Modeling of inference systems based on the fuzzy repertory table technique. An experimental study

Authors

  • Víctor Hugo Menéndez Domínguez Facultad de Matemáticas, Universidad Autónoma de Yucatán Anillo Periférico Norte, Tablaje Cat. 13615, Colonia Chuburná Hidalgo Inn. Mérida, Yucatán, México. CP 9711
  • Miguel Esteban Romero Vázquez Departamento de Ciencias de la Computación y Tecnologías de la Información, Universidad del Bío-Bío Avda. Andrés Bello 720, Casilla 447. Chillán, Provincia de Diguillín, Chile
  • María Enriqueta Castellanos Bolaños Facultad de Matemáticas, Universidad Autónoma de Yucatán Anillo Periférico Norte, Tablaje Cat. 13615, Colonia Chuburná Hidalgo Inn. Mérida, Yucatán, México. CP 97119
  • Jared David Tadeo Guerrero Sosa Facultad de Matemáticas, Universidad Autónoma de Yucatán Anillo Periférico Norte, Tablaje Cat. 13615, Colonia Chuburná Hidalgo Inn. Mérida, Yucatán, México. CP 97119

DOI:

https://doi.org/10.30973/progmat/2020.12.3/3

Keywords:

inference rules, fuzzy logic, knowledge representation

Abstract

Fuzzy Inference Systems (FIS) allow modeling complex processes where their main characteristic is the uncertainty or imprecision of the values. This type of system employs collections of “If-Then” rules that use linguistic labels to represent concepts that cannot have a precise quantitative analysis. This article presents a tool for the development of Fuzzy Inference Systems using the Fuzzy Repertory Table, a technique originated in the area of Psychology for the representation of knowledge that incorporates aspects of Fuzzy Logic. Given a set of examples, a set of fuzzy domains and their linguistic labels, the tool generates a multilevel fuzzy classification model, that is, fuzzy rules. These Fuzzy Inference Systems are of the MISO type (multiple-in, simple-out), that is, sets of fuzzy rules with several input variables and one output variable. The tool allows the user to develop, evaluate and use the fuzzy rules that model a process. A case study is presented that validates the technique and the developed tool. The results obtained allow us to corroborate the effectiveness of the system modeling tool using the Fuzzy RepertoryTable technique.

Author Biographies

Víctor Hugo Menéndez Domínguez, Facultad de Matemáticas, Universidad Autónoma de Yucatán Anillo Periférico Norte, Tablaje Cat. 13615, Colonia Chuburná Hidalgo Inn. Mérida, Yucatán, México. CP 9711

Licenciado en Ciencias de la Computación (1994) y Especialista en Docencia (2002) por la Universidad Autónoma de Yucatán, México. Tiene un Máster en Tecnologías Informáticas Avanzadas (2008) y es Doctor en Tecnologías Informáticas Avanzadas en 2012 por la Universidad de Castilla-La Mancha, España. Desde el año 2000 es Profesor Titular en la Facultad de Matemáticas de la Universidad Autónoma de Yucatán, México. Su trabajo de investigación se centra en temas relacionados con la gestión y representación del conocimiento y el aprendizaje, la enseñanza virtual y la ingeniería web. Ha sido director de tesis de Licenciatura y Posgrado. Es autor de numerosas publicaciones y ponencias presentas en eventos nacionales e internacionales.

Miguel Esteban Romero Vázquez, Departamento de Ciencias de la Computación y Tecnologías de la Información, Universidad del Bío-Bío Avda. Andrés Bello 720, Casilla 447. Chillán, Provincia de Diguillín, Chile

Profesor asistente A en el Departamento de Ciencias de la Computación y Tecnologías de la Información, Facultad de Ciencias Empresariales de la Universidad del Bío-Bío, Chile. Desde 2007 es Magíster en Ciencias de la Computación por la Universidad de Concepción, Chile, desde 2008 es Máster en tecnologías informáticas avanzadas por la universidad de Castilla-La Mancha, España y desde 2017 es Doctor en Computación por Universidade da Coruña. Sus principales áreas de investigación son las estructuras de datos compactas y algoritmos y la indexación espacial y espacio-temporal. Ha sido director de tesis de Licenciatura y Posgrado. Es autor de varias publicaciones y ponencias presentadas en eventos nacionales e internacionales.

María Enriqueta Castellanos Bolaños, Facultad de Matemáticas, Universidad Autónoma de Yucatán Anillo Periférico Norte, Tablaje Cat. 13615, Colonia Chuburná Hidalgo Inn. Mérida, Yucatán, México. CP 97119

Licenciada en Ciencias de la Computación (2003) y Especialista en Docencia (2011) por la Universidad Autónoma de Yucatán, México. Tiene una Maestría en Gestión de Tecnología de Información (2007) por la Universidad Anáhuac Mayab, México. Desde el año 2006 es Profesora Titular en la Facultad de Matemáticas de la Universidad Autónoma de Yucatán, México. Su trabajo de investigación se centra en temas relacionados con la gestión y representación del conocimiento y el aprendizaje, la enseñanza virtual y la ingeniería web. Entre sus áreas de interés se encuentran también las métricas de software y los métodos formales. Es autora de publicaciones y ponencias presentas en eventos nacionales e internacionales.

Jared David Tadeo Guerrero Sosa, Facultad de Matemáticas, Universidad Autónoma de Yucatán Anillo Periférico Norte, Tablaje Cat. 13615, Colonia Chuburná Hidalgo Inn. Mérida, Yucatán, México. CP 97119

Ingeniero en Tecnologías de la Información y Comunicaciones (2017) por el Instituto Tecnológico de Chetumal, México. Es Maestro en Ciencias de la Computación (2019) por la Universidad Autónoma de Yucatán, México. Actualmente trabaja en el área de Investigación y Desarrollo de Software de la Universidad Autónoma de Yucatán, México. Su trabajo de investigación se centra en temas relacionados con los repositorios digitales de acceso abierto y su interoperabilidad, la gestión y representación del conocimiento, la Informática Educativa y la evaluación de la producción científica. Ha publicado sus trabajos de investigación en diversas revistas y en congresos internacionales.

References

Dubois, D. J., Prade, H. M. Fuzzy Sets and Systems: Theory and Applications. New York: Academic Press, 1994.

Babuška, R., Verbruggen, H. B. Fuzzy Set Methods for Local Modelling and Identification. In: Murray-Smith, R., Johansen T.A. (Ed.). Multiple Model Approaches to Modelling and Control. Londres: Taylor & Francis, 1997, 75-100.

Hwang, G. J. Knowledge acquisition for fuzzy expert systems. International Journal of Intelligent Systems. 1995, 10(6), 541- 560. https://doi.org/10.1002/int.4550100602

Delgado, M., González, A. An inductive learning procedure to identify fuzzy systems. Fuzzy Sets and Systems. 1993, 55(2), 121-132. https://doi.org/10.1016/0165-0114(93)90125-2

Castro-Schez, J. J., Jennings, N. R., Luo, X., Shadbolt, N. R. Acquiring domain knowledge for negotiating agents: a case of study. International Journal of Human-Computer Studies. 2004, 61(1), 3-31. https://doi.org/10.1016/j.ijhcs.2003.09.006

Takagi, T. Sugeno, M. Fuzzy Identification of Systems and Its Applications to Modeling and Control. IEEE Transactions on Systems, Man and Cybernetics. 1985, 15(1), 116-132. https://doi.org/10.1109/TSMC.1985.6313399

Vinothini, S., Chandra Segar Thirumalai, Vijayaragavan, R. An efficient AFRA using an Intelligent Fuzzy Repertory Table technique. International Research Journal of Engineering and Technology. 2015, 2(2), 365-372.

Castro, J. L., Castro-Schez, J. J., Zurita, J. M. Learning maximal structure rules in fuzzy logic for knowledge acquisition in expert systems. Fuzzy Sets and Systems. 1999, 101(3), 331-342. https://doi.org/10.1016/S0165-0114(97)00105-X

Castro, J. L., Zurita, J. M. An inductive learning algorithm in fuzzy systems. Fuzzy Sets and Systems. 1997, 89(2), 193-203. https://doi.org/10.1016/S0165-0114(96)00106-6

Mamdani, E. H. Application of fuzzy algorithms for control of simple dynamic plant. Proceedings of the Institution of Electrical Engineers on Control & Science. 1974, 121(12), 1585-1588.

Castro-Schez, J. J., Castro, J. L., Zurita, J. M. Fuzzy Repertory Table: A Method for Acquiring Knowledge About Input Variables to Machine Learning Algorithm. IEEE Transactions on Fuzzy Systems. 2004, 12(1), 123- 139. https://doi.org/10.1109/TFUZZ.2003.822684

Edwards, H. M., McDonald, S., Young, S. M. The repertory grid technique: Its place in empirical software engineering research. Information and Software Technology. 2009, 51(4), 785-798. https://doi.org/10.1016/j.infsof.2008.08.008

Bradshaw, J. M., Ford, K. F., Adams-Webber, J. R., Boose, J. H. Beyond the Repertory Grid: New Approaches to Constructivist Knowledge Acquisition Tool Development. International Journal of Intelligent Systems. 1993, 8, 287–333.

Easterby-Smith, M., Thorpe, R., Holman, D. Using repertory grids in management. Journal of European Industrial Training. 1996, 20(3), 3-30. https://doi.org/10.1108/03090599610114138

Mehta, K. Abalone Age Prediction Problem: A Review. International Journal of Computer Applications: 2019, 178(50),43-49. Doi: 10.5120/ijca2019919425.

Sain, H, Purnami, S.W. Combine Sampling Support Vector Machine for Imbalanced Data Classification. Procedia Computer Science: 2015, 72, 59–66. https://doi.org/10.1016/j.procs.2015.12.105

Mayukh, H. Age of Abalones using Physical Characteristics:A Classification Problem. Department of Electrical and Computer Engineering, University of Wisconsin-Madison, 2010.

Wang, Z Abalone Age Prediction Employing A Cascade Network Algorithm and Conditional Generative Adversarial Networks. Research School of Computer Science, Australian National University, 2018.

Ranka, S., Singh, V. CLOUDS: A decision tree classifier for large datasets. Proceedings of the 4th Knowledge Discovery and Data Mining Conference: 1988, 2(8).

Fahlman, S. E., Lebiere, C. The cascade-correlation learning architecture. Advances in neural information processing systems: 1990, p. 524-532.

Mirza, M., Osindero S. Conditional Generative Adversarial Nets. Department of Computer Science and Operations Research, University of Montreal, Canada: 2014. arXiv preprint arXiv:1411.1784

Downloads

Published

2020-10-30

How to Cite

Menéndez Domínguez, V. H., Romero Vázquez, M. E., Castellanos Bolaños, M. E., & Guerrero Sosa, J. D. T. (2020). Modeling of inference systems based on the fuzzy repertory table technique. An experimental study. Programación Matemática Y Software, 12(3), 19–28. https://doi.org/10.30973/progmat/2020.12.3/3

Issue

Vol. 12 No. 3 (2020): October, 2020

Section

Articles

License

Copyright (c) 2020 Programación Matemática y Software

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

Usted es libre de:

Compartir — compartir y redistribuir el material publicado en cualquier medio o formato.
Adaptar — combinar, transformar y construir sobre el material para cualquier propósito, incluso comercialmente.

Bajo las siguientes condiciones:

Atribución — Debe otorgar el crédito correspondiente, proporcionar un enlace a la licencia e indicar si se realizaron cambios. Puede hacerlo de cualquier manera razonable, pero de ninguna manera que sugiera que el licenciador lo respalda a usted o a su uso.
  Sin restricciones adicionales: no puede aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros a hacer cualquier cosa que permita la licencia.