Publicado por: janogues en 13 de Febrero de 2005, 01:15:00
Gracias.
janogues
Publicado por: aprendiz_de_Pic en 23 de Febrero de 2005, 15:31:00
yo no lo he hecho aun, pero en eso trabajo, pues veras el HC12 de motorola ya lo hace, y para probar en los PIC pues estoy haciendo un programa en Matlab y estoy haciendo simulaciones, el programa es con puros if y ciclos for
pero aun no lo terminino, porque hay que hacer las estapas de fusificacion y desfucificacion a mano y pues todavia no pruebo todo.
pero si no tienes mucha prisa cuando termine subire el programa al foro. o cualquier inquietud puedes preguntarme aqui en el foro o en manda un mail
y suerte con lo que estes haciendo.
Publicado por: pic_patagonia en 27 de Septiembre de 2005, 16:13:00
Desde ya quedo a la espera...
Saludos....
Publicado por: pic_patagonia en 27 de Septiembre de 2005, 16:14:00
Saludos....
Publicado por: gauchosuizo en 30 de Septiembre de 2005, 01:19:00
yo tambien me anoto!!
Aloha
Publicado por: pantera en 16 de Noviembre de 2006, 17:00:10
Soy estudiante de ing electronica con especializacion en control y me gustarioa saber si realizaron un avance. Ya que estoy por adentrarnme a este mundo de logica difusa
Publicado por: manuelroin24 en 16 de Noviembre de 2006, 22:09:37
Publicado por: andros en 17 de Noviembre de 2006, 00:37:05
Saludos..
Andros.
- Y si, rock es cultura, true metal igual! -
Publicado por: sebastianfpr en 29 de Julio de 2009, 22:05:08
Yo tengo un buen proyecto donde paso un sistema logico difuso tipo Mamdani a C para llevarlo al PIC18F452.
Me gustaria compartir paso a paso como lo hice para aprender entre todos.
Un Saludo
Publicado por: MLO__ en 29 de Julio de 2009, 23:17:12
Y creo que esta listo para recibir tu informacion :mrgreen:
Yo estare muy atento a los post, hace raaaato que no trabajo con fuzzy ..
Publicado por: jhozate en 30 de Julio de 2009, 00:11:58
Publicado por: sebastianfpr en 30 de Julio de 2009, 00:32:21
Pues que les parece si voy subiendo información teorica básica sobre FL para que se la lean toda y asi vamos avanzando.
Publicado por: sebastianfpr en 30 de Julio de 2009, 00:48:18
Qué es Lógica Difusa?
La mayoría de las técnicas utilizadas para el análisis de datos parten del hecho de que se tienen datos precisos, lo que implica que se tengan mediciones exactas. Pero en la mayoría de las aplicaciones reales es difícil conseguir una precisión en las medidas, las cuales presentarán diferentes grados de vaguedad o imprecisión y siempre habrá una incertidumbre presente en dichas mediciones. La Lógica Difusa utiliza expresiones que no son ni totalmente ciertas ni totalmente falsas, luego es aplicada a información que posee un valor o grado determinado de veracidad que puede oscilar y tomar un valor continuo dentro de dos extremos [0,1], la verdad absoluta y la falsedad total. Por medio de la Lógica Difusa es posible procesar información imprecisa en términos de conjuntos difusos que se combinan en reglas para definir acciones.
Los conjuntos difusos fueron introducidos por Lotfy A. Zadeh en 1965 en la Universidad de Berkeley (California), para procesar/manipular información y datos afectados de incertidumbre/imprecisión no probabilística. Fueron diseñados para representar matemáticamente incertidumbre y vaguedad y proporcionar herramientas formalizadas para trabajar con la imprecisión intrínseca en muchos problemas.
La Lógica Difusa permite representar el conocimiento común, que es mayoritariamente del tipo lingüístico cualitativo y no necesariamente cuantitativo, en un lenguaje matemático a través de la teoría de los conjuntos difusos y funciones características asociadas a ellos. Permite trabajar a la vez con datos numéricos y términos lingüísticos; los términos lingüísticos son inherentemente menos precisos que los datos numéricos pero en muchas ocasiones aportan una información más útil para el razonamiento humano, ver figura.
(http://img194.imageshack.us/img194/9263/img01u.jpg)
Precisión y Significancia en la información.
En palabras de Zadeh (1991), las características más notables de la Lógica Difusa son:
En Lógica Difusa todo es cuestión de grado.
El Razonamiento Exacto es un caso limite del Razonamiento Aproximado.
En Lógica Difusa el conocimiento se interpreta como una colección de restricciones elásticas (difusas) sobre un conjunto de variables.
En Lógica Difusa la inferencia puede verse como la propagación de un conjunto de restricciones elásticas.
Sistema Difuso: resultado de la “fuzzificación” de un sistema convencional.
Los Sistemas Difusos operan con conjuntos Difusos en lugar de números.
En esencia la representación de la información en Sistemas Difusos imita el mecanismo de Razonamiento Aproximado que realiza la mente humana.
Publicado por: Nocturno en 30 de Julio de 2009, 01:01:18
Publicado por: sebastianfpr en 30 de Julio de 2009, 16:07:03
- La Lógica Difusa es conceptualmente fácil de entender. Los conceptos matemáticos que hay detrás del razonamiento difuso son muy simples.
- La Lógica Difusa es flexible. Para cualquier sistema, es fácil modificar o ajustar las últimas capas de éste sin empezar de nuevo desde el principio.
- La Lógica Difusa es tolerante con datos imprecisos. Todo es impreciso si se mira lo suficientemente detallado, la mayoría de las cosas son imprecisas incluso cuando se realiza un examen cuidadoso.
- La Lógica Difusa puede modelar funciones no lineales de complejidad arbitraria. Se puede crear un Sistema Difuso para igualar cualquier conjunto de datos de entrada-salida.
- La Lógica Difusa puede ser construida por encima de la experiencia de expertos. En directo contraste a las redes neuronales que toman los datos de entrenamiento y generan modelos de tipo “caja negra” impenetrables. La Lógica Difusa permite contar con la experiencia de las personas que ya entienden su sistema.
- La Lógica Difusa puede combinarse con las técnicas de control convencionales. Los Sistemas Difusos necesariamente no remplazan los métodos de control convencionales. En muchos casos los Sistemas Difusos los complementan y simplifican su implementación.
- La Lógica Difusa está basada en el lenguaje natural. La base para la Lógica Difusa es la base para la comunicación humana. El lenguaje natural el cual es usado por la gente común diariamente, se ha conformado por los miles de años de la historia humana para que sea conveniente y eficiente. Las oraciones escritas en el lenguaje común representan un triunfo de comunicación eficiente. Lo anterior pasa generalmente desapercibido ya que el lenguaje común es algo que se usa todos los días. Debido a que la Lógica Difusa se construye por encima de las estructuras de descripción cualitativa usadas en el lenguaje común, ésta es fácil de usar.
Como complemento a lo mencionado en los anteriores ítems, en Lógica Difusa los comportamientos difusos pueden ser sintetizados en un conjunto de reglas de tipo if-then, de forma que el conocimiento experto queda reflejado en términos lingüísticos fáciles de entender.
Cuándo no usar Lógica Difusa
- Cuando se vea que la Lógica Difusa no es conveniente y exista una solución más simple.
- Debido a que la Lógica Difusa es la codificación del sentido común, cuando éste se lleve a cabo se debe tener en cuenta de que probablemente la decisión tomada haya sido la correcta. De acuerdo a lo anterior se debe tener en cuenta que la persona que realice el Sistema Difuso tenga los conocimientos necesarios y sea experta sobre su sistema deseado, ya que de lo contrario no sería conveniente usar un Sistema Lógico Difuso.
Publicado por: jhozate en 30 de Julio de 2009, 20:02:37
Publicado por: sebastianfpr 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.
Publicado por: jhozate en 31 de Julio de 2009, 00:01:26
(http://upload.wikimedia.org/wikipedia/commons/0/0c/SistemaDifuso.JPG)
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 :-/ :-/
Publicado por: MLO__ en 31 de Julio de 2009, 01:24:24
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
Publicado por: sebastianfpr 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.
(http://img359.imageshack.us/img359/9738/img02e.jpg)
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
(http://img372.imageshack.us/img372/3194/mamdanidetoriweb.gif)
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)
Publicado por: TREMENS en 31 de Julio de 2009, 20:43:15
Saludos a todos
Publicado por: sebastianfpr 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.
Publicado por: MLO__ en 31 de Julio de 2009, 21:37:14
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
Publicado por: sebastianfpr 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:
(http://campusvirtual.unex.es/cala/epistemowikia/images/8/89/CirculoDifuso.png)
¿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.
(http://campusvirtual.unex.es/cala/epistemowikia/images/f/f0/CirculoDifuso0.png)
Círculo difuso superpuesto a un cuadrado perfecto.
(http://campusvirtual.unex.es/cala/epistemowikia/images/5/54/CirculoDifuso01.png)
La figura se parece más a un círculo que a un cuadrado, y podemos afirmar que es "circular".
(http://campusvirtual.unex.es/cala/epistemowikia/images/a/a7/CirculoDifuso1.png)
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.
Publicado por: MLO__ en 01 de Agosto de 2009, 00:29:46
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 (http://campusvirtual.unex.es/cala/epistemowikia/index.php?title=Confusi%C3%B3n_de_la_L%C3%B3gica_Difusa_con_la_Probabilidad)
Saludos.
Publicado por: sebastianfpr en 23 de Agosto de 2009, 01:13:36
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.
(http://img40.imageshack.us/img40/1452/conjunto.jpg)
Lógica Clásica versus Lógica Difusa
Publicado por: gera en 23 de Agosto de 2009, 02:14:00
Publicado por: Eimer en 01 de Septiembre de 2009, 00:31:31
Publicado por: sebastianfpr en 01 de Septiembre de 2009, 14:36:16
Un Saludo.
(http://img17.imageshack.us/img17/3884/f01xle.jpg)
(http://img354.imageshack.us/img354/8532/43088343.jpg)
(http://img4.imageshack.us/img4/489/f03q.jpg)
(http://img10.imageshack.us/img10/6827/f04u.jpg)
Publicado por: sebastianfpr en 04 de Septiembre de 2009, 12:20:27
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:
(http://img3.imageshack.us/img3/2020/f05t.jpg)
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.
Publicado por: Nocturno en 05 de Septiembre de 2009, 03:08:31
- tengo claro que un conjunto puede representarse por las parejas formadas por los elementos y su grado de pertenencia, pero ¿porqué cuando lo representas usando el símbolo de integral o sumatorio, divides los grados de pertenencia por los elementos?, ¿o es que quizás el símbolo de división no es más que un separador?
- no entiendo el concepto de convexidad, y por tanto tampoco los conceptos Número difuso ni ancho de banda.
Muchas gracias
Publicado por: japifer_22 en 05 de Septiembre de 2009, 04:24:51
-La lógica difusa o borrosa (Fuzzy logic) descansa en la idea que en un instante dado, no es posible precisar el valor de una variable X, sino tan solo conocer el grado de pertenencia a cada uno de los conjuntos en que se ha participado el rango de variación de la variable.
-El grado de pertenencia se cuantifica mediante la función de pertenencia f (simbolo de integlal), que normalmente se escoge de una forma trapezoide.
-Ejemplo de funciones de pertenencia:
TB: Temperatura.
TM: Temperatura media.
TA: Temperatura alta.
Si fA(x) indica la función de pertenencia de x al conjunto A, entonces
fA(x) esta entre 0 y 1
si fA(x)=1, x pertenece totalmente a A
si fA(x)=0, x no pertenece a A
A partir de esta definición es posible comprobar que se cumplen las siguientes propiedades:
f AorB(x)=max (fA(x), fB(x))
fAandB(x)=min (fA(x), fB(x))
fnorA(x)=1-fA(x)
-Fuentes de incertidumbre:
-Confiabilidad de la información
-Difusificidad
-Aleatoriedad
-Imprecisión del leguaje de representación mediante reglas lingüísticas
-Información incompleta
-Información agregada
-Precisión de la representación
-Declaración en conflicto
-Reglas de combinación evidentes
Que es la difusifisidad:
-Difusifisidad es incertidumbre deterministica
-Difusifisidad esta relacionada al grado con el cual los eventos ocurren sin importar la probabilidad de su ocurrencia.
Por ejemplo, el grado de juventud de una persona es un evento difuso sin importar que sea un elemento aleatorio.
-Difusifisidad contra Probabilidad:
Difusifisidad es una incertidumbre deterministica, la probabilidad es no deterministica.
-La incertidumbre probabilistica se disipa con el incremento del numero de ocurrencias y la difusifisidad no.
-La difusifisidad describe eventos ambiguos, La probabilidad describe los eventos que ocurren. Si un evento ocurre es aleatorio. El grado con el cual ocurre es difuso.
Razonamientos:
-El razonamiento cotidiano es de naturaleza aproximada.
-Ejemplos:
-Encontrar un lugar donde estacionar tu carro.
-Localización de una llamada telefónica.
-Escoger cual ruta debes tomar para llegar a tu destino lo mas pronto posible.
-Cruzar la calle.
-Donde desayunar.
Subconjuntos difusos:
-Un subconjunto difuso F de un conjunto A es un par ordenado en el conjunto, cuyo primer elemento es un elemento a de A, y e segundo elemento es un numero real entre 0 y 1, llamado el grado de membresia de a en F.
-El conjunto A es llamado universo en discurso.
-El mapeo entre los elementos de A y los grados de membresia en f es una función, llamada la función de membresia de F.
-Los subconjuntos difusos son usualmente representados por sus funciones de membresia.
Para qué es usada la lógica difusa:
Comúnmente se usa para toma de decisiones en presencia de datos o conocimientos inciertos.
Reconocimiento de patrones ambiguos .
Como un componente de sistemas expertos difusos
ufff mucho. nos vemos
PD: no pude poner imagenes por que no se como hacerlo
Publicado por: japifer_22 en 05 de Septiembre de 2009, 05:11:48
http://www.megaupload.com/?d=YC0HA140
Publicado por: sebastianfpr en 05 de Septiembre de 2009, 17:27:49
Hola Sebastian, te asalto con algunas dudas:
- tengo claro que un conjunto puede representarse por las parejas formadas por los elementos y su grado de pertenencia, pero ¿porqué cuando lo representas usando el símbolo de integral o sumatorio, divides los grados de pertenencia por los elementos?, ¿o es que quizás el símbolo de división no es más que un separador?
- no entiendo el concepto de convexidad, y por tanto tampoco los conceptos Número difuso ni ancho de banda.
Muchas gracias
Buenos aportes y bienvenidos!
Bueno que bueno que ya salgan dudas, esos es bueno ya que es bueno tener bien claro los temas mencionados y podamos discutirlos.
1. En cuanto la notación para un conjunto Difuso La suma y la integral no deben considerarse como operaciones algebráicas. En cuanto a la expresion uf(x)/x hace solo referencia a que es un par; es decir una pareja de valores. que con la la suma o la integral indican un conjunto de de pares de valores.
2. Conjunto Convexo
(http://img3.imageshack.us/img3/1356/f06e.jpg)
(http://img7.imageshack.us/img7/5840/f08p.jpg)
3. Ancho de Banda o Anchura: Bueno primero habíamos dicho que los puntos de cruce o crossover son los puntos donde el grado de pertenenencia es igual a 0,5
El ancho de banda o la anchura o el ancho de un conjunto difuso esta definido como la distancia entre los dos unicos puntos de cruce:
Anchura(F) = |x2 - x1|
(http://img40.imageshack.us/img40/7075/f07e.jpg)
Publicado por: TREMENS en 11 de Septiembre de 2009, 23:25:26
saludos
Publicado por: sebastianfpr en 23 de Septiembre de 2009, 13:57:45
FUNCIONES DE PERTENENCIA
Bueno aqui les dejo las funciones de pertenencia de los conjuntos difusos mas utilizados.
| (http://img29.imageshack.us/img29/4633/f09x.jpg) | (http://img3.imageshack.us/img3/2020/f05t.jpg) |
| (http://img44.imageshack.us/img44/6748/f10s.jpg) |
Publicado por: sebastianfpr en 20 de Febrero de 2010, 13:25:35
Gran saludo.
Sebas
Publicado por: ikaro._18 en 13 de Marzo de 2010, 22:18:02
En matlab ya pueden generar un control fuzzy, solo basta con teclear Fuzzy, esto solo para que podamos comprobra nuestros resultados.
Ojala se logre el objetivo.
Yo coperare con lo que pueda, aunque estoy limitado ya que apenas estudio la logica difuza
Publicado por: churrinfunflais en 27 de Abril de 2012, 13:11:27
MATLAB tiene una herramienta excelente para calcular sistemas difusos.
http://www.mathworks.com/products/datasheets/pdf/fuzzy-logic-toolbox.pdf
Aquí les dejo un documento incompleto (no encontré la versión final) que explica paso a paso como lo realice, el código esta en lenguaje C en compilador CSS.
https://docs.google.com/open?id=0B1p64iClB1upaGpoNmlQSXBoTjA