@@ -870,27 +870,27 @@ Para una mayor comprensión de la interpretación de un árbol de decisión, se
La construcción del modelo basado en reglas borrosas es análoga al procedimiento de la construcción de árboles de decisión. Por esta razón, primero debemos comprender el modelo que representa a las reglas borrosas. Empezaremos por comprender la unidad mínima de la regla, que es cada uno de los antecedentes que la componen. Los antecedentes de las reglas borrosas representan una condición, en forma de intervalos (para los atributos numéricos) o directamente una comparación para los atributos categóricos. En el caso de los antecedentes numéricos, podemos entender gráficamente los intervalos como una función a trozos que dibujan un trapecio. Los antecedentes numéricos tienen la forma [A, B, C, D]. La interpretación habitual de la regla sería:
\begin{itemize}
\item$x <= A$ entonces $x=0$
\item$x \in(A,B)$ entonces $x$ tiene un cierto grado de activación entre $(0,1)$
\item$x \in[B,C]$ entonces $x=1$
\item$x \in(C,D)$ entonces $x$ tiene un cierto grado de activación entre $(0,1)$
\item$x >= D$ entonces $x=0$
\item$x <= A$ entonces $\mu(x)=0$
\item$x \in(A,B)$ entonces $\mu(x)$ tiene un cierto grado de activación entre $(0,1)$
\item$x \in[B,C]$ entonces $\mu(x)=1$
\item$x \in(C,D)$ entonces $\mu(x)$ tiene un cierto grado de activación entre $(0,1)$
\item$x >= D$ entonces $\mu(x)=0$
\end{itemize}
Existen casos especiales donde $A=B$, cuya interpretación sería:
\begin{itemize}
\item$x \in(-\infty,C]$ entonces $x=1$
\item$x \in(C,D)$ entonces $x$ tiene un cierto grado de activación entre $(0,1)$
\item$x => D$ entonces $x=0$
\item$x \in(-\infty,C]$ entonces $\mu(x)=1$
\item$x \in(C,D)$ entonces $\mu(x)$ tiene un cierto grado de activación entre $(0,1)$
\item$x => D$ entonces $\mu(x)=0$
\end{itemize}
O bien el caso donde $C=D$:
\begin{itemize}
\item$x <= A$ entonces $x=0$
\item$x \in(A,B)$ entonces $x$ tiene un cierto grado de activación entre $(0,1)$
\item$x \in[B,+\infty)$ entonces $x=1$
\item$x <= A$ entonces $\mu(x)=0$
\item$x \in(A,B)$ entonces $\mu(x)$ tiene un cierto grado de activación entre $(0,1)$
\item$x \in[B,+\infty)$ entonces $\mu(x)=1$
\end{itemize}
Teniendo en cuenta los casos anteriores solo queda determinar cuál es el grado de activación para los intervalos $(A,B)$ y $(C,D)$. Para comprender mejor la activación de dichos intervalos podemos fijarnos en la representación de trapecio de la figura \ref{fig:fuzzyrule}.