UNIVERSIDAD CATLICA SANTA MARA

FACULTAD DE CIENCIAS E INGENIERAS FSICAS Y

FORMALES

PROGRAMA PROFESIONAL DE INGENIERIA ELECTRONICA

CURSO:
INTELIGENCIA ARTIFICIAL II

TEMA:
TRABAJO DE INVESTIGACION FASE II

ALUMNO:
CYRAN LLAMOSAS, Paulo

PROFESOR:
ALEX CARTAGENA GORDILLO

AREQUIPA - PERU
2015
 Sistema de inferencia Neuro-difuso adaptativo
Cyran Llamosas, Paulo
Universidad Catlica de Santa Mara, Facultad de Ciencias Fsicas y Formales, Programa
Profesional de Ingeniera Electrnica, Ingeniera de Proyectos
Arequipa, Per
Abstract
ANFIS (Adaptive Neuro Fuzzy Inference
System), it is a method to tune or create rule base
of a fuzzy system using the training algorithm of
backtracking from de data collection process.
ANFIS architecture is functionally equivalent to a
rule base Sugeno type.
Introduccin
La lgica difusa tiene propiedades
computacionales especficas que la hacen
adecuada para resolver ciertos tipos de
problemas que permiten razonamiento con
informacin imprecisa a travs de un
mecanismo de inferencia bajo incertidumbre
lingstica, as explican sus decisiones pero no
pueden adquirir las reglas que usan para
tomarlas.
Los sistemas de inferencia neuro-difusos
combinan la capacidad de aprendizaje de las
redes neuronales con el poder de interpretacin
lingstica de los sistemas de inferencia difusos.
Alcances
Los sistemas adaptables de inferencia neuro-difusa
(ANFIS) son considerados como modelos no
paramtricos de regresin no lineal que aproximan
una relacin existente y desconocida entre una
variable dependiente y un grupo de variables
independientes.
Estos sistemas se usan para construir
aproximaciones a funciones no lineales que
representan la dinmica de los sistemas
reales.
Un ANFIS esta formado por variables de
entrada que componen los antecedentes de
las reglas, una variable de salida o variable
dependiente, un conjunto de relgas difusas
y un sistema de inferencia que permite
calcular los valores de la variable de salida
cuando los valores de las variables de
entrada son conocidos.
Estos sistemas se basan en el uso de reglas
del tipo Takagi-Sugeno donde el
consecuente de la regla es especificado
como una funcin de las variables en los
antecedentes.
Estructura del ANFIS
Una red adaptativa es una estructura de red
que consta de nodos y enlaces direccionales
a travs de los cuales los nodos se conectan.
En los nodos hay un conjunto de
parmetros que ejecutan una funcin
particular sobre las seales de entrada a
esos nodos
El ANFIS es una clase de red adaptativa
que es funcionalmente equivalente a los
sistemas de inferencia difuso.
Consta de cinco niveles citados a
continuacin:
1. Proceso de fusificacion de las
variables de entrada y se despliegan
los operadores T-norm.
2. Se consideran las reglas que salen
del primer nivel.
3. Normalizacin de las reglas.
4. Se determinan los parmetros de las
reglas subsecuentes; en ese tipo de
arquitectura se usa backpropagation
para determinar los parmetros de
las premisas.
5. Se ajustan los parmetros usando
estimacin mean square.
En la figura 1 se puede ver un esquema
de un ANFIS
 Referencias

- http://www.icimaf.cu/revista_cca/s
ites/default/files/1C.pdf
- http://bibliotecadigital.univalle.ed
u.co/bitstream/10893/4133/4/CB-
0441023.pdf
- http://sisbib.unmsm.edu.pe/bibvir
tualdata/tesis/ingenie/chahuara_q
j/Cap2.pdf
-

Figura 1: Esquema ANFIS

Conclusiones

- El ANFIS al ser una red adaptativa

usa un procedimiento de
aprendizaje hibrido con la meta de
incrementar el proceso de
aprendizaje. El procedimiento de
aprendizaje combina el mtodo del
gradiente con el estimado de
mnimos cuadrados.
- Se puede usar el ANFIS para
identificar plantas no lineales como
por ejemplo el pndulo invertido,
adems de poder aproximar con
una precisin arbitraria cualquier
funcin no lineal definida en un
dominio, por esto se considera que
es un aproximador universal de
funciones.
- Diversos tipos de sistemas pueden
ser obtenidos cambiando las
especificaciones del sistema de
inferencia difuso.