Extracción de reglas en redes neuronales difusas. Un modelo basado en la discretización de los conjuntos difusos de entrada (Propuesta del modelo BCD).

Abstract

Hoy en día, las redes neuronales aún son consideradas como la “Caja Negra” de la inteligencia artificial, ya que resulta muy difícil comprender la forma en que estas llegan a determinar la salida correcta ante un conjunto de patrones presentados. Este problema falta de falta de comprensibilidad en lo referente a las redes neuronales ha propiciado que no se les utilice en campos en los que podría parecer natural su intervención: en el reconocimiento de patrones complejos, cuando se requiere no solamente esto sino una justificación del proceso realizado.

Extracción de reglas en redes neuronales difusas. Un modelo basado en la discretización de los conjuntos difusos de entrada (propuestas del modelo BCD) es un fruto de una investigación cuyo objetivo principal fue contribuir a la resolución de este problema mediante el diseño de un modelo propio para extracción de reglas en redes neuronales difusas, probándolo y evaluando sus resultados, comparándolos con los productos que ofrecen otros modelos de extracción de las reglas, reconocidos por la literatura especializada internacional como los más exitosos a la fecha. El modelo desarrollado se basa en una estrategia de simplificación de los conjuntos difusos que se ofrecen como entrada a una red neuronal difusa, discretizando sus valores, con base en los grados de pertenencia de dicho valor, a diferentes conjuntos difusos. Esta estrategia permite reducir las demandas en cuanto a procesamiento se refiere, sin menoscabo significativo en la calidad de los resultados obtenidos.