Sistemas híbridos inteligentes basados en lógica difusa y aprendizaje profundo

Abstract

En el presente trabajo se desarrolló una arquitectura neuro-difusa usando datos de imágenes de satélite de monitoreo de cultivos en el contexto de una sola clase. Para ello, se entrenaron, evaluaron y comprobaron diferentes autocodificadores usando técnicas de deep learning y un clasificador difuso. Aparte de aplicar este enfoque en el contexto de monitoreo de cultivos, se buscó comprobar su aplicación en dos contextos diferentes y comparar su rendimiento contra un autocodificador sin lógica difusa y modelos entrenados con los algoritmos de machine learning Isolation Forest y One Class SVM.