Conjuntos Difusos y Conjuntos Clsicos

Introduccin a la Lgica Difusa

2 /58
Tabla de Contenido
Introduccin
Lgica Difusa
Conjuntos Difusos
Funciones de membresa
Ejemplos de funciones de membresa
Conceptos relacionados con los conjuntos difusos
3 /58
Mapa Conceptual del Curso
Conjuntos
Difusos y
Clsicos
Operaciones con
Conjuntos
Difusos
Funciones de
membresa
Relaciones en
Conjuntos
Difusos
Principio de
Extensin
Variables
Lingsticas
Lgica Clsica y
Lgica Difusa
Reglas de
Inferencia
Difusas
Inferencia
Difusas
Fusificadores y
Defusificadores
Conjuntos
Difusos
Operaciones
Difusas
Lgica Difusa
Fusificadores y
Defusificadores
Inferencia Difusa
Introduccin a la
Lgica Difusa
4 /58
INTRODUCCIN
5 /58
Introduccin
1. Incertidumbre.
Se relaciona a la informacin (falta de informacin).
Cuando no se sabe cuando puede ocurrir cierto evento.
No se conoce una teora que explique el fenmeno.
2. Probabilidad.
Es una propiedad fsica de los objetos, determina la
posibilidad de que cierto evento puede ocurrir.
Se calcula y verifica por experimentacin.
3. Imprecisin (ambigedad).
Es una caracterstica del lenguaje de comunicacin
humano.
Esta relacionada con el grado en que el evento ocurre.
6 /58
1. Incertidumbre
Cundo va ha suceder un terremoto?
Aprobar el curso?
Si tiro la moneda, sale cara o sello?
La respuesta a la pregunta es V o F?


A medida que se dispone de ms informacin la
incertidumbre se puede reducir.
La ausencia de incertidumbre es tener informacin total.

Se trabaja con niveles de creencias.
7 /58
1. Incertidumbre
Se trabaja con niveles de creencias.
Rango de valores [0,1]

Cundo va ha suceder un terremoto?
Silencio ssmico
Aprobar el curso?
Estudiaste?, le dedicaste tiempo?, hiciste tus trabajos?
Si tiro la moneda, saldr cara o sello?
la moneda est sesgada?
Cul es la respuesta para una pregunta con V o F?
Si sabes, responde. Si no sabes, cualquiera es buena respuesta.
8 /58
2. Probabilidad
Rango de valores [0,1]

Ejemplos:
P (X = cara) = 0.5

P (X = hombre) = 0.5

P (X = ROJO) = 2/7
P(X=x)
X
ROJO AZUL VERDE
9 /58
3. Ambigedad
La ambigedad es incertidumbre determinstica

Ambigedad est relacionada con el grado con el cual los
eventos ocurren sin importar la probabilidad de su
ocurrencia.

Por ejemplo, el grado de juventud de una persona es un
evento difuso sin importar que sea un elemento aleatorio.

10 /58
3. Ambigedad
Es una caracterstica del lenguaje humano.

Ejemplos:
Si estudias bastante entonces obtendrs buenas notas.
El proyecto del KDD avanza fuertemente.
Los alumnos le ponen fuerza a sus proyectos.
Profesor buena gente
Profesor mala gente
Si el profesor es buena gente entonces el examen ser fcil
Si el profesor es mala gente entonces el examen ser difcil

11 /58
Ambigedad contra Probabilidad
Ambigedad es una incertidumbre determinstica, la
probabilidad es no determinstica.

La incertidumbre probabilstica se disipa con el incremento
del nmero de ocurrencias y la difusifisidad no.

La ambigedad describe eventos ambiguos, la probabilidad
describe los eventos que ocurren.

Si un evento ocurre es aleatorio. El grado con el cual ocurre
es difuso.

12 /58
Ejercicio 1
Es probablemente una elipse, o
es ambiguamente una elipse?
13 /58
Ambigedad contra Probabilidad
Incertidumbre
Redes Bayesianas
Aleatoriedad
de eventos
definidos de
manera precisa
Conjuntos Difusos
Subjetividad en la
calificacin de
eventos no
aleatorios
14 /58
LGICA DIFUSA
15 /58
Lgica Difusa
La lgica difusa es una extensin de la lgica convencional
(Booleana) para manejar el concepto de verdad parcial.

La verdad parcial se presenta cuando los valores de verdad
se encuentran entre absolutamente cierto y
absolutamente falso
F
V
F
V
Lgica booleana Lgica difusa
16 /58
Conjuntos Difusos y Lgica Difusa
La palabra fuzzy viene del ingles fuzz (tamo, pelusa, vello)
y se traduce por difuso o borroso.
Lotfi A. Zadeh: Es el padre de toda esta teora (Zadeh,
1965).
Importancia: En la actualidad es un campo de
investigacin muy importante, tanto por sus implicaciones
matemticas o tericas como por sus aplicaciones
prcticas.
Revistas Int.: Fuzzy Sets and Systems, IEEE Transactions
on Fuzzy Systems...
Congresos: FUZZ-IEEE, IPMU, EUSFLAT, ESTYLF...
Bibliografa Gral.: (Kruse, 1994), (McNeill, 1994),
(Mohammd, 1993), (Pedrycz, 1998)...
17 /58
Conjuntos Difusos y Lgica Difusa
Problemas Bsicos subyacentes:
Conceptos SIN definicin clara: Muchos conceptos
que manejamos los humanos a menudo, no tienen una
definicin clara: Qu es una persona alta? A partir de
qu edad una persona deja de ser joven?
La lgica clsica o bivaluada es demasiado
restrictiva: Una afirmacin puede no ser ni VERDAD
(true) ni FALSA (false).
Yo leer El Quijote: En qu medida es cierto?
Depende de quien lo diga y...
l es bueno en Fsica: Es bueno, muy bueno o un
poco mejor que regular?
18 /58
Ejemplo 1
Defina los siguientes conceptos:
Algunas mujeres jvenes son inteligentes

Algunos hombres maduros son responsables.

Sgueme de cerca.

El carro est limpio.

Otros ejemplos . . . . . . .
19 /58
Cundo usar la lgica difusa?
(Sur, Omron, 1997)
En procesos complejos, si no existe un modelo de solucin
sencillo.
En procesos no lineales.
Cuando haya que introducir la experiencia de un operador
experto que se base en conceptos imprecisos obtenidos
de su experiencia.
Cuando ciertas partes del sistema a controlar son
desconocidas y no pueden medirse de forma fiable (con
errores posibles).
Cuando el ajuste de una variable puede producir el
desajuste de otras.
En general, cuando se quieran representar y operar con
conceptos que tengan imprecisin o incertidumbre (como
en las Bases de Datos Difusas).
20 /58
Cundo no usar la lgica difusa?
Si puedes resolver el problema con otra tcnica ms
sencilla.
21 /58
Aplicaciones
(Sur, Omron, 1997; Zimmermann, 1993):
Control de sistemas: Control de trfico, control de
vehculos (helicpteros...), control de compuertas en
plantas hidroelctricas, centrales trmicas, control en
mquinas lavadoras, control de metros (mejora de su
conduccin, precisin en las paradas y ahorro de energa),
ascensores...
Prediccin y optimizacin: Prediccin de terremotos,
optimizar horarios...
Reconocimiento de patrones y Visin por ordenador:
Seguimiento de objetos con cmara, reconocimiento de
escritura manuscrita, reconocimiento de objetos,
compensacin de vibraciones en la cmara
Sistemas de informacin o conocimiento: Bases de
datos, sistemas expertos
22 /58
CONJUNTOS DIFUSOS
23 /58
Conjuntos Clsicos (crisp)
El conjunto universal U (Universo de discurso) contiene
todos los elementos de cada contexto aplicacin en
particular.

Los conjuntos clsicos se pueden definir de las siguientes
maneras:
Mtodo de Lista (Finito) (extensin)
Mtodo de Regla A = {x U / x cumple ciertas
condiciones} (comprensin)
Mtodo de membresa (comprensin)
24 /58
Ejercicio 2
Defina el conjunto A mediante los tres mtodos de
representacin de conjuntos:

A B C D
J F H
N
M
K
L
A
U
25 /58
Ejercicio 2
Extensin:
A = {A, B, C, D, F, J, H}

Comprensin:
A = {x / A x H & xE & xG}

Membresa:


1
0
si x {A, B, C, D, F, J, H}
si x {K, L, M, N}
A(x) =
A K L M N B C D F H J
1
0
26 /58
Conjuntos Clsicos (crisp)
Surgen de forma natural, por la necesidad del ser humano
de clasificar objetos y conceptos.
Conjunto de Frutas: Manzana|Frutas, Lechuga|Frutas...

Funcin de pertenencia A(x), x X:
x es el Universo de Discurso.
Restriccin de la Funcin A: X {0,1}




Conjunto Vaco (x)=0, X
Conjunto Universo U(x)=1, X
27 /58
Conjuntos Clsicos
Conjunto de Frutas: Manzana|Frutas, Lechuga|Frutas...

0
1
Manzanas
Frutas que no
son manzanas
0
1
lechugas
Frutas que no
son lechugas
Grado de pertenencia o
funcin de membresa
28 /58
Conceptos sobre Conjuntos Difusos
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.
29 /58
Conjuntos Difusos (fuzzy):
Relajan la restriccin, A: X [0,1] intervalo

Un conjunto difuso en el universo U se caracteriza por la
funcin de membresa A(x) que toma el intervalo [0,1], a
diferencia de los conjuntos clsicos que toman el valor de
cero o uno {0, 1}

El conjunto difuso A se puede representar por
A = { (
A
(x), x) / x U}
A = { (
A
(x) / x) / x U}

Donde
A
(x) es el grado de pertenencia.
30 /58
Conjuntos Difusos (fuzzy):
31 /58
Conjuntos Difusos
Un conjunto difuso puede ser alternativamente denota
como:

x es discreto


x es continuo

Notar que la sumatoria y la integral representan la unin de
los grados de membresa y / no significa divisin.
32 /58
Ejemplo 2
Sea el conjunto difuso joven.
30
15 20 25
50
35 40 45
A = {1/10, 1/15, 1/20, 0.75/25, 0.25/30, 0/35 }
A = {(1,10), (1,15), (1,20), (0.75,25), (0.25,30), (0.35,0) }
edad 0
1
grado de
pertencia
33 /58
Ejemplo 2
Sea el conjunto difuso joven.
30 15 20 25 50 35 40 45
A = {1/10, 1/15, 0.80/20, 0.60/25, 0.40/30, 0.20/35, 0.0/40 }
A = {(10,1), (15,1), (20,0.8), (25,0.60), (30,0.40), (35,0.20), (40,0.0) }
grado de
pertencia
0
1
edad
34 /58
FUNCIONES DE MEMBRESIA
35 /58
Funcin de membresa
Se pueden definir como:
Una funcin con parmetros p
k
(x) del elemento x.


Una enumeracin de pares definidos sobre elementos
discretos del conjunto

donde
no representa una suma, sino una agregacin de pares.

A
(x)/x no representa ningn cociente, sino un par
(posibilidad/elemento)
)) ( , ),... ( ), ( ( ) (
2 1
x p x p x p x
n A A
=

e
=
U x
A
x x A / ) (
36 /58
Ejemplo 3
Sea el conjunto de las personas altas definido sobre el
conjunto de la poblacin y considerando un elemento del
mismo denominado pepe.
pepe pertenece o no al conjunto de las personas altas?
Esto se puede resolver atendiendo a la medida altura(pepe)
y una funcin que mide la posibilidad de ser considerado
alto en base a la altura.
1.0
0.5
0.0

alto
(altura)
1.0 1.5 2.0
altura (m)
37 /58
Ejercicio 3
Supongamos que se desea definir lo rpido que es un
carro.

Aunque se puede utilizar la velocidad limite como
referencia, pocos carros alcanzan su velocidad lmite en
alguna ocasin, de modo que una referencia mejor puede
ser utilizar la aceleracin de 0 a 100 Km/hora.

Podra afirmarse entonces que cualquier carro con una
aceleracin de 0 a 100 km/h. en menos de 8 segundos, es
rpido y los dems son lentos.
38 /58
Ejercicio 3
La escala vertical representa la opinin de los especialistas
sobre lo que es rpido. El valor 1 significa que el 100 % opina
que una aceleracin por debajo de los 8 segundos supone un
carro rpido. El 0 indica que por encima de los 8 segundos de
aceleracin, nadie cree que un carro sea rpido
39 /58
En ella se muestra que slo el 50 % de los especialistas
considerar que un tiempo por debajo de los 8 segundos es
rpido. En cualquier caso, l numero entre 0 y 1 da un valor
que indica rapidez de un carro, medida en una cierta escala.
0
8
1
tiempo
grado de
pertenencia
Ejercicio 3
40 /58
Ejercicio 4
Grafique el conjunto difuso cerca de 50 aos
41 /58
Ejercicio 4
Grafique el conjunto difuso cerca de 50 aos
30 70 50 30 70 50
42 /58
EJEMPLOS DE FUNCIONES DE
MEMBRESIA
43 /58
1.0
0.5
0.0
0 50 100
Triangular
44 /58
1.0
0.5
0.0
0 50 100
Trapezoidal
45 /58
1.0
0.5
0.0
0 50 100
Gaussiana
46 /58
1.0
0.5
0.0
0 50 100
Campana
47 /58
1.0
0.5
0.0
0 50 100
Sigmoide
48 /58
Ejemplo de funcin de membresa
Altura(cm)
a
1
a
2

Bajo Mdio Alto
1
G
r
a
u

d
e

P
e
r
t
e
n
e
n
c
i
a

1
49 /58
Ejercicio 5
Defina el conjunto difuso cercano a cero
50 /58
Ejercicio 5
Defina el conjunto difuso cercano a cero
51 /58
Ejercicio 6
Definir el conjunto difuso: A = nmero sensible de nios
Dado el universo discreto:
U = {0, 1, 2, 3, 4, 5, 6}

52 /58
Ejercicio 6
Definir el conjunto difuso: A = nmero sensible de nios
Dado el universo discreto:
U = {0, 1, 2, 3, 4, 5, 6}

A = {(0, .1), (1, .3), (2, .7), (3, 1), (4, .6), (5, .2), (6, .1)}
0 1 2 3 4 5 6
.1
.3
.5
.7
.9
53 /58
CONCEPTOS
RELACIONADOS CON
CONJUNTOS DIFUSOS
54 /58
Conceptos Bsicos
55 /58
El soporte de un conjunto difuso A en el universo de
discurso U es un conjunto crips que contiene todos los
elementos de U que tenga valores de membresa 0 en A.

Suporte(A) = {x U /
A
(x) > 0}

Soporte
1
suporte
x

A
(x)
56 /58
Si el soporte de un conjunto difuso es vaco, este es
llamado conjunto difuso vaco (empty fuzzy set).

Si el conjunto soporte est representado por un solo punto
en U, este se denomina singleton difuso (fuzzy singleton).

Soporte

A
(x)
x
0.5
1
El punto de cruce
(crossover point) de
un conjunto difuso es
el punto en U donde
el valor de membresa
en A es 0.5.

Punto de cruce
57 /58
El conjunto x, donde
A
(x) alcanza el valor de 1 se
denomina ncleo (core).
Ncleo
1
ncleo
x

A
(x)
58 /58
La altura de un conjunto difuso es el mayor valor de
membresa logrado por algn punto.
En un conjunto difuso normal la altura es 1.




normal: se
A
(x) = 1
subnormal: se
A
(x) < 1
Altura
altura

A
(x)
x
59 /58
Si el valor medio de todos los puntos en el cual la funcin
de membresa de un conjunto difuso logra su mximo valor
es finito, entonces el centro del conjunto difuso es el
promedio de los valores.

Si el valor medio es infinito, entonces el centro es definido
como el ms pequeo entre todos los puntos que logran el
mximo valor de membresa.
Valor Medio
60 /58
Valor medio
61 /58
o - cut y o - cut fuerte
Dado un conjunto difuso A definido en X y un nmero o e
[0; 1] un conjunto o - cut es un conjunto crisp que contiene
todos los elementos en U que tengan valores de
membresa en A mayores o iguales que , definido por:

A
o
= { x U /
A
(x) > o}

A
o +
= { x U /
A
(x) > o} strong o - cut

62 /58
Propiedades o-cut y strong o-cut
Dado un conjunto difuso A definido en X y un par o1 y o2
e [0; 1] tal que o1 < o2 entonces:

A
o1
_ A
o2
y A
o1+
_ A
o2+


(A
o1
A
o2
) = A
o2
y (A
o1+
A
o2+)
= A
o2+


(A
o1
A
o2
) = A
o1
y (A
o1+
A
o2+
) = A
o1+


63 /58
Operaciones Estndar
Complemento A(x)

A(x) = 1 - A(x)


Punto de equilibrio:
Son todos los elementos en X donde A(x) = A(x)


64 /58
Operaciones Estndar
Sean dos conjuntos difusos A y B:

Unin: t-conormas
( AB ) x = max[ A(x), B(x)]

Interseccin: t-normas
( AB ) x = min[ A(x), B(x)]
65 /58
Conjunto Crisp: Convexo
Sea A un conjunto en R
n
.
A es un conjunto convexo si y solo si:
para todos los pares de puntos r y s de A
para todo numero real e [0;1]
un punto t definido por t = r + (1-) s tambin est en A

66 /58
Conjunto Difuso: Convexo
Un conjunto difuso es convexo si y slo si su -cut A

es un
conjunto convexo para algn a en el intervalo (0, 1]

Un conjunto A es convexo si para algn en [0, 1]


A
(x
1
+ (1 )x
2
) min(
A
(x
1
),
A
(x
2
))

Alternativamente, A es convexo si todos los -cuts son
convexos
67 /58
Conjunto Difuso: Convexo
1
0.8
68 /58
Ejercicio
Un conjunto difuso A esta dado por:
A = {(2,1), (3,0.8), (4,0.6), (5,0.4), (6,0.2), (7,0.4), (8,0.6),
(9,0.8), (10,1)}
Usando:

A
(x
1
+ (1 )x
2
) min(
A
(x
1
),
A
(x
2
))

Donde x1 = 2, x2 = 10 y = 0.5, buscar si el conjunto es
convexo o no. Confirmar su respuesta dibujando el
conjunto difuso A.
69 /58
Conjunto Crips: Supremo e Infimo
Sea R un conjunto de nmeros reais tal que:
r es el lmite superior de R
s es el lmite inferior de R

Supremo: r = sup R
Infimo: s = inf R

70 /58

PREGUNTAS