{ / ( ) , (0,1]}AA x U xα µ α α= ∈ ≥ ∈

{ / ( ) , lg }A A x para a un x Uα µ αΠ = = ∈

Conjuntos difusos

Primero recordemos las operaciones entre conjuntos clásicos

Para conjuntos clásicos, consideremos dos conjuntos A y B:

- entonces la unión de A y B será un conjunto C = A ∪ B, que contendrá tanto los elementos de A como los de B.

- La intersección de A y B , será un conjunto D = A ∩ B, que contendrá los elementos comunes entre A y B.

- El complemento de A, será un conjunto A, que contendrá todos los elementos del conjunto universal que no pertenezcan a A.

Conjuntos difusos

Ejemplo (conjuntos clásicos):

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 clásicos: se pueden realizar

operación entre conjuntos clásicos usando la función pertenencia.

Se realizan con base a las funciones de pertenencia

Función de pertenencia delconjunto resultado Operador

( ) max( ( ), ( ))A B A BC A B u u uµ µ µ∪= ∪ ⇒ =

( ) min( ( ), ( ))A B A BD A B u u uµ µ µ∩= ∩ ⇒ =

( ) 1 ( )AAA u uµ µ⇒ = −

Conjuntos difusos

Propiedades de las operaciones entre conjuntos clásicos: Sean A, B y C conjuntos clásicos y A, B, y C sus complementosSea X el conjunto universo y Φ el conjunto vacío

Propiedad

Conmutativa A∪B = B∪A, A∩B = B∩A Asociativa (A∪B) ∪ C = A∪(B ∪ C) (A∩B) ∩ C = A∩(B ∩ C)

Distributiva A∪(B∩C) = (A∪B) ∩ (A∪ C) A ∩(B∪C) = (A∩B) ∪ (A∩C)

Conjuntos difusos

Propiedad

Contradicción A ∩ A = Φ Tercero excluido A ∪ A = X ley de Morgan A∪ B = A ∩ B A ∩ B = A ∪ B

Conjuntos difusos

GRACIAS POR SUS ATENCION