Documente Academic
Documente Profesional
Documente Cultură
Podemos definir el Corte como un predicado que siempre se cumple, es decir, que
genera un resultado verdadero en la primera ejecucin, y falla en el proceso de back
tracking, impidiendo dicho retroceso. Su aplicacin principal es generar cdigo ms
eficiente por el efecto que causa en la reduccin o poda del rbol de bsqueda generado
durante el procedimiento de resolucin.
Ejemplo:
Base de conocimientos sin utilizar el Corte.
padre(juan, pepe).
padre(juan, luis).
padre(juan, alberto).
hermanodepadre(X,Y):-padre(Z,X), padre(Z,Y).
Objetivo
no
El proceso de ejecucin.
Figura 1: rbol de ejecucin para la base de conocimientos y objetivo del ejemplo que no usa corte
Ejemplo:
Base de conocimientos utilizando el Corte.
padre(juan, pepe).
padre(juan, luis).
padre(juan, alberto).
hermanodepadre(X,Y):-padre(Z,X), !, padre(Z,Y).
Objetivo
no
El proceso de ejecucin.
Recordemos que cuando la mquina Prolog encuentra una solucin para y devuelve el
resultado de la ejecucin. Con fail podemos forzar a que no pare y siga construyendo el
rbol de bsqueda hasta que no queden ms soluciones que mostrar.
Ejemplo:
Base de conocimientos.
padre(juan, pepe).
padre(juan, luis).
padre(juan, alberto).
?.- listado.
pepe
luis
alberto
no.
El proceso de ejecucin.
1. Historia:
Los conjuntos difusos fueron introducidos por primera vez en 1965; la creciente
disciplina de la lgica difusa provee por s misma un medio para acoplar estas tareas. En
cierto nivel, la lgica difusa puede ser vista como un lenguaje que permite trasladar
sentencias sofisticadas en lenguaje natural a un lenguaje matemtico formal. Mientras
la motivacin original fue ayudar a manejar aspectos imprecisos del mundo real, la
prctica temprana de la lgica difusa permiti el desarrollo de aplicaciones prcticas.
Aparecieron numerosas publicaciones que presentaban los fundamentos bsicos con
aplicaciones potenciales. Esta frase marc una fuerte necesidad de distinguir la lgica
difusa de la teora de probabilidad. Tal como la entendemos ahora, la teora de
conjuntos difusos y la teora de probabilidad tienen diferentes tipos de incertidumbre.
En el siglo XVIII el filsofo y obispo anglicano Irlands, George Berkeley y David Hume
describieron que el ncleo de un concepto atrae conceptos similares. Hume en
particular, crea en la lgica del sentido comn, el razonamiento basado en el
conocimiento que la gente adquiere en forma ordinaria mediante vivencias en el
mundo. En Alemania, Immanuel Kant, consideraba que solo los matemticos podan
proveer definiciones claras, y muchos principios contradictorios no tenan solucin. Por
ejemplo la materia poda ser dividida infinitamente y al mismo tiempo no poda ser
dividida infinitamente. Particularmente la escuela americana de la filosofa llamada
pragmatismo fundada a principios de siglo por Charles Sanders Peirce, cuyas ideas se
fundamentaron en estos conceptos, fue el primero en considerar ''vaguedades'', ms
que falso o verdadero, como forma de acercamiento al mundo y a la forma en que la
gente funciona.
Como indica Zadeh, Cuando aumenta la complejidad, los enunciados precisos pierden
su significado y los enunciados tiles pierden precisin., que puede resumirse como
que los rboles no te dejan ver el bosque.
Bsicamente, cualquier problema del mundo puede resolverse como dado un conjunto
de variables de entrada (espacio de entrada), obtener un valor adecuado de variables
de salida (espacio de salida). La lgica difusa permite establecer este mapeo de una
forma adecuada, atendiendo a criterios de significado (y no de precisin).
Conjuntos difusos.
Conceptos imprecisos.
Aceptamos la imprecisin como una consecuencia natural de ''la forma de las cosas
en el mundo''. La dicotoma entre el rigor y la precisin del modelado matemtico
en todos los campos y la intrnseca incertidumbre de ''el mundo real'' no es
generalmente aceptada por los cientficos, filsofos y analistas de negocios.
Nosotros simplemente aproximamos estos eventos a funciones numricas y
escogemos un resultado en lugar de hacer un anlisis del conocimiento emprico. Sin
embargo procesamos y entendemos de manera implcita la imprecisin de la
informacin fcilmente. Estamos capacitados para formular planes, tomar
decisiones y reconocer conceptos compatibles con altos niveles de vaguedad y
ambigedad.
4. Qu es la lgica difusa?
Un tipo de lgica que reconoce ms que simples valores verdaderos y falsos. Con lgica
difusa, las proposiciones pueden ser representadas con grados de veracidad o falsedad.
Por ejemplo, la sentencia "hoy es un da soleado", puede ser 100% verdad si no hay
nubes, 80% verdad si hay pocas nubes, 50% verdad si existe neblina y 0% si llueve todo
el da.
La Lgica Difusa ha sido probada para ser particularmente til en sistemas expertos y
otras aplicaciones de inteligencia artificial. Es tambin utilizada en algunos correctores
de voz para sugerir una lista de probables palabras a reemplazar en una mal dicha. La
Lgica Difusa, que hoy en da se encuentra en constante evolucin, naci en los aos 60
como la lgica del razonamiento aproximado, y en ese sentido poda considerarse una
extensin de la Lgica Multivariada. La Lgica Difusa actualmente est relacionada y
fundamentada en la teora de los Conjuntos Difusos. Segn esta teora, el grado de
pertenencia de un elemento a un conjunto va a venir determinado por una funcin de
pertenencia, que puede tomar todos los valores reales comprendidos en el intervalo
[0,1].
La Lgica Difusa (llamada tambin Lgica Borrosa por otros autores) o Fuzzy Logic es
bsicamente una lgica con mltiples valores, que permite definir valores en las reas
oscuras entre las evaluaciones convencionales de la lgica precisa: Si / No, Cierto / Falso,
Blanco / Negro, etc. Se considera un sper conjunto de la Lgica Booleana. Con la Lgica
Difusa, las proposiciones pueden ser representadas con grados de certeza o falsedad. La
lgica tradicional de las computadoras opera con ecuaciones muy precisas y dos
respuestas: Si o no, uno o cero. Ahora, para aplicaciones de computadores muy mal
definido o sistemas vagos se emplea la Lgica Difusa.
Los operadores lgicos que se utilizarn en Lgica Difusa (AND, OR, etc.) se definen
tambin usando tablas de verdad, pero mediante un "principio de extensin" por el cual
gran parte del aparato matemtico clsico existente puede ser adaptado a la
manipulacin de los Conjuntos Difusos y, por tanto, a la de las variables lingsticas.
As, en la Lgica Difusa hay muchas maneras de definir la implicacin. Se puede elegir
una "funcin (matemtica) de implicacin" distinta en cada caso para representar a la
implicacin.
5. Caractersticas
Los sistemas difusos son muy recomendables en aquellos problemas muy complejos
donde no existe un modelo matemtico simple asociado. Igualmente en procesos que
obedecen a un comportamiento no lineal, la solucin difusa plantea grandes ventajas.
La solucin difusa require que el conocimiento experto sea expresado lingsticamente,
requisito que es normalmente fcil de obtener.
9.- Funcionamiento
La lgica difusa (fuzzy logic, en ingls) se adapta mejor al mundo real en el que vivimos,
e incluso puede comprender y funcionar con nuestras expresiones, del tipo hace
mucho calor, no es muy alto, el ritmo del corazn est un poco acelerado, etc.
La clave de esta adaptacin al lenguaje se basa en comprender los cuantificadores de
cualidad para nuestras inferencias (en los ejemplos de arriba, mucho, muy y un
poco).
En la teora de conjuntos difusos se definen tambin las operaciones
de unin, interseccin, diferencia, negacin o complemento, y otras operaciones sobre
conjuntos (ver tambin subconjunto difuso), en los que se basa esta lgica.
Para cada conjunto difuso, existe asociada una funcin de pertenencia para sus
elementos, que indica en qu medida el elemento forma parte de ese conjunto difuso.
Las formas de las funciones de pertenencia ms tpicas son trapezoidal, lineal y curva.
Se basa en reglas heursticas de la forma SI (antecedente) ENTONCES (consecuente),
donde el antecedente y el consecuente son tambin conjuntos difusos, ya sea puros o
resultado de operar con ellos. Sirvan como ejemplos de regla heurstica para esta lgica
(ntese la importancia de las palabras muchsimo, drsticamente, un poco y
levemente para la lgica difusa):
SI hace muchsimo fro. ENTONCES aumento drsticamente la temperatura.
SI voy a llegar un poco tarde. ENTONCES aumento levemente la velocidad.
Los mtodos de inferencia para esta base de reglas deben ser sencillos, verstiles y
eficientes. Los resultados de dichos mtodos son un rea final, fruto de un conjunto de
reas solapadas entre s (cada rea es resultado de una regla de inferencia). Para escoger
una salida concreta a partir de tanta premisa difusa, el mtodo ms usado es el
del centroide, en el que la salida final ser el centro de gravedad del rea total
resultante.
Las reglas de las que dispone el motor de inferencia de un sistema difuso pueden ser
formuladas por expertos o bien aprendidas por el propio sistema, haciendo uso en este
caso de redes neuronales para fortalecer las futuras tomas de decisiones.
Los datos de entrada suelen ser recogidos por sensores que miden las variables de
entrada de un sistema. El motor de inferencias se basa en chips difusos, que estn
aumentando exponencialmente su capacidad de procesamiento de reglas ao a ao.
Un esquema de funcionamiento tpico para un sistema difuso podra ser de la siguiente
manera:
En la figura, el sistema de control hace los clculos con base en sus reglas heursticas,
comentadas anteriormente. La salida final actuara sobre el entorno fsico, y los valores
sobre el entorno fsico de las nuevas entradas (modificado por la salida del sistema de
control) seran tomados por sensores del sistema.
Por ejemplo, imaginando que nuestro sistema difuso fuese el climatizador de un coche
que se autorregula segn las necesidades: Los chips difusos del climatizador recogen los
datos de entrada, que en este caso bien podran ser la temperatura y humedad
simplemente. Estos datos se someten a las reglas del motor de inferencia (como se ha
comentado antes, de la forma SI... ENTONCES...), resultando un rea de resultados. De
esa rea se escoger el centro de gravedad, proporcionndola como salida.
Dependiendo del resultado, el climatizador podra aumentar la temperatura o
disminuirla dependiendo del grado de la salida.