Beruflich Dokumente
Kultur Dokumente
1. INTRODUCCIN
Un sistema Neuro-Difuso es un marco popular para resolver problemas
complejos. Si se tiene conocimiento expresado en reglas lingsticas, se
puede construir un Sistema de Inferencia Difuso, y si cuenta con los datos
o se puede aprender el comportamiento de un sistema a partir de una
simulacin (entrenamiento), entonces se puede utilizar las Redes
Neuronales. Para la construccin de un Sistema de Inferencia Difuso, se
tiene que especificar los conjuntos difusos, operadores difusos y la base
de conocimientos. Del mismo modo para la construccin de una Red
Neuronal para una aplicacin el usuario tiene que especificar el algoritmo
de la arquitectura y aprendizaje.
La Lgica Difusa y las Redes Neuronales tienen propiedades
computacionales particulares que las hacen adecuadas para ciertos
problemas particulares y no para otros. Por ejemplo, mientras las Redes
Neuronales ofrecen ventajas como el aprendizaje, adaptacin, tolerancia a
fallas, paralelismo y generalizacin, no son buenas para explicar cmo han
1
redes neuronales.
Posibilidad de promover la integracin de conocimiento (implcito
que puede ser adquirido a travs del aprendizaje y explcito que
(GARIC) [5].
Neuro-Fuzzy Controller (NEFCON) [6].
Neuro-Fuzzy Classification (NEFCLASS) [7].
Neuro-Fuzzy Function Approximation (NEFPROX) [8].
Fuzzy Inference Environment Software with Tuning (FINEST) [9].
Self Constructing Neural Fuzzy Inference Network (SONFIN) [10].
Fuzzy Net (FUN) [11].
Evolving Fuzzy Neural Networks (EFuNN) [12, 13].
Dynamic Evolving Fuzzy Neural Networks (dmEFuNNs) ][13].
Y muchos otros [14, 15, 16, 17]
10
11
REFERENCIAS
and
[4] C.T. Lin and C.S.G. Lee, Neural Network based Fuzzy Logic Control and
Decision System, IEEE Transactions on Comput. (40(12): pp. 13201336,
1991.
[5] H.R. Berenji and P. Khedkar, Learning and Tuning Fuzzy Logic
Controllers through Reinforcements, IEEE Transactions on Neural Networks,
Vol (3), pp. 724740, 1992.
[6] D. Nauck and R. Kruse, NEFCON-I: An X-Window Based Simulator for
Neural Fuzzy Controllers. In Proceedings of the IEEE International
Conference on Neural Networks, Orlando, pp. 16381643, 1994.
[7] D. Nauck and R. Kruse, NEFCLASS: A Neuro-Fuzzy Approach for the
Classification of Data, In Proceedings of ACM Symposium on Applied
Computing, George K et al (Eds.), Nashville, ACM Press, pp. 461465,
1995.
12
15
16