You are on page 1of 12

'on precisi6n. 11. talcs COIllO la teoría de la prohahiliJad.íkulo de I3aycs para prohabilidad condi-. 111. dar C'/l el hlCIIICO.::y." u los programadores incorporar la lógica amhigua de lingiiísticos en lugar de modelos Il1Jlcm. Agosto 2000 .lL'i61l '"aIllOS a con"iderar sólo uos tipos de incerleza: Estoc. en la segunua la probahilidad es ltI.ldo en control .isica para entender el mecanismo por el cual trahaja el si:.1).. ('1/ £'! -1-5 q de 10.ística y Léxica.H .ís hicll pl'r-.'csos.a l'S cualllilkado por un grado d\.ll'illll de or<ll:ioncs similares podrían ser pnll'l'S. A primera visla.j(.:ihida cn lugar de -. Esta ilH:crtl'/. Es lll<Ís conveniente clasificarlos por el tipo de inccrlu<l que tratan. ~luL'has disciplinas matclIl.\ IIII/l'SlI't/Il el1 el ÓO cJ ele los ca..\ casos pi£'! l/II/arilla. Sin embargo.' prohahilidad. la prohahilidau es expresada en un sentido malclll. Aun4ue la mayoría ue conceptos no son definiuos l.iticas tratan con b dcscripci6n de ¡!leerle/a. 1995] 2. TEORÍA DE I'ROIIAIIILlDAD Algullos cxpertos en to. Usanuo ahstracción y pensanuo en analogías.r. se puede tkmostrar quc csto no cs así.ti/::. El uso de lTlotklos del sistema y facilita el cOllocimiclHo que los.. 'i6n y la teoría tlel conjunto .acma de 16gicajit. IUl'gO de analizar la siguiente afirmaci\ín: Los paciel/fes Cl/I/ JU'jJll1iri.especialistas grandemente la transparencia controlar prol. En d caso que se analiza.:iona1.a eSlllc.:uanlificaua IllatCI11~Í1 icalllcllte..:Jasó de inccrtcza pueucll ser cxpresadas l'OIl la Il'oría de prohahilidad. es!:Í hicn deJiniJo.. LÓ<.¡ trala l'OI1 la ¡ncene/a hacia la oClilTelll'ia de UIl cieno cvento.'isi6n.UN~IS~I N° 5.:o s('r¡Í o no akanzatltl.X.a ¡ncerte/.[VON ALTRROCK.Jas usando métodos cSlOl'<Ísti-. sin lener que modelar el sistema. TIPOS DE INCERTEZA Esta sccciún presenta los principios lit: la 16gica/il':':Y y es h.2 ¡/lcerte:lI Léxica () JlIIl'rl'cisiún Un tipo diferente de incerteza es aquel basado en el lenguaje tk cOlllulllcaci611 de Jos humanos. también denominado incerteza léxica o imprel. Como ejemplo. tales como el c.w. Ellos afirman que touas las r. !v1ientras en la primera oracieín (ver 2.ICA FUZZI' VS. consideremos la siguienle oración: Prohahlel/1ell1l' darelllos en el hlallco.'sí el hlan-. J hICNrl':a E. Este tipo de incerleza trala con la irnprecisi<Ín que es propio en la mayoría de palabras humanas US<lU<lS para evaluar conceptos y derivar conclusiunes. hay una significativa uiferencia que se refiere a la forma dc cxpresar la proh~lhilid::)(1. 2. capturando poseen de su experiencia real. El siguiente es un cjelllplo de eSl': caso: La (lrohahijidad de dar en el hlaJ)l'u es IU¡ El e\"CnlO en sí mislllo.. Sin emhargo.. la II:oría d.uoClÍ. la prohahilid~ld es de O.íticos mejora las potenciales llloJificacioncs.'"jit'hre aira. Ctll1lhin.lit::.: la infonn. La lógica jit::.:o. los humanos pueden usarlos para evaluar situaciones muy complejas. es muy similar a la primera oraci6n. A l'ontinu.íslil.I~ El lenguaje del mundo real us.'oda de prohabilidadl's han Ilcgadl) la utilidad de la lúgiL'a fu::y.:.'" intenta permite los humanos dentro L1c la computadora.:ia de quo.UiUl l.:os. y ELECTRÓNICA . una pocas oraciones descrihirán contextos complejos 4lJe sería muy duro de modelar con precisión matemática.ílir. La ¡lll'CrlCZa surge l'omo cnnsccuell-.

Para implementar 1J incerteza léxica o Imprecisi6n muy propia del h::nguaje humano en solul.\IODELANDO LA INCERTEZA U:XICA O D1I'RECISIÓN En la teoría tic conjuntos tradicional.I(cgorías subjetivas en los procesos de decisiones humanas no sigue sus axiomas. donde a cada ni"el k corresponde diferentes medidas de altura con diversos grados de pertenencia a ese cunjunto. se diría que son borrosos () difusos o según su cquivalencia cn inglés.í manera.. la figura l(b) es un ejemplo del conjuntojil=:=:. Clasilicantio a los demás. Conjunto Fuzzy Alto Alto [TI] ITill [QIJ ["Q3] I::QIJ --No Alto 1~------ (a) FigurJ 1. Pero. Conjunto Fu:::.'. Si usted encuentra tal afirmación y desea implementarlo en un sistema. pero su coloración es normal.:iones uc ingcniería. el problema para la disciplina dc la teoría tic probabilidades SI.///=::. En camhio. Alturas entre cstos dos ELECTRÓNICA . dOlllk' una función definiría como aIro a todos aqucllos homhres con un •• altura superior a los 1. ya que esta es una afirmación subjetiva (1 de inccrtcza lt5xica. De est. Aunque esto parece muy sencillo.XO mis. la incerleza léxica Irata con la ilH.: inicia cuando se debe definir que es una fiebre aIra.. . tendría una pcrtenencia completa. Ll ligura lía) es un ejemplo del conjunto de aIro. I VON ALTRROCK.:crteza ue la uelinici(m del e"cnto. Agosto 2000 .r (h) de (llro (A) es I:epresentado por la función Jl\(x). los limites entre los ni"eles no eslán claramente definidos.í y la teoría de probahilidad la puede modelar.50 mts. parecería muy f¡kil a primera visla. la k'mía de prohahilidad no puede scr usada para modelarla porque la comhinaci6n de (.20 eH el 30% de roc/o.=:y. El rango de Jl es cualquier valor entre O a l.\' los casos J1t11/SNlS.. donde x es la "ariahle altura en el uni"erso de X (x E X). En cste caso. según represente ningLÍn () un total grado de pertinencia al conjunto respectivamentc." como un modelo matem<Ítk'o.. debido a que no existe un umbral de decisión para considaar sí ulla liebre es o no alta. ha sido desarrollauo la 16gica . se diría quc sonfu::.r de aIro.75 mIs . inclusive a los que están muy cerca de esta altura C0l110homhres 110 alros. (b) Conjunto El grado oe pcrtenencia Tradicional al conjunto (a). La inccrtcza estocástica trata con la ¡nceneza dc sí cierto evento ocurrir. es decir. una altura de I. mientras una altura de 1. no tendría ninguna pertenencia al conjunto. de modo que permita la rcprcsentaciúll de decisiones humanas y c"aluaciún tic procesos en formas algorítmicas. se podría dclinir un conjunto nm la denominación de aIro para identificar a cada homhre como miemhro o no del conjunto. Si se tiene un paciente quien sufre de fiebre muy alla y naU:lica.UNMSM N° 5. 10951 IV. se puede computar la probabilidad para una infección de hepatitis a través del c::ilculo dc Bayes.

78 = 0.30 mIS.5 (b) (a) Figura 2. dc hombres existirán las categorías de: /)(Ijo.75 mIs.75 mts.) = O .81 mls.50 mIs. una altura de 1. Aquí el grado \'cnJaJ de la afirmación. Se ohserva.(1.80 mIs. Por ejemplo.( 1. por ejemplo.5 Variable 160 1...:.64 mIs.( 1.35 . La tahla I representa diversos grados dc pertinencia de alto.6Imls..) = O .. no sólo sería evaluado con un grado de pertenencia para a/ro sino también con un grado de pertenencia para 1I/£'l/imIO.( 1.76 Altura (mis. oc Estas variables lingüísticas permiten el traslado de una medida de la altura dentro de una descripción de una variable lingüística.::y es la llamada variable lingüística. la expresión ('/ hombre es alto seria 0. definidas por una funci6n de pertenencia. para el caso de la a/fllm.75 2. de pertinencia Ohservar. son evaluadas con ligeramente diferentes valores dc l-l. \'crdadcro.76 miS. El bloque fundamcntal dc cualquier sistema de lógicajit:.:o.74 160 1.1 . sc combinan múltiples categorías subjetivas que describen el mismo contexto. afro y IJIUY afIo.:.Grados de Pertenencia .( 1.<lci6n de tos conjuntos ~=O (ninguna conjuntosjil:'':Y en un conjunto llega a ser el grado dc para una altura de 1.65 mIs.40 mIs.65 de convencion... 1 .) . Aquí.) = 0.(1.90 2. en expresiones lógicas. Términos IingüÍslÍL'os para la variable Ahura (h) N° 5.) = 0. .:. que el conjunto .) 1.) = 0.::.9 .\' son una gCllcralit.:.) al conjunto =O fu..1 = 1 El GraJo dc pertinencia puede tamhién ser representado por una función continua (función de pcncncncia) C0ll10 se muestra en la figura 2(a).75 mIs. es llamado de IJlgica El uso de Fu:. Altura Altura como una Función ELECTRÓNICA ..) = 1 A( 1..UNMSM (a).y. Así.21 valores extremos al conjunto Tabla son miembros del conjunto en cierto grado.75 1. Estos son llamados términos lii1güísticos y representan los posibles valores de una variable lingüística.//I::.'llcs ya que aquí los casos de pertenencia) y ~. Agosto 2000 . Por ejemplo.74 y una de 1.65 1. que una ahura de 1." de afro.". medial/O.1(towl pertenencia) son sólo un caso especial dd conjunto jit:. u(xl u(x) Bajo Alto Alto Mediano Muy Alto 0.( 1.( 1. La figura 2(b) muestra las funciones pertenencia dc lOdos los términos dc la variable lingüística de Altura dentro del mismo grMi{...

. en la figura 2(b) se I.Define a un conjunto fuuy marcando entrada ahruptas dc su dominio hasta su Grado de Pertinencia.75."jiC(ltioll .'" Para entender (BARRETO se necesita aclarar los términos siguientes: IMARSH STEVE el al.\'rc/l1(lFu::.f)cju::ijic(lrioll 5.60 a 1. las entradas ahruptas en entradas}.SO.:'iones de pertelll. i\1cdiano.on la fUl1cil'JIlalto igual a Oll5.5. tiene un graJo dc pcrtcnclli. 5. En la Figura 2(b) tenemos las funciones de pertenencia: Bajo.:ióll de PcrlcnclH. 1997J FUIH.UNMSM valores de entrada primero se dche determinar las fUIll.2 ETapas dc 1111 Un sistemajit::. SISTE~I'\ FUZZY 5.60. Universo usado para idcntilú.Diferentes pllt. "al ores dis(relOS de la \'ariabk dd sistema.•i6n de pcnellcnci.'::..rficarioll Esta etapa calcula el grado de pertenencia que podría tener una entrada ahrupta a una o a varias funciones de pertenencia de una variable. dc pertenencia. IY92j. Funciones de Pertinencia de Entrada Figura 3 . Y su rango es de 0. Agosto lO{)O . c:I l:ual puede lomar \'alores dentro de un \'alor predeterminado entre () y l. Una \'CL realizado esto. GraJo de PCrlcncllL:ia .". la entrada correspondiente prmlucicndo El..75 mIs. J FII::..r .Rango dc todos los valorcs posibles de la \'arjahk del sistcma. . En la figura 2(b) tenemos los Muy Alto./ f)ejilliciol1l's un sistema j/I':':'. Mediano.graJo ni cual una entrada ahrupla es compatihle con una función de pertenencia. El procedimiento puede representarse como en la ligura 3. En la ligura 2(h).. J.Etapa de Fu::y{icarioll Para Iransformar de la \'ariahll. el dominio Alto es de 1. Muy Alto.". Abruplas Rango/Dominio-Intervalo la fUllción de pcrtenencia de Discurso 1.:ar una fundón Alto. 2.2.M. el resultado se denomina entratla}it::.:ia ¡.5. N° 5.'n(ia ahrupta es comparada con la función de pertenelll'ia F//::. 1." consta de tres etapas: • FlI::.'(k vcr por ejemplo. cn la figura de 2(h) cs de () a 2.Nombre descriptivo Bajo.ECTRÓNICA .'.'ia . (Crisp i.S'i. En la Iigura 2(a) la entrada ahrupta de 1..". Alto.9 J11h.Reglas de Evaluación .22 v. Etiqueta nomnres.\ es Illap\"':lda.3 111tS. sohre la cual ulla fUI1l •. Enlradas .¡mlS) .

:y). Etiquetas a ¡./. HÚMEDA..1J de la figura'¡ se refiere al grado de pertenclH.::.La . CALIENTE l\liclllras.23 Para ilustrar el prol:'eso dc FII'::. El procedimiento puede representarse ¡':01110 el1 la figura 5.25 hUllledad del sudo es hÚJ)leuacon UIlgrado oc verdad I.1Icmpcr.:y.Evaluación . se podría asignar las siguientes Etiquetas: CONGELADO.46 0. El primer paso t... La .:.2 Reglas de E\'(l!lIllciólI En la segunda ctapa del pnll'eSalllienlO de la lógicajil'::'::Y..:onsiste en asignar. en donde el ctHlIrol fu::.:iún de pertelll'IKia. obser"emos lo que sw. para el t.lda I"ullt.:uallos valores de entrada ahrupta pcrtcllcl'en a l'..::.:edería en un supuesto sistema de regadío.'vadad dc OA6 humedad del suelo es seca COIlun grado dc verdad d\. Etapa de Reglas de Evaluill'¡(l[l ELECTRÓNICA ..:amente estaría constilUil!o por dos variahles tk cntrada (Humedad del sucio y Temperatura del aire) y ulla variahle dc salida (Tiempo de n:gadío).. el controlador fu:. Así rara la variahle de entrada Tempcralura del Aire.k 0. dentro del Universo de Discurso.::.llamada Regla de Evaluación o dc Inferenciajit.lIura de 3Jc e: I I'Ir de acuerdo a ti figura .'nl:'iat.La temperatura es tihia con un grado d\.\ estas etiquetas las runl:'iones lit: r('rt~'Il\.:aso de la variahle de entrada HUllledad del Suelo.'I": SECA.¡---. la" etiqueta" pndrían SI. AsÍ.-.2 (a) Figura 4.'"erdad de o. s\."'L_." tendría por finalidad la de controlar L'! ticmpo de regadío de la "lIpcrficic de un terreno dependiel1llo de la temperatura del aire y de la humedad del sucIo. las entradas rllll~ para U1l..:01110 se Jllu~'str¡¡CIl la figura -L El eje Y (J..--- Salidas Fuzzy Figura 5.ia para la I.75 fl Congelado Fria Normal Caliente Tibio Seca Húmeda Mojada 0. por ejemplo.:adavariahle.'nin: .. (b) 33'C 11% Puncioncs de Pertellencia para la variahles: Temperatura del Aire (a) y Humcdau del sucio (h) 5...UN~IS~I N° 5..'::Y usa reglas lingüísticas sobre los resultados que fueron generados en la elapa de Fu.:::! tcmperatura ~s l'alienll' con un grado dI. Este sistema bási¡. De la Etapa de Fuzzyfication .:. eRIO.La .las ---- - de R~glas .'jicatioll (denominados cntradasJiI. NORMAL TIBIO.\ficatiol1. Agosto 2000 .~ --~ •. MOJADA Luego llt:linimos par.'0. ----Entradas ~_fUZ?l _ Reglas .

Enlonccs ur.". Para el sislcma del ejemplo.A 3 IF la lem[Jcratura es tibia AN/) la humedad es húmeda.ECTRÓNICA .. TlJEN la duración es media.T"en) que descrihen la acción a ser lomada en respuesta a varias entradas }ú::::::.4) Y que involucra a 4 ctiquclas.o dc los alllecedcntes.\'." son sentencias Si. De acuerdo a csla malriz. medio y prolongado. TI/EN la duración es media. Entonces con estas etiquetas.fil::ijic(lrirm (fig. TI/EN la duración es nrolomwda REGLA 2 REGl. sólo serán posihles las siguientes reglas: REGLA I IF la tcmnenllura es caliente AND la hUlIledad es seca.\ji"l'arioJl.. para el sislcma en total existinín 15 reglas posibles. Ol:dos entradas y una saliun. sólo serán disparadas las reglas cuyos antecedentes fueron calculadas en la etapa de . en donde se observa las eliqul:tas de las variables lit:' cntrada TcmperalUra y HUllleuad y las eliquelas de la variahle de saliJa (Duración de Regadío) las cuales son: (. Tllen Consecuente I ANIJ Consecuente 2 . que fucron calculados ~n la ctapa dc FII::. ANTECEDENTE A N T E C E D E N T E 2 Figura 6.'¡JS de las funciones de pertenencia. REGLA 4 IF la temperatura es caliente Al"/) la humcdad es húmeda. como se puede deducir de la figura 6.lIllcccdenlcs son concctados por ~I operador AND la regla dc fucrza asulllc como rcsultado cl \'a1or m~ís pcqucii. ANO es uno de los operadores de la lógicajli:::::. Las reglas están conlinadas a un predefinido conjunto de términos lingüísticos y cuya sintaxis es la siguiente: IF Antcl:cdcnte I ANIJ Antecedente 2 .UNMSM W 5. donde.El Antecedente tiene el siguiente form<1w: Variahle de Entrada = Etiqueta Ila temperatura (variable) es caliente (etiqueta)] El consecuente está en la forma dc: Variahle de Salida = Etiqueta [la duración de regadío (variahle) es prolongada (ctiquclca)] Las reglas siguen el sentido común del comportamiento del sistema y son escritos en términos oe las eliqul. calienle y dos de la variable humcdad del suelo: seca y húmeJa. El. Agosto 2000 . dos de la variable lemperalUra: tibio. IF la temneratura es tibia A N/) la humedad es seca.24 Las reglasJit::~. TI/EN la duración es prolon!!ada.'orto. pcro para nuestro ejemplo. dc la figura 6. 1 TEMPERATURA H U M E D A D Congelado Mojada Húmeda Seca I Fria Normal Tibio Calienle Carla Carla Carla Carla Carla Carla Medio Medio Medio Medio Prolongado Prlolongado Prolongado Prolongado I Prolongado Reglas posihles para cl Sistema de Regadío... Debido a que los i. las reglas puedl:11ser reprl:senladas por la matri/. Los antec~denles de estas reglas poseen un grado de pertenencia o relcvancia.

onjuntosjit:::.Íximafucrw. la salida .a) dOlllinar:i Habd ulla salida fu:.20 0.::ión es media.ijic{llioll son: !vtéwdo de la !vtcJia Ponderada. lllodil1caran a su respectiva fUllciáll de pertc11{)ucia de salida. Etapa de f)ej/il:::. TI/EN 0.46 la saliJa fu::. ya que toma el mínimo dc los antecedentcs para determinar la fuerza de cada regla y toma la regla lll~Ísfuertc para cada l:onsecuente.\X.'" para cada etiqueta u fUll.Uicatioll Los métodos 1l1~i.75).illo c.25 .3 f){1Jil:.46) AND la humedad es seca (0.y. para esto cada salida fuzzy. en donde el objetivo final consiste en encontrar las salidas abruptas.. 0.2) AND la humedad es húmeda (0. es decir seran de: corto. TI/EN la duración es media.'a (0. el procedimiento de cálculo se representa como en la figura 7. Hasta aquí. THEN la duración es nrolon!.25).:i{'lIlde pertcnencia.ílculo del promedio entre los valores de salida que se obtendrían para caLla UIlO de los ¡.:.75). se trata de un sen¡..'" de (odas las reglas que especifican el mismo ('Ol1scclIcnle es decir la misma acción salida.:m/ío pm/oIJM{U/lI." es dctennilwda por la regla de m<.!ada.lad de 0.20 REGLA 3 REGLA 4 IF la temperatura es libia (0.25). es decir una dUrllciáf1 regadío /JIcdia. Así. se ha c\'<lluado cada una de las cuatro reglas. TI/EN la duración es nrolongada /F la temperatura es tihia (0. los cuales determinan las salidas fUl.46) AND la humedad es húmeda (0.La Duraciún de Regadío es media con un grado de \'erdad de 0. se puede ohservar que las reglas 2 y 4 ordenan la misma acci<ín de salida.y Illultiplicados (ponderados) por el peso de la correspondiente regla o grado de pertenencia al suhconjunto..2) AND la humedad es sc•.25 El proccdimicnlO de c<Ílculo es mostrado a continuación: REGLA 1 IF la temperatura es caliente (0.25 REGLA 2 la durw.46 ~Iméwdo de regla de.el1 referencia a la duración de regadío del terreno.:.I. si dos o más reglas intentan afectar la misma salida.Ís vcrdadera (ue mayor fuerl. Agosto 2000 . el pníxllno paso es determinar comparando las fuerzas 0.La Duraci{'lIldc Regadío es prolongada con un grado dc \'en.lit:.UNMSM N° 5.. las que fueron encontradas en la etapa de reglas de evaluación. en este caso para reglas 2 y 4 lo mismo que para las reglas 1 y 3.IMARSH STEVE et al./. De la Etapa de Reglas de Evaluación Funciones de Pertinencia de Salida Figura 7. la regla que es Ill. medio y prolongado.s comunes en la Dejfll::. /F la temperatura es caliente (0. Así en este caso tendremos: . mientras que las reglas I y 3 ordenan una duración dí' I"c¡. Las etiquetas para estas funciones dc salida ha¡.:'e\'aluación usada aquí es llamado injerencia M/N-M. de de las En términos simples. 19921 5.ijicatiol/ En la [)ejjit:ijicarioll.. ELECTRÓNICA .

1101'de salida cs ohtcnido por la media ponderada. La fórmula empicada es I KLlR.. en el cual es detenninadll el i."~¡Jorcs... L.:enlro de gra\'CtlaJ Jel conjunto de saliJa..Ia l"unciún dc pencllcncia de salida rOlllo se mucstra en la figura x" Tahla 2 .r que fueron l"akuladas cn la etapa anterior. arlic.lJltes son luego comhinadas para cakular su ccntro de gra'\..:isa del punto del centro de gravcdad. [HILERA: MARTINEZ. FundoJles 20 30 ~O • 38 50 de Perll. 1Y051 r\ conLinuaci{ín.16 l\létodo de Centro de i\.". estos valores sun usados ('omo ni\"ch::s de corte dI.í1ida.' 1JlA-Y una lemperatura de 3X minutos.~(yi) finalmcnte. con rel~li.. J 995 J: del . \'1. Agosto 2000 .1101'de s~i1ida es la absl.UNMS~I N° 5.ar a partir dI.."C'ielltan un gran lllhlK'l"O LIc .:l son t'Orladas (l.: los punlos del centro de gravedad rara i.."i6n .:aractcrístil.ada regla v. t'ada fUJlt'i6n de pcrtcnencia de salid."entro de gravedad...¡das rcsult.:isas dl. que equivalc al tiempo dc duracilín de de JY'C.:Jlcncia dc salida l"orladas por las saliJas Tiempo (min) fua)' La próxima clapa es cncolllrar el ¡Jlfllto de ha/ul/ce. las rCtks neuronales artilicialcs pl"l.."la uni()Jl de las contribucioncs de (odas las reglas válidas.'GH. mélmlo derivado lh:l Centro de Masa.amhda) en el nivel indicado por su re~pcL"tiva saliJa'/ÍI::y.'as selllejalll(.Iasa (Centro de Gravcdad (1 Cel11roide).:ialcs a partir de clHrauas quc rcpreSCl1lCIl inronll~lcic'Jn irrck\'antc. En esle m0todo.as funciones de pertenencia l"ort.Iasjil'::.. yi Salida Abrupta ~ (yi) =---n L.46 Prolongado :'f\ /"\ ~:~:_---~ 10 Figura 8.llrle I.casos.'casos anteriores a 1111e\'o. son capaces de aprcndi. [HILERA: ~IARTINEZ.1 lo~ grados de pertencncia de eslos . ti. rcgadío dc la !(ínnula para una humedad Si.lrcmos el lll~toJo de Celllroide o dc Centro dc Gra"ed~¡d ¡COG). REDES NEURONALES Y LÓGICA FUZZY Debido a su constitucilÍn y a SllS fundamentos. 100511KI. Por ejelllplo.!adll n.¡ractcríslil..:! l. El . ]lJ95] ELECTRÓNICA .'dad.:ual se ohtienc las absl. representa la deJit::ijicmüm.. YUAN.25 0..Salidas FUII)" Conn O ~kdio Prol()Il!.. Las sali<.s a las del cerehro.'pblcndd una salida abrupta dI..'r de la experiencia (ltltos de muestra/o Je gCllcralil. dc ahslr:u:r c. Este valor n . se Illuestran en la tahla 2. Singlelon. El '"..'as esclh. en el l.Ín:a sombreada.IR: YUAN. n:sultantc di. I..

¡ aSIK'(.tra. IYY51: la utilizal'i(in d(' Ileuronas j¡':.' ..f el e.y <.... en la Para ayudar a generar y optimizar (sohre la hase de informal'iún tk algunos Jatos de entrcnamiento) las Funciones de pcrtenencia y las Reglas Lk Infcrenda.'\llS ""111" IHILERA: ~IARTlNEZ./. Un algoritlllo Illapea la FAj\l a una Neurona qu(' patclll. Pero s(ilo muy P{)C()Shan sido exitosillllcnte logrados para aplicaciones industriales.i~h.'ma~ que requiL'rell un ~ran C(lIljUlltll dL' rL'~la".:dianlc redes Reglas de II(ferellcia.").Cl" COlllO una cajo flcp.'ma (..ndl'l' autllrn.:t:l.lllhar~(l. por PCrlll¡lIlL'l'Cr como una l'¡¡ja negr¡l....\Iell/ories (FA~ls)...'lltaj..m. Agos(() 2{)()O .:nicas [(){.¡~ reglas 1Ilili/..imicnw del algoritlllo dc aprcndil. n:qucnr dc csfuL'I"zos ctlmputacionalcs pnlhihilin)s para la maytlría de aplicacit1llcs C<ll1lcn:ialcs: n:qucrir de gran cxpcrkm.. 11/('11.ílicamL'llk d •.\s comLÍnes es la lIalllada. i6n y adaptal'i{in neuronales.¡ ..tit::.....datos de IllLh:."..:ltl.'011simples ¡nl~renci:l'" U~ (.'lliL'as de dis('fh).'ce a una red lll..o asociado. su principal dcsvcntaja cs la dc no p(ld •....:itar 1VON rcnnanc(.. en lugar de arilmélic{IS: la adaptal'i{in de :tlgoritmo.en b~(. :l(.aje (¡01.' ótas dCS\'ClIlajas proh~lhk'Jlll'nlc la de mayor limitación.Y son tél.27 Sin emhargo.'lllp('ño). De loda...ia para la sch:t:ci6n de un apropiado modelo dc red y el cstahk¡...'~nilw al . El.!'> de sistcmas e\pertos din.tente il/fcligel/f£' con su diseiltl ~in que cl usuario tenga que pn:ol'upars(' de IlIS tkl:llIes de los algoritlllo .' jit::......:ar y optimi/¡¡r la red a tran5s dc un camino Ucil y dircl...::y. las redes IYY51: neuronales licl1L'1l ciertas dcsvclllaj. Al..'l' en sisl(. l.\ihle par:l cualquiL'r !llodilíGI •.. l'0Jl10 P('rceptron (COIl tl la simulal'Í(ín con redes neuron¡¡!l.'oJl\-irtiéndllsc de L'sla IlWIlL'ra ell un sis! •." Ilh.'itín su •.'s Ileuronales y la lú~ica ful..5..Ia\"Í:1algo (lSL'ura. iún y \.'<IusaJ(' un dClcnninatiú cOlllponal11icnll)..'urol1al hasado en un algoritJl1o I?ack PmjJugarioll (esll.'ri!"i. CllIrL' las l.sido propuestos lileratura cielllífica. Sin •..dí.y (Pn)dllCIO y Suma). [)lItellles que tiL'IlCll fortail.. Hoy ell día ('\¡"ten herramielllas dc sldiware Ncltl"(~/il::.. ell fUIlL'ilÍn d(' operadores "k l'l'dl'S L'(lllOcidas... ALTRROCK. J\lucl1os GlIllillOS alternativos de inlegración de redes neuronales y h'lgil'a jíe:.'la" y dehilidade~. r apr •. de la cual no se pUl~JC dCIL'L'lar ni lIlodilicar la <.¡~ es qu •..fit::-.ECTRÓNICA . lllanJar:í un ~rall esful'rlt).írnicos quc integran las ojJillimles ...tuallllí..tas de clIlllhinaci(in de b cap:ll-"idad d(' apr •.¡~.'nte.1:1 l'ornhin:ll.' d•.. m. Por lo tanto. Jlla muy Ik.' algorillllo ha 1I('~aJo a S(. 1:. y d('l IW()L"L's:lJllielllode int"orlllal.1 T('("IIO/ogí(t NellroFII::Y ¡mm C£'lIeracitÍlI de las Funcioncs de Fl/llciollc.. c(1Il1plil':ín"hl.adas CIl sistemas dL' c(lIltroljit::y: la genera •.'ilÍll d(' la h')gica . una de las aproxilll:lcillne ..y . IIIL'u:d d •.L'rifi•.. no jlodl'r \'l..'...'ip~ll d •... en I¡')gicajit:.'rel'crirsl. etc..'uales cstán b:lsados. ó.... una cOlllhinaciún inteligente dL' amhas t('L'llologías tral' COlllll COllsl'l'uellcia altils h('nc1ícios. cuyo funcinn:ll11iL'rltll sc (ksnihl...sjil'::'::Y de apn:ntlilaje sin l'apas ol'ultas)..\iste una gran cantidad dL' propu(' ..las rL'dL's lleurllnak .jUI. la rrillí.' trahajan ClHIlO un a.:ualcs se pueden ... Tallto las red.. es la dc p(lJ' ulro lado.. Una FAM es una regla de h'lgil'a lie:y con un pe:'.UNMS~1 N° .\ss()ciaril"l' .:iún dirc.\' Jc pertellcncia de P£'l'fell£'lIC'ia y a conjuntos jil:':..SlIS \'í.::y.Il.\' de varios especialistas: el alll1aCen~llllienlO y evaluacitin con redes neuronale~ de I.tit::.\'." han ... nt!ilajl.I~íntlarpara la maY(lria de redes neuronales 1'1)1'~u gran desl.

Inglaterra. LINEAS DE INVESTIGACIÓN Entre las <Írcas tem<iticas de las cuales se priorizan señalarse las siguientes [HABER.:. dehido a que se hahían superado las limitaciones de Hardware de la década de los sesenta que no pennitían gran cantidad de procesamiento de datos. ELECTRÓNICA ..UNMSM N° 5. la mayoría convirtiendo a los aparatos electrodomésticos en inteligentes permitiéndoles el ahOlTO Je consumo de energía. Desde entonces. Por ese motivo. VIII. de existir ulla innumerable cantidad dc aplicaciones en el ~irca de automatización industrial.::onllrolador o una pe puede requerir como 0.1 ms.y para el desarrollo de su tecnología. Desde las primeras aplicaciones europeas. precisión de la parada. tiene m. Sahen que los japoneses son lideres indiscutibles en aplicaciones sobre Camcorders. en 1970.. tiempo de funcionamiento y robustez). La primera publicaci{m en hígica /11':::. Además.28 Una ue las \'entajas de los sofLwarc Ni'l/ro/u:.los Unh. Ltd construyo una computadora IIt::y capaz de procesar información fu::y a una velocidad de 10 mega inferencias hígicasji/::y por segundo [HABER.' un cOlltrolador de lógica .ís eficiente. donde Ehr.. y aplicada comercialmente por los Japoneses. En los Estados Unidos.ls dl' 100 produclOs se han lanzado al mercado. adem<is de explotar la aplicación de la combinación de Redes Neuronales y Lógica fu::. las principales corporaciones europeas para no perder esla tecnología en manos de los Japoneses empelaron un esfuerzo para promover la lúgicajú::y y sus aplkaciones. equipos de Alta ridelidad. rvlodelado jit::y de procesos y uso de esos modelos en el diseño dI. Eficiencia las investigaciones acerca del control en lúgicajic:y pueden 19911: y sistematicidad en el proceso de adquisiciún de los conocimientos de la persona experta hacia la hase de conocimientos del control de lógicajic:y." rue ¡n"cnlada en los Est:u./il::Y. etc. las compañías japonesas han empezado a usar lógicajil::Y. En automatización de la fábrica. ahorro de energía. por Lotfi Zadch. lideres en aplicacioncs sobre automatización industrial. Pero no es que hasta fines de los 70 y principios de los XO que se comenzú a aplicar.lary College de Londres. Berkeley en 1965.::. Actualmente en USA se está buscando un área de aplicación en donde competir.¡him !vlamdani control6 un generador de vapor que no se lograba por métodos convencionales. y los Europeos. Agosto 1000 . en marzo de 1989 eJ centro de Microelectrónica de Carolina del None de los estados Unidos fabricó un chip de lógica borrosa. y I KB de memoria. La computación de un sistema dc lógicajit.:y reponado fue superior al de un control Plf) en cuanto a la conducción.ls de 350 patentes. Las cámaras fotográficas y las de vídeo usan lógica Fu::y y Mitsuhishi anunció el primer automóvil del mundo que usa un control basado en la 16g:ica jit::y. Profesor en Teoría de Sistemas de la Universidad de California.A. perfeccionada en Europa.írca de ingeniería automotriz. Por esLc VII." se hizo en U.:y entrenado con Neurojl/':':Y sobre un micrO<. una solución Nellroflf:':Y permitirá más aplicaciones en licmpo real. La primera aplicación industrial se realizo el1 Queen i\.los. piensan competir fuertemente con los japoneses en aplicaciones sohre el . 1Il. diseñado por \Vatanabe que alcanzó una capacidad de 580000 inferencias lógicas por segundo. AVANCES EN LÓGICA FUZZY La teoría de Lógica luz:. 1992]. para la misma aplicación. Omron S. Omrom Tateishi Electric eo. Algunas de las primeras aplicacioncs fueron hechas para una planta de tratamiento de agua re.A. Esto es varios ordenes de magnitud l1l~is rápido)' compacto que una solución con reJes neuronales motivo. Hace sólo siete años (1993).¡Jizada por la empresa Fuji Electric en 1983 y el sistema de control para Trcn Subterráneo rcalizada por Hitachi en 1987 (en donde el componamicnto del controlador fu::..S." frente a una solución sólo con redes neuronales es que el código generado es mucho Ill.