Análisis del equilibrio entre precisión e interpretabilidad de los sistemas basados en reglas difusas lingüísticos y aproximativos

Resumen

La tesis doctoral se centra en los modelos difusos basados en Sistemas Basados en Reglas Difusas (SBRDs) y su equilibrio en sus dos características básicas: precisión e interpretabilidad. El objetivo principal es alcanzar un adecuado equilibrio de estas prestaciones para lo cual en esta tesis se desarrollan metodologías y métricas que permitan la generación de modelos difusos basados en SBRD con un equilibrio precisión-interpretabilidad adecuado, y así conseguir un mejor y más adecuado rendimiento del uso de la Lógica Difusa. Este objetivo se lleva a cabo mediante la definición de nuevas métricas de interpretabilidad aplicables tanto a modelos difusos lingüísticos como aproximativos. En este contexto, se han diseñado e implementado dos nuevas métricas de interpretabilidad semántica a nivel de Base de Reglas (BR) denominadas InterC y RMI. Así como la generalización de la métrica relativa de interpretabilidad semántica a nivel de Base de Datos GM3M. La métrica InterC evalúa la interpretabilidad de la BR a través de la combinación de índices capaces de determinar la compacidad, la similitud, la redundancia, la consistencia y la completitud de los conjuntos y reglas difusas. Por su parte la métrica RMI evalúa el grado de significación de cada una de las reglas del SBRD respecto al sistema completo para sus respectivas zonas de activación, teniendo en cuenta para su evaluación el sistema de inferencia del SBRD. Por último, la definición de la métrica GM3M es ampliada para que pueda ser aplicada a otros tipos de particiones difusas (triangulares, trapezoidales o gaussianas) y SBRDs (lingüísticos y aproximativos). La metodología de modelado de SBRDs se basa en una selección de reglas difusas y ajuste de las funciones de pertenencia de modelos SBRDs existentes utilizando las métricas de interpretabilidad propuestas en esta tesis, de forma conjunta con índices de precisión y complejidad, en un proceso de optimización multiobjetivo basado en Algoritmos Evolutivos Multi-Objetivo (AEMOs: NSGAII, SPEA2). De esta manera se alcanzan SBRDs con un buen equilibrio precisión-interpretabilidad. La validación de las propuestas de esta tesis se ha llevado a cabo utilizando múltiples conjuntos de datos del proyecto KEEL Project, diversos algoritmos de modelado tanto lingüísticos como aproximativos (L-IRL, NefProx,S-IRL,FasArt) y tests estadísticos no paramétricos (Wilconxon, Friedman, Iman-Davenport, Holm).