Introduccin a la Lgica Difusa

Variables Lingisticas y Lgica Difusa

Mg. Samuel Oporto Daz

Lima, 1 Octubre 2005

Tabla de Contenido

Variables Linguisticas
Modificadores Linguisticos
Reglas Difusas IF-THEN
Interpretacin de las reglas difusas IF-THEN

2 /60

Mapa Conceptual del Curso

Introduccin a la
Lgica Difusa

Conjuntos
Difusos

Operaciones
Difusas

Lgica Difusa

Inferencia Difusa

Fusificadores y
Defusificadores

Conjuntos
Difusos y
Clsicos

Operaciones con
Conjuntos
Difusos

Variables
Lingsticas

Reglas de
Inferencia
Difusas

Fusificadores y
Defusificadores

Funciones de
membresa

Relaciones en
Conjuntos
Difusos

Lgica Clsica y
Lgica Difusa

Inferencia
Difusas

Principio de
Extensin
3 /60

VARIABLES LINGISTICAS

4 /60

Variables Lingisticas
Es una variable cuyos posibles valores son palabras y
pueden ser representados mediante conjuntos difusos.
Permite describir el estado de un objeto o fenmeno.
Para ello usamos una variable cuyo valor hace la
descripcin.
Una variable lingstica admite que sus valores sean
Etiquetas Lingsticas, que son trminos lingsticos
definidos como conjuntos difusos (sobre cierto dominio
subyacente).

5 /60

Variables Lingisticas
Una variable numrica toma valores numricos
Edad = 65
Una variable lingstica toma valores linguisticos:
Edad es viejo
Un valor linguistico es un conjunto difuso
Todos los valores linguisticos forman un conjunto de
trminos o etiquetas.
T(age) = {young, not young, very young, middle aged, not
middle aged, old, not old, very old, more or less old, not
very young and not very old, ...}
6 /60

Ejemplos
Variable lingstica edad:
Valores lingsticos: Joven, Mediana Edad y Viejo
Admite valores numricos: nmeros reales en [0, Emax]
Se pueden proyectar los valores lingsticos sobre el intervalo:
[0, Emax] mediante funciones de pertenencia.

7 /60

Ejemplos
Variable lingstica temperatura:
Valores lingsticos: Muy Frio, Frio, Templado, Caliente, Muy
Caliente.
Admite valores numricos: nmeros reales en [Tmin, Tmax]
Se pueden proyectar los valores lingsticos sobre el intervalo:
[Tmin, Tmax] mediante funciones de pertenencia.

8 /60

Dominio Subyacente
El dominio subyacente es el dominio numrico, en nuestros
dos ejemplos la edad y la temperatura.
Un valor concreto, crisp (25C, por ejemplo):
Es ms especfico que una etiqueta lingstica.
Es un punto del conjunto, mientras que una etiqueta lingstica
es una coleccin de puntos (temperaturas posibles).

Existen variables cuya definicin es ms compleja porque

se mueven en dominios subyacentes poco claros y no
es natural trasladarlos a valores numricos, por ejemplos:
Limpieza, Sabidura, Verdor...

9 /60

Utilidad de las VL
Es una forma de comprimir
granulacin (granulation):

informacin

llamada

1. Una etiqueta incluye muchos valores posibles.

2. Ayuda a caracterizar fenmenos que o estn mal definidos o son
complejos de definir o ambas cosas.
3. Es un medio de trasladar conceptos o descripciones lingsticas a
descripciones
numricas
que
pueden
ser
tratadas
automticamente (Relaciona o traduce el proceso simblico a
proceso numrico).
4. Usando el principio de extensin, muchas herramientas ya
existentes pueden ser extendidas para manejar variables
lingsticas, obteniendo las ventajas de la lgica difusa en gran
cantidad de aplicaciones.

10 /60

Definicin formal
Una Variable Lingstica es un conjunto de 5 elementos:
<N, U, T(N), G, M>
N
U
T(N)
G
M

es el nombre de la variable.
es el dominio subyacente.
es el conjunto de trminos o etiquetas que puede tomar N.
es una gramtica para generar las etiquetas de T(N):
muy alto, no muy bajo, normal, bajo y normal.
es una regla semntica que asocia cada elemento de T(N) con un
conjunto difuso en U de entre todos los posibles:
M: T(N) F (U)

11 /60

Funciones de Membresa

gbellmf ( x; a, b, c)
1

gaussmf ( x; a, b, c) e

xc
b

1 x c

2b

x a d x
trapmf ( x; a, b, c, d ) max min
,1,

b a d c

x a c x
trimf ( x; a, b, c) max min
,

a
c b

, 0

, 0

12 /60

Granularidad
Es el nmero de valores que se definen para una variable
linguistica
Normalmente se usa un conjunto pequeo de valores para
una variable lingstica.
Granularidad fina (fine):
Define un gran nmero de valores para una
variable lingstica.
Granularidad gruesa (coarse):
Define un pequeo nmero de valores.

13 /60

Ejercicio 1
Disee las funciones de membresia para modelar las
siguientes variables lingisticas, indique las etiquetas que
puede tomar:

Intensidad de pixel en una imagen de 8 bits.

Grado de conocimiento del profesor en la materia.
Grado de aprendizaje del alumno en la materia.
Grado de avance en el proyecto final del curso KDD.

Indique y especifique las funciones de membresa para

cada caso.

14 /60

MODIFICADORES
LINGUISTICOS

15 /60

Modificadores Lenguisticos
Los valores de una variable lingstica pueden ser:
Primarios
Compuestos
Los valores primarios son los valores inicialmente definidos
Un valor compuesto se obtiene anteponiendo a un valor
primario modificadores linguisticos como MUY, NO, MAS
O MENOS, ..., o combinando valores primarios mediante
conectivos lgicos AND, OR, NOT.

16 /60

Modificadores Linguisticos
Cada modificador (hedge) es un operador H que transforma
el conjunto difuso del trmino primario L al que afecta en
otro conjunto difuso:
Modificadores Linguisticos:
1. Concentracin.
2. Dilatacin.
3. Intensificacin del contraste.
4. Difuminacin.

Operadores Lgicos:
1. NOT
2. AND
3. OR

17 /60

1. Concentracin
Se elevar la funcin de membresa primara a un valor p,
dado que p > 1.

MAS
MAS F (u) = (F (u) )1.5
MUY
MUY F (u) = (F (u) )2

18 /60

2. Dilatacin
Es la raiz n-sima o elevar p, tal que p [0, 1]

MAS O MENOS
MASOMENOS F (u) = (F (u) )0.5
MENOS
MENOS F (u) = (F (u) )0.75
POCO
POCO F (u) = (F (u) )0.75
19 /60

3. Intensificacin
Disminuir valores menores que 0.5 y aumentar los
mayores.

ESPECIALMENTE
ESPECIALMENTE F (u) =
BASTANTE CERCA DE
BASTANTE CERCA DE F (u) =

20 /60

4. Difuminacin
Aumentar valores menoras que 0.5 y disminuir los
mayores.

CERCA DE
CERCA DE F (u) =
CASI
CASI F (u) =

21 /60

Operadores Lgicos
Combinar valores
mediante conectivos
lgicos:
AND: t-norma (min)
OR : t-conorma (max)
NOT: complemento

22 /60

Modificadores Linguisticos

23 /60

Ejercicio 2
Sea U = {1,2,,5} y el conjunto difuso pequeo definido
como:
pequeo = {1/1 + 0.8/2 + 0.6/3 + 0.4/4 + 0.2/5}
Calcular:
Muy pequeo
={
Muy muy pequeo
={
Ms o menos pequeo ={

/1 +
/1 +
/1 +

/2 +
/2 +
/2 +

/3 +
/3 +
/3 +

/4 +
/4 +
/4 +

/5}
/5}
/5}

24 /60

Ejercicio 3
Considere la variable lingstica viejo, dado que la
variables est definida por:

Determine la funcin de membresa de los terminos:

No muy viejo
=
Mas o menos viejo =
Muy Viejo
=
25 /60

REGLAS DIFUSAS IF-THEN

26 /60

Reglas IF - THEN difusas

Una parte del conocimiento humano es representado en
terminos de reglas IF THEN clsicas.
Este conocimiento tambin se puede hacer representar
mediante reglas IF - THEN difusas.
Una regla IF THEN difusa es una sentencia condicional
expresada como:

IF <proposicin difusa> THEN <proposicin difusa>

27 /60

Proposicin Difusa
Existen dos tipos de proposiciones difusas:
Proposiciones difusas atomica.
Proposiciones difusas compuesta.
Una proposiciones difusas es una sentencia simple.

x es A, x es una variable lingstica y A es una

conjunto difuso

28 /60

Proposicin Difusa
Una propisicin difusa compuesta es una composicin de
proposiciones atomicas usando los conectivos AND, OR y
NOT.
y es L y x es F, las variables linguisticas por lo general no
son las mismas.
Las proposiciones difusas compuestas pueden ser
entendidas como relaciones difusas y las Funciones de
Membresa de las relaciones difusas son calculadas
usando t-normas, s-normas y complementos.

29 /60

Conectivos AND y OR
Use la intercepcin difusa para el conectivo AND
y es B y x es A, es interpretado como la relacin difusa:
A B in U x V con funciones de membresa.

Use la unin difusa para el conectivo OR

y es B o x es A, es interpretado como la relacin difusa:
A U B in U x V con funciones de membresa.

30 /60

Conectivo NOT
Use el complemento difuso para el conectivo NOT
Sea la proposicin difusa:
FP = (x es S y x es not F) o x es M
Entonces se puede disear una relacin difusa con la
siguiente funcin de membresa:

31 /60

INTERPRETACION DE LA
REGLA DIFUSA IF-THEN

32 /60

Cuantificacin de la Verdad
Obtener un conjunto difuso A tal que:

X es Ai es equivalente a i = X es A.
El ti acta como una restriccin elstica: A(x) = ti (Ai (x)) x X
A(x) = Verdad (Ai (x)) = Ai (x); A(x) = Muy_Verdad (Ai (x)) = A2i (x);
A(x) = Falso (Ai (x)) = 1Ai (x); A(x) = Ms o menos (Ai (x)) =A0.5i (x);

Si ti = Falso, se est afirmando el hecho contrario. Por eso, podemos

definir ti= Totalmente_Falso que toma el grado 0 en todo su universo
[0,1], excepto para el valor 0, que toma grado 1.
33 /60

Interpretacin de la regla difusa IF-THEN

Formato General:
IF x es A entonces y es B

If x es A then y es B.
antecedente
o
premisa

consecuente
o
conclusin

34 /60

Ejemplos
Si la presin es alta, entonces el volumen es pequeo.
Si el camino es deslizadizo, entonces el conducir es
peligroso.
Si un tomate es rojo, entonces es maduro.
Si la velocidad es alta, entonces aplique un pequeo freno.

if pressure es high, then volume es small.

if the road es slippery, then driving es dangerous.
if a tomato es red, then it es ripe.
if the speed es high, then apply the brake a little.

35 /60

Ejercicio 4
Disee 5 nuevas reglas difusas en los que los dominios
subyacentes sean diferentes.

36 /60

IF p THEN q
En el clculo proposicional clsico (lgica clsica), la
expresin IF p THEN q es escrito como p q donde la
implicacin es definida mediante la siguiente tabla.
p

pq

A B If x es A then y es B
37 /60

IF p THEN q
Aqu pq es equivalent a (p V q) y a (pq)Vp,
donde los simbolos representan operaciones logicas
clsicas.
Las reglas difusas IF-THEN son formadas reemplazando
los operadores clasicos por sus correspondientes
operadores difusos.
Debido al nmero de operadores t-norma, s-norma y
complemento existen varias interpretaciones de reglas
difusas IF-THEN.

38 /60

Reglas Difusas como Relaciones

A B If x is A then y is B.
R

R x, y A B x , y
Depende de como se
interprete A
B

Una regla difusa puede ser

definida como una relacin
binaria con la siguiente
funcin de membresa.

39 /60

Implicaciones Conocidas

Implicacin Dienes-Rescher
Implicacin Lakasiewics
Implicacin Zadeh
Implicacin Godel
Implicacin Mandani

40 /60

Implicacin Dienes-Rescher

41 /60

Implicacin Lakasiewics

42 /60

Implicacin Zadeh

43 /60

Implicacin Godel

44 /60

Interpretacin de reglas difusas IF-THEN

Qu criterio escogemos para combinar los operadores
difusos t-norma, s-norma y complemento?
Son (p V q) y (pq)Vp an equivalentes a pq
cuando p y q son proposiciones difusas?
Cuando p y q son proposiciones CRISP, pq es una
implicacin global.
Cuando p y q son proposiciones DIFUSAS, pq es una
implicacin local en el sentido que pq tiene un valor de
verdad grande unicamente cuando p y q tienen valores de
verdad grandes.
En terminos lgicos la regla se convierte en pq p q
45 /60

Implicacin Mandani

46 /60

Interpretacin de reglas difusas IF-THEN

Existen dos vas para interpretar

if x es A then y es B

A acoplado con B

AB

A vinculado con B

-B

B
-B

x
A

x
A

x
47 /60

Implicacin difusa

48 /60

Implificacin difusa

49 /60

Ejemplo
Sea x1 la velocidad de un carro, x2 la aceleracin e y la
fuerza aplicada al acelerador.
Usando el producto algebraico para la t-norma en la
primera proposicin y la implicacin Dienes-Rescher,
encuentre la funcin de membresa de la siguiente regla
difusa:
IF x1 es slow y x2 es small THEN y es large

50 /60

Ejemplo
Las funciones de membresa de los conjuntos difusos son:

51 /60

Ejemplo
Los dominios de x1, x2 e y son U1 = [0, 100], U2 = [0, 30] y
V = [0, 3].
Usando el producto algebraico para la t-norma de:
FP1 = x1 es slow y x2 es small

52 /60

Ejemplo
Para la implicacin Dianes-Reschr la regla es interpretada
como una regla difusa con funcin de membresa.

53 /60

Ejemplo
El ultimo paso es convinar los resultados previo con

54 /60

Ejemplo
La funcin de membresia es:

55 /60

Ejercicio 5

56 /60

Ejercicio 6

57 /60

PREGUNTAS

58 /60