Esta es una obra completa sobre los temas más importantes de la Inteligencia artificial que se emplean en ingeniería, los expone de manera sencilla y accesible con múltiples aplicaciones, este libro ayudará a los lectores a desarrollar un amplio conocimiento del comportamiento de los sistemas de IA aplicada a control, instrumentación y modelado de sistemas así como de las herramientas necesarias para analizar e implementar estos sistemas. Presenta gráficas e ilustraciones que refuerzan los principios expuestos a lo largo del texto. Cuenta con ejemplos completamente desarrollados en MATLAB ®, que permiten una mejor comprensión de los temas expuestos.
Este libro está dirigido a profesores, alumnos y profesionistas de cualquier disciplina de la ingeniería, que busquen entender y aplicar los conocimientos avanzados de inteligencia artificial en su área de acción correspondiente de una manera sencilla y amigable.
VENTAJAS
Cada capítulo contiene: Una amplia cobertura, enfoque práctico y aplicado con objetivos bien definidos y puntualmente desarrollados. Incluye numerosos casos de estudios para el uso de modelos de sistemas que proporcionan un "contexto del mundo real" al fin de introducir al lector a las aplicaciones de la Inteligencia Artificial.
En la Web de la editorial encontrará archivos para descargar con todas las aplicaciones desarrolladas en el libro para las herramientas MATLAB® y Simulink®.
Aprenda
La teoría que sustenta a la lógica difusa, redes neurales, sistemas neuro-difusos, algoritmos genéticos.
La aplicación de la IA para el desarrollo de sistemas expertos, procesamiento del lenguaje natural, reconocimiento de modelos, aprendizaje de las máquinas, incertidumbre y lógica difusa, robótica, automatización y control.
Conozca
Cómo adecuar la solución de diferentes problemas en problemas de ingeniería.
Cómo emplear MATLAB® y Simulink®. para elaborar el diseño del sistema de IA.
Desarrolle sus habilidades y capacidades para
Solucionar problemas de ingeniería mediante el uso de los métodos de la IA.
Proponer y validar las mejores alternativas de solución.
CAPÍTULO 1 INTELIGENCIA ARTIFICIAL
ANTECEDENTES DE LA INTELIGENCIA ARTIFICIAL
RAMAS QUE COMPONEN LA INTELIGENCIA ARTIFICIAL
LÓGICA DIFUSA
Historia de la lógica difusa
REDES NEURALES ARTIFICIALES
Historia de las redes neurales
Perceptrón
Redes de retropropagación (backpropagation)
ALGORITMOS GENÉTICOS
Historia de los algoritmos genéticos
Definiciones
Herencia
¿Qué es herencia?
El código genético
Selección natural
Operaciones genéticas en cadenas binarias
Selección
Cruzamiento
Mutación
EJEMPLOS
APLICACIONES
Desentrelazado de señales de video con lógica difusa
Procedimiento
Conclusiones
Marcadores anatómicos de los ventrículos del corazón
Procedimiento
Resultados
Conclusiones
Segmentación de imágenes cerebrales de resonancia magnética basada en redes neuronales
Procedimiento
Resultados y conclusiones
Referencias
Optimización de sistemas para tratamiento de agua (Austria, lógica difusa)
Monitoreo de glaucoma a través de redes neuronales
Algoritmos genéticos para el diseño de sistemas de MRI (magnetic resonance imaging)
CAPÍTULO 2 LÓGICA DIFUSA
Qué es una variable lingüística
Aplicaciones
Cámaras de video
Reconocimiento
Controladores
Sistemas de control en lazo abierto
Sistema de control en lazo cerrado
Uso de lógica difusa en el Transporte
Uso de lógica difusa en los sistemas de control
CONCEPTOS DE LÓGICA BOOLEANA Y DIFUSA
LÓGICA BOOLEANA
Axiomas de los conjuntos convencionales
Operaciones en la lógica convencional
Leyes de De Morgan
LÓGICA DIFUSA
Lógica simbólica
Tautologías y quasi-tautologías
Representación de conjuntos difusos discretos
Operaciones en la lógica difusa empleando conjuntos difusos
Ejemplo de programa de operación difusa realizado en MATLAB®
Norma triangular (T)
Co-normas T (normas S)
Aseveraciones booleanas aplicadas a la lógica difusa
Operaciones entre conjuntos difusos
Producto de dos conjuntos difusos
Potencia de un conjunto difuso
Concentración
Dilación
Intensificación de contraste
Corte alfa
Propiedades de los conjuntos difusos
Funciones de membresía y sus partes básicas
Función de saturación
Función hombro
Función triangular
Función trapecio o Pi
Función “S” o sigmoidal
Descripción matemática de las funciones de membresía
Aplicaciones reales de las distintas funciones de membresía
Partes de una función de membresía
Cálculo de función de pertenencia
Método HORIZONTAL
Método VERTICAL
Método de comparación de parejas (Saaty, )
Método basado en la especificación del problema
Método basado en la optimización de parámetros
Método basado en la agrupación difusa (Fuzzy Clustering)
El principio de extensión: generalización
PRINCIPIO DE EXTENSIÓN
NÚMEROS DIFUSOS
Suma de números difusos
RELACIONES NÍTIDAS Y DIFUSAS
Producto cartesiano
Relaciones nítidas
Relaciones difusas
Composición
Composición sup-estrella
Operaciones con relaciones difusas
Unión
Intersección
Complemento
Producto cartesiano difuso y composición
Reglas difusas
Modus ponens y modus tollens
CONTROLADORES DIFUSOS
Interfaz de difusificación
Base de conocimientos
Lógica de decisiones
Interfaz de desdifusificación
Método de centro de área o gravedad
Método de centro máximo
Método de izquierda máximo
Método de derecha máximo
Aproximación de sistemas difusos
Definición de las entradas y salidas del sistema
Ejemplo de un sistema difuso con retardos en la información para aproximaciones difusas
Funciones de membresía
Reglas lingüísticas
Superficie de salida
Diseño de controladores con base en Mamdani
Ejemplo
Aplicaciones reales de controladores difusos
Controlador difuso clásico
Ejemplo
Controladores P
Controladores PD
Controladores PI
Controlador PID
Simulación de un Control PID difuso
Controlador difuso con PID convencional como respaldo
Controlador difuso como sintonizador de PID convencional
Concepto de estabilidad
Punto de equilibrio
Asintóticamente estable
Entrada-cero de estabilidad
Teorema (Estabilidad de Lyapunov para sistemas autónomos)
Estabilidad de Lyapunov para sistemas difusos
Teorema
La construcción para muestreo de datos
PRINCIPIO DE EXTENSIÓN
NÚMEROS DIFUSOS
Suma de números difusos
RELACIONES NÍTIDAS Y DIFUSAS
Producto cartesiano
Relaciones nítidas
Relaciones difusas
Composición
Composición sup-estrella
Operaciones con relaciones difusas
Unión
Intersección
Complemento
Producto cartesiano difuso y composición
Reglas difusas
Modus ponens y modus tollens
CONTROLADORES DIFUSOS
Interfaz de difusificación
Base de conocimientos
Lógica de decisiones
Interfaz de desdifusificación
Método de centro de área o gravedad
Método de centro máximo
Método de izquierda máximo
Método de derecha máximo
Aproximación de sistemas difusos
Definición de las entradas y salidas del sistema
Ejemplo de un sistema difuso con retardos en la información para aproximaciones difusas
Funciones de membresía
Reglas lingüísticas
Superficie de salida
Diseño de controladores con base en Mamdani
Ejemplo
Aplicaciones reales de controladores difusos
Controlador difuso clásico
Ejemplo
Controladores P
Controladores PD
Controladores PI
Controlador PID
Simulación de un Control PID difuso
Controlador difuso con PID convencional como respaldo
Controlador difuso como sintonizador de PID convencional
Concepto de estabilidad
Punto de equilibrio
Asintóticamente estable
Entrada-cero de estabilidad
Teorema (Estabilidad de Lyapunov para sistemas autónomos)
Estabilidad de Lyapunov para sistemas difusos
Teorema
La construcción para muestreo de datos
Controlador difuso-convencional autosintonizable por lógica difusa
Método Ziegler-Nichols
Controlador proporcional difuso
PD autosintonizable
PI autosintonizable
PID autosintonizable
Análisis de resultados
Autosintonización vs Ziegler-Nichols
Controlador difuso como programador de ganancias para PID
Estabilidad
Diseño con base en Sugeno
Ejemplo
ALGORITMO DEL RAZONAMIENTO
Ejemplo
Diseño digital con base en estabilidad
Ejemplo
EJEMPLO SISTEMA DIFUSO SUGENO
EJEMPLO DE MOTOR DC
EJEMPLO DE SISTEMA DE 2 ENTRADAS
MÉTODOS DE INFERENCIA
Método de Tsukamoto
Método de Larsen
AGRUPAMIENTOS DIFUSOS
Validez de un cluster
Clusters nítidos
Ejemplo
Clusters difusos
Ejemplo
Aplicaciones reales de los agrupamientos difusos
Aproximaciones de sistemas reales por el método de Sugeno
Aproximación de un deshumidifi cador desecante
Aproximación de un potenciómetro
Aproximación de un sensor óptico
Ejemplo de aplicación de método para optimización de clusters con lógica difusatipo Mamdani
Calculadora difusa por método Mamdani
Caracterización de un controlador tipo PID mediante un controlador tipo Sugeno
Controlador difuso basado en control directo del par (DTC)
Control de velocidad sin sensores usando control directo del par (DTC) basado en la modulación del ancho de pulso mediante vectores espaciales (SVPWM)
Agrupamientos difusos con pesos
Segmentación de imágenes médicas a través de agrupamientos difusos
Aproximación de un modelado de sentimientos humanos basado en el reconocimiento de expresiones faciales con lógica difusa
Aproximación a los sentimientos humanos a través de lógica difusa
PROGRAMAS BÁSICOS EN MATLAB®
SATURACIÓN
HOMBRO
TRIANGULAR
TRAPEZOIDAL
SIGMOIDAL
CLUSTERS DIFUSOS Y SISTEMA SUGENO
CALCULADORA DIFUSA MATLAB®
CAPÍTULO 3 REDES NEURALES ARTIFICIALES
REDES NEURALES BIOLÓGICAS
Fundamentos biológicos de las redes neurales naturales
Máquinas inteligentes
Sistema eléctrico neuronal
MODELOS DE NEURONAS
Ruido
Neuronas de dos estados
La neurona genérica
APLICACIONES DE LAS REDES NEURALES ARTIFICIALES (RNA)
DEFINICIÓN DE UNA RED NEURONAL ARTIFICIAL
FUNCIONES DE ACTIVACIÓN
Función escalón
Función lineal y mixta
Función tangente hiperbólica
Función sigmoidal
Función de Gauss
TOPOLOGÍAS DE LAS REDES NEURALES
Elementos de una red neuronal artifi cial
ENTRENAMIENTO DE LAS REDES NEURALES
REDES DE UNA CAPA
Perceptrón
Separación de variables linealmente separables con el perceptrón
ADALINE (Adaptive Linear Neuron)
Problema del operador lógico XOR por uso del perceptrón
Desarrollo
OR
AND
XOR
Control de un motor de pasos con un grupo de perceptrones
Teorema de Kolmogorov
REDES MULTICAPA
Perceptrón multicapa
Redes de retropropagación (backpropagation)
Principios para entrenar una red multicapa empleando el algoritmo de retropropagación
Redes neurales - Retropropagación del error
Capas intermedias
Algoritmo de retropropagación con momento (Backpropagation with Momentum)
DISEÑO DE FILTROS FIR CON REDES NEURALES ARTIFICIALES
Filtro
Filtros adaptativos digitales
Emulación del fi ltro empleando una red neuronal programada en MATLAB®
EJEMPLO RECONOCIMIENTO DE LETRAS EMPLEANDO ENTRENAMIENTO DE
RETROPROPAGACIÓN DEL ERROR
Resultados
REDES AUTOORGANIZABLES
Aprendizaje asociativo
Red de una sola neurona
Tipos de estímulos
Ejemplo
Interpretación de la Regla de Hebb en asociadores lineales
TOPOLOGÍA DE REDES NEURONALES EMPLEADAS PARA LA CLASIFICACIÓN,
PREDICCIÓN Y RECONOCIMIENTO DE PATRONES
Red Instar
Red Outstar
Redes Competitivas
Red de Kohonen
Red de Hamming
Mapas de Autoorganización (SOM)
Learning Vector Quantization (LVQ)
Redes Recurrentes
Red Hopfi eld
Redes ANFIS
Algoritmo de un sistema ANFIS
Algoritmo de entrenamiento de un sistema ANFIS
Arquitectura de ANFIS
Método de mínimos cuadrados
Mínimos cuadrados recursivos
Ejemplo ANFIS con línea de comandos
Ejemplo sistema ANFIS empleando ANFIS EDIT de MATLAB®
Empleo de función Genfis
EJEMPLO DE UN SISTEMA ANFIS Y DIFUSO PARA EL MODELADO DE MÁQUINAS DE
CORRIENTE ALTERNA, EN UN ESQUEMA DE CONTROL VECTORIAL
Etapas del control difuso tipo Sugeno
Fusificación
Evaluación de reglas
Desarrollo
Control vectorial
Modelo difuso del motor de inducción
Fusificación
Edición de reglas
Modelo ANFIS del motor de inducción
Control vectorial difuso
APROXIMADOR NEURO-DIFUSO CON CLUSTERS Y REDES NEURALES
TRIGONOMÉTRICAS
Entrenamiento de retropropagación
Redes neurales basadas en Fourier
Cálculo de la función de la red neuronal basada en Fourier
Establecimiento de los pesos
CAPÍTULO 4 ALGORITMOS GENÉTICOS
CHARLES DARWIN Y LA TEORÍA DE LA EVOLUCIÓN
ALGORITMOS GENÉTICOS
Algoritmos genéticos
Definiciones
Operaciones genéticas en cadenas binarias
Selección
Cruzamiento
Mutación
Algoritmo
Ejemplo
Análisis
El Teorema del Schema
La óptima asignación de los procesos
Paralelismo implícito
Conjunto difuso de sintonización
Codificación de un subconjunto difuso en un intervalo
Funciones de aptitud estándar
CAPÍTULO 5 EJEMPLO DE AG EN MATLAB®
DETERMINAR LA IMPEDANCIA NECESARIA DE UN COMPONENTE PARA QUE
UN CIRCUITO AC LE TRANSFIERA LA MÁXIMA POTENCIA DE ENERGÍA
Aplicaciones
Problema de máxima transferencia de potencia
El algoritmo genético
Problema de optimización
Representación
Población inicial
Evaluación
Crear una nueva población
ALGORITMOS GENÉTICOS
ALGORITMO GENÉTICO CONVENCIONAL BINARIO
ALGORITMO GENERACION DE NUEVOS INDIVIDUOS MEDIANTE OPERACIONES
DE CRUZA Y MUTACIÓN
ALGORITMO DE SELECCIÓN PROPORCIONAL O RULETA
ARCHIVOS M DE MATLAB® PARA EL ALGORITMO .MAIN
FUNCIÓN OBJETIVO
EVAL POBLACIÓN
EVAL EACH
CONVERTIR BITNUM
NEXT POPULATION
ANEXO A MATLAB® GENETIC ALGORITHMS TOOLBOX
No hay comentarios:
Publicar un comentario