Introducción a Sistemas Inteligentes – Conceptos Básicos de Conjuntos Borrosos.

• Introducción a los Sistemas Inteligentes
• Taxonomía de los Sistemas Inteligentes. Comparación entre sistemas operacionales y sistemas inteligentes. Conceptos
• Incertidumbre. Incertidumbre estocástica y léxica. Cuando utilizar tecnología borrosa
• Aplicaciones en la industria y servicios
• Introducción a los conjuntos borrosos. Comparación entre conjuntos clásicos y borrosos.

Referencias: [1] Capitulo 7, [2] Capitulo 1, [4] Capitulo 1 y 2

Conjuntos Borrosos- Universos de discursos

• Probabilidad y Borrosidad. Funciones de densidad de probabilidad y funciones de pertenencia.
• Representación de los conjuntos borrosos. Introducción a las funciones de pertenencia.
• Introducción a los Sistemas de Inferencia Borrosos (SIB).
• Definición de universo de discurso. Universos de discurso Discreto y Continuo Propiedades o características de un conjunto borroso:
• Soporte, núcleo, altura, punto de cruce. Dominio, normalización y cordialidad. Corte-u y Corte-u fuerte de un CB.

Referencias: [1] Capitulo 7, [2] Capitulo 2, [3] Capitulo 4 y 5. [4] Capitulo 1

 Operaciones básicas con conjuntos borrosos.

• Unión, intersección, complemento, negación de conjuntos borrosos.
• t-normas y s-normas

Definición de t-norma, t-normas más usadas. Definición de s-normas, s-normas más usadas. Ejemplos de aplicación de t-normas y de s-normas. Negaciones involutivas y no involutivas.

• Medidas borrosas.
• Distancia entre conjuntos borrosos. Comparación de conjuntos borrosos (Posibilidad, Necesidad, Compatibilidad).

Referencias: [1] Capítulos 7, [2] Capitulo 2, [3] Capítulos 4 y 5, [4] Capitulo 1

Principio de extensión – Relaciones borrosas y su composición.

• Principio de extensión.
• Producto y co-producto cartesiano de conjuntos borrosos.
• Relaciones borrosas.
• Composición de relaciones borrosas.
• Composición Sup-Star. Composición Inf-Star. Ejemplos de aplicación.

Referencias: [1] Capitulo 7, [2], [3], [4] Capítulo 3.

Diseño de un Controlador Difuso para una Maquina Lavadora

• Diseñar el controlador borroso de una maquina lavadora que proporcione el tiempo de lavado correcto aunque no se tena disponible un modelo preciso de la relación entrada/salida del sistema.

Arquitecturas Inferencia borrosa.

• Lógica borrosa.
• Fundamentos. Comparación con la lógica tradicional.
• Modus Ponens Generalizado y Modus Tollens Generalizado.
• Representación del conocimiento mediante reglas borrosas.
• Reglas borrosas: Formato general, formato tipo Sugeno y formato tipo Mamdani.
• Implicación borrosa.

Referencias: [1] Capitulo 7, [2], [3], [4] Practica

Sistema de inferencia borrosa.

• Definición de un Sistema de Inferencia borrosa (SIB).
• Normalización y borrosificación de las entradas.
• Etapas de la inferencia borrosa: agregación y composición.
• Modulo de inferencia borrosa.
• Inferencia en sistemas Sugeno. Inferencia en sistemas Mamdani.
• Desborrosificación de las salidas del sistema.
• Conceptos y métodos.
• Referencias: [1] Capitulo 7. [2], [3], [4], Capítulos 5 y 6

Desarrollo de un Controlador borroso para una grúa.

Diseño y desarrollo de un controlador borroso de una grúa puente para contenedores. Se presentara el algoritmo básico del controlador borroso. Se desarrollaran las etapas de borrosificación de las entradas, procesamiento borroso y Desborrosificación de las salidas. Se utilizará para esta sesión el software llamado fuzzy Tech versión 5.54.

Referencias: [1] Capitulo 8, [2], [3].

Introducción a algoritmos evolutivos.

• Repaso de resolución de problemas de búsqueda. Introducción a las Metaheuristicas.
• Evolución natural y artificial.
• Algoritmos evolutivos.
• Definición y paradigmas. Comparación entre algoritmos evolutivos. Comportamiento de los algoritmos evolutivos.
• Estrategias Evolutivas.

Referencias: [5] capítulos 8 y 13, [6]

Algoritmos genéticos.

• Introducción a los algoritmos genéticos.

Algoritmo básico. Comparación con técnicas tradicionales. Caracterización de los AG. Parámetros de los Algoritmos genéticos.

• Representación cromosomática.

Representación binaria, con números reales.

• Evaluación y selección de los individuos.

Método de selección más usado con énfasis en el método de la ruleta.

• Operadores genéticos:

Crossover: definición, métodos de crossover. Mutación: definición, métodos de mutación.

• Herramientas computacionales para algoritmos genéticos.

Referencias: [5] Capítulos 1-3, [6]

Algoritmos Genéticos continuación.

• Métodos de selección del torneo.
• Operadores especiales para crossover y mutación.
• Ajuste de parámetros de los algoritmos genéticos.
• Control de lectura nro 2

Exposición de trabajos computacionales

Práctica

Presentación de trabajos computacionales.