Un sistema difuso presenta en general una relación entrada/salida no lineal. Dicha relación entrada/salida viene determinada por la elección de las funciones de pertenencia de antecedentes y consecuentes, la base de reglas y los distintos operadores difusos (conectivos de antecedentes, función de implicación, mecanismo de agregación y método de defuzzificación). La consecuencia más interesante es que eligiendo de forma adecuada los parámetros anteriores es posible reproducir una determinada relación entrada/salida con cualquier grado de exactitud. Esto significa que los sistemas difusos son aproximadores universales. | ||
Esta capacidad de aproximación de los sistemas difusos justifica su aplicación en numerosos campos de la ingeniería, como la identificación y el modelado de sistemas estáticos o dinámicos que presentan comportamientos no lineales. Para diseñar estos aproximadores difusos es habitual recurrir al uso de técnicas de aprendizaje supervisado inicialmente desarrolladas para las redes neuronales. Por este motivo estos sistemas son a menudo denominados sistemas neuro-difusos (neuro-fuzzy systems). La aplicación de técnicas de aprendizaje a un sistema difuso permite la automatización del proceso de adquisición de conocimiento, facilitando la definición o el ajuste del sistema de inferencia de acuerdo con algún criterio de validez que debe ser definido. El aprendizaje sobre un sistema de inferencia difuso se va a traducir fundamentalmente en la modificación de los parámetros de las funciones de pertenencia de las variables lingüísticas y, en su caso, en la modificación de la estructura de reglas que implementan el sistema. |
![]() | |
Cuando la base de conocimiento de un sistema difuso no varía a lo largo del tiempo el ajuste del sistema puede realizarse como un paso previo a la operación (aprendizaje off-line). Sin embargo, existen otras aplicaciones que requieren la utilización de sistemas difusos adaptativos cuyas bases de conocimiento deben ser ajustadas de forma dinámica durante la operación del sistema (aprendizaje on-line). |