Autor Tema: Fuzzy logic  (Leído 16315 veces)

0 Usuarios y 1 Visitante están viendo este tema.

Desconectado jhozate

  • Colaborador
  • PIC24H
  • *****
  • Mensajes: 1698
Re: Fuzzy logic
« Respuesta #15 en: 30 de Julio de 2009, 20:02:37 »
se podria plantear algun ejemplo claro en donde se aplique logica difusa, algo aplicativo pero sencillo?
Ser Colombiano es un Premio, Saludos desde CALI-COLOMBIA

Desconectado sebastianfpr

  • PIC10
  • *
  • Mensajes: 30
Re: Fuzzy logic
« Respuesta #16 en: 30 de Julio de 2009, 21:40:29 »
se podria plantear algun ejemplo claro en donde se aplique logica difusa, algo aplicativo pero sencillo?

Claro que se pude. Pero según dices que no sabes nada de Lógica Difusa, entonces no si si lo entenderías.

Un Saludo.
« Última modificación: 31 de Julio de 2009, 01:44:51 por sebastianfpr »
Todos los días la gente se arregla el cabello, ¿Por qué no el Corazón? - Che Guevara -

Sebastián Puente R.

Desconectado jhozate

  • Colaborador
  • PIC24H
  • *****
  • Mensajes: 1698
Re: Fuzzy logic
« Respuesta #17 en: 31 de Julio de 2009, 00:01:26 »
bueno pero leyendo un poco encontre lo siguiente:


que segun la fuente describe el funcionamiento tipico de un sistema difuso, entonces se podría estar hablando de un sistema de control en lazo cerrado?

tambien encontré algunos ejemplos en donde se aplica logica difusa:
"    * Sistemas de control de acondicionadores de aire
    * Sistemas de foco automático en cámaras fotográficas
    * Electrodomésticos familiares (frigoríficos, lavadoras...)
    * Optimización de sistemas de control industriales
    * Sistemas de reconocimiento de escritura
    * Mejora en la eficiencia del uso de combustible en motores
    * Sistemas expertos del conocimiento (simular el comportamiento de un experto humano)
    * Tecnología informática
    * Bases de datos difusas: Almacenar y consultar información imprecisa. Para este punto, por ejemplo, existe el lenguaje FSQL.
    * ...y, en general, en la gran mayoría de los sistemas de control que no dependen de un Sí/No."

pero entonces no me queda claro, el fuzzylogic no es apto para sistemas de control on/off?

pero casi q en contraproducencia encontre tambien

Ventajas e Inconvenientes

"Como principal ventaja, cabe destacar los excelentes resultados que brinda un sistema de control basado en lógica difusa: ofrece salidas de una forma veloz y precisa, disminuyendo así las transiciones de estados fundamentales en el entorno físico que controle. Por ejemplo, si el aire acondicionado se encendiese al llegar a la temperatura de 30º, y la temperatura actual oscilase entre los 29º-30º, nuestro sistema de aire acondicionado estaría encendiéndose y apagándose continuamente, con el gasto energético que ello conllevaría. Si estuviese regulado por lógica difusa, esos 30º no serían ningún umbral, y el sistema de control aprendería a mantener una temperatura estable sin continuos apagados y encendidos.

También está la indecisión de descartarse por los expertos o por la tecnología (principalmente mediante redes neuronales) para reforzar las reglas heurísticas iniciales de cualquier sistema de control basado en este tipo de lógica."

bueno espero no incomodar con mis inquietudes...y adelante q esto suena muy interesante :-/ :-/
Ser Colombiano es un Premio, Saludos desde CALI-COLOMBIA

Desconectado MLO__

  • Colaborador
  • DsPIC33
  • *****
  • Mensajes: 4581
Re: Fuzzy logic
« Respuesta #18 en: 31 de Julio de 2009, 01:24:24 »
El Fuzzy se usa mucho en sistemas de control cuyos sistemas fisicos son dificiles de modelar matematicamente. Se basa, principalmente, en el conocimiento empirico del proceso a controlar, por lo que entre mas documentado este el proceso, mejor sera la respuesta del sistema de control Fuzzy.

Lo que se hace normalmente es asignar grupos de probabilidad, a los cuales se les denota como variables linguisticas y corresponden a rangos definidos entre intervalos. Por ejemplo, para un sistema de refrigeracion: FRIO (8<T<15), TIBIO(12<T<25), etc.

Sigamos con el curso .... es muy interesante esto del Fuzzy.

Saludos
El papel lo aguanta todo

Desconectado sebastianfpr

  • PIC10
  • *
  • Mensajes: 30
Sistemas Lógicos Difusos Tipo Mamdani
« Respuesta #19 en: 31 de Julio de 2009, 01:43:24 »
se podria plantear algun ejemplo claro en donde se aplique logica difusa, algo aplicativo pero sencillo?

Sistemas Lógicos Difusos

Bueno amigos me adelanto un poco, pero la idea es retomar el orden que teníamos para aprender bien desde las bases de la Lógica Difusa.

Bueno primero quiero aclarar que existen dos tipos de Sistemas Lógicos Difusos:

  • Tipo Mamdani
  • Tipo Sugeno


El Sistema Lógico Difuso tipo Mamdani es el más comúnmente tratado en la metodología difusa. El método Mamdani fue unos de los primeros sistemas de control construidos usando la teoría de conjuntos difusos. Fue propuesto en 1975 por Ebrahim Mamdani como un intento para controlar una máquina de vapor por medio de la sintetización de un conjunto de reglas de control lingüísticas obtenidas a través de la experiencia humana de los operadores.

El modelo tipo Sugeno de un Sistema Lógico Difuso fue propuesto inicialmente por Takagi, Sugeno y Kang en un esfuerzo por desarrollar uno método sistemático para generar reglas difusas a partir de un conjunto de datos de entrada/salida. Una regla difusa típica en un modelo difuso tipo Sugeno tiene la forma: Si x es A y y es B,entonces z=f(x,y). Normalmente f(x,y) es un polinomio dependiente de las variables de entrada x y y, pero, en general, puede ser cualquier función que pueda describir apropiadamente la salida del modelo dentro de la región difusa especificada por el antecedente de la regla.

-----
SLD Tipo Mamdani

Los Sistemas Lógicos Difusos también son comúnmente llamados Sistemas de Inferencia Difusa. El proceso de inferencia difusa involucra los temas: conjuntos difusos, funciones de pertenencia, operadores lógicos difusos, reglas difusas e implicación difusa. La estructura de un Sistema Lógico Difuso Tipo Mamdani se presenta en la figura siguiente.

Estructura de un Sistema Lógico Difuso Tipo Mamdani.

   BLOQUE DIFUSOR: En este bloque, a cada variable de entrada se le asigna un grado de pertenencia a cada uno de los conjuntos difusos que se ha considerado, mediante las funciones de pertenencia asociadas a estos conjuntos difusos. Las entradas a este bloque son valores concretos (crisp) de las variables de entrada y las salidas son grados de pertenencia a los conjuntos difusos considerados. En definitiva el difusor convierte los datos de entrada en valores lingüísticos, asociados a conjuntos difusos, que pueden ser procesados por la máquina de inferencia difusa.

   BLOQUE BASE DE REGLAS: Este bloque contiene la definición del conjunto de reglas difusas que definen el sistema. La base de reglas debe cumplir las siguientes propiedades:

   •   Completa. Para cualquier combinación de valores de entrada se obtiene un valor apropiado de salida. Se produce el total recubrimiento del espacio de entradas.

   •   Consistente. No se presentan contradicciones. No existen dos reglas con idénticos antecedentes pero distintos consecuentes.

   •   Continuo. Reglas contiguas tienen funciones de pertenencia en los consecuentes con intersección no nula.

   BLOQUE DE INFERENCIA DIFUSA: Este bloque mediante los mecanismos de inferencia, relaciona conjuntos difusos de entrada y de salida y que representa a las reglas que definen el sistema. Las entradas a este bloque son conjuntos difusos (grados de pertenencia) y las salidas son también conjuntos difusos, asociados a la variable de salida.

El bloque de inferencia difusa constituye el núcleo principal de la estructura difusa y el parámetro fundamental de diseño de este bloque es el método o mecanismo de inferencia empleado. Se denomina mecanismo de inferencia a la forma en que se infiere una regla individual para obtener el conjunto difuso de salida asociado a dicha regla.

   BLOQUE DESDIFUSOR: Bloque en el cual a partir del conjunto difuso obtenido en el mecanismo de inferencia y mediante los métodos de desdifusión, se obtiene un valor concreto (crisp) de la variable de salida, es decir, el resultado.

En el siguiente gráfico se muestra de manera mas detallada como es el funcionamiento de un SLD Tipo Mamdani


Para el próximo post les traigo una ejemplo de un SLD Tipo Mamdani concreto, sencillo y gráfico para entender un poco mejor

Un Saludo  8)
« Última modificación: 31 de Julio de 2009, 02:44:10 por sebastianfpr »
Todos los días la gente se arregla el cabello, ¿Por qué no el Corazón? - Che Guevara -

Sebastián Puente R.

Desconectado TREMENS

  • PIC16
  • ***
  • Mensajes: 125
Re: Fuzzy logic
« Respuesta #20 en: 31 de Julio de 2009, 20:43:15 »
Hola, me gustaría aclarar respecto a lo que dice MLO , que Fuzzy No hace uso en ningún momento de probabilidades. Aclaro esto para no creara confusión.

Saludos a todos

Desconectado sebastianfpr

  • PIC10
  • *
  • Mensajes: 30
Re: Fuzzy logic
« Respuesta #21 en: 31 de Julio de 2009, 20:59:27 »
Hola, me gustaría aclarar respecto a lo que dice MLO , que Fuzzy No hace uso en ningún momento de probabilidades. Aclaro esto para no creara confusión.

Saludos a todos

En Lógica Difusa no se manejan probabilidades se manejan Grados de Verdad, Grados de Pertenencia a un Conjunto Difuso. En Lógica Difusa un elemento pude pertenecer a varios conjuntos difusos (cosa contraria a la lógica clásica donde un elemento solo puede pertenecer a un conjunto en el universo de discurso) con diferentes Grados de Pertenencia. La probabilidades son usadas en otros modelos.
« Última modificación: 31 de Julio de 2009, 21:10:15 por sebastianfpr »
Todos los días la gente se arregla el cabello, ¿Por qué no el Corazón? - Che Guevara -

Sebastián Puente R.

Desconectado MLO__

  • Colaborador
  • DsPIC33
  • *****
  • Mensajes: 4581
Re: Fuzzy logic
« Respuesta #22 en: 31 de Julio de 2009, 21:37:14 »
Hola.

Creo que hay una confusion.

El Fuzzy si hace uso de la teoria de probabilidades, ya que es una logica distinta, no asigna un valor absoluto (1 o 0) si no que es en funcion del grado de pertenencia. Si se usa la logica convencional (1 o 0) tambien hay teoria de probabilidades (50-50), en Fuzzy es un poco mas complejo calcularla ya que se involucra que tanto pertenece un valor a un conjunto difuso que a otro.

Saludos
El papel lo aguanta todo

Desconectado sebastianfpr

  • PIC10
  • *
  • Mensajes: 30
Re: Fuzzy logic
« Respuesta #23 en: 01 de Agosto de 2009, 00:15:10 »
Hola.

Creo que hay una confusion.

El Fuzzy si hace uso de la teoria de probabilidades, ya que es una logica distinta, no asigna un valor absoluto (1 o 0) si no que es en funcion del grado de pertenencia. Si se usa la logica convencional (1 o 0) tambien hay teoria de probabilidades (50-50), en Fuzzy es un poco mas complejo calcularla ya que se involucra que tanto pertenece un valor a un conjunto difuso que a otro.

Saludos

No MLO una cosa es Probabilidad y otra cosa es Grado de Pertenencia, investiga bien amigo.

El 1 es Pertenencia y el 0 no pertenencia en la Lógica Clásica, en Lógica Difusa se puede encontrar por ejemplo 0,3 y 0,7, pero estos valores lo que nos indican es que tanto pertenece algo a un conjunto difuso, mas no tiene nada que ver con Probabilidades.

Un Ejemplo: Digamos que tenemos dos Conjuntos Difusos: ALTO y BAJO  (en cuanto a estatura como Universo de Discurso)

Por ejemplo digamos que una persona tiene un grado de pertenencia de 0,3 en el conjunto BAJO y 0,7 en el conjunto ALTO. Significaría mas o menos que esta persona es alta en un 70% y baja en un 30%, es decir que no es baja pero tampoco altísimo (aquí es donde esta la magia de lo Fuzzy, ya que se representa mucho mejor la información).

y repito esos valores son el Grado de Pertenencia mas no una Probabilidad. Les hablo con seguridad amigos.

La probabilidad mide la frecuencia con la que se obtiene un resultado (o conjunto de resultados) al llevar a cabo un experimento aleatorio, del que se conocen todos los resultados posibles, bajo condiciones suficientemente estables.

La Probabilidad es algo muy diferente a lo que es Grado de Pertenencia, No se confundan!!

---------
Bueno aquí tengo un ejemplo que encontré en la Web donde se aclara esta confusión.

A menudo se confunde la Lógica Difusa con la Probabilidad debido a que tanto el grado de pertenencia en los conjuntos difusos como las probabilidades tienen valores comprendidos entre 0 y 1. No obstante, son términos completamente distintos, y conviene saber diferenciarlos.

La diferencia entre la Probabilidad y la Lógica Difusa radica en que la Probabilidad mide el grado de posibilidad que tiene un suceso futuro de ocurrir, mientras que la Lógica Difusa mide la ambigüedad de los sucesos que ya han ocurrido.
Por otro lado, las probabilidades están normalizadas, y por tanto su suma siempre es 1. En la lógica difusa la suma de los grados de pertenencia no tiene por que ser 1.


Tomemos por ejemplo la siguiente figura:


¿La describiríamos como “probablemente un círculo‿ o como “circular‿. Como la figura ya ha sido dibujada se trata de un suceso pasado, y por tanto no tiene ninguna probabilidad asociada.
Como no se trata de un círculo perfecto, pero se parece bastante, podemos decir que la figura es “circular‿, es decir, la figura es miembro, con un cierto grado, del conjunto difuso de los círculos.


Círculo difuso superpuesto a un cuadrado perfecto.


La figura se parece más a un círculo que a un cuadrado, y podemos afirmar que es "circular".


Círculo difuso superpuesto a un círculo perfecto.


Me Gusto Arto este Ejemplo, Muy Bueno. Por ahi MLO ya puso el enlace jejeje.

Yo creo que con esto debe quedar Bien Claro Amigos.
« Última modificación: 01 de Agosto de 2009, 00:45:50 por sebastianfpr »
Todos los días la gente se arregla el cabello, ¿Por qué no el Corazón? - Che Guevara -

Sebastián Puente R.

Desconectado MLO__

  • Colaborador
  • DsPIC33
  • *****
  • Mensajes: 4581
Re: Fuzzy logic
« Respuesta #24 en: 01 de Agosto de 2009, 00:29:46 »
Ok.

Creo que el error solo es conceptual (yo relaciono el grado de pertenencia con la probabilidad en la que el valor se encuentra en el intervalo difuso). Gracias por la aclaracion, quedo superexplicado.

http://campusvirtual.unex.es/cala/epistemowikia/index.php?title=Confusi%C3%B3n_de_la_L%C3%B3gica_Difusa_con_la_Probabilidad

Saludos.
« Última modificación: 01 de Agosto de 2009, 00:36:47 por MLO__ »
El papel lo aguanta todo

Desconectado sebastianfpr

  • PIC10
  • *
  • Mensajes: 30
Conjuntos Difusos
« Respuesta #25 en: 23 de Agosto de 2009, 01:13:36 »
Conjuntos Difusos

La noción más básica en los Sistemas Difusos es el conjunto Difuso. A continuación se mencionarán algunas definiciones y conceptos encontrados en la bibliografía.

Los conjuntos difusos pueden ser considerados como una generalización de los conjuntos clásicos: La teoría clásica de conjuntos sólo contempla la pertenencia o no pertenencia de un elemento a un conjunto, sin embargo la teoría de conjuntos difusos contempla la pertenencia parcial de un elemento a un conjunto, luego un conjunto difuso es un conjunto sin un límite preciso o crisp (un valor concreto) claramente definido, es decir, cada elemento presenta un grado de pertenencia parcial a un conjunto difuso que puede tomar cualquier valor entre 0 y 1.

De acuerdo a lo anterior, un conjunto difuso es una correspondencia (o función) que a cada elemento del universo le asocia su grado de pertenencia. En tanto el grado de pertenencia sea más cercano a 1 tanto más estará el elemento en el conjunto y en tanto el grado de pertenencia sea más cercano a 0 tanto menos estará el elemento en el conjunto.

A continuación se presenta un ejemplo de conjunto difuso:

Se tiene el conjunto “hombres altos”. De acuerdo a la Lógica Clásica el anterior conjunto es un conjunto al que pertenecerían los hombres con una estatura mayor a un cierto valor, que podría ser por ejemplo 1.80 metros, y todos los hombres con una altura inferior quedarían fuera del conjunto ver figura 2.2. Luego si un hombre mide 1.81 metros pertenecería al conjunto “hombres altos”, y en cambio un hombre que mida 1.79 metros ya no pertenecería a ese conjunto. Sin embargo, no es muy lógico decir que un hombre es alto y otro no lo es cuando sus alturas difieren en dos centímetros. Pero si retomamos lo anterior hacia el enfoque de la Lógica Difusa y los conceptos mencionados anteriormente sobre los conjuntos difusos, por ejemplo, un hombre que mida 1.79 metros podría pertenecer al conjunto difuso “hombres altos” con un grado de 0.8 (80%) de pertenencia y puede pertenecer (si definimos un nuevo conjunto “hombres bajos”) al conjunto difuso “hombres bajos” con un grado de 0.2 (20%).

De acuerdo al anterior ejemplo, se puede ver que en la teoría de conjuntos difusos, un elemento puede pertenecer a varios conjuntos difusos (con un universo de discurso común) con diferente grado de pertenencia, algo que resulta muy diferente a la lógica clásica.

Lógica Clásica versus Lógica Difusa
« Última modificación: 23 de Agosto de 2009, 01:19:19 por sebastianfpr »
Todos los días la gente se arregla el cabello, ¿Por qué no el Corazón? - Che Guevara -

Sebastián Puente R.

Desconectado gera

  • Colaborador
  • PIC24H
  • *****
  • Mensajes: 2188
Re: Fuzzy logic
« Respuesta #26 en: 23 de Agosto de 2009, 02:14:00 »
La palabra "probabilidad" tiene cierto grado de pertenencia con el concepto de "pertenencia" jejeje.

"conozco dos cosas infinitas: el universo y la estupidez humana. Y no estoy muy seguro del primero." A.Einstein

Desconectado Eimer

  • PIC10
  • *
  • Mensajes: 3
Re: Fuzzy logic
« Respuesta #27 en: 01 de Septiembre de 2009, 00:31:31 »
Este tema es muy intersante y por tal me les uno, por mi parte ya vi algo por ensima en la U de fuzzy y se trabajaba en matlab, espero poder aprender mucho mas aqui y pues poder aportar alguito.

Desconectado sebastianfpr

  • PIC10
  • *
  • Mensajes: 30
Re: Fuzzy logic
« Respuesta #28 en: 01 de Septiembre de 2009, 14:36:16 »
Bueno Amigos ya empezaremos a establecer mas formalmente (usando expresiones matemáticas) la Teoría de los Conjuntos Difusos. No se asusten con estás expresiones, son sencillas, sin embargo, si alguien no entiende alguna ecuación pues sin pena que pregunte ya que esto nos tiene que quedar bien claro desde el principio para seguir avanzando. Les aconsejo que detallen bien este mensaje y entiendan lo planteado para así ir cogiendo buenas bases.

Un Saludo.


« Última modificación: 04 de Septiembre de 2009, 12:28:37 por sebastianfpr »
Todos los días la gente se arregla el cabello, ¿Por qué no el Corazón? - Che Guevara -

Sebastián Puente R.

Desconectado sebastianfpr

  • PIC10
  • *
  • Mensajes: 30
Re: Fuzzy logic
« Respuesta #29 en: 04 de Septiembre de 2009, 12:20:27 »
Funciones de pertenencia o membrecía

En los conjuntos difusos la transición de la pertenencia o no-pertenencia de un elemento a un cierto conjunto, es gradual, y esta transición está caracterizada por las funciones de pertenencia.

La función de pertenencia es la curva que define cómo cada punto en el espacio de entrada es mapeado a un valor de pertenencia (o grado de pertenencia) entre 0 (no pertenece en absoluto) y 1 (pertenencia total). El espacio de entrada corresponde al universo de discurso.


El criterio para escoger la forma de la función de pertenencia a utilizar puede estar basado en: el criterio aplicado en la resolución de cada problema, el conocimiento humano de los expertos o en la utilización de una colección de datos para diseñar la función. Las funciones de pertenencia más comúnmente utilizadas por su simplicidad matemática y su manejabilidad son:

  • Triangular
  • Trapezoidal
  • Sigmoidal
  • Gamma
  • Pi
  • Campana
  • Etc.

Ver figura:

Algunas de las funciones de pertenencia comúnmente usadas.

Un conjunto difuso es caracterizado completamente por su función de pertenencia. Una forma concisa y conveniente de definir una función de pertenencia es expresándola como una fórmula matemática.
« Última modificación: 23 de Septiembre de 2009, 14:03:37 por sebastianfpr »
Todos los días la gente se arregla el cabello, ¿Por qué no el Corazón? - Che Guevara -

Sebastián Puente R.


 

anything