L O G I C A D I F U S A

1. Qu es lgica difusa?
Es una rama de la inteligencia artificial que se funda en el concepto "Todo es cuestin de
grado, lo cual permite manejar informacin vaga o de difcil especificacin si quisiramos hacer
cambiar con esta informacin el funcionamiento o el estado de un sistema especfico. Es entonces
posible con la lgica difusa gobernar un sistema por medio de reglas de sentido comn las cuales
se refieren a cantidades indefinidas.
Las reglas involucradas en un sistema borroso, 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. En general la lgica difusa se aplica tanto a
sistemas de control como para modelar cualquier sistema continuo de ingeniera, fsica, biologa o
economa.
Esta lgica tambin es definida como un sistema matemtico que modela funciones no lineales,
que convierte unas entradas en salidas acordes con los planteamientos lgicos que usan el
razonamiento aproximado.

2. Por qu se considera una tcnica de la inteligencia artificial?
Se considera tcnica de la inteligencia artificial ya que estos sistemas imitan la forma en que un
humano toma decisiones, es decir, emula la manera de pensar de los seres humanos, pero con mayor
rapidez. Es utilizada para la resolucin de problemas, ms que todo los que se relacionan con el
control de procesos industriales complejos y sistemas de decisin en general.
Estn mayormente extendidos en la tecnologa cotidiana, como lo son: Cmaras digitales,
sistemas de aire acondicionado, lavarropas, etc.

3. Diferencia entre lgica difusa y lgica clsica.
La lgica difusa en comparacin con la lgica clsica permite trabajar con informacin que no
es exacta para poder definir evoluciones convencionales, contrario con lgica clsica que permite
trabajar con informacin definida y precisa.



LOGICA DIFUSA LOGICA CLASICA
En vez de trabajar con el clsico concepto de
inclusin o exclusin, introduce una funcin
que expresa el grado de pertenencia de una
variable hacia un atributo o variable
lingstica tomando valores en el rango de 0 a
1.
Establece que cualquier enunciado o
proposicin puede tener un valor lgico
verdadero o falso, en definitiva 1 y 0. De esta
forma es posible desarrollar toda una lgica
basada en leyes de este tipo.

4. Qu son las variables lingsticas? Explicar.
Es una herramienta poderosa para procesar lenguaje natural impreciso y difuso. Se constituye
en un puente entre el mundo numrico preciso y la forma difusa en que los humanos nos
expresamos. Las variables lingsticas son similares a las variables numricas ya que tienen ciertos
valores asociados a ellas. Pero, a diferencia de las variables numricas, los valores de las variables
lingsticas no son nmeros sino expresiones del lenguaje natural que describen alguna cantidad
abstracta de inters. Estas expresiones del lenguaje natural son los nombres de conjuntos difusos
que consisten de valores numricos. A estos conjuntos difusos, se los llama tambin restricciones
difusas. Para aclarar estos conceptos, asumamos que el conjunto universo contiene los nmeros
enteros del 1 al 10. En esta base podramos describir las restricciones difusas bajo, medio y alto,
como sigue:

Bajo: {1,0/1, 0,8/2, 0,4/3, 0,1/4, 0,0/5}.
Medio: {0,1/2, 0,4/3, 0,8/4, 1,0/5, 0,8/6, 0,4/7, 0,1/8}.
Alto: {0,0/5, 0,1/6, 0,4/7, 0,8/8, 1,0/10}
Ntese que las definiciones de las restricciones difusas son subjetivas, dependen de los gustos
de cada persona y de la comprensin que sta tenga del trmino que desea describir.
Otro concepto importante es el de los modificadores (hedges). stos son operadores que actan
sobre las restricciones difusas y estn representados por trminos complejos del lenguaje natural.
5. Qu son conjuntos difusos? Explicar y dar ejemplos.
En la teora estndar de conjuntos, un objeto es miembro del conjunto o no lo es. No existen
posibilidades intermedias. En la lgica difusa, se generaliza este concepto, permitiendo que las
funciones caractersticas de confianza asuman valores reales, dentro del intervalo 0...1. (Totalmente
FALSO = 0; totalmente VERDADERO = 1).
Estos valores indican el grado o nivel de pertenencia del objeto dentro del conjunto difuso. La
teora de los conjuntos difusos permite que un elemento sea parcialmente miembro de un
determinado conjunto. Por ejemplo, considrese un conjunto universal U que contiene:

U = {Rojo, Verde, Azul, Amarillo, Blanco, Negro}.


Un subconjunto difuso R de U, puede ser descrito como:

R = {1,0/Rojo, 0,9/Verde, 1,0/Azul, 0,2/Amarillo, 0,4/Blanco, 0,0/Negro}.

Donde los valores indicados representan el grado de pertenencia de cada color al subconjunto difuso
R. Como el color negro tiene un grado de pertenencia igual a cero, bien podra ser eliminado del
subconjunto:

R = {1,0/Rojo, 0,9/Verde, 1,0/Azul, 0,2/Amarillo, 0,4/Blanco}.

6. Qu son reglas de inferencia? Explicar.
Es un esquema para construir inferencias vlidas. Estos esquemas establecen relaciones
sintcticas entre un conjunto de frmulas llamados premisas y una asercin llamada conclusin.
Estas relaciones sintcticas son usadas en el proceso de inferencia, por el que se llega a nuevas
aserciones verdaderas a partir de otras ya conocidas. Las reglas tambin se aplican a la lgica
informal y a las discusiones, pero la formulacin es mucho ms difcil y polmica.
Como se mencion, la aplicacin de una regla de inferencia es un procedimiento puramente
sintctico. Sin embargo, debe tambin ser vlido, o mejor dicho, preservar la validez. Para que el
requisito de preservacin de la validez tenga sentido, es necesaria una cierta forma semntica para
las aserciones de las reglas de inferencia y las reglas de inferencia en s mismas. Las reglas de
inferencia se clasifican en: Atmicas (Simples) y Moleculares (Compuestas).
Dentro de la inferencia encontramos sus reglas en donde es muy fcil aprender su uso. Se debe
utilizar las preposiciones o formas lgicas nombres que se le dar a las preposiciones.
Una premisa verdadera conducir a una conclusin verdadera.

La regla de inferencia son argumentos vlidos breves que se utilizan dentro de un argumento ms
largos como una demostracin.





DEMOSTRACIONES:

Ejemplo:
Modus Ponens: Llamada tambin ley de separacin.
Si estudio gano los exmenes, me va bien en el promedio.
Gane los exmenes.
Por lo tanto me va bien en el promedio.
Si me porto bien, ir a la fiesta.
Me porte bien.
Entonces ir a la fiesta.
Modus Tollens:
Si pierdo el parcial, entonces sacare mala nota.
No saque mala nota.
Por lo tanto no perd el parcial.
Si Manuel est enfermo, entonces no ira a mi cumpleaos.
Manuel fue a mi cumpleaos.
Entonces Manuel no estaba enfermo.
Silogismo Hipottico:
Si Manuel habla no est atento a lo que dice el profesor.
Si no atiende al profesor, no entiende.
Luego infiero..... Si Manuel no entendi no atendi al profesor.
Silogismo Disyuntivo:
Es enero o es febrero.
No es febrero.
Por lo tanto es enero.
Adicin:
Si Manuela estudia.
Si Manuela Trabaja.
Luego infiero que Manuela estudia y trabaja.
Si Lina canta.
Si Lina baila.
Luego infiero que Lina canta y baila.
Una proposicin lgica que no es una tautologa (algo que resulta verdadero) se denomina
contingencia.
Las reglas de inferencia pueden ser comprobadas mediantes las tablas de verdad, obtenindose
siempre una tautologa es decir que los valores verdad son siempre verdaderos.

7. Qu es el proceso de fusificacion? Explicar.

Es el proceso de conversin de datos medidos del mundo real (entradas del sistema) a un valor
lingstico en el mundo de la lgica utilizando las funciones de membreca de las variables
lingsticas para calcular el grado de pertenencia (grado de verdad) para cada termino en un primer
paso debe de ser realizado para cada variable de entrada y el resultado es utilizado como entrada al
mecanismo de inferencia. Para realizar la fusificacion se debe contar con las funciones de
membreca de las variables de entrada, estas representan grficamente, el grado para el cual el valor
real de una variable lingstica.

Tiene como objetivo convertir valores crips o valores reales en valores difusos. En la
fusificacion se asignan grados de pertenencia a cada una de las variables de entrada con relacin a
los conjuntos difusos previamente definidos utilizando las funciones de pertenencia asociados a los
conjuntos difusos.

8. Qu es la funcin de activacin?
En redes computacionales, la Funcin de Activacin de un nodo define la salida de un nodo
dada una entrada o un conjunto de entradas. Se podra decir que un circuito estndar de computador
se comporta como una red digital de funciones de activacin al activarse como "ON" (1) u "OFF"
(0), dependiendo de la entrada. Esto es similar al funcionamiento de un Perceptrn en una Red
neuronal artificial.



9. Qu es el mtodo de centroide de rea? Explicar.
Es el ms utilizado por los ingenieros de control. Este mtodo tambin conocido como centro
de rea COA, calcula el centro de gravedad del polgono que se gener en la inferencia.

10. Qu es el mtodo de defusificacion, para obtener la salida real? Explicar.

Es proceso que transforma un conjunto difuso, es decir un conjunto de variables lingsticas con
sus respectivos grados de pertenencia, en un nmero real.

El mtodo ms comn es asimilarlo al centro de gravedad de la combinacin de cada una de las
reglas inferidas. Tambin se usa el criterio mximo, que escoge el punto donde la funcin inferida
tiene su mximo o el criterio de la media de los mximos.