EVALUACIÓN DE MODELOS JERÁRQUICOS DIFUSOS UTILIZANDO CONCEPTOS COMPUESTOS DIFUSOS EN SISTEMAS EXPERTOS (EVALUATION OF A HIERARCHICAL FUZZY SYSTEM, USING FUZZY COMPOSITE CONCEPTS IN EXPERT SYSTEMS)

Renato Morales Nava, José Antonio López Tello, Alejandro Sosa Sales

Resumen


Resumen
Como parte fundamental de la presente investigación, se analiza la sensibilidad de los resultados del sistema difuso con respecto a sus insumos y con un conjunto de funciones de pertenencia, en un escenario virtual. Los sistemas de lógica difusa proporcionan un conjunto de herramientas y métodos probados para imitar o emular el razonamiento básico humano, es decir, transformarlo en instrucciones que la computadora puede comprender o transformar en instrucciones binarias. En esta investigación, se realiza un análisis de la sensibilidad de los resultados del sistema difuso con respecto a sus entradas y con un conjunto de funciones de membresía basado en la estructura con múltiples capas, subsistemas y topologías variadas que en investigaciones anteriores han demostrado que se han utilizado sistemas jerárquicos difusos para mejorar la interpretabilidad; en un escenario virtual para demostrar las ventajas que se obtienen al aplicar un sistema difuso jerárquico, utilizando conceptos compuestos difusos a sistemas orientados al área de la salud. El objetivo es diseñar un sistema jerárquico difuso utilizando conceptos compuestos difusos de la inteligencia artificial para medir la eficiencia de escenarios simulados.
Palabra(s) Clave: Cómputo Afectivo, Conceptos Compuestos Difusos, Sistema Jerárquico Difuso, Sistema de Lógica Difusa, Ambientes Inteligentes.

Abstract
As a fundamental part of this research, the sensitivity of the results of the fuzzy system is analyzed with respect to its inputs and with a set of membership functions, in a virtual setting. Fuzzy logic systems provide a set of proven tools and methods to imitate or emulate human basic reasoning, that is, transform it into instructions that the computer can understand or transform into binary instructions. In this research, an analysis of the sensitivity of the results of the fuzzy system with respect to its inputs is carried out and with a set of membership functions based on the structure with multiple layers, subsystems and varied topologies that in previous investigations have shown that they have been used fuzzy hierarchical systems to improve interpretability; in a virtual setting to demonstrate the advantages obtained by applying a hierarchical fuzzy system, using fuzzy compound concepts to systems oriented to the health area. The goal is to design a fuzzy hierarchical system, using fuzzy composite concepts from artificial intelligence to measure the efficiency of simulated scenarios.
Keywords: Affective Computing, Fuzzy Composite Concepts, Fuzzy Hierarchical System, Fuzzy Logic Systems, Intelligent Environments.

Texto completo:

550-568 PDF

Referencias


Ahmad, M. Ibrahim. (2004). Fuzzy Logic for Embedded System Applications, Burlington Massachusetts. EETimes.

Anderson, D. (2014). A framework for studying emotions across species. Cell,, 187-200.

Ekman, P. (2008). An argument for basic emotions, Cognition and Emotion. Routledge Taylor & Francis Group, 169-200.

Guido Silva, M. (2015). Monitoreo de emociones aplicadas a terapias basadas en juegos y logica difusa para adultos mayores. Research in Computing Science, 81-90.

Lori, Nathanson & Rivers, S. E. (2016). Creating emotionally intelligent schools with RULER. Emotion Review 8.4, 305-310.

Mendel, J. M. (2001). Operations on type-2 fuzzy sets. Elsevier Science, 327-348.

Morales Nava, R. (2019). Evaluación de Modelos Jerárquicos Difusos Utilizando Conceptos Compuestos Difusos en Sistemas Expertos [Tesis de Maestria, Instituto Tecnologico de León]. León, Gto.

Navarro, J. (2018). Fuzzy Adaptive Cognitive Stimulation TherapyGeneration for Alzheimer’s Sufferers: Towards a Pervasive Dementia Care Monitoring Platform. Elsevier, 478-490.

Panayotis, T. (2014). An overview of fuzzy theory and systems focused on fuzzy control. Redalyc.org, 121-136.

Regan, L. Mandryk & Stella Atkins, M. (2007). A fuzzy physiological approach for continuously modeling emotion during interaction with play technologies. Elsevier, 329-347.

Scherer, Klaus R. (2000). Emotions as episodes of subsystem synchronization driven by nonlinear appraisal processes. In Emotion, development, and self-organization: dynamic systems approaches to emotional development, 70-99.

Wagner Ch. & Hagras H. (2010). Fuzzy Composite Concepts based on Human Reasoning. IEEE IRI, pp. 308-313.

Zadeh, Lotfi Aliasker. (1965). Fuzzy Sets In Information and control. Elsevier, 338-353.

Zadeh, Lotfi Aliasker. (2008). Is there a need for fuzzy logic ? Elsevier, 2751-2779.






URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es

Barra de separación

Licencia Creative Commons    Pistas Educativas está bajo la Licencia Creative Commons Atribución 3.0 No portada.    

TECNOLÓGICO NACIONAL DE MÉXICO / INSTITUTO TECNOLÓGICO DE CELAYA

Antonio García Cubas Pte #600 esq. Av. Tecnológico, Celaya, Gto. México

Tel. 461 61 17575 Ext 5450 y 5146

pistaseducativas@itcelaya.edu.mx

http://pistaseducativas.celaya.tecnm.mx/index.php/pistas