Lgica Difusa

1999

Lgica Difusa
L. Zadeh [1979]
La idea principal es representar la incertidumbre contenida
en proposiciones como:

X es Y
Jordi es alto
Mediante una distribucin de valores y el razonar sobre la
combinacin de los valores.

[x es A] x U, A es un trmino lingstico aplicable a x

2

Lgica Difusa
[x es A] x U, A es un trmino lingstico aplicable a x
A: U

[0,1] tal que A(u) =u)

Funcin caracterstica
A: Asigna a cada u U la posibilidad que tiene x
de tomar el valor u dado que [x es A]
1
Alto
0

170

180

Lgica Difusa
Representacin

(temperatura)

fiebre

an-1
a2
a1
a0

00

Fiebre= Type: Fuzzy (37,38,43,43)

Relation: needs_quantitative temperature

370

380

430

temperatura

Conjunto difuso que representa el concepto fiebre.

4

Lgica Difusa
Representacin

(temperatura)

fiebre

an-1
a2
a1
a0

Fiebre= Type: (l low (37,37.3,37.6,38),

(m medium (37.6,38, 38.5,39),
(h high (38.5,39,43,43))
Relation: needs_quantitative temperature

low

00

370

medium

380

high

390

430

temperatura

Conjuntos difusos que representan el concepto fiebre

5

Lgica Difusa
Operaciones
Si F=[x es A] y G=[x es B] con distribuciones de posibilidad
A y B definidas en U
F G = [x es A y B]
F G = [x es A B]
F = [x no es A]
AB(u) = T(A(u) ,B(u)) T-norma (Conjuncin)
A B(u) = S(A(u) ,B(u)) S-norma (Disyuncin)
A(u) = N(A(u))
N
(Negacin)
6

Lgica Difusa
T-normas
T:[0,1] x [0,1]

[0,1]

Propiedades
a) T(0,0)

= 0

b) T(p,q)

= T(q,p)

conmutatividad

c) T(p,T(q,r)) = T(T(p,q),r)

asociatividad

d) T(1,p)

= T(p,1)

=p

e) T(p,q)

r,s si p r y q s monotona 7

Lgica Difusa
T-conormas
S:[0,1] x [0,1]

[0,1]

Propiedades
a) S(1,1)

= 1

b) S(p,q)

= S(q,p)

conmutatividad

c) S(p,S(q,r)) = S(S(p,q),r)

asociatividad

d) S(1,p)

= S(p,1)

= 1

e) S(p,q)

Sr,s si p r y q s monotona

Lgica Difusa
T-normas y T-conormas
a) T(x,y) = min(x,y)

S(x,y) = max(x,y)

b) T(x,y) = xy/(x+y-xy)

S(x,y) = (x+y -2xy)/(1-xy)

c) T(x,y) = xy

S(x,y) = x+y - xy
9

Reglas de produccin
R = Si [x es A] U entonces [y es B] V
La incertidumbre de R est representada por una
relacin difusa H en UxV
H(A,B)(u,v) = I(A(u) ,B(v))
donde
I:[0,1] x [0,1]

[0,1]

I: es decreciente respecto a u y creciente con v

I(0,x) = 1
I(1,x) = x
I(x, I(y,z)) = I(y, I(x,z))

10

Implicaciones difusas
SImplicaciones
Si se interpreta la implicacin como a b
usando la negacin ab
tenemos que
Is(p,q) = S(N(p),q)
donde S es una T-conorma y N una negacin fuerte

11

Implicaciones difusas(2)
R-implicaciones
Ir(p,q) = T(p,q)
T(p,q) = SUP c [0,1]/T(p,c) q

12

Modus Ponens
MILORD
T(x,y) = min(x,y),

S(x,y) = max(x,y),

N(x) = 1-x

Is(x,y) = S(N(x),y)= max(1-x,y)

Ir(x,y) = 1 si x>y, y en otro caso
MI(x,y)= 0 si y 1-x, y en otro caso

13

Modus Ponens
MILORD
Ejemplo

Si [x es A]

[y es B] es

[x es A] es
[y es B] es
(y)= SUP I(x,y)=z MI((), (z))

14

MILORDII
MILORD [Sierra89]
Objetivo: Lenguaje de desarrollo de sistemas expertos
Requerimientos:
* Estructuracin de problemas
* Reusabilidad
* Programacin Incremental
* Modelo para el conocimiento imperfecto
Incertidumbre
Imprecisin

15

MILORDII
* Conducta cooperativa e informativa
* Validacin incremental
* Buena iteraccin con el usuario
* Razonamiento Complejo
MILORDII [Puyol, 94]

16

Incertidumbre en MilordII
La capacidad de razonamiento aproximado de Milord II est basado
una familia de lgicas multivaluadas (con un nmero finito de
valores) que son locales a cada mdulo y estn definidas como un
lgebra de valores de verdad.
La lgica local a un mdulo consta de las siguientes declaraciones:
Un conjunto ordenado de trminos lingsticos que representan los
grados de verosimilitud entre T y F
Un operador de conjuncin

17

Valores de verdad
(Truth-value)
AnT={An, Nn, T, IT}
0=a1< a2 << an< 1

Nn(ai)=a n-i+1
Si a<bn(a)>Nn(b)
N2n=Id

IT(a,b)= max{cAn ba,c)}

T(a,b) = T(b,a)
T(a,T(b,c)) = T(T(a,b),c))
T(0,a) = 0
T(1,a) = a
Si ba T(b,c) T(a,c) c
Modus ponens

18

MILORDII
Modus Ponens
MPT es una funcin An X An An
conjunto de intervalos

MPT

0 si c IT(a,c)=b
[a,1]

si b=1

T(a,b)

en otro caso

19

MILORDII
Modus Ponens
IT(a,b) =max{c An T(a,c) b}
I1 : IT (a,b) = 1 sii a b
I2 : IT (1,a) = a
I3 : IT (a, IT(b,c)) = IT (b, IT(a,c))
I4 : Si a b IT(a,c) IT(b,c) IT(c,a) IT(c,b) c
I5 : IT (T(a,b),c) = IT(a, IT(b,c))

20

MILORDII
Modus Ponens

(p)= a

MPT (a,b)

(pq) = IT((p), (q))=b

El MPT (a,b) es el conjunto de soluciones para (q)

y es la evaluacin de las proposiciones.

21

Modus ponens
false

unlikely maybe likely

true

false

unlikely

false

[f, t]

maybe

false

unlikely

[unlikely, t]

likely

false

unlikely

maybe

[likely, t]

true

false

unlikely maybe likely

[t, t]

MPTs5 (x,y)
Ejemplo: si p=likely y p q= true
MPTs5 (likely,true) = true

22

Terap-IA

23

Bibliografa
* Puyol, J. Modularization, Uncertainty, Reflective Control and
Deduction by Specialization in MILORDII, a Language for
Knowledge-Based Systems. Tesis Doctoral. Universitat Autnoma
de Barcelona. 1994.
* Sierra, C. MILORD: Arquitectura Multi-nivell per a sistemes
experts en classificaci Tesis Doctoral. Departament de Llenguatges
i Sistemes Informtics. Universitat Politcnica de Catalunya. 1989.

24