Diseño de aproximadores funcionales optimizados para circuitos electrónicos neuro-borrosos

Resumen

El concepto de soft computing ha cristalizado durante los últimos años fundamentándose en los recientes trabajos sobre análisis borroso de datos, lógica borrosa, estructuras neuronales adaptativas y algoritmos de aprendizaje, tanto los basados en el gradiente como los basados en la computación evolutiva y probabilística. La utilización de técnicas de soft computing sobre sistemas de inferencia borrosa (SIB) y redes neuronales artificiales (RNA) está produciendo un notable desarrollo en el campo tanto de los productos de consumo como de los sistemas industriales con propiedades "inteligentes". En los sistemas de computación neuro-borrosa, la información se representa y procesa mediante funciones de activación (FA) o funciones de pertenencia (FP), habitualmente funciones no-lineales. Efectivamente, el cálculo de las FA en las RNA, típicamente sigmoidales y gaussianas, y de las FP en los SIB, normalmente gaussianas o campanas generalizadas, es uno de los factores que condicionan de manera decisiva la capacidad de los sistemas neuro-borroso (SNB) en términos de precisión y velocidad de operación. En este contexto, este trabajo pretende ser una aportación al actual desarrollo de hardware específico para computación neuro-borrosa. En primer lugar se describe el diseño de un nuevo método de aproximación de funciones no-lineales basado en operadores reticulares con capacidad de interpolación recursiva, que hemos denominado interpolación recursiva centrada o IRC. Este esquema genera funciones lineales a tramos (PWL) iterativamente más suaves (con más tramos) sin coste alguno en el número de parámetros a definir. - Como validación de las paroximaciones obtenidas, se realiza el estudio experimental del comportamiento de sistemas neuro-borrosos con funciones de activación y pertenencia aproximadas según el nivel de precisión considerado. De este análisis se extraen conclusiones cuantitativas en relación a la capaci