La lógica difusa se diferencia de la lógica booleana en que permite grados parciales de verdad entre completamente verdadero y completamente falso, representados por funciones de pertenencia. La lógica difusa define grados de relación y verdad para entidades que pueden ser parcialmente verdaderas y falsas a la vez. Los conjuntos difusos se caracterizan por funciones de pertenencia que asignan grados de membresía.
100%(3)100% encontró este documento útil (3 votos)
881 vistas2 páginas
La lógica difusa se diferencia de la lógica booleana en que permite grados parciales de verdad entre completamente verdadero y completamente falso, representados por funciones de pertenencia. La lógica difusa define grados de relación y verdad para entidades que pueden ser parcialmente verdaderas y falsas a la vez. Los conjuntos difusos se caracterizan por funciones de pertenencia que asignan grados de membresía.
La lógica difusa se diferencia de la lógica booleana en que permite grados parciales de verdad entre completamente verdadero y completamente falso, representados por funciones de pertenencia. La lógica difusa define grados de relación y verdad para entidades que pueden ser parcialmente verdaderas y falsas a la vez. Los conjuntos difusos se caracterizan por funciones de pertenencia que asignan grados de membresía.
La lógica difusa se diferencia de la lógica booleana en que permite grados parciales de verdad entre completamente verdadero y completamente falso, representados por funciones de pertenencia. La lógica difusa define grados de relación y verdad para entidades que pueden ser parcialmente verdaderas y falsas a la vez. Los conjuntos difusos se caracterizan por funciones de pertenencia que asignan grados de membresía.
Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
Descargar como docx, pdf o txt
Está en la página 1de 2
Diferencia entre la lgica booleana y la lgica difusa
A diferencia de la lgica Booleana, donde se maneja el concepto de verdad parcial valores de
verdad entre completamente verdadero y completamente falso. La lgica difusa es multivaluada, por lo que se considera un nmero infinito de grados de valor entre cierto y falso. La lgica difusa define grados de relacin y grados de verdad de algo, algunas cosas pueden ser parcialmente verdaderas y parcialmente falsas simultneamente. Conjuntos difusos y funciones de pertenencia Los conjuntos difusos son caracterizados por sus funciones de pertenencia. Diremos que un conjunto es difuso cuando el concepto al que representa tiene una funcin de pertenencia difusa asociada a l.
Surgieron como una nueva forma de representar la imprecisin y la incertidumbre.
Herramientas que usa: Matemticas, Probabilidad, Estadstica, Filosofa, Psicologa...
Es un puente entre dos tipos de computaciones:
C. Numrica: Usada en aplicaciones cientficas, por ejemplo.
C. Simblica: Usada en todos los campos de la Inteligencia Artificial.
Funcin de pertenencia es aquella aplicacin que asocia a cada elemento de un conjunto
difuso el grado con que pertenece al valor lingstico asociado. Funciones de Pertenencia usuales La notacin que se suele usar es: donde F es el conjunto difuso al que est asociada la funcin. Las funciones "L" y "GAMMA" se usan para calificar valores lingsticos extremos, tales como "helado" o "ardiendo", respectivamente. Su ventaja es que la funcin se extiende al infinito. Las funciones "PI" y "LAMBDA" se usan para describir valores intermedios. Su diferencia reside en que la funcin "PI" implica un margen de tolerancia alrededor del valor que se toma como ms representativo del valor lingstico asociado al conjunto difuso. Un conjunto de la lgica tradicional tambin es expresable con una funcin de pertenencia. De hecho, la lgica difusa es una extensin de la lgica tradicional y por tanto la incluye. Reglas difusas Los sistemas de control difuso permiten describir el conjunto de reglas que utilizara un ser humano que controlase el proceso, con toda la imprecisin que poseen los lenguajes naturales y, slo a partir de estas reglas, generan las acciones que realizan el control. Por esta razn, tambin se les denominan controladores lingsticos. Las regla, pueden ser aprendidas con sistemas adaptativos que aprenden al ' observar ' como operan las personas los dispositivos reales, o estas reglas pueden tambin ser formuladas por un experto humano.
Llamamos valor lingstico a las diferentes clasificaciones que efectuamos sobre la
variable lingstica: en el caso de la altura, podramos dividir el universo de discurso en los diferentes valores lingsticos: 'bajo','mediano' y 'alto'. Como veremos, cada valor lingstico tendr un conjunto difuso asociado, de forma que hablaremos de los conjuntos difusos 'bajo','alto', asociados a la variable lingstica 'altura'. Casos prcticos para el anlisis FALTO ESTA POR FALLA EN LA COBERTURA DEL INTERNET.
Introduccin al anlisis de clsteres
El Anlisis Clster es uno de los ms recientes y tiene como objetivo, la clasificacin de individuos en grupos distintos, de manera que exista la mayor homogeneidad posible dentro de los grupos, con respecto a ciertas variables que pueden ser cuantitativas o cualitativas. Puesto que la clasificacin de individuos se realiza a partir de las variables observadas en los individuos, es condicin primordial en este tipo de estudio realizar una buena eleccin de las variables inciales, as como tambin elegir una medida de homogeneidad o similaridad adecuada para la situacin que se est analizando. No existe una nica medida de homogeneidad, ni tampoco es nico el mtodo de agrupar observaciones en distintos Clsteres. El analista debe decidir qu medida y qu mtodo son ms adecuados segn los datos de partida y los objetivos a conseguir con la agrupacin. Dentro de los mtodos Clster, podemos distinguir los jerrquicos de los no jerrquicos. En los mtodos jerrquicos no se conoce previamente el nmero de grupos a formar, mientras que en los no jerrquicos, se parte de un nmero fijo de Clsteres. Adems, los mtodos jerrquicos presentan la desventaja, de que una vez que una observacin o individuo ha sido asignado a un Clster, no es posible su reasignacin a otro Clster distinto. Por ello, los mtodos jerrquicos se utilizan muchas veces como una primera aproximacin a la solucin final. Esta solucin final se obtiene, partiendo del resultado de los mtodos jerrquicos, y mejorando dicho resultado, si es posible mediante los mtodos no jerrquicos. En este sentido, los dos mtodos deben considerarse como complementarios ms que competitivos. Despus de realizar un Anlisis Clster, es posible: 1. Valorar la capacidad de clasificacin de las variables que intervienen inicialmente en el problema. 2. En los mtodos jerrquicos, tomar una decisin acerca del nmero de Clsteres a formar, en funcin de la calidad de cada solucin posible. 3. Tambin dentro de los mtodos jerrquicos, obtener relaciones entre los individuos estructurados jerrquicamente.
Apuntes: Holzapfel, Cristóbal, Capítulo 1. Universo e Ilimitación, en Su: Ser y Universo, Editorial Universitaria: Santiago de Chile, 1989. Págs. 21 - 37.