INSTITUTO POLITCNICO

NACIONAL
UNIDAD PROFESIONAL INTERDISCIPLINARIA DE
INGENIERA Y TECNOLOGAS AVANZADAS

Sistemas neurodifusos

2MM10
Profesor:
Erik Zamora Gomez

Tarea no.3

Alumno:
Garca Mohedano Eduardo

Tesis de Doctorado
estructurados

Construccin de mapas y planeacin de rutas para la navegacin autnoma en ambientes no

Contribucin

Se propone un nuevo mtodo en construccin de mapas basado en conjuntos que pueden resolver problemas a gran
escala.
Se proponen los primeros mtodos para que el robot se recobre de falsos obstculos y hacer que el robot contine
buscando el objetivo en ambientes dinmicos.
Se propone un mtodo para navegar ms eficientemente en ambientes desconocidos.

Problemtica
Se dice que la navegacin automtica ha sido desarrollada por casi 50 aos y slo en la ltima dcada ha tenido resultados
tiles. Este es un problema muy grande como para resolver slo con un estudio entonces es por eso que la tesis de enfoca en
dos subproblemas:

Problema de construccin de mapas

A veces los mapas de edificios o espacios pblicos no son tiles para la navegacin as que se necesita de localizar el robot y
hacer un mapa al mismo tiempo. Lo que me parece interesante es que la mayora de mtodos para construccin de mapas
estn basados en la distribucin gaussiana y para este trabajo se usa el mtodo elipsoidal que evita hacer uso de la
distribucin gaussiana para estimar errores, adems de que este mtodo permite resolver problemas de mapeo a grandes
escalas.

Planeando en ambientes desconocidos y dinmicos

A pesar de que se tenga un perfecto sistema de mapeo, el mapa puede tener errores relativos al ambiente real porque todos
los sensores que son usados tienen un rango limitado de observacin. Es importante solucionar este problema ya que afecta el
ancho del camino y podra no completarse la tarea as que se proponen teoremas de condiciones suficientes para garantizar el
trmino de la tarea.

Tesis de Maestra

Modelado y control PD difuso para el sistema barra esfera en tiempo real

Contribucin

Se obtiene el modelo matemtico del sistema no lineal y del sistema linealizado en forma simplificado y en forma
lagrangiana.
Se disea un controlador difuso con el conocimiento de un experto como compensador de efectos no lineales que
junto a los controladores PD logran estabilizar el sistema en lado cerrado reduciendo el error de posicin de manera
ms significativa que sin compensador.
Simulacin de sistema donde satisfaciendo ciertos requerimientos de estabilidad y margen de error se implementa
en tiempo real comparando la respuesta de salida con el prototipo.

Problemtica
Los controladores difusos se basan en el conocimiento de un experto humano acerca del funcionamiento del sistema y lo
presenta en forma de reglas si-entonces y que resulta muy apropiado para muchos problemas prcticos de control dnde el
modelo matemtico es difcil de construir.

Necesidad de usar controlador difuso

Modelado complejo
Procesos no lineales
Necesidad de introducir experiencia de un experto que se base en conocimientos imprecisos obtenidos de
experiencia
Ciertas partes del sistema a controlar son desconocidas y no pueden medirse de forma confiable.
Ajuste de un variable desajuste otras variables.

Articulo no.1
La aplicacin de la lgica difusa como un lenguaje de modelado
En gran medida la ciencia trata no con la realidad, sino con modelos de la realidad. En esta perspectiva el progreso
cientfico es impulsado en gran medida por una bsqueda de mejores modelos de realidad. Supongamos que M(s)
es un modelo de un sistema S. En este contexto de modelado, la intensidad de M(s) es una medida de proximidad
de relaciones (entrada/salida) de S y M(s). En ese sentido varias ramas de las matemticas como la teora de
probabilidad, ecuaciones diferenciales, ecuaciones en diferencias podran ser vistas como lenguajes de modelado.
Generalmente tales lenguajes de modelado estn basados en lgica bivalente la cual es un caso especial de la
lgica difusa.
Un ejemplo de esto es que el profesor Yamakawa uso lgica difusa para estabilizar un pndulo invertido. Usando el
enfoque tradicional, el primer paso fue formular la ecuacin diferencial que modela al sistema, luego con los
mtodos derivados de la teora podan ser usados para estabilizar al sistema. El enfoque del profesor fue usar un
mtodo difuso basado en reglas si-entonces involucrando la estabilidad.

Articulo no. 2
Recientemente, los conceptos difusos han sido usados en el aprendizaje automtico, dando vida al campo de
aprendizaje automtico difuso. Este desarrollo ha sido ampliamente disparado por la creciente popularidad del
aprendizaje automtico como clave para la inteligencia artificial, tecnologa moderna de informacin y ciencias de
la informacin. Adems ha venido con un cambio de era del conocimiento a impulsar modelos difusos de
informacin, desde el diseo manual de sistemas difusos por humanos expertos hasta la construccin automtica
de dichos sistemas ajustando modelos de informacin (difusos).
En aplicaciones ms clsicas como procesado de informacin y sistemas expertos, la lgica difusa es principalmente
usada para el propsito de representacin de informacin, y la inferencia es mayormente de naturaleza deductiva.
Por otro lado tenemos que el aprendizaje automtico es principalmente asunto de inferencia deductiva. Entonces,
mientras la clave de la importancia de la teora de probabilidad y estadstica como fundamentos del aprendizaje
automtico es inmediatamente entendible e indiscutible, el rol de la lgica difusa en este campo es posiblemente
mucho menos obvio a primera vista.

Articulo no.3
Desde la introduccin de los conjuntos difusos esta teora fue reapidamente explotada y desarrollada mas alla para
procesamiento de imgenes y entendimiento de problemas de imagen. Una de las razones es que es de gran
inters tratar con informacin y conocimiento impreciso, y provee un consistente marco matemtico para
representacin de conocimiento e informacin modelada en diferentes niveles , fusin de informacin
heterogenea, razonamiento y toma de decisiones .
Importancia del uso de lgica difusa
La imprecisin es inherente en las imgenes y sus causas pueden ser encontradas en diferentes niveles;
observando fenmenos, proceso de adquisicin, pasos en el procesamiento de imgenes. Los conjuntos difusos
tiene varias ventajas representando tales imprecisiones, que en otros dominios de procesado de informacin,
desde que representan un marco unificado para representar y procesar ambos; informacin numrica y simblica.

REFERENCIAS
http://www.cs.berkeley.edu/~zadeh/papers/Is%20there%20a%20need%20for%20fuzzy%20logic.pdf
https://www-old.cs.uni-paderborn.de/fileadmin/Informatik/eim-i-is/PDFs/FSS50.pdf
http://perso.telecom-paristech.fr/~bloch/papers/FSS-50years-2015.pdf