Computacion Inteligente

Computacion Inteligente
2017/4/1 Computacion Inteligente Sistemas de Inferencia fuzzy

Sistemas de Inferencia fuzzy Aproximacion según Mamdani
2017/4/1 Sistemas de Inferencia fuzzy Aproximacion según Mamdani

Contenido Inferencia según Mamdani: algoritmo
2017/4/1 Contenido Inferencia según Mamdani Inferencia según Mamdani: algoritmo Ejemplo: Modelo del nivel de un tanque Ejemplo: El soplete de gas

Inferencia según Mamdani
2017/4/1 Inferencia según Mamdani

2017/4/1 Inferencia según Mamdani Sea el conjunto de entrada. μR(.) = min(.)

2017/4/1 Inferencia según Mamdani min(c,min(a,b)) = min(min(a,b),c)

2017/4/1 Inferencia según Mamdani min(min(a,b),c) = min(min(c,a),b)

2017/4/1 Inferencia según Mamdani El maximo en x del minimo en x,y es igual al minimo en x,y del maximo en x,

2017/4/1 Inferencia según Mamdani El maximo en x del minimo en x,y es igual al minimo en x,y del maximo en x, depende solo del antecedente de la regla

2017/4/1 Inferencia según Mamdani Es posible simplificar el procedimiento. depende solo del antecedente de la regla

2017/4/1 Inferencia según Mamdani El “grado de cumplimiento” del antecedente de la regla i-esima se define como como: El conjunto de salida fuzzy es entonces

Inferencia fuzzy según Mamdani
2017/4/1 Inferencia fuzzy según Mamdani ALGORITMO

Metodo de inferencia de Mamdani
2017/4/1 Metodo de inferencia de Mamdani 1. Definir la funcion de pertenencia del conjunto fuzzy de entrada A’ 2. Calcular el grado de cumplimiento entre la entrada y la funcion de pertenencia del antecedente 3. Recortar el conjunto fuzzy del consecuente de la regla usando el grado de cumplimiento

Representacion grafica
2017/4/1 Representacion grafica If x es A then y es B A X w A’ B Y x is A’ B’ y is B’

Inferencia de la base de reglas
2017/4/1 Inferencia de la base de reglas 1. Calcular el conjunto de salida para cada regla 2. Calcular el conjunto de salida por la agregacion la base de reglas completa

Inferencia con antecedente multiple
2017/4/1 Inferencia con antecedente multiple IF x is A AND y is B THEN z is C grado de cumplimiento El conjunto de salida fuzzy es entonces

Representacion grafica
2017/4/1 Representacion grafica IF x is A AND y is B THEN z is C A B T-norm X Y w A’ B’ C2 Z C’ x is A’ y is B’ z is C’

Ejemplo: Modelo del nivel de un tanque
2017/4/1 Ejemplo: Modelo del nivel de un tanque

Ejemplo: modelado del nivel de liquido
2017/4/1 Ejemplo: modelado del nivel de liquido

2017/4/1 Ejemplo: modelado del nivel de liquido Recorte de la funcion de pertenencia del consecuente de la primera regla

2017/4/1 Ejemplo: modelado del nivel de liquido Recorte de la funcion de pertenencia del consecuente de la segunda regla

2017/4/1 Ejemplo: modelado del nivel de liquido Combinacion del resultado de las dos reglas

Ejemplo: El soplete de gas Aproximacion formal
2017/4/1 Ejemplo: El soplete de gas Aproximacion formal

Ejemplo: soplete de gas
2017/4/1 Ejemplo: soplete de gas Base de reglas R1 R2 R3 IF O2 flow rate is LOW THEN heating power is LOW IF O2 flow rate is OK THEN heating power is HIGH IF O2 flow rate is HIGH THEN heating power is LOW

2017/4/1 Ejemplo: soplete de gas Terminos linguisticos

2017/4/1 Ejemplo: soplete de gas Funciones de pertenencia del antecedente

2017/4/1 Ejemplo: soplete de gas Funciones de pertenencia del consecuente

Calculo de la relacion de la regla 1
2017/4/1 Calculo de la relacion de la regla 1 (Implicacion = min) IF O2 flow rate is Low THEN heating power is Low consecuente 1.0 0.6 0.0 antecedente

2017/4/1 Calculo de la relacion de la regla 2 (Implicacion = min) IF O2 flow rate is OK THEN heating power is High consecuente 0.0 0.4 1.0 antecedente

2017/4/1 Calculo de la relacion de la regla 3 (Implicacion = min) IF O2 flow rate is High THEN heating power is Low consecuente 0.0 0.1 1.0 antecedente

Agregacion de las reglas
2017/4/1 Agregacion de las reglas Calculo de la relacion de la base de reglas (Agregacion = max) Low-Low OK-High High-Low

Calculo de conjunto de salida
2017/4/1 Calculo de conjunto de salida Conjunto fuzzy de salida usando la composicion max-min Caso 1 Caso 2

2017/4/1 Ejemplo: soplete de gas EJERCICIO Utilizar el metodo de Mamdani para el calculo del conjunto de salida Usar el toolbox de Matlab

2017/4/1 Fuentes J.-S. Roger Jang, Slides for Fuzzy Sets, Ch. 2 of Neuro-Fuzzy and Soft Computing. CS Dept., Tsing Hua Univ., Taiwan. J.-S. Roger Jang and C-T Sung, Neuro-Fuzzy Modeling and Control. Proceedings of the IEEE, March 1995. Robert Babuska. Fuzzy and neural control. DISC Course Lecture Notes (October 2001) Robert Babuska. Course Fuzzy and Neural Control, 2001/2002.

2017/4/1 Fuentes R. Babuska, H.B. Verbruggen, H. Hellendoorn, Promising Fuzzy Modeling and Control Methodologies for Industrial Applications, 1999 René Jager, Fuzzy Logic in Control. PHD thesis, 1995. Javier Echauz, Sistemas y Controles Inteligentes, Universidad de Puerto Rico, 2000 L.X. Wang, “Adaptive Fuzzy Systems and Control: Design and Stability Analysis”, Prentice-Hall, 1.994

2017/4/1 Fuentes Kwang-Hyung Lee, Textbook CS670 Fuzzy Theory, septiembre 2001 J. Galindo Gómez, Conjuntos y Sistemas Difusos (Lógica Difusa y Aplicaciones). Departamento de Lenguajes y Ciencias de la Computación, Universidad de Málaga, 2002? Vojislav Kecman, Fuzzy logic basics. Slides accompanying the MIT Press book: Learning and Soft Computing. 2001

2017/4/1 Fuentes Djamel Bouchaffra, Soft Computing (Lecture Notes). Oakland University. Fall 2005 K. Ahmad, B. Vrusias, M. Casey, Artificial Intelligence (Lecture Notes). Center for Knowledge Management. Department of Computing. University of Surrey. September 2004

Computacion Inteligente

Presentaciones similares

Presentación del tema: "Computacion Inteligente"— Transcripción de la presentación:

Presentaciones similares

Sobre el proyecto

Feedback

Iniciar la sesión

Autorizarse a través de una red social:

Computacion Inteligente

Presentaciones similares

Presentación del tema: "Computacion Inteligente"— Transcripción de la presentación:

Presentaciones similares

Sobre el proyecto

Feedback