Diseño, optimización e implementación en FPGA de modelos y métodos de inteligencia computacional

En este trabajo se desarrollan seis metodologías para la generación de operadores paramétricos de conjunción difusa para su incorporación en un sistema de inferencia difusa con el objetivo de incrementar el grado de libertad del modelo. La característica común a resaltar de estos operadores es que son de simple implementación en hardware debido a que son descritos a partir de funciones aritméticas simples de suma, resta, multiplicación. Se presenta un diseño de generalización de las seis metodologías para crear un operador que pueda generar hasta 135 diferentes operadores. Se desarrolla una regla de aprendizaje que sea capaz de identificar los valores óptimos de los parámetros de un sistema de inferencia difusa basado en la arquitectura ANFIS-Sugeno con operadores paramétricos de conjunción difusa y la regla de aprendizaje híbrida que combina el método del estimador de mínimos cuadrados y método del gradiente de mayor descenso y que adiciona el algoritmo de evolución diferencial para identificar a los parámetros de los operadores de conjunción difusa propuesto. Se desarrolla un análisis comparativo en donde se muestra que al utilizar los operadores paramétricos de conjunción difusa, el modelo ANFIS, presentan mejoras relativas en la capacidad de aproximación de hasta el 80%. Como tercera parte de este trabajo, se desarrollaron diseños lógicos para implementar en FPGAs los modelos de la inteligencia computacional expuestos son: a) un sistema de inferencia difusa Sugeno de primer orden utilizando funciones de membresía triangulares y operadores de conjunción paramétricos y b) el algoritmo de evolución diferencial con representación de punto flotante de doble precisión