13 / 07 / 2015

Dos profesores de la UGR, premiados en un congreso de Sistemas Difusos

Comparte este artículo

Salvador García y Francisco Herrera, del departamento de Ciencias de la Computación e Inteligencia Artificial de la Universidad de Granada, han sido galardonados en el congreso de la Asociación Internacional de Sistemas Difusos, IFSA, por un teoría de conjuntos y sistemas difusos, que aborda entre otras cosas conceptos lingüísticos, que son imprecisos por naturaleza.

El congreso, informa la UGR en una nota de prensa, de la que se hace eco la CODDII, se celebró la semana pasada en Gijón y conmemoraba el 50 aniversario de la teoría de conjuntos y sistemas difusos.

La teoría de conjuntos y sistemas difusos cumple 50 años y con este motivo se están celebrando importantes eventos coincidiendo con la celebración del medio siglo de esta importante teoría en el ámbito de la inteligencia artificial.

Los humanos utilizamos información que se puede considerar imprecisa o vaga en nuestra vida diaria. Manejamos conceptos lingüísticos tales como alto o bajo, muchos o pocos para realizar valoraciones, y somos capaces de razonar con esa información lingüística que nos permite la interacción con otras personas realizando valoraciones de nuestro entorno. Estos conceptos no están exentos de imprecisión, aunque esta imprecisión no nos impide la posibilidad de razonar con el conocimiento que adquirimos diariamente.

El profesor Lotfi Zadeh (Universidad de California en Berkeley) propuso en 1965 una nueva teoría, la teoría de los conjuntos difusos (fuzzy sets) donde la pertenencia a un conjunto está valorada por un grado entre 0 y 1. Su clasificación permite definir de forma más racional conceptos que tienen una naturaleza imprecisa, por ejemplo el concepto “ser alto”, y permite la creación de una teoría para representar de forma eficiente la imprecisión y la vaguedad del razonamiento humano expresado lingüísticamente.

Los investigadores recogieron el premio al mejor trabajo aplicado presentado en el congreso, por el artículo titulado An Interval Valued K-Nearest Neighbors Classifier. En él se aplica la teoría de los conjuntos difusos-intervalo valorados al diseño de clasificadores eficientes basados en medidas de similitud difusas. El resultado es un algoritmo de aprendizaje automático con muy buenas prestaciones en problemas de clasificación con múltiples variables reales.

 

Comparte este artículo
Suscríbete a nuestra Newsletter
Suscríbete