Documente Academic
Documente Profesional
Documente Cultură
1 R ESU M E N
Los sistemas neuro-difusos son sistemas que utilizan lgica difusa interpretndolas en reglas difusas, las mismas que constan de informacin numrica e informacin lingstica. La lgica difusa utiliza datos de recursos naturales como: temperatura, altura, distancia entre otros factores. Los sistemas neuro-difusos sirven para entrenar datos.
realizar la simulacin. En el modelo mamdani tambin conocido como modelo lingstico las entradas y las salidas son proposiciones difusas, por este motivo las reglas siguen la siguiente forma: Ri: SI x es Ai & y es Bi, entonces
Donde x= variable de entrada. y= variable de salida
z es el prximo que sigue el ngulo decidido por el ith regla de control, y son los parmetros de entrada en el proceso de la identificacin. La identificacin se hace optimizando un mnimo cuadrados desempeando el ndice como un mtodo de regresin lineal con pesos (Un algoritmo recursivo es el algoritmo de mnimos cuadrados) [1]
2 INTRODUCCIN
Con el pasar de los aos los sistemas neurodifusos se han convertido en una herramienta para modelar sistemas no lineales y sistemas complejos. Por tal motivo los sistemas neuro-difusos se clasifican en varios tipos, pero en este documento nicamente se hablar de los modelos de Mamdani y el Sugeno para as entender el paradigma utilizado para el proceso de entrenar un sistema neuro-difuso de acuerdo al modelo especifico. En si la lgica difusa permite establecer valores para luego simularlos y as aplicar un modo de pensamiento parecido al del ser humano.
1 TELIGENCIA ARTIFICIAL 2
IN
ENSAYO
MAPAS AUTOORGANIZADOS, SOM MAPAS DE KOHONEN En el presente trabajo se concluye que el sistema neuro-difuso mamdani como el sugeno necesitan de variable de entrada y variables de salida.
. Bi(x) = conjunto difuso N-dimensional, es el conjunto difuso de entrada de la i-sima regla definido por una funcin de pertenencia multivariable: [0,1] = variable de salida para la regla i Definida por la funcin variables de entrada: = funcin lineal de las
5 REFERENCIAS
[1] Centro de Investigacin y de Estudios Avanzados del Instituto Politcnico Nacional; Departamento de Control Automtico; Redes Neuronales Difusas Dinmicas para Identificacin y Control Adaptable; Tesis presentada por Rigoberto Toxqui Toxqui; Mxico, D.F., abril del 2003; se lo encuentra en http://www.ctrl.cinvestav.mx/~yuw/pdf/MaTesRT.pdf [2] Controlador de un Vehculo Elctrico utilizando los Sistemas de Inferencia Mandani y Sugeno; Marcelo Francisco Sandoval Z. Jaime Germn Bonilla A, Eduardo Alejandro Tusa J, Olga Luca Quintero M; Departamento de Ingeniera Electrnica en Control; Colegio Politcnico de la Universidad San Francisco de Quito; Cumbay, Quito-Ecuador; se lo puede encontrar en: http://biee.epn.edu.ec:8180/dspace/bitstream/123456789/1 315/1/CONTROLADOR%20DE%20UN%20VEHICULO %20ELECTRICO%20UTILIZANDO%20LOS %20SISTEMAS%20DE%20INFERENCIA%20MANDANI %20Y%20SUGENO.pdf [3] Sistemas Difusos; Fuzzy systems; Juan A. Bota Blaya; Departamento de Ingeniera de la Informacin y las Comunicaciones; Universidad de Murcia; se lo encuentra en: http://ants.dif.um.es/staff/juanbot/ml/files/20022003/fuzzy.pdf [4] Sistema Semifsico Difuso aplicado a la estimacin de temperatura en laminacin en caliente; Jos ngel Barrios Gmez, Alberto Cavazos Gonzales, Luis A. Leduc Lezama, Jorge Ramrez Cuellar; Facultad de Ingeniera Mecanica y Elctrica UANL
[2]
3.3 EJEMPLO utilizando la herramienta fuzzy de matlab Para conocer qu tipo de sistema neuro-difuso es ms eficiente, si el mamdani o el sugeno se utiliza los mismos valores de entrada y los mismos valores de salida para los dos modelos.
4. CONCLUSIONES
2 INTELIGENCIA ARTIFICIAL 2