Modelado y descripción de series de tiempo utilizando técnicas basadas en la lógica difusa

Abstract

La generación de descripciones lingüísticas a partir de datos en bruto es una línea de investigación importante actualmente. Este tipo de descripciones se utilizan, por ejemplo, en asistentes virtuales como Alexa, Google Home o SIRI. La generación de escripciones lingüísticas de los datos que han sido adquiridos por todo tipo de sensores, tecnologías y observaciones durante un período de tiempo difiere de las técnicas clásicas basadas en la segmentación, predicción, reconocimiento y extracción de patrones. El uso de la lógica difusa para generar descripciones lingüísticas a partir de datos en bruto es una posibilidad interesante. Se plantearán dos posibilidades para la generación de descripciones lingüísticas basadas por un lado en la representación de las series, y por otro, en el modelado de sistemas que utilizan dichas series.

Respecto a la representación se pueden obtener representaciones de alto nivel de las series de datos para generar las descripciones a partir de éstas, evitando así la utilización de los datos en bruto. A partir de estas representaciones se pueden buscar la ocurrencias de eventos utilizando lenguajes de alto nivel basados en la lógica difusa. Se presentarán algunos ejemplos que mostrarán la potencia de estas herramientas. Además, también es interesante el uso de modelos matemáticos que modelen sistemas y que puedan generar descripciones lingüísticas utilizando series de tiempo como entrada. Las redes de Petri (PN) pueden detectar eventos y administrar el flujo de entrada, proporcionando así las herramientas necesarias para sincronizar y coordinar el sistema para describir. Se presentará un nuevo método que mantiene el funcionamiento de las PN, al tiempo que agrega el mecanismo necesario para generar descripciones lingüísticas. Los diferentes elementos lingüísticos se agregan a los lugares y las transiciones de las PN, manteniendo así el funcionamiento de las PN. Se expondrán ejemplos que usan conjuntos de datos de aplicaciones reales.