APLICACIONES DE LA LÓGICA DIFUSA 1. CONTROLADO CONTROLADOR R DIFUSO ADAPT ADAPTA ATIVO TIVO [1] Existen numerosas versiones de controladores que emplean lógica difusa, una de las ventajas de los Controladores Difusos es que pueden diseñarse aunque no se tenga un modelo matemático exacto de la Planta a controlar, gracias a que están basados en reglas. in embar embargo go,, senci sencilla lla!! el no tener tener un model modelo o matem matemát ático ico de la Planta Planta implica no poder reali"ar simulaciones sobre la misma, de tal manera que los ajustes del controlador deben reali"arse en l#nea. Esto $a promovido la aparición de controladores controladores autoajustables, que cuentan con alg%n algoritmo que les permite evaluar su desempeño, & de acuerdo con cierto criterio ajustar su diseño. Cuando un Controlador Difuso cuenta con un algoritmo de autoajuste, se dice que es un Controlador Difuso 'daptativo.
2. IDENTIFICA IDENTIFICADOR DOR DE DE IMÁGENES IMÁGENES AÉREAS AÉREAS [2] El problema aqu# planteado es el siguiente! e tienen tres imágenes a(reas de la misma "ona) las imágenes se $an captado empleando cámaras a blanco & negro, de tal forma que muestran en cada pixel un cierto nivel de gris *nivel de luminancia+) las tres fotograf#as no son iguales, porque cada una de ellas se $a tomado anteponiendo a la cámara un ltro que sólo permite captar una franja de colores *unas ciertas longitudes de onda+, & los ltros para cada fotograf#a $an sido diferentes. En estas imágenes se $a captado un área extensa con "onas que se pueden clasicar as#! - onas de r#o. - onas de construcciones $umanas. - onas dedicadas a la l a agricultura. - onas boscosas. El problema consiste en diseñar un algoritmo que, conociendo los niveles de luminancia para un cierto pixel en las tres fotograf#as, decida a cuál de las "onas anteriores corresponde ese pixel. /o existe una %nica combinación de luminancias que identique a cada una de las "onas, & por tanto no se conoce el conjunto de todas las combinaciones de luminancias posibles asociadas a cada "ona. /ótes /ótese e que el probl problema ema puede puede repla replante ntear arse se en t(rmin t(rminos os de Conju Conjunto ntos s Difusos! e puede denir como 0niverso de Discurso el conjunto de todas las combinaciones posibles de luminancias, con lo cual la tarea consiste en
encontrar cuatro Conjuntos Difusos denidos sobre dic$o universo, cada uno de los cuales debe representar a una de las "onas de las imágenes. 1Cómo encontrar esos conjuntos2 e propone la utili"ación de un algoritmo de agrupamiento difuso, dic$o algoritmo se conoce como el agrupamiento ''fuzzy c-means3, en el que dado un 0niverso de Discurso 4, se dene una cpartición como una colección de c Conjuntos Difusos denidos sobre 4, & con sus funciones de pertenencia.
3. BASE DE DATOS DIFUSA [3] e distinguen dos tipos de t(cnicas difusas en las 5ases de Datos! • •
5ases de Datos Difusas. 6(cnicas Difusas para la recuperación de la información.
En la primera de estas t(cnicas el concepto de Conjunto Difuso se incorpora en la estructura misma de la 5ase de Datos, mientras que en la segunda se emplea en las estrategias de recuperación de la información. 0n ejemplo de las t(cnicas del primer tipo es la 5%squeda Difusa, tiene dos componentes una 5ase de Datos tradicional, & una denición Difusa de las variables cuanticables. Propone evaluar la función de pertenencia de cada registro a cada uno de los valores ling7#sticos involucrados en la consulta, & entregar como resultado de la b%squeda un conjunto difuso con funciones de pertenencia obtenidas mediante la utili"ación de operadores '/D, 89 :/86 difusos) son el m#nimo para el '/D, el máximo para el 89 & el complemento para el /86.
4. PSICOLOGÍA COGNOCITIVA: RECONOCIMIENTO DE PALABRAS [4] Este caso no emplea los algoritmos asociados a la ;ógica Difusa, sino el concepto mismo de los Conjuntos Difusos, & resalta que la importancia de la ;ógica Difusa radica en la noción de Conjuntos con fronteras no exactas, lo que implica gradualidad en los cambios. Este ejemplo consiste en la denición de un experimento para el reconocimiento de palabras, que es uno de los temas abordados por la Psicolog#a Cognoscitiva. ;a pregunta que se desea contestar es! ¿Qué efectos tiene el contexto de una frase en el reconocimiento de palabras?, existen dos respuestas opuestas, sustentadas cada una por dos teor#as diferentes! • •
;a teor#a del modelo
'mbos modelos se apo&an en experimentos cu&os resultados son consistentes & robustos, con explicaciones consistentes con las respectivas teor#as, pero cuando las frases de contexto incongruente se rempla"an por frases de contexto neutral, los experimentos dan resultados distintos, cada
uno refor"ando una teor#a, dependiendo de lo que se entienda por 3contexto neutral3. ;a propuesta consiste en responder a la pregunta! ¿Qué es un contexto neutral? diciendo que $a& congruencias difusas, es decir, diciendo que entre los contextos congruentes e incongruentes no $a& un %nico tipo de contexto neutral, sino que la congruencia puede manejarse gradualmente.
R!"#$%&' (%()%*+",-$&' >?@, >A@, >B@, >@
D0'96E, 8sear . 'plicaciones de la ;ógica DifusaF. 9evista
