La herramienta xfbpa ajusta los parámetros de un sistema difuso descrito mediante XFL usando diferentes algoritmos de aprendizaje supervisado.

  • La herramienta de aprendizaje de Xfuzzy permite ajustar la función de error, dando más peso a aquellas variables de salida que se consideren más significativas en las desviación del sistema. Además puede aplicar un mecanismo de "podado" de reglas, eliminando aquellas cuyo grado de activación no supere un determinado umbral (configurable por el usuario). Si durante el proceso de aprendizaje se produce eliminación de reglas se inicia un nuevo ciclo de aprendizaje tras la finalización del ciclo original, ya que la modificación de la base de reglas puede interferir los resultados de aprendizaje.

  • El usuario puede escoger entre cuatro posibles condiciones de fin y cinco algoritmos de aprendizaje. En todos los casos, los cálculos de las derivadas parciales utilizadas por los algoritmos de aprendizaje son realizados por el programa en tiempo de ejecución.

  • También se ha implementado un mecanismo de aprendizaje específico que permite al usuario seleccionar aquellas variables, funciones de pertenencia o parámetros que van a ser ajustados. De esta forma es posible probar diferentes estrategias de aprendizaje antes de seleccionar la más adecuada para cada problema particular. Dicho mecanismo proporciona directivas que aseguran el cumplimiento de las restricciones impuestas por algunas de las herramientas de síntesis de Xfuzzy en la distribución de las funciones de pertenencia y su grado de solapamiento.