o_19nhsmha01vhpfpg1knut7kcn4a.pdf

de valores lingüísticos de X), U es el universo de discurso, G es la gramática para generar los
nombres y M es un conjunto de reglas semánticas para asociar cada X con su significado
Fuzzificación. Es el proceso de traducir valores naturales en variables lingüísticas es llamado
fuzzificación.
1. Los valores de entrada son traducidos a conceptos lingüísticos que están representados por
conjuntos difusos.
Las funciones de pertenencia se aplican y se determinan para a las medidas del grado de verdad de
cada premisa
Sistemas controladores fuzzy y Reglas de inferencia
Aunque la lógica difusa puede operar de muchas maneras e razonamientos, con tolerancia
en los valores o con diferentes operadores la mayoría de los sistemas fuzzy difieren en la forma de
operar y hacer cálculos con los números fuzzificados. La lógica difusa provee la forma de crear
reglas que expliquen de qué forma o de qué manera las variables lingüísticas están relacionadas.
Cada enunciado de una regla tiene un antecedente y un consecuente relacionados y que consiste en
proposiciones fuzzy que se convierte o se usan como enunciados que unen a las variables
lingüísticas con operadores de y / o.
Muchas de esas reglas se basan en (Corporation);
SI proposición fuzzy antecedente ENTONCES proposición fuzzy consecuente
Figura no. 1: Procesamiento general de un sistema difuso mediante la Técnica de Mandani
Fuente : FisPro : An open source portable software for fuzzy inference systems fispro (FisPro, 2010)
Un sistema de inferencia difuso contendrá un conjunto de reglas de descripción lingüística
(Technology, 2006).En el caso más general los antecedentes y consecuentes de estas reglas
incluirán proposiciones difusas compuestas, es decir, combinarán múltiples entradas y salidas. Este
tipo de sistema se denomina sistema MISO (“multiple input single output”) (Sodiya, Onashoga, &
Oladunjoye, 2007).
Y de forma general los enunciados son de la forma
2711