Conjuntos Difusos

Las personas son capaces de tomar decisiones basadas en información

imprecisa, no numérica. Los conjuntos difusos proveen una herramienta para

representar esta información, y poder así también construir un sistema de

ayuda para la toma de decisiones. Los conjuntos difusos son un concepto que

puede acercar el razonamiento computacional al que usan las personas.

M. M. Gupta [1] propone que las incertezas se pueden clasificar de diferentes

formas; por ejemplo se pueden formar dos amplias categorías, que podemos

identificar como I1 e I2. Las incertezas de tipo I1 serían las que surgen del

comportamiento aleatorio de los sistemas físicos. Existen múltiples ejemplos de

este tipo de incerteza, por ejemplo, las vibraciones aleatorias de una máquina,

las fluctuaciones de un electrón en un campo magnético, la difusión de los

gases en un campo térmico, actividades aleatorias de los patrones del clima,

etc. Este tipo de incerteza ha sido bastamente estudiado, y existe una extensa

teoría estadística para caracterizar este tipo de fenómeno aleatorio. Aquí se

utilizan cálculos como la media y la varianza.

La incerteza de tipo I2, a diferencia de la I1, es aquella que surge de procesos

humanos, como ser la sensación, la percepción, la experiencia cognoscitiva, el

razonamiento y el pensamiento. La percepción que logramos de nuestro

entorno físico a través de nuestros sensores naturales (ojos, oídos, nariz, etc.)

contiene incertezas que no pueden ser caracterizadas usando estadística. Este

tipo de incerteza no ha sido tradicionalmente estudiada en forma sistemática.

La ignorancia en esta materia, y su potencial en aplicaciones tecnológicas en

sistemas artificiales, hace que sea un tópico con mérito de ser investigado, y es

aquí donde tiene cabida la teoría de conjuntos difusos.

...