Page 40 - Sistemas de aprendizaje e-learning: técnicas de inteligencia artificial para las inteligencias múltiples

Sistemas de Aprendizaje e-learning: técnicas de 39
inteligencia artificial para las inteligencias múltiples

de entrada, compiten literalmente hasta que sólo una de ellas queda activa. El objetivo
es que patrones de entrada con características parecidas queden asociadas a neuronas
topológicamente cercanas. Sus principales aplicaciones son: agrupación y representa-
ción de datos, compresión de datos y optimización.

2.9. MÉTODOS HÍBRIDOS INTELIGENTES

SISTEMAS DE INFERENCIA DIFUSOS
Jang (1993) indica que los sistemas de inferencia difusos (fuzzy inference systems, FIS) son
conocidos también como sistemas difusos basados en reglas, modelos difusos, memoria difu-
sa asociativa o controladores difusos cuando estos son utilizados como controladores. Un FIS
está compuesto de cinco bloques funcionales (Jang, 1993):
1. Base de reglas, con un numero de reglas difusas if-then.
2. Base de datos, que define las funciones de membresía de los conjuntos difusos utilizados
en las reglas.
3. Tomador de decisiones, que ejecuta las operaciones de inferencia sobre las reglas.
4. Inferencia de Fusificacion, que transforma las entradas duras (crisp) en una grado de ar-
monización con valores lingüísticos.
5. La interface de Defuzzication, que transforma los resultados difusos de los sistemas de
inferencia en una salida dura (crisp).

La base de datos en unión con la base de reglas es conocida como la base de conocimien-
to. Jang también indica que los pasos del razonamiento difuso ejecutados por el sistema
de inferencia son:
1. Comparar las variables de entrada con las funciones de membresía en la parte de las premi-
sas para obtener los valores de membresía de cada etiqueta lingüística (llamada fusificación).
2. Combinar los valores de membresía de la parte de la premisa para obtener las fuerzas de
disparo (pesos) de cada una de las reglas. Esta combinación es hecha por un operador
específico T-norm, usualmente con la multiplicación o el min.
3. Generar el consecuente cualificado (ya sea difuso o duro, crisp) de cada una de las reglas
dependiendo de las fuerzas de disparo.
4. Agregar el consecuente cualificado para producir una salida dura (crisp), llamada “defusi-
ficacion” (Jang, 1993).

La mayoría de los sistemas de inferencia difusos pueden ser clasificados bajo tres tipos: tipo 1,
todas las salidas son el promedio de los pesos de cada salida dura (crisp) de las reglas in-
ducidas por las fuerzas de disparo y las funciones de membresía de la salida (funciones mo-
notónica) (Tsukamoto, 1979); tipo 2, “las salidas difusas son derivadas de la aplicación de la
operación ‘max’ de las salidas difusas cualificadas, para elegir la salida dura (crisp) final se
propone el área del centroide, bisector o área, la media del máximo, criterio máximo, etcétera".
(Lee, 1999); tipo 3: cuando se utilizan las reglas difusas if-then de Takagi y Sugeno. Dice Jang:
“La salida de cada regla es una combinación lineal de las variables de entrada más un término
constante, y la salida final es el promedio de los pesos de cada regla de la salida” (Jang, 1993).