Aplicación de un Sistema de Interferencia Difusa Basada en una Red Adaptable para el Pronóstico del Tipo de Cambio Libra Esterlina-Dólar Americano

Abstract

El área de modelación o identificación difusa comprende la utilización de principios de un mecanismo de inferencia y reglas difusas para describir un sistema, como en este estudio de tesis, para fines de pronóstico en la cotización de divisas. Las reglas en un principio son definidas a partir de conocimiento implícito en patrones de datos sobre el dominio a modelar, para posteriormente aplicar un proceso de sintonización de las variables ling�ísticas que las conforman a partir de vectores de entrenamiento entrada-salida estipulados; de esta forma se busca realizar un mapeo apropiado entre las entradas y salidas del sistema. El proceso de sintonización es un proceso de aprendizaje en línea o en lote que en este estudio de tesis se aplica a arquitecturas de modelación que en forma genérica se conocen como sistema de inferencia difusa basado en una red adaptable, el cual comprende sistemas difusos del tipo Takagi-Sugeno-Kang (TSK). Los sistemas difusos Takagi-Sugeno-Kang de orden cero y de primer orden pueden ser representados equivalentemente en forma de una red adaptable de manera tal que la sintonización de las reglas difusas en la base de conocimiento se transforma en un proceso de aprendizaje supervisado. En la red equivalente al sistema TSK de primer orden se utiliza un algoritmo de aprendizaje híbrido en que los parámetros de las premisas de las reglas son ajustados usando una estrategia de gradiente descendente y los del consecuente con un algoritmo de mínimos cuadrados recursivos. En la red del sistema TSK de orden cero se utiliza sólo el aprendizaje por gradiente descendente y los resultados de ambas arquitecturas son comparadas ante la variación en la configuración de las estructuras y sus parámetros para un mismo caso de estudio correspondiente al pronóstico del tipo de cambio libra esterlina-dólar americano.