Modelización de sistemas complejos adaptativos usando mapas cognitivos difusos

Resumo

El ámbito de aplicación de la Inteligencia Artificial (IA) resulta cada vez más amplio. La IA se utiliza en aplicaciones tan diversas como la exploración espacial, la medicina, la gestión de recursos, la toma de decisiones en los negocios, control de procesos industriales, en el funcionamiento de electrodomésticos y hasta en los videojuegos. No ha siempre ha sido considerada como una disciplina consolidada y a la que se le presta una gran atención. Los orígenes fueron excesivamente eufóricos, donde se consideraba a esta materia como la clave para la resolución de cualquier tipo de problema. Posteriormente se produjo un largo periodo de decepción debido a que no cubrió las perspectivas iniciales poco realistas. La IA resurgió entre otros motivos por el establecimiento mas realistas del potencial de esta disciplina. Una de las nuevas áreas de aplicación de la IA es el campo del Soft Computing o computación flexible. Se trata de una rama de la IA centrada en el diseño de sistemas inteligentes capaz de manejar de forma adecuada la información, imprecisa o incompleta. Las técnicas principales que componen el Soft Computing son la lógica difusa, las redes neuronales, la computación evolutiva y el razonamiento probabilístico. La presente tesis doctoral se centra en los Mapas Cognitivos Difusos (Fuzzy Cognitive Maps), técnica derivada de la combinación de la lógica difusa y las redes neuronales. Por lo tanto se encuadra plenamente en el Soft Computing. Se trata de una técnica de gran flexibilidad y de múltiples aplicaciones como se expone a lo largo de este trabajo. La tesis se compone de cuatro capítulos y un anexo con las contribuciones realizadas que son el contenido de más valor de la tesis. El capítulo contienen la introducción de la tesis, donde se desarrolla la motivación, se detalla la estructura y se relacionan las contribuciones realizadas en el marco de esta tesis. El segundo capítulo recoge los fundamentos de los Mapas Cognitivos Difusos. Se expone el origen de la técnica y su conceptualización, su definición formal, las aplicaciones más comunes, la representación gráfica, los modelos de construcción y análisis, la dinámica del sistema y las funciones de activación. El tercer capítulo se centra en las extensiones más importantes de los Mapas Cognitivos Difusos. Concretamente se agrupan en tres categorías. La primera son las extensiones que se centran en la incertidumbre asociada al modelo, la segunda categoría la constituyen las que se centran en la representación del conocimiento. Finalmente, la tercera categoría incluyen las extensiones que contemplan el tiempo en la evolución del sistema. El cuarto capítulo muestra alguna nuevas tendencias en el investigación en Mapas Cognitivos Difusos. Dichas tendencias son un resumen en español de las principales contribuciones del autor. La tesis incorpora una serie de contribuciones en forma de publicaciones en revistas indexadas en el Science Citation Index (SCI) del Journal Citation Reports (JCR). Dichas publicaciones se han realizado tanto en solitario como en coautoría. A continuación se detallan las principales contribuciones realizadas en solitario. J.L. Salmeron (2009). Supporting decision makers with Fuzzy Cognitive Maps. Research-Technology Management 52(3), pp. 53-59. J.L. Salmeron (2009). Augmented fuzzy cognitive maps for modelling LMS critical success factors. Knowledge-Based Systems 22(4), pp. 275¿278. J.L. Salmeron (2012). Modelling grey uncertainty with Fuzzy Grey Cognitive Maps. Expert Systems with Applications 37, pp. 7581¿7588. J.L. Salmeron (2012). Fuzzy Cognitive Maps for Artificial Emotions Forecasting. Applied Soft Computing, forthcoming.