2

Prueba 4 de Técnicas avanzadas de procesamiento digital de señales

Paralelo: GR1 Fecha: 6 de febrero de 2018
Instrucciones

- Puede usar como guía solo las diapositivas de la asignatura y la ayuda de Matlab.
- Cree un script en Matlab para cada pregunta. El nombre del archivo será su apellido y el número de
pregunta. Ejemplo: reinoso_1.m

1. Implementar un sistema de inferencia difusa para ayudar a una persona a seleccionar que
computadora comprar en base a un puntaje. Se tienen dos entradas: calidad (Q) y precio (P). La salida
es puntaje y se debe utilizar un modelo de Mamdani. (2.5 puntos)
La entrada precio (P) está en el intervalo $0 a $1000 y tiene 3 variables lingüísticas cuyas funciones de
pertenencia trapezoidal son:
bajo = (0,0,200,400)
medio = (300,400,600,700)
alto = (600,800,1000,1000)
La entrada calidad (Q) tiene valores desde 0 hasta 10 y tiene 5 variables lingüísticas cuyas funciones
de pertenencia trapezoidal son:
mala = (0,0,1,3)
bajoELpromedio = (1,2,3,4)
promedio = (2,4,6,8)
sobreELpromedio = (6,7,8,9)
buena = (7,9,10,10)
La salida puntaje tiene valores desde 0 hasta 10 y tiene 5 variables lingüísticas cuyas funciones de
pertenencia trapezoidal son:
muyBajo = (0,0,1,3)
bajo = (1,2,3,4.5)
medio = (3,4,6,7)
alto = (6,7,8,10)
muyAlto = (8,9,10,10)
Las reglas son:
Si Q es mala AND P es bajo entonces puntaje es medio.
Si Q es mala AND P es medio entonces puntaje es bajo.
Si Q es mala AND P es alto entonces puntaje es muy bajo.
 Si Q es promedio AND P es bajo entonces puntaje es alto.
Si Q es promedio AND P es medio entonces puntaje es medio.
Si Q es promedio AND P es alto entonces puntaje es bajo.
Si Q es buena AND P es bajo entonces puntaje es muy alto.
Si Q es buena AND P es medio entonces puntaje es alto.
Si Q es buena AND P es alto entonces puntaje es medio.
2. Generar un dataset con puntos en dos dimensiones (x, y) que están divididos en 5 clases como
se muestra en la figura. En base al dataset generado entrenar una red neuronal, con 15
neuronas en la capa oculta, para que realice clasificación. Se deberá mostrar la matriz de
confusión e implementar un script adicional para probar la red neuronal; para una entrada
(x;y) el script deberá imprimir la entrada y a que clase corresponde usando fprintf (Ejemplo:
El punto (0.25;1) pertenece a la clase A) (2.5 puntos)