¿Qué es la lógica difusa?
La lógica difusa se define como una forma lógica de muchos valores que puede tener valores de verdad de las variables en cualquier número real entre 0 y 1. Es el concepto de manejo de la verdad parcial. En la vida real, podemos encontrarnos con una situación en la que no podemos decidir si la declaración es verdadera o falsa. En ese momento, la lógica difusa ofrece una flexibilidad muy valiosa para el razonamiento.
El algoritmo de lógica difusa ayuda a resolver un problema después de considerar todos los datos disponibles. Luego toma la mejor decisión posible para la entrada dada. El método de la lógica difusa imita la forma de tomar decisiones en un ser humano, que considera todas las posibilidades entre los valores digitales «verdadero» y «falso».
En este tutorial, aprenderás:
- ¿Qué es la lógica difusa?
- Historia de los sistemas de lógica difusa
- Características de la lógica difusa
- Cuándo no usar la lógica difusa
- Arquitectura de la lógica difusa
- Lógica difusa frente a probabilidad
- Crisp (nítido) vs. Fuzzy (borroso)
- Teoría del Conjunto Clásico vs. Conjunto Difuso
- Ejemplos de lógica difusa
- Áreas de aplicación de la lógica difusa
- Ventajas del sistema de lógica difusa
- Desventajas de los sistemas de lógica difusa
Historia de los sistemas de lógica difusa
Aunque el concepto de lógica difusa había sido estudiado desde la década de 1920, el término «lógica difusa» fue utilizado por primera vez en 1965 por Lotfi Zadeh, profesor de la UC Berkeley en California. Zadeh observó que la lógica informática convencional no era capaz de manejar datos que representaban ideas humanas subjetivas o poco claras.
Mira Tambien
¿Qué es la ciencia de datos? Introducción, conceptos básicos y procesoEl algoritmo difuso se ha aplicado en diversos campos, desde la teoría de control hasta la inteligencia artificial. Fue diseñado para permitir que las computadoras manejen distinciones entre datos que no son estrictamente verdaderos ni falsos, algo similar al proceso de razonamiento humano que considera grados de oscuridad, brillo, entre otros.
Características de la lógica difusa
Estas son algunas características importantes de la lógica difusa:
- Técnica de aprendizaje automático flexible y fácil de implementar.
- Ayuda a imitar el razonamiento humano.
- La lógica puede tener más de dos valores, lo que permite representar múltiples soluciones posibles.
- Método adecuado para el razonamiento incierto o aproximado.
- La lógica difusa ve la inferencia como un proceso de propagación de restricciones elásticas.
- Permite construir funciones no lineales de complejidad arbitraria.
- Requiere la guía completa de expertos para su construcción.
Cuándo no usar la lógica difusa
Sin embargo, la lógica difusa no es una solución universal para todos los casos. Por lo tanto, es igualmente importante entender en qué situaciones no se debe utilizar la lógica difusa.
Mira Tambien
Ciencia de Datos vs. Aprendizaje Automático: Diferencias y FuncionesAquí hay algunas situaciones en las que es mejor no usar la lógica difusa:
- Cuando no es conveniente asignar un espacio de entrada a un espacio de salida.
- Cuando el sentido común puede ser utilizado en su lugar.
- Muchos controladores pueden funcionar adecuadamente sin el uso de la lógica difusa.
Arquitectura de lógica difusa
La arquitectura de la lógica difusa consta de cuatro partes principales, como se muestra en el diagrama:
Base de reglas:
Contiene todas las reglas y condiciones «si-entonces» proporcionadas por los expertos para controlar el sistema de toma de decisiones. Las actualizaciones recientes de la teoría difusa han proporcionado varios métodos para el diseño y ajuste de controladores difusos, lo que ha reducido significativamente el número de reglas difusas necesarias.
Fuzzificación:
El paso de fuzzificación convierte las entradas, permitiendo convertir números precisos en conjuntos difusos. Las entradas precisas, como temperatura ambiente o presión, medidas por los sensores, se pasan al sistema de control para su posterior procesamiento.
Mira Tambien
Tutorial de SAS para principiantes: Qué es y ejemplo de programaciónMáquina de inferencia:
Ayuda a determinar el grado de coincidencia entre la entrada difusa y las reglas. Basado en el porcentaje de coincidencia, determina qué reglas deben implementarse según el campo de entrada dado. Luego, las reglas aplicadas se combinan para generar las acciones de control.
Defusificación:
En última instancia, se realiza el proceso de defusificación para convertir los conjuntos borrosos en un valor preciso. Existen diferentes técnicas disponibles, por lo que se debe seleccionar la más adecuada cuando se utiliza con un sistema experto.
Lógica difusa frente a probabilidad
| Lógica difusa | Probabilidad |
|---|---|
| Borroso: el grado de pertenencia de Tom dentro del conjunto de personas mayores es de 0,90. | Hay un 90% de posibilidades de que Tom sea viejo. |
| La lógica difusa toma como base matemática los grados de verdad sobre el modelo del fenómeno de la vaguedad. | La probabilidad es un modelo matemático de la ignorancia. |
Crujiente vs. Borroso
| Crujiente | Difuso |
|---|---|
| Tiene límite estricto T o F | Límite difuso con un grado de pertenencia |
| Algunos conjuntos de tiempo nítidos pueden ser confusos | No puede ser crujiente |
| Verdadero/Falso {0,1} | Valores de membresía en [0,1] |
| En la lógica Crisp, la ley del Medio Excluido y la No Contradicción puede o no cumplirse | En la ley de lógica difusa de Medio Excluido y No Contradicción se cumple |
Teoría del Conjunto Clásico vs. Conjunto Difuso
| Conjunto clásico | Teoría de conjuntos borrosos |
|---|---|
| Clases de objetos con límites definidos | Las clases de objetos no tienen límites definidos |
| Un conjunto clásico se define por límites nítidos, es decir, hay claridad sobre la ubicación de los límites del conjunto | Un conjunto borroso siempre tiene límites ambiguos, es decir, puede haber incertidumbre acerca de la ubicación de los límites del conjunto |
| Ampliamente utilizado en el diseño de sistemas digitales | Usado solo en controladores difusos |
Ejemplos de lógica difusa
Ver el siguiente diagrama que muestra un sistema difuso donde los valores se representan con números del 0 al 1. En este ejemplo, 1,0 significa verdad absoluta y 0,0 significa falsedad absoluta.
Áreas de aplicación de la lógica difusa
La siguiente tabla muestra ejemplos de aplicación de la lógica difusa en productos de empresas famosas:
Mira Tambien
Análisis de Datos: Tipos y Ejemplos| Producto | Compañía | Lógica difusa |
|---|---|---|
| Frenos antibloqueo | Nissan | Se utiliza la lógica difusa para controlar los frenos en situaciones peligrosas, considerando variables como la velocidad del automóvil, la aceleración, la velocidad de las ruedas, etc. |
| Transmisión automática | NOK/Nissan | La lógica difusa se aplica para controlar la inyección de combustible y el encendido del motor, teniendo en cuenta el ajuste del acelerador, la temperatura del agua de refrigeración, las RPM, entre otros factores. |
| Motor automático | Honda, Nissan | La lógica difusa se utiliza para seleccionar la marcha adecuada según la carga del motor, el estilo de conducción y las condiciones de la carretera. |
| Máquina de copiado | Canon | La lógica difusa se emplea para ajustar el voltaje del tambor en función de la densidad de la imagen, la humedad y la temperatura. |
| Control de crucero | Nissan, Isuzu, Mitsubishi | Se utiliza la lógica difusa para ajustar la configuración del acelerador y controlar la velocidad y aceleración del automóvil. |
| Lavavajillas | Matsushita | La lógica difusa se aplica para ajustar el ciclo de limpieza, las estrategias de enjuague y lavado, considerando la cantidad de platos y la cantidad de comida en ellos. |
| Mando de ascensor | Fujitec, Mitsubishi Electric, Toshiba | La lógica difusa se utiliza para reducir el tiempo de espera en los ascensores, teniendo en cuenta el tráfico de pasajeros y otros factores. |
| Sistema de diagnóstico de golf | Maruman Golf | Se utiliza la lógica difusa para seleccionar el palo de golf adecuado en función del swing y las características físicas del golfista. |
| Gestión del estado físico | Omron | Se aplican reglas difusas para verificar la aptitud física de los empleados. |
| Control de horno | Acero Nipón | La lógica difusa se utiliza para el control de la mezcla de cemento en el horno. |
| Horno microondas | Mitsubishi Químico | Se emplea la lógica difusa para establecer la potencia y la estrategia de cocción en el horno microondas. |
| Ordenador de bolsillo | Hitachi, Sharp, Sanyo, Toshiba | La lógica difusa se utiliza para el reconocimiento de caracteres Kanji escritos a mano en los ordenadores de bolsillo. |
| Grabado con plasma | Mitsubishi Eléctrico | La lógica difusa se aplica para establecer el tiempo y la estrategia de grabado en el proceso de grabado con plasma. |
Ventajas del sistema de lógica difusa
- La estructura de los sistemas de lógica difusa es fácil y comprensible.
- La lógica difusa se utiliza ampliamente con fines comerciales y prácticos.
- La lógica difusa en IA ayuda a controlar máquinas y productos de consumo.
- Aunque no ofrece un razonamiento preciso, proporciona un razonamiento aceptable.
- La lógica difusa en minería de datos ayuda a lidiar con la incertidumbre en ingeniería.
- Es mayormente robusta, ya que no requiere entradas precisas.
- Puede ser programada para situaciones en las que el sensor de retroalimentación deja de funcionar.
- Es fácilmente modificable para mejorar o alterar el rendimiento del sistema.
- Se pueden utilizar sensores económicos, lo que ayuda a mantener bajos los costos y la complejidad general del sistema.
- Proporciona soluciones más efectivas para problemas complejos.
Desventajas de los sistemas de lógica difusa
- La lógica difusa no siempre es precisa, lo que puede hacer que los resultados sean percibidos como basados en suposiciones y, por lo tanto, no sean ampliamente aceptados.
- Los sistemas difusos no tienen la capacidad de aprendizaje automático ni el reconocimiento de patrones como las redes neuronales.
- La validación y verificación de un sistema difuso basado en el conocimiento requiere pruebas exhaustivas con hardware.
- Establecer reglas precisas y difusas, así como funciones de membresía, puede ser una tarea difícil.
- Algunos aspectos de la lógica difusa pueden ser confundidos con la teoría de la probabilidad y los términos relacionados.
Resumen:
- El término «borroso» se refiere a cosas que son poco claras o vagas.
- El concepto de «lógica difusa» fue acuñado por primera vez en 1965 por Lotfi Zadeh, un profesor de la Universidad de California en Berkeley.
- La lógica difusa es una técnica flexible y fácil de implementar en el aprendizaje automático.
- Es importante no utilizar la lógica difusa cuando se puede aplicar el sentido común.
- La arquitectura de la lógica difusa consta de cuatro partes principales: la base de reglas, la fuzzificación, el motor de inferencia y la defuzzificación.
- La lógica difusa se basa en grados de verdad para modelar la vaguedad, mientras que la probabilidad es un modelo matemático de la incertidumbre.
- Un conjunto nítido tiene límites claros de verdadero o falso, mientras que un conjunto borroso tiene un grado de pertenencia.
- Los conjuntos clásicos se utilizan ampliamente en el diseño de sistemas digitales, mientras que los conjuntos borrosos se utilizan principalmente en controladores difusos.
- La lógica difusa encuentra aplicaciones en diversas áreas, como transmisión automática, gestión del estado físico, sistemas de diagnóstico de golf, lavavajillas y fotocopiadoras.
- En Soft Computing, la lógica difusa se utiliza para controlar máquinas y productos de consumo.
lecciones anteriores:
- LECCION 1) ¿Qué es la Inteligencia Artificial? Introducción, Historia y Tipos de IA
- LECCION 2) Sistema Experto en IA: Aprende con Ejemplos
- LECCION 3) Aprendizaje Automático para Principiantes: Conceptos Básicos de ML
- LECCION 4) Matriz de Confusión en el Aprendizaje Automático: Aprende con Ejemplos
- LECCION 5 ) Aprendizaje Profundo para Principiantes: Proceso y Tipos
- LECCION 6 ) Aprendizaje Automático Supervisado: Algoritmos con Ejemplos
- LECCION 7) Aprendizaje Automático No Supervisado: Algoritmos, Tipos con Ejemplo
- LECCION 8) Red Neuronal de Retropropagación: Cómo Funciona el Algoritmo de Retropropagación
- LECCION 9) Aprendizaje por Refuerzo: Algoritmos, Tipos y Ejemplos
siguiente lección:
LECCION 11) Aplicaciones de la IA: 13 Ejemplos de IA que Debes Conocer y sus Diferencias
