CIBERS EGURIDA D

Noticias de ciberseguridad, ciberataques, vulnerabilidades informáticas

¿ QU É E S L A LÓG I C A D I F U S A E N I A Y C UÁ L E S S ON S U S A P L I C AC I ONE S ?

En nuestro día a día, podemos enfrentarnos a situaciones en las que no podemos determinar si el
estado es verdadero o falso. Fuzzy se refiere a algo que no está claro o es vago. Fuzzy Logic en AI
proporciona una valiosa flexibilidad para el razonamiento.

En este artículo, explicamos qué es la lógica difusa, el funcionamiento de la lógica difusa, sus
ventajas, desventajas, aplicaciones de la manera más simple posible.

Indice 
¿Qué es la lógica difusa?
Historia
¿Por qué usamos Lógica Difusa?
Arquitectura
Reglas
Fuzzificación
Motor de inferencia
Defuzzificación
Funcionamiento
 Aplicaciones
Ventajas
Desventajas
Fuzzy Vs Probabilidad
Ejemplo
Paso 1
Paso 2
Paso 3
Conclusión

¿Qué es la lógica difusa?

Fuzzy Logic (FL) es un método de razonamiento que se asemeja al razonamiento humano. Este
enfoque es similar a cómo los humanos realizan la toma de decisiones. E involucra todas las
posibilidades intermedias entre SÍ y NO.

El bloque lógico convencional que entiende una computadora toma una entrada precisa y produce
una salida definida como VERDADERO o FALSO, que es equivalente al SÍ o NO de un ser humano. La
lógica difusa fue inventada por Lotfi Zadeh quien observó que, a diferencia de las computadoras, los
humanos tienen un rango diferente de posibilidades entre SÍ y NO.

La lógica difusa trabaja sobre los niveles de posibilidades de entrada para lograr una salida definida.
Ahora, hablando de la implementación de esta lógica:

Puede implementarse en sistemas con diferentes tamaños y capacidades, como

microcontroladores, grandes sistemas en red o basados ​en estaciones de trabajo.
Además, puede implementarse en hardware, software o una combinación de ambos.
La lógica difusa se utiliza como técnica para tomar decisiones humanas mientras se utiliza una
plataforma de aprendizaje automático o inteligencia artificial. De manera general, se puede describir
como considerando los verdaderos valores de las variables entre 0 y 1. La representación de los
números reales entre los números binarios 0 y 1 se implementa mediante lógica difusa.

Para obtener valores precisos como soluciones a los problemas se utiliza la lógica difusa. La lógica
difusa considera el razonamiento humano como la estructura de datos clave para tomar decisiones
precisas.

Un controlador de lógica difusa es un sistema que se utiliza para controlar el funcionamiento de un

sistema físico con la ayuda de fuzzy_logic. FLC se usa para controlar lavadoras, acondicionadores
de aire, sistemas de calefacción, reguladores de ventiladores, control de tráfico, controlador de
sistema de frenado, etc. Usamos FLC cuando no es posible una formulación matemática exacta del
problema.

Estas dificultades se deben a la naturaleza variable en el tiempo del proceso lógico dado. La lógica
FLC se usa ampliamente en el control de máquinas. La lógica difusa se refiere a lo verdadero o lo
falso. El controlador difuso consta de tres etapas, a saber, la etapa de entrada, la etapa de
procesamiento y la etapa de salida.

Historia
Al principio, Lotfi Zadeh introdujo el concepto de Fuzzy Logic (FL). Era profesor de la Universidad de
California en Berkeley, y no se presentaba como una metodología de control, sino como una forma
de procesamiento de datos. Según su observación, a diferencia de otras computadoras, Fuzzy Logic
consiste en un rango de posibilidades entre V o F, en las decisiones humanas.
Debido a la capacidad insuficiente de las computadoras pequeñas antes de ese momento, este
enfoque no se aplicó hasta los años 70. El profesor Zadeh concluyó que las personas no requieren
información numérica exacta y, sin embargo, pueden tener un alto control adaptativo. Los
controladores de retroalimentación, que son sistemas matemáticos para analizar los valores de
entrada en términos de variables lógicas, pueden ser mucho más efectivos y fáciles de implementar
si pueden programarse para aceptar ruido y entradas imprecisas.

¿Por qué usamos Lógica Difusa?

En general, utilizamos el sistema de lógica difusa tanto para fines comerciales como prácticos, tales
como:

Controla máquinas y productos de consumo.

Si no es un razonamiento preciso, al menos proporciona un razonamiento aceptable.
Esto ayuda a lidiar con la incertidumbre en la ingeniería.

La lógica difusa ofrece varias características únicas que la convierten en una opción perfecta para
controlar muchos problemas:

Es intrínsecamente robusto ya que no requiere entradas fijas libres de ruido y puede programarse
para fallar de manera segura si un sensor de retroalimentación se desconecta o se destruye. A pesar
de una amplia gama de variaciones de entrada, el control de salida es la función de control uniforme.
El controlador de lógica difusa procesa las reglas definidas por el usuario y anula el sistema de
control objetivo. Se puede modificar fácilmente para mejorar o potenciar el rendimiento del
sistema. Al generar reglas de gobierno apropiadas, se pueden generar fácilmente nuevos sensores
en el sistema.
La lógica difusa no se limita a una o dos salidas de control o pocas entradas de retroalimentación.
Además, no es necesario medir los parámetros de tasa de cambio antes de su implementación. Los
datos de los sensores que proporcionan alguna indicación del sistema son suficientes. Esto
permitirá que los sensores sean económicos y que el coste del sistema sea bajo para la
configuración general.
Debido a la operación basada en reglas, se pueden generar entradas de números razonables como
(1-6 o más) y numerosas salidas como (1-4). Aunque, definir las reglas puede volverse complejo en
caso de que se elijan demasiadas entradas y salidas para una sola implementación, ya que después
de definir las reglas, se deben definir sus interrelaciones. Además, será una buena idea dividir el
sistema de control en porciones más pequeñas y usar múltiples controladores de lógica difusa
distribuidos en el sistema, cada uno con más responsabilidades.
La lógica difusa es capaz de gestionar sistemas no lineales que serían difíciles de gestionar
matemáticamente. Esto abrirá las puertas al sistema de control y será fácil evaluar la viabilidad de la
automatización.

Arquitectura
La arquitectura de lógica difusa consta de cuatro partes principales:

Reglas
Contiene todas las reglas y las condiciones si-entonces que ofrecen los expertos para controlar el
sistema de toma de decisiones. La reciente actualización de la teoría difusa proporciona diferentes
métodos efectivos para el diseño y ajuste de controladores difusos. Por lo general, estos desarrollos
reducen el número de reglas difusas.

Fuzzificación
Este paso convierte las entradas o los números nítidos en conjuntos borrosos. Puede medir las
entradas crujientes mediante sensores y pasarlas al sistema de control para su posterior
procesamiento. Divide la señal de entrada en cinco pasos tales como:

LP: X is Large Positive

MP: X is Medium Positive
S: Small
MN: X is Medium Negative
LN: X is Large Negative

Motor de inferencia
Determina el grado de coincidencia entre la entrada difusa y las reglas. Según el campo de entrada,
decidirá las reglas que se van a disparar. Combinando las reglas disparadas, forman las acciones de
control.

Defuzzificación
El proceso de defuzzificación convierte los conjuntos borrosos en un valor nítido. Hay diferentes
tipos de técnicas disponibles, y debe seleccionar la más adecuada con un sistema experto.

Funcionamiento
La lógica difusa básicamente funciona en los conjuntos. Hay diferentes tipos de suposiciones en los
conjuntos: la salida se obtendrá con precisión a partir de los valores supuestos de los conjuntos. La
configuración básica utilizada en la lógica difusa es conjuntos if-else. La respuesta precisa se
obtendrá de las variaciones de entrada, las consideraciones if-else nos darán el valor exacto como
salida.

Las entradas se clasifican en diferentes membresías para obtener las salidas. A las entradas se les
asignará la función de pertenencia utilizando la lógica if-else. En la lógica difusa en el sistema de
entrada múltiple, hay diferentes tipos de variables de entrada, por lo que la salida del sistema se dará
como la operación AND de las variables de entrada dadas.

Esta lógica se usa como un controlador estándar en algunas plataformas. El control de la

temperatura del sistema de enfriamiento automático dependerá de la temperatura ambiente, por lo
que aquí se considera como entrada una temperatura ambiente diferente y la salida se obtiene
utilizando la lógica difusa que produce la salida controlada. Este es el funcionamiento básico de la
lógica difusa.

El principio de funcionamiento del controlador de lógica difusa es que la salida depende de la

probabilidad del estado de la entrada. Funciona en el concepto de la decisión de la salida que se
basa en suposiciones. Funciona en base a los conjuntos difusos. Cada conjunto consta de variables
lingüísticas que definen el estado de la salida.
Supongamos que A es un subconjunto de X y todos los miembros de A se encuentran en el intervalo
0 y 1. Entonces el conjunto A se conoce como conjunto borroso. La salida depende del grado de
pertenencia de X en el conjunto. Los conjuntos borrosos se representan gráficamente con la ayuda
de la función de pertenencia. La salida depende de la lógica de la operación AND del estado de la
entrada y también de la tasa de cambio de la entrada.

El controlador de lógica difusa realiza la operación fuzzy_logic en la que la asignación de las salidas
se basa en la información de las variables lingüísticas. Este controlador consta de funciones de
pertenencia y reglas difusas que se obtienen por el conocimiento del funcionamiento del sistema
según el entorno.

El sensor de temperatura mide el valor de la temperatura. Los valores obtenidos se entregan luego
al fuzzificador. Este fuzzificador asigna variables lingüísticas para el valor medido individual y la tasa
de cambio del valor medido.

La función de la base de conocimientos contiene la información relativa a estas funciones miembro,

así como la base de reglas. El siguiente paso es convertir las variables de salida lingüística en
variables numéricas que se utilizan para accionar el motor.

Aplicaciones
La lógica difusa se utiliza en diversos campos, como sistemas de automoción, bienes domésticos,
control ambiental, etc. Algunas de las aplicaciones comunes son:

Campo aeroespacial para el control de altitud de naves espaciales y satélites.

Controla la velocidad y el tráfico en los sistemas automotrices.
Sistemas de apoyo a la toma de decisiones y evaluación personal en el negocio de las grandes
empresas.
Controla el proceso de pH, secado, destilación química en la industria química.
Procesamiento del lenguaje natural y varias aplicaciones intensivas en inteligencia artificial.
Sistemas de control modernos, como los sistemas expertos.
Eficiencia de combustible en motores.
Nevera, lavadora.
El piloto automático se basa en Fuzzy_logic. Esto hace que las aplicaciones en el sistema de
transporte. Los vehículos autónomos submarinos se trabajan sobre la base de la lógica difusa.
También es aplicable en Defensa, como la localización de objetivos, la generación de imágenes
infrarrojas para el reconocimiento de objetivos.
Principalmente apoya los sistemas de defensa naval.
La purificación del agua y el control de calidad se realizan mediante fuzzy_logic. El manejo de datos
estructurales también se realiza utilizando esta lógica en los sectores industriales.
En el sector médico, se utiliza sobre todo en el diagnóstico de pacientes con cáncer y diabéticos.
En muchos sectores de automatización, la lógica difusa se utiliza con fines de simplificación.

Fuzzy Logic imita cómo una persona tomaría decisiones, solo que mucho más rápido. Así, puedes
usarlo con Redes Neuronales.

Ventajas
Las ventajas de la lógica difusa son:

Este sistema es flexible y también puede permitir modificaciones.

Los sistemas de lógica difusa se pueden construir fácilmente.
Estos sistemas aportan soluciones a soluciones complejas.
La lógica es robusta, simple y se puede modificar según nuestros requisitos.
Esta puede manejar lógicamente diferentes tipos de entradas a la vez y puede tomar una decisión
precisa utilizando funciones precisas.
Estos sistemas lógicos tienen una estructura simple y pueden construirse fácilmente.
El requisito de espacio es menor para este tipo de lógica y se pueden codificar utilizando menos
datos.
Las decisiones se pueden tomar fácilmente ya que se asemeja al razonamiento humano en su
sistema lógico, lo que hace que resuelva los problemas más complejos con facilidad.
Si el sistema de retroalimentación falla en el sistema lógico, entonces puede ser fácilmente
reprogramable.

Desventajas
La lógica difusa también tiene algunas desventajas:

Se requieren actualizaciones periódicas en el sistema de control de lógica difusa

Estos sistemas no podrán reconocer el aprendizaje automático y las plataformas de redes
neuronales.
El inconveniente básico de la lógica difusa es que depende completamente de la inteligencia y la
experiencia humanas.
Estos no son muy utilizados debido a la adquisición de datos inexactos.
La eficiencia del sistema no es alta porque en su mayoría funcionan con entradas inexactas.
Un controlador de lógica difusa depende totalmente del conocimiento y la experiencia humana.
Estos controladores no pueden reconocer el aprendizaje automático o las redes neuronales.
Fuzzy Vs Probabilidad
Ahora, destacamos la distinción entre la lógica difusa y la posibilidad considerando que un
principiante está obligado a enfrentarse con el problema de asociar la lógica difusa con la
oportunidad porque tiene una comprensión de esta última y los valores de probabilidad también se
encuentran entre 0 y 1.

Supongamos que tenemos dos módems de hechos A y B. Ambos tienen un valor de 0,9 para la
probabilidad y la pertenencia de estar ‘libres de errores’. La membresía cuesta 0.9 significa que B es
bastante similar a estar ‘libre de errores’. Por otro lado, la oportunidad de que A se desabroche de
errores = 0.9 significa que se espera que A se desabroche de errores en el 90% de los intentos. En los
10 casos opuestos, el módem entregará resultados fallidos (es decir, 1 en 10 probabilidades de ser un
éxito), por lo que la persona elegiría el módem A.

Ahora ten en cuenta un escenario exclusivo. Supongamos que intercambiamos los valores
numéricos y recordamos que tanto la pertenencia como los valores son 0,5. En este caso, la mayoría
de los clientes se transferirían al módem B debido a que ofrece un 50% de posibilidades de éxito,
mientras que un precio de club tan bajo sugeriría la inadecuación para tal uso.

Ejemplo
El diseño de un sistema de lógica difusa comienza con un conjunto de funciones de pertenencia para
cada entrada y un conjunto para cada salida. Luego se aplica un conjunto de reglas a las funciones de
membresía para generar un valor de salida nítido. Tomemos un ejemplo de control de procesos y
comprendamos la lógica difusa.

Paso 1
Aquí, la temperatura es la entrada y la velocidad del ventilador es la salida. Debes crear un conjunto
de funciones de membresía para cada entrada. Una función de pertenencia es simplemente una
representación gráfica de los conjuntos de variables difusas. Para este ejemplo, usaremos tres
conjuntos difusos, Frío, Tibio y Caliente. Luego crearemos una función de membresía para cada uno
de los tres conjuntos de temperatura.

Paso 2
En el siguiente paso, usaremos tres conjuntos difusos para la salida, Lento, Medio y Rápido. Se crea
un conjunto de funciones para cada conjunto de salida al igual que para los conjuntos de entrada.

Paso 3
Ahora que tenemos nuestras funciones de pertenencia definidas, podemos crear las reglas que
definirán cómo se aplicarán las funciones de pertenencia al sistema final. Crearemos tres reglas para
este sistema.

Si está caliente entonces rápido

Si es cálido, entonces medio
Y, si es frío entonces lento

Estas reglas se aplican a las funciones de membresía para producir el valor de salida nítido para
impulsar el sistema. Por lo tanto, para un valor de entrada de 52 grados, intersecamos las funciones
de pertenencia. Aquí, estamos aplicando dos reglas ya que la intersección ocurre en ambas
funciones. Puedes extender los puntos de intersección a las funciones de salida para producir un
punto de intersección. A continuación, puedes truncar las funciones de salida a la altura de los
puntos de intersección.

Conclusión
Ahora debes tener una idea de lo que es la lógica difusa y debes haber visto que una regla de lógica
difusa se expresa por implicación de un sistema difuso en forma de «si… entonces…» que incluye
variables difusas llamadas variables lingüísticas. Fuzzy puede definirse efectivamente como el
proceso del pensamiento humano. En este proceso se suelen tratar conceptos mal definidos y
lingüísticos. La razón detrás de esto es que las proposiciones difusas son cualitativas y no
cuantitativas. Los conjuntos borrosos y la lógica difusa son las dos herramientas impactantes para
manejar complejidades. Pueden facilitar el puente entre modelos matemáticos y la realidad física
asociada.

En un futuro próximo, existe una enorme variedad de productos basados ​en lógica difusa. Una de las
principales áreas en las que es necesario investigar su uso es el sistema de comunicación móvil.
Además, también abre una oportunidad para diseñar ASIC que comprendan circuitos integrados
para módulos computacionales. En los últimos tiempos, la lógica difusa se ha convertido en un
sistema poderoso para tratar problemas complejos. Además, su papel en el manejo de la
incertidumbre de los problemas complejos de ingeniería también es importante. Generalmente, los
ingenieros y científicos se enfrentan a problemas tan complejos que no pueden resolverse
numéricamente a través de métodos matemáticos tradicionales, pero al implementar la lógica
difusa a los mismos, uno puede caracterizar y resolver el problema complejo.

La lógica difusa tiene la capacidad de capturar la inexactitud de los términos lingüísticos en las
declaraciones. Y se puede concluir que la lógica difusa viene con una mayor capacidad para modelar
el razonamiento humano de sentido común y la toma de decisiones.