You are on page 1of 3

Arquitecturas de

Bases de Datos Difusas - FSQL
Fuzzy Data Bases
Topic 1 by @Alevandie

1. ¿Qué es una Arquitectura de Bases de Datos Difusas y para que sirven?
2. Teoría VS Práctica.
3. Aplicación. Ideas para el funcionamiento en Android, AppEngine, otros.

Vamos al grano -Porque teoría hay en gran cantidad.
Las Bases de Datos Difusas o Fuzzy Data Bases, son bases de datos no comunes -como
MongoDB, por ejemplo. Y con esto no me refiero que tiene alguna relación de similitud con
Mongo. Una base de datos difusa, es un motor DBMS (Data Base Manager System) encargado
de gestionar consultas difusas.

Increíble.¿Y? - ¿Que son consultas difusas, qué es difuso, qué es FSQL?
- Aquí empieza la ciencia.
________________________________________________________________________________
_
Lo difuso es todo lo impreciso. Son todas aquellas manifestaciones que carecen
de exactitud. ¿Dónde las encontramos? -En todas partes.

Ejemplo:
Estás con tus amigos, jugando con tu nuevo PS4, y en eso llama tu pareja y te dice:
-"¿A que hora vas a venir a recogerme?" -sí, olvidaste por completo recogerla.
-En un rato estoy llegando.
-"Ok te espero".
Pregunta:
¿Cuánto equivale en tiempo, la palabra "
a) 5 a 10 minutos.
b) 10 a 20 minutos.

rato"?

-Estoy llegando en un rato con grado de precisión (pertenencia) de un 10%. dentro de este nuevo concepto de bases de datos. lógica difusa y parte de la estructura de la base de datos difusa. espero más de la cuenta.a. pensando que él vendría rápido. olvidaste por completo recogerla. Una base de datos difusa. ¡quédate con el PS4!". por ello. Conclusión: Una base de datos difusas. ________________________________________________________________________________ _ Para entender el funcionamiento de la lógica difusa. la señorita tomó la decisión de quedarse a esperar. jugando con tu nuevo PS4. -prometo ser breve. A eso se le denomina: Imprecisión. -"'Si vas a demorar tanto mejor no vengas. es necesario entender algunos conceptos básicos de incertidumbre. rato se mantuvo impreciso. versión Fuzzy (Difusa): Estás con tus amigos. permitiéndonos Tomar óptimas decisiones. la señorita entendió la exactitud de la palabra rato con un 10% de precisión. Y seguramente.c) 20 a 30 munutos. d) ¿todas las anteriores? e) N. se encarga de analizar todas las imprecisiones representadas tal y cual se conocen cotidianamente (se pueden parametrar) y devolver un resultado Exacto en base a la consulta difusa realizada. y a raíz de ello. porque 10% implicaba una gran cantidad de tiempo. y en eso llama tu pareja y te dice: "¿A que hora vas a venir a recogerme?" -sí. En el segundo ejemplo. trata las imprecisiones de tal manera que arroja datos exactos en base a consultas imprecisas. -Oh Genial!! Te amo! ________________________________________________________________________________ _ ¿Diferencias? En el primer ejemplo. ellatomó la decisión de no esperarlo. El ejemplo es como el Sistema Difuso lo entiende. ella. . El mismo ejemplo.

Taxonomía de la Incertidumbre. hace imposible establecer la verdad o falsedad de una información. 2) De Aleatoriedad. Corresponde con el conocimiento perfecto de los resultados y de la ocurrencia de los eventos. aparece en situaciones de conflicto como en el caso de una afirmación que puede ser verdadera o falsa. Imprecisiones. En cambio. que son lo más importantes para el desarrollo de la base de datos difusa. La incertidumbre aleatoria se presenta cuando los posibles eventos resultantes de un experimento son conocidos. 8. conoceremos el Fuzzy Type 2y los elementos Determinísticos o crisp. en la vaguedad aún así. Proviene de la existencia de diferentes significados de una palabra o de una expresión. Lógica Difusa. manejo y modelado. Derivados de los Conjuntos Difusos. 2. su entendimiento. Inferencia Difusa. En el siguiente topic detalleremos estos puntos. Conjuntos Difusos. En la metodología de aprendizaje de Bases de Datos Difusas y Arquitecturas (GEFRED). que reúne características tanto ambiguas como vagas. Fuzzy Metaknowleadge Base . 5. 3. También. 5) De Confusión. por ejemplo el lanzamiento de un dado o de una moneda. Sistemas de Lógica Difusa. Bastante". 3) De Ambigüedad. La vaguedad difiere de la ambigüedad en que esta última envuelve diferentes significados incompatibles y puede resolverse con mayor información o mejor precisión de la misma. Se pueden encontrar los siguientes tipos de incertidumbre: 1) De Determinismo. 4) De Vaguedad. 6. En este caso los eventos no están especificados o definidos claramente. 7. 4. La vaguedad. no se resuelve. Por ejemplo: "Mucho. Es un tipo de incertidumbre de conflicto. Se de clara como"Unknow" en el Fuzzy Type 2.Corresponde a la falta de información o información imprecisa. Muchísimo.1.