Un motor de inferencia basado en lógica difusa para la detección de patrones de comportamiento en datos.

Abstract

a reciente necesidad de utilizar modelos matemáticos predictivos y de clasificación en disciplinas como la Biología, Medicina, Educación, entre otras, ha estimulado el interés en el empleo de nuevas técnicas para su generación. El problema estriba en que muchos de esos modelos son extremadamente difíciles de modelar por una fórmula o ecuación matemática exacta y precisa debido a la complejidad de la estructura del sistema como por ejemplo la no linealidad, la incertidumbre, la aleatorización, etc. En este sentido, los sistemas de inferencia difusa permiten modelar procesos complejos o sistemas incompletos o inciertos. En este trabajo se presenta una técnica denominada Tablas de Repertorio Difuso (TRD) que se representa como una matriz rectangular con elementos (columnas) y constructos (filas). Se desarrolló un motor de inferencia basado en lógica difusa para la detección de patrones de comportamiento en colecciones de datos. Para su evaluación se usaron datos provenientes de experimentos en las áreas de Biología, Medicina, Educación. Las predicciones se generaron con funciones de pertenencia triangular, trapezoidal y gaussiana a través de dos propuestas, una con variable de salida de tipo nominal (discreto) y otra en escala de razón (continua).