El objetivo principal es que el alumno conozca y sepa manejar los conjuntos difusos en diferentes ambientes y tenga la destreza de poderlos aplicar en otros campos de actuación.

Para esto veremos los fundamentos básicos y estudiaremos su aplicación en tres campos muy importantes, en la recuperación de información (utilizando herramientas algebraicas), en el control difuso (que usa operadores algebraicos) y en la aproximación de curvas (en las que se introduce la noción de B-spline difuso y se utilizan medidas difusas, números difusos, etc.).

Tema 1. Introducción a los conjuntos difusos.

Tema 2.  Conjuntos difusos y conexiones de Galois, aplicación al análisis de datos.

Tema 3. Análisis de conceptos formales difusos y teoría de conjuntos rugosos.

Tema 4. Control difuso.

Tema 5. Aproximación de curvas usando conjuntos difusos.

CB11 - Comprensión sistemática de un campo de estudio y dominio de las habilidades y métodos de investigación relacionados con dicho campo.

CB14 - Capacidad de realizar un análisis crítico y de evaluación y síntesis de ideas nuevas y complejas.

La metodología será teórica y práctica, aplicando los conocimientos a ejemplos concretos en cada uno de los temas. Para el tema 3, se realizarán ejemplos prácticos de cómo construir un controlador difuso sencillo.

Será obligatoria la asistencia a clase. Se realizarán trabajos prácticos que deberán ser entregados por los alumnos, así como exposiciones en seminarios. La calificación será "Apto" o "No apto".

Anile, A., Falcidieno, B., Gallo, G., Spagnuolo, M., y Spinello, S. (2000). Modeling undertain data with fuzzy b-splines. Fuzzy Sets and Systems, 113(3):397 – 410.

Baang, D., Stoev, J., y Choi, J. Y. (2007). Adaptive observer using auto-generating b-splines. International Journal of Control, Automation, and Systems, 5(5):479–491.

Bede, B., Rudas, I. J., y Bencsik, A. L. (2007). First order linear fuzzy differential equations under generalized differentiability. Information Sciences, 177(7):1648 – 1662. Fuzzy set applications in industrial engineering.

Belohlavek, R. (1998). Lattice generated by binary fuzzy relations (extended abstract). In 4th Intl Conf on Fuzzy Sets Theory and Applications, page 11.

Belohlavek, R. (2001). Lattices of fixed points of fuzzy Galois connections. Mathematical Logic Quartely, 47(1):111–116.

Burusco, A. y Fuentes-González, R. (1998). Construction of the L-fuzzy concept lattice. Fuzzy Sets and Systems, 97(1):109–114.

Cornejo, M., Medina, J., y Ramírez, E. (2012). A comparative study of adjoint triples. Fuzzy Sets and Systems.

Dubois, D. y Prade, H. (1982). Towards fuzzy differential calculus part 3: Differentia- tion. Fuzzy Sets and Systems, 8(3):225–233. Cited By (since 1996): 75.

Ganter, B. y Wille, R. (1999). Formal Concept Analysis: Mathematical Foundation. Springer Verlag.

Medina, J. y Ojeda-Aciego, M. (2010). Multi-adjoint t-concept lattices. Information Sciences, 180(5):712–725.

Medina, J., Ojeda-Aciego, M., y Ruiz-Calviño, J. (2009). Formal concept analysis via multi-adjoint concept lattices. Fuzzy Sets and Systems, 160(2):130–144.