LógicaDifusa Fuzzyx

Lógica Difusa
2000
LÓGICA DIFUSA
16/08/08 1
La manipulación del conocimiento incierto
 Falta de tiempo: requiere mucho trabajo completar la

lista de todos los posible antecedentes y/o
consecuentes para asegurar que la cobertura del
dominio es total.
 Ignorancia teórica: En general, no existen dominios

donde el corpus de conocimiento sea completo
LÓGICA DIFUSA
 Ignorancia práctica: Aún cuando se conozcan todas

las reglas la incertidumbre contenida en la información
proveniente de los sensores suele ser alta.
16/08/08 ia@lsi.upc.es 2
Propiedades de la Lógica
Razonamiento Aproximado
 Monotonicidad
 Localidad. En un sistema lógico, siempre que

tenemos una regla AB, es posible concluir B dada la
evidencia de A. En los sistemas probabilísticos es
necesario considerar todas las fuentes de evidencia.
Separabilidad. Una vez determinado el valor de B es

LÓGICA DIFUSA

posible usarlo sin importar como fue derivado.
 Verosimilitud. En los sistemas lógicos las

proposiciones son calculadas usando componentes.
Las probabilidades no funcionan así.
Lógica Difusa
L. Zadeh [1979]
La idea principal es representar la incertidumbre contenida

en proposiciones como:
X es Y
Jordi es alto
LÓGICA DIFUSA
Mediante una distribución de valores y el razonar sobre la

combinación de los valores.
[x es A]  x ∈ U, A es un término lingüístico aplicable a x
Lógica Difusa
[x es A]  x ∈ U, A es un término lingüístico aplicable a x
ΠA: U [0,1] tal que ΠA(u) = µΑ(u)
µΑ: Función característica
ΠA: Asigna a cada u ∈ U la posibilidad que tiene x

de tomar el valor u dado que [x es A]
LÓGICA DIFUSA
Alto
0
170 180 cms
Lógica Difusa
Representación
Fiebre= Type: Fuzzy (37,38,43,43)
µ (temperatura)
fiebre
Relation: needs_quantitative temperature
an-1
a2
a1
LÓGICA DIFUSA
a0
00 370 380 430 temperatura
Conjunto difuso que representa el concepto fiebre.
Lógica Difusa
Representación
Fiebre= Type: (l “low” (37,37.3,37.6,38),
(m “medium” (37.6,38, 38.5,39),
µ (temperatura) (h “high” (38.5,39,43,43))
Relation: needs_quantitative temperature
fiebre
µlow µ medium µ high

an-1
a2
a1
LÓGICA DIFUSA
a0
00 370 380 390 430 temperatura
Conjuntos difusos que representan el concepto fiebre

Lógica Difusa
Operaciones
Si F=[x es A] y G=[x es B] con distribuciones de posibilidad

ΠA y ΠB definidas en U
F ∧ G = [x es A y B]
F ∨ G = [x es A ó B]
¬F = [x no es A]
LÓGICA DIFUSA
ΠA∧B(u) = T(ΠA(u) ,ΠB(u)) T-norma (Conjunción)

ΠA∨ B(u) = S(ΠA(u) ,ΠB(u)) S-norma (Disyunción)
Π¬ A(u) = N(ΠA(u)) N (Negación)
Lógica 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

LÓGICA DIFUSA
c) T(p,T(q,r)) = T(T(p,q),r) asociatividad
d) T(1,p) = T(p,1) =p
e) T(p,q) ≤ Τ(r,s) si p ≤ r y q ≤ s monotonía

Lógica 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

LÓGICA DIFUSA
c) S(p,S(q,r)) = S(S(p,q),r) asociatividad
d) S(1,p) = S(p,1) = 1
e) S(p,q) ≤ S(r,s) si p ≤ r y q ≤ s monotonía

Lógica 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)

LÓGICA DIFUSA
c) T(x,y) = xy S(x,y) = x+y - xy
Reglas de producción
R = Si [x es A] ∈ U entonces [y es B] ∈ V
La incertidumbre de R está representada por una

relación difusa H en UxV
H(A,B)(u,v) = I(ΠA(u) ,ΠB(v))

donde
I:[0,1] x [0,1] [0,1]
LÓGICA DIFUSA
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))
Implicaciones difusas
S-
Implicaciones
Si se interpreta la implicación como a → b
usando la negación ¬a∨b
tenemos que
Is(p,q) = S(N(p),q)
LÓGICA DIFUSA
donde S es una T-conorma y N una negación

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

LÓGICA DIFUSA
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

LÓGICA DIFUSA
MI(x,y)= 0 si y≥ 1-x, y en otro caso
Modus Ponens
MILORD
Ejemplo
• Si [x es A] [y es B] es µ
• [x es A] es τ
LÓGICA DIFUSA
[y es B] es ν
ν(y)= SUP I(x,y)=z MI(τ(ν), µ(z))
MILORD [Sierra89]
Objetivo: Lenguaje de desarrollo de sistemas expertos
Requerimientos:
* Estructuración de problemas
* Reusabilidad
LÓGICA DIFUSA
* Programación Incremental
* Modelo para el conocimiento imperfecto

Incertidumbre
Imprecisión
MILORDII
* Conducta cooperativa e informativa
* Validación incremental
* Buena interacción con el usuario

LÓGICA DIFUSA
* Razonamiento Complejo
MILORDII [Puyol, 94]
De MILORD a MILORDII
Milord MilordII
Estructura Arquitectura Modularidad + Control

Multinivel Local
Control Metareglas Metareglas de primer
proposicionales orden
Incertidumbre Etiquetas Intervalos de etiquetas
lingüísticas lingüísticas
Lógica Lógica Lógica local a cada
LÓGICA DIFUSA
preestablecida módulo
Motor de Backward y/o Especializado
Inferencias Forward
Comunicación Menús Comunicación
enriquecida
Incertidumbre en MilordII
 La capacidad de razonamiento aproximado de

MilordII está basada en una familia de lógicas
multivaluadas (con un número finito de valores)
que son locales a cada módulo y están definidas
como un álgebra de valores de verdad.
 La lógica local a un módulo consta de las
LÓGICA DIFUSA
siguientes declaraciones:

Un conjunto ordenado de términos lingüísticos
que representan los grados de verosimilitud
entre T y F

Un operador de conjunción
Valores de verdad
(Truth-value)
AnT={An, Nn, T, IT}
0=a1< a2 <…< an< 1

IT(a,b)= max{c∈An b≥Τ(a,c)}
LÓGICA DIFUSA
Nn(ai)=a n-i+1 T(a,b) = T(b,a)

Si a<b → Νn(a)>Nn(b) T(a,T(b,c)) = T(T(a,b),c))
T(0,a) = 0
N2n=Id
T(1,a) = a
Si b≥a →T(b,c) ≥T(a,c) ∀c
Modus ponens
MILORDII
Modus Ponens
MPT es una función An X An → An

conjunto de intervalos
0 si ¬∃c  IT(a,c)=b
{
LÓGICA DIFUSA
MPT [a,1] si b=1
T(a,b) en otro caso
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
LÓGICA DIFUSA
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))

Tabla de valores para IT
X/Y False Unlikely May_be Likely True
False True True True True True
Unlikely False True True True True
May_be False Unlikely True True True

LÓGICA DIFUSA
Likely False Unlikely Likely True True
True False Unlikely May_be Likely True
MILORDII
Modus Ponens
{
ρ(p)= a
MPT (a,b)
ρ(p →q) = IT(ρ(p), ρ (q))=b
LÓGICA DIFUSA
El MPT (a,b) es el conjunto de soluciones para ρ (q)

y ρ es la evaluación de las proposiciones.
Modus Ponens
false unlikely malle likely true
false ∅ ∅ ∅ ∅ [f,t ]
unlikely false ∅ ∅ ∅ [unlikely, t]
maybe false unlikely ∅ ∅ [maybe, t]
likely false unlikely ∅ maybe [likely, t]

true false unlikely maybe likely [t, t]
LÓGICA DIFUSA
MPTs5 (x,y)
Ejemplo: si p=likely y p →q= true
MPTs5 (likely,true) = true

Bibliografía
* Puyol, J. “Modularization, Uncertainty, Reflective Control and

Deduction by Specialization in MILORDII, a Language for
Knowledge-Based Systems”. Tesis Doctoral. Universitat Autònoma
de Barcelona. 1994.
* Sierra, C. “MILORD: Arquitectura Multi-nivell per a sistemes
experts en classificació” Tesis Doctoral. Departament de Llenguatges
i Sistemes Informàtics. Universitat Politècnica de Catalunya. 1989.
* Russell, S. & Norvig, P. “Artificial Intelligence: A Modern Approach”
LÓGICA DIFUSA
Prentice-Hall Series in Artificial Intelligence. 1995 ISBN 0-13-103805-2

LógicaDifusa Fuzzyx

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

LógicaDifusa Fuzzyx

Transféré par

Droits d'auteur :

Formats disponibles

Lógica Difusa

 Falta de tiempo: requiere mucho trabajo completar la

 Ignorancia teórica: En general, no existen dominios

 Ignorancia práctica: Aún cuando se conozcan todas

 Localidad. En un sistema lógico, siempre que

Separabilidad. Una vez determinado el valor de B es

 Verosimilitud. En los sistemas lógicos las

La idea principal es representar la incertidumbre contenida

Mediante una distribución de valores y el razonar sobre la

[x es A]  x ∈ U, A es un término lingüístico aplicable a x

µΑ: Función característica

ΠA: Asigna a cada u ∈ U la posibilidad que tiene x

Conjunto difuso que representa el concepto fiebre.

µlow µ medium µ high

Conjuntos difusos que representan el concepto fiebre

Si F=[x es A] y G=[x es B] con distribuciones de posibilidad

ΠA∧B(u) = T(ΠA(u) ,ΠB(u)) T-norma (Conjunción)

b) T(p,q) = T(q,p) conmutatividad

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

e) T(p,q) ≤ Τ(r,s) si p ≤ r y q ≤ s monotonía

S:[0,1] x [0,1] [0,1]

b) S(p,q) = S(q,p) conmutatividad

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

e) S(p,q) ≤ S(r,s) si p ≤ r y q ≤ s monotonía

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

La incertidumbre de R está representada por una

H(A,B)(u,v) = I(ΠA(u) ,ΠB(v))

I: es decreciente respecto a u y creciente con v

donde S es una T-conorma y N una negación

T(p,q) = SUPc ∈ [0,1]/T(p,c) ≤ q

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

ν(y)= SUP I(x,y)=z MI(τ(ν), µ(z))

Objetivo: Lenguaje de desarrollo de sistemas expertos

* Modelo para el conocimiento imperfecto

* Conducta cooperativa e informativa

* Buena interacción con el usuario

MILORDII [Puyol, 94]

Estructura Arquitectura Modularidad + Control

 La capacidad de razonamiento aproximado de

AnT={An, Nn, T, IT}

0=a1< a2 <…< an< 1

Nn(ai)=a n-i+1 T(a,b) = T(b,a)

MPT es una función An X An → An

MPT [a,1] si b=1

T(a,b) en otro caso

IT(a,b) =max{c ∈ An T(a,c) ≤ b}

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))

X/Y False Unlikely May_be Likely True

False True True True True True

Unlikely False True True True True

May_be False Unlikely True True True

Likely False Unlikely Likely True True

True False Unlikely May_be Likely True

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

unlikely false ∅ ∅ ∅ [unlikely, t]

maybe false unlikely ∅ ∅ [maybe, t]