1 Computacion Inteligente Sistemas de Inferencia fuzzy 2
- Slides: 46
1 Computacion Inteligente Sistemas de Inferencia fuzzy
2 Sistemas de Inferencia fuzzy Sistemas Takagi-Sugeno
3 Contenido El modelo Takagi-Sugeno Un caso especial: El modelo Singleton Un caso especial: Salida lineal Sistemas fuzzy Takagi-Sugeno dinamicos
4 El modelo Takagi-Sugeno
5 Modelos fuzzy Tipo Sugeno Combina conjuntos fuzzy en el antecedente con una funcion crisp en la salida Reglas de la forma: La salida x es crisp donde • • Las funciones es un vector de parametros. tienen la misma estructura
6 Consecuente en sistemas fuzzy TS En general El consecuente es affine respecto los parametros (lineal en los parametros)
7 Consecuente en sistemas fuzzy TS Sistema fuzzy propuesto por Takagi-Sugeno (1985) El consecuente es affine respecto los parametros (lineal en los parametros)
8 Sistemas fuzzy Takagi-Sugeno (1985) Cada regla puede ser considerada como un modelo affine local. Los modelos locales son combinados en el proceso de agregacion para obtener la salida
9 Inferencia en sistemas fuzzy TS Para la interseccion y la implicacion se utiliza el operador producto. La salida es
10 Inferencia en sistemas fuzzy TS Grado de cumplimiento normalizado indica el peso relativo con que contribuye la regla i en la salida.
11 Inferencia en sistemas fuzzy TS Definidos todos los parametros El algoritmo fuzzy debe implementar la siguiente funcion crisp
12 Un caso especial: El modelo Singleton
13 El modelo singleton: caso especial La funcion de salida es un valor constante bi son numeros reales cada regla tiene su propio bi
14 El modelo singleton Definidos todos los parametros El algoritmo fuzzy debe implementar la siguiente funcion crisp Se puede interpretar como un modelo Mamdani
15 Modelo singleton como Mamdani Donde los conjuntos fuzzy del consecuente son singleton bi son numeros reales cada regla tiene su propio bi Con el modelo Mamdani se obtiene el mismo resultado
16 Modelo singleton como Mamdani Los conjuntos fuzzy del consecuente son singleton bi son numeros reales Defuzificacion COG cada regla tiene su propio bi
17 Expansiones en funciones base El modelo singleton es un caso especial de las expansiones en funciones base
18 El modelo singleton: interpolacion Interpolacion multilinear ocurre si: • Funciones de pertenencia de entrada: trapezoidales o triangulares • Formando una particion fuzzy • El conectivo AND es representado por el operador producto
19 Un ejemplo de interpolacion Mapeo de entrada-salida lineal a trozos resultante
20 El modelo singleton Definidos todos los parametros, con funciones de pertenencia Gaussianas en el antecedente El algoritmo fuzzy debe implementar la siguiente funcion crisp
21 Un caso especial: Salida lineal
22 modelos Sugeno : salida lineal Reglas de la forma La salida es
23 modelos Sugeno : salida lineal Lineal en los parametros, cuasi-lineal en x La salida es
24 modelos Sugeno : salida lineal Agrupando terminos
25 modelos Sugeno : salida lineal La salida es Los sistemas TS son cuasi-lineales en x
26 Los sistemas TS son cuasi-lineales en x a(x), b(x) son combinaciones lineales convexas de los parametros de los consecuentes ai y bi
27 Sistema TS como un mapeo
28 Sistema TS como un mapeo Un modelo TS es un mapeo de un sistema cuasilinial • desde el espacio de entrada del antecedente • a una region convexa (polytope) en el espacio de los parametros
29 Ejemplo 1: Una sola entrada
30 modelos Sugeno: ejemplo 1 IF x is small THEN Y=4 IF X is medium THEN Y=-0. 5 X+4 IF X is large Y=X-1 THEN Si “small”, “medium” y “large” son conjuntos crisp entonces la curva total de entrada-salida es lineal a trozos sug 1. m
31 modelos Sugeno: ejemplo 1 IF x is small THEN Y=4 IF X is medium THEN Y=-0. 5 X+4 IF X is large Y=X-1 THEN
32 modelos Sugeno: ejemplo 1 IF x is small THEN Y=4 IF X is medium THEN Y=-0. 5 X+4 IF X is large Y=X-1 THEN Sin embargo, si tenemos funciones de pertenencia suaves (reglas fuzzy) la curva total de entrada-salida es suave
33 modelos Sugeno: ejemplo 1 IF x is small THEN Y=4 IF X is medium THEN Y=-0. 5 X+4 IF X is large Y=X-1 THEN
34 Ejemplo 2: Dos entradas
35 modelos Sugeno: ejemplo 2 Dos entradas una salida con 4 reglas IF X is small AND Y is small THEN z=-x+y+1 IF X is small AND Y is large THEN z=-y+3 IF X is large AND Y is small THEN z=-x+3 IF X is large AND Y is large THEN z=x+y+2 sug 2. m
36 modelos Sugeno: ejemplo 2 MFs de los antecedentes
37 modelos Sugeno: ejemplo 2 Superficie total de entrada-salida
38 Ejercicio 1 Construya un modelo Sugeno para el ejemplo 1 usando el GUI del Toolbox Fuzzy de Matlab
39 Ejercicio 2 Construya un modelo Sugeno para el ejemplo 2 usando el GUI del Toolbox Fuzzy de Matlab
40 Sistemas fuzzy Takagi-Sugeno dinamicos
41 Sistemas fuzzy TS dinamicos Modelado de sistemas dinamicos no lineales Cada regla representa una aproximacion lineal del sistema no lineal en un punto de operación determinado
42 Sistemas fuzzy TS dinamicos Un sistema TS dinamico es un “scheduling” fuzzy
43 Fuentes J. -S. Roger Jang, Slides for Fuzzy Sets, Ch. 2 of Neuro. Fuzzy and Soft Computing. CS Dept. , Tsing Hua Univ. , Taiwan. J. -S. Roger Jang and C-T Sung, Neuro-Fuzzy Modeling and Control. Proceedings of the IEEE, March 1995. Robert Babuska. Fuzzy and neural control. DISC Course Lecture Notes (October 2001) Robert Babuska. Course Fuzzy and Neural Control, 2001/2002.
44 Fuentes R. Babuska, H. B. Verbruggen, H. Hellendoorn, Promising Fuzzy Modeling and Control Methodologies for Industrial Applications, 1999 René Jager, Fuzzy Logic in Control. PHD thesis, 1995. Javier Echauz, Sistemas y Controles Inteligentes, Universidad de Puerto Rico, 2000 L. X. Wang, “Adaptive Fuzzy Systems and Control: Design and Stability Analysis”, Prentice-Hall, 1. 994
45 Fuentes Kwang-Hyung Lee, Textbook CS 670 Fuzzy Theory, http: //if. kaist. ac. kr/lecture/cs 670/textbook/, septiembre 2001 J. Galindo Gómez, Conjuntos y Sistemas Difusos (Lógica Difusa y Aplicaciones). Departamento de Lenguajes y Ciencias de la Computación, Universidad de Málaga, 2002? Vojislav Kecman, Fuzzy logic basics. Slides accompanying the MIT Press book: Learning and Soft Computing. 2001
46 Fuentes Djamel Bouchaffra, Soft Computing (Lecture Notes). Oakland University. Fall 2005 K. Ahmad, B. Vrusias, M. Casey, Artificial Intelligence (Lecture Notes). Center for Knowledge Management. Department of Computing. University of Surrey. September 2004
- Image sets
- Induccion matematica
- Generacion de computadoras
- Computacion intermedia
- Lenguaje algoritmico
- Ingenieria en computacion
- Equipos de computacion
- Computacion en la educacion
- La computacion en la nube
- Coto computacion
- Breve historia de la computación y sus pioneros
- Inferencia
- Ejercicios resueltos de inferencia estadistica
- Inferencia transitiva piaget
- No ocurre que proposiciones
- Reglas inferencia
- Inferencia
- Acusados
- Inferencia holistica
- Inferência arbitrária tcc
- Reglas de inferencia
- Publicidad sonora ejemplos
- Pasos para realizar una inferencia
- Motor de inferencia
- Inferencia estadística
- Inteligente plural
- Comparison of inequality
- La soledad de un hombre
- Placement of adjectives
- Inteligente superlative
- Conducta inteligente
- Solutii pentru cladiri inteligente
- Smart meters contor inteligent
- Si hay un inteligente busque el reino de dios y su justicia
- Inversion inteligente banamex
- Sistemas multiagentes ejemplos
- Crisp relation examples
- "fuzzy math"
- Logic sitompul
- Fuzzy logic examples from real world
- Fuzzy traces
- (p^ q)^( p^q) is a
- Fuzzy logic in pattern recognition
- Fuzzy clustering tutorial
- Fuzzy inference system
- Fidelity in confucianism
- Fuzzy outline