LEIDY CAROLINA BUSTOS
LUIS DANIEL LOPEZ
lunes, 11 de abril de 2011
Aspectos Para un Diseñar un Sistema de Logica Difusa
- Identificar las Entradas y Salidas, asi como sus rangos de Variacion.
- Especificar las funciones de Membresia para cada entrada y para cada salida.
- Construir la Estructura de reglas bajo las cuales el sistema debe operar.
- Evaluar cada regla y determinar el valor de la salida para cada entrada.
Centroide y Sus Caracteristicas
CENTROIDES
El centroide es un punto que define el centro geométrico de un objeto. Su localización puede determinarse a partir de formulas semejantes a las utilizadas para determinar el centro de gravedad o el centro de masa del cuerpo, el centroide nos ayuda a encontrar el punto en el que se concentra las fuerzas que actúan sobre una figura irregular, o figuras geométricas no muy conocidas, por ejemplo el centroide nos ayudaría a encontrar el punto en el que se concentran las fuerzas de un puente.
Operaciones de La Logica Difusa
INTERSECCIÓN (AND)
•µC (x) = min( µA (x), µB (x) ) = µA (x) Ç µB (x)
UNION (OR)
•µC (x) = max( µA (x), µB (x) ) = µA (x) È µB (x)
COMPLEMENTO (NOT)
•µÃ (x) = 1 - µA (x)
Funciones De Membresia
| Funcion de Membresia |
| La teoría de conjuntos difusos contempla la pertenencia parcial de un elemento a un conjunto. Este grado de pertenencia se define mediante una función característica asociada al conjunto difuso, llamada Función de Membresía. |
| Funciones de Membresia mas Usadas |
| Funcion de Membresia Triangular |
| Funcion de Membresia Trapezoidal |
| Funcion de Membresia Gaussiana |
| Funcion de Membresia de Campana de Bell |
Logica Difusa y Redes Neuronales en el Conocimiento
Aplicaciones de Redes Neuronales
En la Modelización del tratamiento térmico de Alimentos.
Aplicación de las Redes Neuronales Artificiales para la Ingeniería del tráfico de Internet.
Aplicación de las Redes Neuronales en la Bibliometria.
En la Reconstruccion tridimensional de Objetos.
En la Robotica con inteligencia Artificial.
Aplicación de Logica Difusa
Control de Sistemas como el control del trafico, control de vehículos, control de compuertas en las plantas hidroeléctricas, centrales térmicas, control de maquinas de lavado.
Aplicación en la Ingenieria Grafica.
Ingeniería Eléctrica de la Universidad Nacional de
Colombia se ha elaborado una herramienta para al análisis, diseño,
simulación e implementación de Sistemas de Lógica Difusa; este software se
ha denominado UNFUZZY10, y está disponible en Internet11.
En la Modelización del tratamiento térmico de Alimentos.
Aplicación de las Redes Neuronales Artificiales para la Ingeniería del tráfico de Internet.
Aplicación de las Redes Neuronales en la Bibliometria.
En la Reconstruccion tridimensional de Objetos.
En la Robotica con inteligencia Artificial.
Aplicación de Logica Difusa
Control de Sistemas como el control del trafico, control de vehículos, control de compuertas en las plantas hidroeléctricas, centrales térmicas, control de maquinas de lavado.
Aplicación en la Ingenieria Grafica.
Ingeniería Eléctrica de la Universidad Nacional de
Colombia se ha elaborado una herramienta para al análisis, diseño,
simulación e implementación de Sistemas de Lógica Difusa; este software se
ha denominado UNFUZZY10, y está disponible en Internet11.
domingo, 10 de abril de 2011
Logica Simbolica Vs Logica Difusa
La logica difusa es un metodo de razonamiento estadistico que permite especificar los problemas de control del mundo real en terminos probabilisticos, sin necesidad de recurrir a modelos matematicos y cdon un nivel de abstraccion mucho mas elevado.
Se diferencia de la logica simbolica o convencional que utiliza conceptos absolutos para referirse a una realidad, la logica difusa la define en grados variables de pertenencia a los mismos, siguiendo patrines de razonamiento similares a los del pensamiento humano.
Se diferencia de la logica simbolica o convencional que utiliza conceptos absolutos para referirse a una realidad, la logica difusa la define en grados variables de pertenencia a los mismos, siguiendo patrines de razonamiento similares a los del pensamiento humano.
Algoritmo de Entrenamiento de REdes Neuronales
Este es un metodo implementado actualmente
El método propuesto consiste en una adaptación del algoritmo genético
canónico. Se estudiará la manera de adaptar distintas variantes de los
operadores clásicos para poder utilizar a los algoritmos genéticos como método
de entrenamiento de redes neuronales.
Cada individuo (cromosoma) de la población se definirá como una cadena
binaria. La longitud de dicha cadena dependerá de la topología de la red.
Dentro del cromosoma cada peso de la red neuronal estará representado por
32 bits consecutivos. Así, la cantidad de genes dentro del cromosoma será
proporcional a la cantidad de pesos (y umbrales) que tenga la red.
A lo largo de este capítulo se utilizará indistintamente el término peso y gen
para facilitar la explicación de los distintos operadores. Sin embargo, es
importante destacar que 32 genes serán la representación en el genotipo de un
peso sináptico, existiendo una función que transforma un conjunto de 32 bits en
el peso sináptico que representa (y viceversa).
Fenomeno de Conducción Electrica o SINAPSIS
Es una unión intercelular especializada entre neuronas. En estos contactos se lleva a cabo la transmisión del impulso nervioso. Éste se inicia con una descarga química que origina una corriente eléctrica en la membrana de la célula presináptica (célula emisora); una vez que este impulso nervioso alcanza el extremo del axón (la conexión con la otra célula), la propia neurona segrega un tipo de proteínas (neurotransmisores) que se depositan en el espacio sináptico (espacio intermedio entre esta neurona transmisora y la neurona postsináptica o receptora). Estas proteínas segregadas o neurotransmisores (noradrenalina y acetilcolina) son los encargados de excitar o inhibir la acción de la otra neurona.
Neurona Biologica Vs Neurona Artificial
Semejanzas
 |
| Red Neuronal Biologica |
 |
| Red Neuronal Artificial |
- Manejan las mismas Partes y componentes
- Asimilan los mismos Procesos.
- Van coordinadas las partes de forma tal que hagan cada proceso en la misma secuencia.
- La Artificial es mediante programación y su area de investigación es en los computadores
- La Biologica es subre el estudio del cerebro y la parte logica de este.
Diferencias y Semejanzas Red Neuronal - Sistema Experto - Programa de Computadora
Semejanzas Red Neuronal - Sistema Experto
Los Dos manejan sistemas de analisis
Diferencias Red Neuronal - Sistema Experto
El Sistema Experto en su planteamiento llega a ser difuso y complejo de analizar, mientras que la red neuronal es mas analitica y puede llegar a percatarse mejor de posibles problemas mas detallados.
Semejanzas Red Neuronal - Programa de Computador
Los dos sistemas presentan un gran procesamiento de analisis, los dos presentan mayor comprension y detalle de pequeños problemas.
Diferencias Red Neuronal - Programa de Computador
El Computador llega a ser mas preciso y mas agil en el procesamiento de Informacion pero solo puede analizar por medio de sus software instalados, mientras que la red neuronal todo el tiempo esta aprendiendo y simulando mejor los problemas.
Los Dos manejan sistemas de analisis
Diferencias Red Neuronal - Sistema Experto
El Sistema Experto en su planteamiento llega a ser difuso y complejo de analizar, mientras que la red neuronal es mas analitica y puede llegar a percatarse mejor de posibles problemas mas detallados.
Semejanzas Red Neuronal - Programa de Computador
Los dos sistemas presentan un gran procesamiento de analisis, los dos presentan mayor comprension y detalle de pequeños problemas.
Diferencias Red Neuronal - Programa de Computador
El Computador llega a ser mas preciso y mas agil en el procesamiento de Informacion pero solo puede analizar por medio de sus software instalados, mientras que la red neuronal todo el tiempo esta aprendiendo y simulando mejor los problemas.
Suscribirse a:
Entradas (Atom)