Resumen de Inclusión de un índice de estimación de incertidumbre, distribución y cohesión de datos en el modelamiento borroso

Carlos M. Sierra D., Hernán D. Álvarez Z.

• español

  Este trabajo presenta una propuesta de estimación de la incertidumbre y la calidad de agrupamiento producidos en la identificación de modelos mediante Sistemas de Inferencia Bor r osa del tipo Takagi-Sugeno (SIB TS).

  Además, propone la integración de tales medidas como criterios evaluador es del modelo con base en la incertidumbre y la partición borrosa generados durante su obtención. Tal estimación hará que el modelo obtenido sea el de menor incremento en la incertidumbre frente a los datos originales del proceso. Además, permite evaluar la distribución y densidad de los datos en los conjuntos bor r osos obtenidos durante el modelamiento usando SIB TS.

  Los valor es de tal índice pueden ser usados como complemento al modelo final cuando este es usado en cualquier tarea basada en modelo (diseño, optimización, control, etc.). Esas tareas suponen un modelo con incertidumbre uniforme del modelo (que se asume baja), en todo el espacio del modelo. Usando el índice pr opuesto, se puede calcular un valor más realista de la incertidumbre del modelo en cualquier punto del espacio del modelo.

• English

  This paper pr esents a proposal for estimating the  uncertainty and grouping quality that take place when a model  is identified using a Takagi­Sugeno Fuzzy Infer ence System (T­S  FIS). Additionally, the integr ation of such measur es  as criteria  for  model  evaluation  based  on  uncertainty  and  fuzzy  partition  gener ated  during  model  identification  is  proposed.  Such  an  index  allows  to  identifying  a  model  that  causes  a  minimum  uncertainty  incr ement  r especting  original  process  data.  Additionally,  the  index  evaluates  data  distribution  and  density  at  obtained fuzzy sets  during fuzzy modeling. The index values  can be used as a complement to the final model when it is used  in  any  model­based  task  (design,  optimization,  control,  etc).  Such  class  of tasks supposes  a model with uniform uncertainty  (assumed low) in all model space. Using proposed index a mor e  r ealistic model uncertainty value may be calculated at any point  in the model space.