Publicación semestral • ISSN 2683-2968 • Junio 2022 • Número de revista 5
Publicación semestral • ISSN 2683-2968 • Junio 2022 • Número de revista 5
Miguel Pérez Gaspar
Javier Gómez Castellanos
Everardo Bárcenas Patiño
Luis Francisco García Jiménez
6/8
Con el nacimiento del IoT se ha multiplicado exponencialmente el número de dispositivos que se encuentran a nuestro alrededor tienen una conexión inalámbrica a un punto de acceso (AP). Lo anterior crea la necesidad de contar con una interfaz simple e intuitiva que permita a las personas interactuar con ellos, cambiando inclusive su comportamiento de acuerdo con nuevas necesidades de los usuarios [39], [40]. Es importante mencionar que la gran mayoría de las personas que interactúan con este tipo de dispositivos son personas que no están familiarizadas con la tecnología, por lo que se hace necesario contar con una manera natural en la que los usuarios puedan interactuar y en algunos casos modificar el funcionamiento de estos dispositivos. A lo largo de la historia, se ha demostrado que no existe mejor canal de comunicación para los humanos que el habla. Actualmente, existen algunos compiladores que traducen en tiempo real el lenguaje natural a instrucciones que pueden entender y ejecutar dispositivos IoT. Sin embargo, dichos sistemas son muy limitados, ya que solo admiten un número reducido de instrucciones precisas (por ejemplo: enciende el aire acondicionado si la temperatura excede 30 grados centígrados). Sin embargo, la instrucción del ejemplo anterior no caracteriza al lenguaje cotidiano que usamos los humanos regularmente, donde una frase más común sería algo como “enfría el cuarto cuando haga calor”. Nuevamente, la idea de tener un compilador difuso capaz de traducir lenguaje natural cotidiano a instrucciones para dispositivos IoT sería altamente relevante, ya que ayudaría a acelerar la adopción de estas tecnologías [35].
Los modelos de cómputo tradicional o clásico se definen como máquinas de estados finitos. La máquina de Turing es el modelo que de hecho define el término de computabilidad, sin embargo, existen una gran variedad de estos con distintas características: expresividad, complejidad computacional, etcétera. Algunos ejemplos de los modelos de cómputo basados en máquinas de estados son: autómata de árbol, autómata de pila, transductor, entre otros. Los modelos de cómputo clásicos están relacionados directamente con los métodos de razonamiento clásicos [41]. Para los métodos de razonamiento no-clásicos, han surgido diversos modelos de cómputo. A continuación describimos con mayor detalle algunos de ellos.
Autómatas celulares
Los autómatas celulares (AC) son sistemas computacionales discreto-abstractos útiles como modelos generales de complejidad y como representaciones más específicas de dinámicas no lineales en una variedad de áreas científicas. En primer lugar, los AC son espaciales y temporalmente discretos: están conformados por un conjunto finito o numerable de unidades del tipo simple y homogéneo, llamando a estas unidades átomos o células. Dada una unidad de tiempo, las celdas describen un estado de un conjunto finito de estados. AC evolucionan en paralelo en pasos de tiempo discretos, apoyándose de las funciones de actualización de estado, también denotadas reglas de transición dinámica. La actualización de un celda, se obtiene al considerar los estados de las celdas en su vecindad local (no hay, por lo tanto, acciones a distancia). En segundo lugar, los AC son abstractos: pueden especificarse en términos puramente matemáticos y las estructuras físicas pueden implementarlas. En tercer lugar, los AC son sistemas computacionales: pueden computar funciones y resolver cuestiones algorítmicas.
Autómata celular tradicional
Un ejemplo sencillo de autómata celular se presenta en [41]. Piense en un autómata como una cuadrícula unidimensional de elementos simples (celdas). Cada uno de ellos solo puede instanciar uno de dos estados; digamos que cada una se puede encender o apagar. La evolución del sistema está determinada por una regla de transición, que se debe considerar implementada en ellas. En cada paso de tiempo, se actualiza su estado en respuesta a lo que sucede con sus celdas vecinas, siguiendo la regla.
Figura 1. Autómatas Celulares, "Evolución del sistema: salón de clases," 2022. [Imagen]. Disponible en: Stanford Encyclopedia of Philosophy, https://plato.stanford.edu/entries/cellular-automata/ [Consultado en junio 04, 2022].
Así que piense en la figura 1 como si representara la primera fila de un salón de clases de secundaria. Cada cuadro representa a un estudiante que usa (negro) o no (blanco) un sombrero. Hagamos las dos suposiciones siguientes:
Regla del sombrero: un estudiante usará el sombrero en la siguiente clase, si uno u otro, pero no ambos, de los dos compañeros de clase sentados inmediatamente a su izquierda y a su derecha, tiene el sombrero en la clase actual (si nadie usa sombrero, un sombrero está pasado de moda; pero si ambos vecinos lo usan, un sombrero ahora es demasiado popular para estar de moda).
Clase inicial: durante la primera clase de la mañana, solo un estudiante del medio se presenta con un sombrero (ver figura 2).
Figura 2. Autómatas Celulares, "Clase inicial del sistema: salón de clases," 2022. [Imagen]. Disponible en: Stanford Encyclopedia of Philosophy, https://plato.stanford.edu/entries/cellular-automata/ [Consultado en junio 04, 2022].
La figura 3 muestra lo que sucede a medida que pasa el tiempo. Las filas consecutivas representan la evolución en el tiempo a través de clases posteriores.
Figura 3. Autómatas Celulares, "Patrón evolutivo del sistema: salón de clases," 2022. [Imagen]. Disponible en: Stanford Encyclopedia of Philosophy, https://plato.stanford.edu/entries/cellular-automata/ [Consultado en junio 04, 2022].
La figura 3 puede resultar sorprendente. El patrón evolutivo mostrado contrasta con la simplicidad de la ley subyacente (la "regla del sombrero") y la ontología (ya que en términos de objeto y propiedades, solo necesitamos tener en cuenta celdas simples y dos estados). El comportamiento emergente global del sistema sobreviene sobre sus características simples locales, al menos en el siguiente sentido: la escala en la que se toma la decisión de llevar el sombrero (vecinos inmediatos) no es la escala en la que se manifiestan los patrones interesantes. Este ejemplo es una ilustración de lo que hace que los AC sean atractivos para una amplia gama de investigadores.
Definimos formalmente un autómata celular como una cuádrupla que tiene la siguiente estructura:
R: Retícula, región espacial donde se define al autómata.
Σ: Conjunto finito de estados {1, 2, 3, ..., α}.
V: Vecindad, con un radio r ∈ {1, 2 , 3, ...}.
C: Función de transición, que son las reglas de evolución del autómata.
De este modo, la cuádrupla AC= {R, Σ, V, C} es denominada autómata celular.
En [42], se presenta un modelo basado en autómatas celulares para el estudio de la propagación temporal de gusanos bluetooth en teléfonos inteligentes.
Autómata celular difuso
El autómata celular difuso se define como una quíntupla cuya estructura es similar a la de un autómata celular ordinario. Se compone de una matriz rectangular, con un número de filas y columnas finitos que será la región espacial en la que el evolucionará durante su ciclo de existencia; donde cada celda será identificada por un estado definido y una vecindad determinada, además de una función de pertenencia difusa para las reglas de evolución de la función de transición del autómata.
Se puede definir también como un modelo matemático de tipo discreto, a continuación se describe su estructura.
Un autómata celular difuso como una quíntupla tiene la siguiente estructura: R: Retícula, región espacial donde se define al autómata.
Σ: Conjunto finito de estados. {1, 2, 3, ..., n}
V: Vecindad, con un radio r ∈ {1, 2, 3, ...}
U: Función de pertenencia difusa, que utiliza la función de transición para la evolución del autómata.
C: Función de transición, que son las reglas de evolución del autómata. De este modo, la quíntupla ACD= {R, Σ, V, U, C} es denominada autómata celular difuso.
En [43], propusieron el esquema de clasificación y gestión de nodos defectuosos basados en reglas difusas (FNCM) para redes de sensores inalámbricos (WSN). En [44], los autores explican un esquema de gestión y clasificación de nodos defectuosos de autómatas de aprendizaje celular distribuido para WSN que puede detectar y reutilizar nodos sensores defectuosos de acuerdo con su estado de falla. El método utiliza autómatas de aprendizaje celular para asignar un estado a cada nodo en función de las condiciones del hardware, lo que hace que los nodos realicen una de las operaciones de la red.
Fecha de recepción: 18 de marzo de 2022
Fecha de publicación: junio de 2022
Mobirise page builder - Details here