introduccion métodos neuronales en sistemas difusos
TRANSCRIPT
![Page 1: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/1.jpg)
Unidad 5Unidad 5
Métodos Neuronales En Sistemas Difusos
![Page 2: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/2.jpg)
IntroducciónIntroducción
Una limitación que se tiene al solo utilizar el conocimiento experto es la inhabilidad de afinar eficazmente un sistema difuso el cual proporciona varias salidas precisas y posiblemente contradictorias.
![Page 3: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/3.jpg)
Las técnicas de entrenamiento de RNA’s permiten el manejo de información empírica dentro de los sistemas difusos.
![Page 4: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/4.jpg)
Esto expande el rango de aplicaciones en las cuales los sistemas difusos pueden ser utilizados.
Información experta y empírica realza la utilidad de los sistemas difusos.
![Page 5: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/5.jpg)
SinergiaSinergia En el dominio de la inteligencia
humana, existe una sinergia (Concurso activo y concertado de varios órganos
para realizar una función) entre la transducción neuronal y el proceso de señales sensoriales; por una parte, el cognitivo, de percepción y por otra las funciones lingüísticas complejas que maneja el cerebro.
![Page 6: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/6.jpg)
Proceso involucrado en
nuestra conciencia en
cuanto a la temperatura
ambiente
![Page 7: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/7.jpg)
La sensación de la temperatura está basada en dos clases de receptores de temperatura en la piel: un señalamiento de calor y otro de frío.
![Page 8: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/8.jpg)
Las fibras neuronales de miles de receptores de temperatura entran a la médula espinal, y ascienden dentro del ventral y lateral spinothalamic y terminan en la región del Ventrobasal thalamus (en la parte mas baja del cerebro) como se mostró en la figura.
![Page 9: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/9.jpg)
Las células llevan esta información a la corteza cerebral (la parte mas alta del cerebro). Finalmente en la corteza cerebral estas sensaciones de temperatura se logran fusionar y expresar lingüísticamente.
![Page 10: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/10.jpg)
De esta forma una persona puede conocer que la temperatura en el cuarto esta fría o cálida o caliente, esto es todas las categorías que se tienen al sentir la temperatura. Esto llega hacer la base de las decisiones y acciones humanas, como por ejemplo apagar o accionar el aire acondicionado de acuerdo a la temperatura.
![Page 11: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/11.jpg)
Por analogía se puede entrenar una red neuronal y relacionar un grupo de medidas de temperatura para el ambiente a un grupo de valores difusos.
![Page 12: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/12.jpg)
Sistemas Híbridos Sistemas Híbridos ((Difuso-Difuso-neuronal)neuronal)
Los métodos neuronales pueden ser usados en la construcción de sistemas difusos como otra forma de entrenamiento. Las RNA’s pueden utilizarse para la selección de reglas y determinación de funciones de membresía.Los sistemas Híbridos son sistemas que emplean redes neuronales y sistemas difusos.
![Page 13: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/13.jpg)
LaLa relación no es necesariamente relación no es necesariamente una función, pero es una relación una función, pero es una relación mas general como un mapeo de mas general como un mapeo de “muchos a muchos”“muchos a muchos”..
![Page 14: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/14.jpg)
Se puede conocer el Se puede conocer el comportamiento interno del sistemacomportamiento interno del sistema
![Page 15: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/15.jpg)
Si No Se Conocen Los Componentes De Si No Se Conocen Los Componentes De Entrada Y De Salida a Un SistemaEntrada Y De Salida a Un Sistema
Una RNA es entrenada para recibir tres medidas como entradas, La entrada es relacionada a 2 valores numéricos que sirven como entrada al algoritmo difuso
![Page 16: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/16.jpg)
![Page 17: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/17.jpg)
Redes Neuronales Para Determinar Redes Neuronales Para Determinar Funciones De MembresíaFunciones De Membresía
La determinación de una función de membresía puede ser observada como una agrupación de datos y clasificación del problema.
Primero el dato es clasificado dentro de clusters y los valores de membresía son dados a patrones individuales en los clusters.
![Page 18: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/18.jpg)
Las arquitecturas de redes neuronales como los mapas organizativos de Kohonen, pueden ser utilizados para encontrar clusters en los datos de entrada.
![Page 19: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/19.jpg)
Después de que los centros de los clusters son identificados, el ancho de los parámetros de las funciones SOM, las cuales son generalmente Gaussianas, pueden ser agrupados de tal forma que las salidas de la función SOM son los valores de membresía.
![Page 20: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/20.jpg)
Una metodología de implementación para producir funciones de membresía es el algoritmo de Adeli-Hung, el cual consiste en un proceso de 2 etapas .
La primera etapa es llamada “clasificación”, en la cual una red neuronal es utilizada para agrupar o clasificar dominios de datos dentro de un cierto número de clusters.
![Page 21: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/21.jpg)
La segunda etapa es llamada “fusificación”, la cual consiste en un proceso de fusificación donde los valores de membresía difusos son evaluados para cada instante de entrenamiento en los agrupamientos clasificados.
![Page 22: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/22.jpg)
El AlgoritmoEl Algoritmo
El algoritmo Adeli-Hung construye dos capas neuronales con M entradas y C clusters. Los clusters son agregados como nuevas entradas, las cuales no tienen gran parecido con los clusters viejos, y estos son presentados a la red neuronal.
![Page 23: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/23.jpg)
Pasos Del AlgoritmoPasos Del Algoritmo
1.- Calcular el grado de diferencia entre la entrada del vector X y cada centro del cluster Ci.
Donde: xj es la jth entrada. cij es el jth componente del ith cluster. M es el numero de clusters.
M
jijji cxCXdiff
1
2)(),(
![Page 24: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/24.jpg)
2.- Encontrar el cluster más cercano al patrón de entrada y llamar a éste, Cp.
3.-Comparar la distancia del cluster más cercano: dist(X,Cp) con alguna distancia predeterminada.
![Page 25: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/25.jpg)
Si éste es más cercano que la distancia predeterminada, añade éste al cluster, si es más lejano que el cluster predefinido, entonces añade un nuevo cluster y su centro en la entrada del vector. Cuando una entrada es añadida a un cluster, el centro del cluster(vector prototipo) es recalculado como el significativo de todos los patrones del cluster.
C c c cn
Xp p p pMp
ip
i
np
1 2
1
1...
![Page 26: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/26.jpg)
4.- La membresía de un vector Xi a un cluster Cp es definida como:
Utilizando funciones triangulo.
p
wip
p
wip
p wip
p
if D X C
D X Cif D X C
0
1
( , )
( , )( , )
![Page 27: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/27.jpg)
Donde: es el ancho de una función
de membresía triangular.
Distancia Euclideana.
D X C x cwip
p ijp
pjj
M
,
2
1
![Page 28: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/28.jpg)
Redes neuronales en Redes neuronales en razonamiento difuso.razonamiento difuso.
Método TaKagi-Hayashi (T-H) consiste en tres partes:
Parte 1: Partición del control o decisión sobre la superficie dentro de un número de reglas.
Parte 2: Identifica los valores dados para el LHS de la regla (antecedente) (por ejem. determinar sus función de membresía).
Parte 3 Identifica los valores dados para el RHS de la regla (consecuentes).
![Page 29: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/29.jpg)
Método Takagi-Hayashi Método Takagi-Hayashi
NN1
NNmem NN2 NNr
xx
x
y
x1 x2 xn
...
...
wrw2w1...
u1 u2 un
![Page 30: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/30.jpg)
Explicación:
Parte 1 determina el número de reglas de inferencia difusa a través de agrupaciones ejecutadas sobre los datos.
Parte 2 emplea una red neuronal para derivar las funciones de membresía para cada regla. El método T-H combina todas las variables en el LHS y esta basado en resultados teóricos de una función continua arbitraria, y es equivalente a una red neuronal que contiene al menos una capa culta.
![Page 31: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/31.jpg)
Buckley y Hayashi han mostrado la equivalencia computacional entre funciones continuas, redes neuronales regulares, controles difusos y sistemas expertos difusos discretos y han mostrado como construir redes neuronales numéricamente idénticas para un control difusos o un sistema experto difuso discreto.
![Page 32: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/32.jpg)
La Parte 3 del método T-H determina la parte RHS usando redes neuronales con aprendizaje supervisado.
(supervisión para los datos de entrenamiento y el valor de control para cada regla como en la parte 2).
![Page 33: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/33.jpg)
Interpretación De Reglas Interpretación De Reglas FuzzyFuzzy
En las reglas de tipo Sugeno las salidas están en función de las entradas. Las reglas de Sugeno son de la forma:
If x1 es A1 AND x es A2 ,..., entonces
y = F(x1,...,xn)
![Page 34: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/34.jpg)
Donde F está en función de las entradas x1,...xn.
En el método T-H esta función ha sido reemplazada por una red neuronal, por ejemplo la reglas podría ser de la forma:
If (X1, X2) es As entonces ys = NNs(X1, X2).
![Page 35: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/35.jpg)
Donde x = (X1, X2) es el vector de
entradas, ys=NN(X1, x2) es la red neuronal
que determina la salida ys de la sth regla, y.
As Es la función de membresía del antecedente de la sth regla.
![Page 36: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/36.jpg)
Ejemplos De AplicaciónEjemplos De Aplicación Desarrollo De Sensores Virtuales Basados En
Redes Neuronales Y Lógica Difusa Orientado a La Simulación Y Control De Procesos .
Sistema Inteligente Para El Control En El Bombeo De Sangre De Un Modelo De Corazón Artificial Basado En Sistemas Neurodifusos.
Desarrollo De Bancos De Pruebas Para La Introducción De Controles Inteligentes En Electrodomésticos.
![Page 37: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/37.jpg)
Aprendizaje Y Adaptación En Aprendizaje Y Adaptación En Sistemas Difusos Mediante Sistemas Difusos Mediante
Métodos Neuronales.Métodos Neuronales.
![Page 38: INTRODUCCION Métodos Neuronales En Sistemas Difusos](https://reader035.vdocuments.mx/reader035/viewer/2022062216/55b4171dbb61eba9298b45c0/html5/thumbnails/38.jpg)