Capa 0: Entradas (Perturbacin 5%)

x=[ x 1 , , x n , x 1 , , x n ]

Capa 1: Pesos Difusos Tipo 2 por Intervalo

~
w=[ w , w ]

[ w , w ] son los pesos de los consecuentes de cada regla de un sistema

donde

difusos tipo 2 con entradas (Peso difuso actual, cambio de peso) y salida
(nuevo peso difuso ).

Capa 2: Neurona para pesos difusos tipo 2 por intervalo

n

[ x i , x i ] [ wi , wi ]
i=1

Dividiendo cada clculo en la neurona en Net , Net .

n

Net= xi ( wi )
i=1

Net= xi ( wi )
i=1

Manteniendo los Switch Points (k) y los conjuntos de disparo de las reglas
f h= [ f h , f h ]

forma:

de los pesos difusos tipo 2 se realiza el clculo de la siguiente

Net= xi
i=1

( )
( )
whi f hi
h=1
N

f hi

donde

f h= f h , h k
f , h> k

donde

f h= f h , h k
f , h> k

h=1

Net= xi
i=1

whi f hi
h=1
N

f
h=1

h
i

Aplicando la funcin de activacin sigmoidal en las neuronas de capas

ocultas, quedando de la siguiente forma:
Funcin sigmoidal para neuronas en capa oculta:
y i=

1
1+ eNet

y i=

1
1+ eNet

Capa 3: Neuronas de salida para pesos difusos tipo 2 por intervalo

n

[ y i , y i ][ wi , wi ]
i=1

Dividiendo cada clculo en la neurona en Out ,Out .

n

Out= y i ( wi )
i=1

Out= y i ( wi )
i=1

Manteniendo los switch points (k) y los conjuntos de disparo de las reglas
f h= [ f h , f h ]

forma:

de los pesos difusos tipo 2 se realiza el clculo de la siguiente

Out= y i
i=1

( )
( )
whi f hi
h=1
N

f hi

donde

f h= f h , h k
f , h> k

donde

f h= f h , h k
f , h> k

h=1

Out= y i
i=1

whi f hi
h=1
N

f
h=1

h
i

Aplicando la funcin de activacin lineal en las neuronas de capa de salida,

quedando de la siguiente forma
Funcin lineal para neuronas en capa de salida:
y=Out

y=Out

Capa 4: Promediar para obtener una sola salida.

y=

y+ y
2

Lineal

purelin

Sigmoidal Logartmico

logsig

Tangente Sigmoidal Hiperblica

tansig