Utilizando Lógica Fuzzy para Avaliar a Qualidade de uma Compra Via Internet

Tamanho: px
Começar a partir da página:

Download "Utilizando Lógica Fuzzy para Avaliar a Qualidade de uma Compra Via Internet"

Transcrição

1 Utilizando Lógica Fuzzy para Avaliar a Qualidade de uma Compra Via Internet Leonardo Martins Rodrigues 1 e Graçaliz Pereira Dimuro 1 1 Programa de Pós-Graduação em Modelagem Computacional Universidade Federal do Rio Grande - FURG Resumo. O objetivo deste trabalho é realizar um experimento sobre Lógica Fuzzy. Para isso, escolheu-se um exemplo de aplicação para que esse conceito pudesse ser utilizado. O exemplo trata sobre um assunto que está a cada dia mais presente no cotidiano das pessoas: compras pela Internet. Sendo assim, a ideia é avaliar a qualidade do serviço prestado pela Loja Online através da análise de duas variáveis: tempo de entrega e valor do produto. É feita também uma análise dos métodos de defuzzificação para esta aplicação. 1. Introdução A Lógica Fuzzy [Zadeh 1965] foi desenvolvida para a modelagem de raciocínio aproximado e vago, permitindo descrever de forma efetiva as características de sistemas complexos ou que não podem ser definidos de forma exata. Os relacionamentos entre elementos e conjuntos seguem uma transição entre pertinência e não pertinência que é gradual, indicando valores de pertinência intermediários entre o verdadeiro e o falso da lógica clássica. A Lógica Fuzzy tem sido muito utilizada para tratamento de dados e informações qualitativas, subjetivas, vagas, incertas, possibilitando obter conclusões seguras e robustas através de raciocínio aproximado. A lógica fuzzy tem sido utilizada com freqüência e sucesso em controladores fuzzy[cox 1994], mas seu uso também tem-se evidenciado em outras áreas, tais como em modelos de agentes para simulação social e ambiental [Farias et al. 2011, Hassan et al. 2008, Ghasem-Aghaee and Ören 2003, Ören and Ghasem-Aghaee 2003, Dimuro et al. 2009, Sabeur and Denis 2007], para operações em terminais de containers [Lokuge and Alahakoon 2004], redes sensoriais sem fio [Shen et al. 2008], etc. O objetivo deste trabalho é realizar um experimento utilizando a Lógica Fuzzy, voltado para uma aplicação bastante atual, tal como a avaliação da qualidade do serviço prestado por uma loja através da Internet. O trabalho está organizado como descrito a seguir. A Seção 2 apresenta alguns conceitos básicos sobre Conjuntos Fuzzy estudados. A descrição do problema é discutida na Seção 3. A modelagem e a implementação são descritas na Seção 4. A Seção 5 é a Conclusão. 2. O que é a Lógica Fuzzy? O termo Fuzzy significa algo nebuloso, impreciso ou vago. Tendo isso em vista, a Lógica Fuzzy visa resolver problemas onde a informação não é precisa, ou seja, tal informação varia de acordo com a compreensão que se tem sobre um determinado assunto. Porém, antes de entender o que é a Lógica Fuzzy é necessário saber o conceito de Conjuntos Fuzzy.

2 2.1. Conjuntos Fuzzy A teoria dos Conjuntos Fuzzy foi formalizada por Zadeh [Zadeh 1965] e passou a tratar objetos de forma que seus graus de pertinência para um ou outro grupo varie entre 0 e 1. Segundo a Lógica Tradicional, ou um objeto (O) é totalmente pertencente a um grupo (1) ou o objeto é totalmente não pertencente a tal grupo. Por outro lado, nos Conjuntos Fuzzy um objeto pode ser parcialmente pertencente a um grupo (1) e parcialmente pertencente a outro grupo (2). Todas os conceitos conhecidos para um conjunto na matemática podem ser expandidos para os Conjuntos Fuzzy, realizando-se as devidas adaptações. Dessa forma, é possível efetuar uma união, uma interseção, um complemento ou um produto cartesiano entre Conjuntos Fuzzy. Sabendo que qualquer conjunto clássico pode ser caracterizado por uma função, a função característica, Zadeh obteve a formalização matemática de um conjunto Fuzzy. A Definição 2.1.1, a seguir, mostra a representação de uma função de pertinência de um subconjunto Fuzzy. Definição Seja U um conjunto e A um subconjunto de U. A função característica de A é dada por: { 1 se x A χ A (x) = 0 se x / A Com isso, χ A é uma função cujo domínio é U e a imagem está contida no conjunto 0,1. Se χ A (x) = 1 significa que x está contido em A, caso contrário, χ A (x) = 0 significa que x não está contido em A. Dessa forma, uma função característica é responsável por descrever completamente o conjunto A, dado que tal função indica quais elementos do conjunto universo U são também elementos de A Subconjuntos Fuzzy Um subconjunto fuzzy F de um conjunto universo U é definido em termos de uma função de pertinência ϕ que a cada elemento x de U associa um número ϕ(x), entre zero e o máximo grau de pertinência de x em F, neste caso é igual a 1. Com isso, a Definição mostra como é possível indicar um conjunto fuzzy de acordo com sua função de pertinência. Definição Seja U um conjunto clássico. Um subconjunto fuzzy A de U é caracterizado por uma função ϕ A : U [0, 1], pré-fixada, denominada função de pertinência do subconjunto fuzzy A. Com isso, tem-se que o valor ϕ A (x) [0, 1] associa qualquer elemento x U ao conjunto fuzzy A com um determinado grau de pertinência. Se ϕ A (x) = 0, isso significa que x não pertence ao conjunto fuzzy A. Caso contrário, se ϕ A (x) = 1, indica que x pertence completamente ao conjunto fuzzy A. Formalmente, é possível obter a definição de subconjunto fuzzy ampliando o contra domínio da função característica, ou seja, o conjunto {0, 1}, para o intervalo [0, 1]. Com isso, tem-se que um conjunto clássico A de U é um caso particular do conjunto fuzzy, para o qual a função de pertinência ϕ A é sua função característica de χ A, isto é,

3 ϕ A : U {0, 1}. Um subconjunto fuzzy F é composto de elementos x de um conjunto clássico U, providos de um valor de pertinência a F, dado por ϕ F (x). Com isso, pode-se dizer que um subconjunto fuzzy F de U é dado por um conjunto de pares ordenados: F = {(x, ϕ F (x)), x U}. O conjunto clássico de U definido por suppf = {x U : ϕ F (x) > 0} é denominado suporte de F e é muito importante no que tange a relação entre as teorias de conjuntos clássica e fuzzy Operações básicas entre subconjuntos Fuzzy Para entender as operações, considere a existência de três conjuntos fuzzy A, B e C no universo U. Seja x um dado elemento no universo em questão, pode-se definir as seguintes operações: Inclusão A B (ϕ A B x U : ϕ A (x) ϕ B (x)) União ϕ A B (x) = ϕ A (x) ϕ B (x) = max{ϕ A (x), ϕ B (x)} Intersecção ϕ A B (x) = ϕ A (x) ϕ B (x) = min{ϕ A (x), ϕ B (x)} Complemento ϕ A (x) = 1 ϕ A (x) Tendo em vista os conceitos básicos abordados, os conjuntos Fuzzy e a Lógica Fuzzy formam uma base sólida de técnicas para a solução de problemas nas mais diversas áreas, principalmente em controle e tomada de decisão. Com isso, serão utilizados esses conceitos para o desenvolvimento deste trabalho. 3. Descrição do problema proposto O exemplo adotado para implementação neste trabalho está ligado à avaliação da qualidade de uma compra realizada via Internet. Quando uma pessoa procura um item para comprar, seja via Internet ou pessoalmente, o primeiro dado a ser analisado é o preço do item. Ou seja, geralmente é feita uma pesquisa entre os diversos sites (no caso de uma compra via Internet) que disponibilizam o item para que se verifique qual tem a melhor oferta com relação ao valor do produto.

4 Ao decidir a Loja online em que será efetuada a compra, um ponto importante que também deve ser observado diz respeito ao tempo de entrega. Assim, se na loja escolhida para a compra, o tempo de entrega for muito longo, pode ser que seja mais vantajoso pagar um pouco a mais em outra loja que tenha o prazo de entrega mais curto, dependendo da necessidade que se tem em ter tal produto. Com isso, a intenção da implementação deste problema é de decidir em qual Loja online será mais vantajosa a realização da compra, com base no preço e no prazo de entrega do produto. 4. Descrição da implementação do problema Nesta seção serão mostrados alguns detalhes com relação à implementação do problema, tais como: variáveis linguísticas, curvas e valores crisp (valores encontrados no mundo real) utilizados Definição das variáveis linguísticas - Fuzzificação Como discutido na Seção 3, existem três variáveis linguísticas que serão abordadas neste trabalho: preço (ou valor), tempo e qualidade. As duas primeiras se referem diretamente ao produto de interesse e a última se refere à avaliação da Loja online. Para a variável linguística valor, foram adotados os seguintes termos linguísticos: barato, médio e caro. Com isso, foram definidas as fronteiras no qual os termos definidos pertencem. Ou seja, supondo que um produto custe no mínimo ZERO e no máximo R$ 100 Reais, um produto barato está considerado na faixa entre R$ 0-50 reais, um produto médio foi considerado na faixa de R$ Reais e, por fim, um produto caro está na faixa de R$ Reais. Tendo em vista estes valores, pode-se expressar a descrição das funções de pertinência como mostra a Figura 1. Na Figura 1 é possível notar a existência de funções trapezoidais e triangulares. Isso foi definido pelo fato de representarem melhor a realidade. Dessa forma, um produto que está na faixa dos produtos baratos tem seu grau de pertinência a esse termo se custa entre R$ 0-25 Reais, após isso, entre R$ Reais, o produto começa a deixar de ser barato e começa a ter a pertinência ao termo médio aumentada. Assim, existem regiões de transição de estado do valor, uma entre barato e médio e outra entre médio e caro. Da mesma forma em que a variável valor foi criada, a variável tempo de entrega também teve termos adotados, são eles: rápido, médio e demorado. O prazo de entrega está na faixa de 1-12 dias consecutivos, neste exemplo. Com isso, para que a entrega seja considerada rápida, o prazo deve variar na faixa de 1-6 dias. Para que uma entrega seja considerada média, seu prazo deve estar na faixa de 3-9 dias. Por fim, para que a entrega seja considerada demorada, seu prazo deve estar na faixa de 6-12 dias. A partir desses dados, pode-se gerar um gráfico que mostra as definições realizadas. A Figura 2, a seguir, ilustra essas definições. Como visto na Figura 1, a Figura 2 também adota funções trapezoidais e triangulares. Todas as explicações feitas anteriormente também valem para essa variável, com suas respectivas mudanças de valores.

5 Figura 1. Funções utilizadas para a variável linguística valor. Por último, foi definida a variável linguística qualidade do serviço. Para esta variável foram atribuídos os seguintes termos: ruim, médio e bom. A nota atribuída ao serviço varia na faixa de Assim, um serviço ruim se enquadra na faixa de Um serviço considerado médio está na faixa de Já um serviço considerado bom está na faixa entre O gráfico que representa essa variável é mostrado na Figura Definição das regras - Inferência Nesta Seção, serão apresentadas as regras de inferência definidas para o problema proposto. Uma inferência em lógica Fuzzy nada mais é do que a aplicação de uma regra do tipo: SE X, ENTÃO Y; desde que as variáveis analisadas, X e Y neste caso, sejam noções difusas. Sendo assim, foram definidas as seguintes regras de acordo com os conjuntos definidos na Seção anterior. A Tabela 1 mostra o conjunto de regras de inferência. Ou seja, dadas as definições das inferências, pode-se criar uma tabela simplificada que representa todas as definições de forma mais simples. A Tabela 2 mostra a simplificação adotada. Para os operadores AND e OR foram atribuídas as funções min(a,b) e max(a,b), respectivamente, que são exemplos de operadores T-normas e T-conormas que generalizam os operadores AND e OR (para a abordagem fuzzy). A primeira função, min(a,b),

6 Figura 2. Funções utilizadas para a variável linguística tempo de entrega. retorna A se A<=B, caso contrário retorna B. Já a função max(a,b) retorna A se A>=B, caso contrário retorna B Avaliação da saída do sistema - Defuzzificação Nesta Seção serão mostrados os resultados obtidos para a avaliação da saída do sistema. Os métodos utilizados na defuzzificação do sistema foram os seguintes: Centróide, Primeiro do Máximo e Centro do Máximo. Existem outros métodos para defuzzificação, porém, apenas os métodos citados foram escolhidos para que se pudesse obter uma comparação entre eles. Para o cálculo do método do Centróide é necessário encontrar o Baricentro (ou Centróide) da figura formada pela composição dos gráficos das variáveis utilizadas. A Figura 4 mostra um exemplo de onde está localizado o centróide da forma a seguir. Com isso, para encontrar o valor do Centróide de uma figura plana composta por formas geométricas básicas (por exemplo: triângulo e retângulo), deve-se encontrar a área da figura e seu respectivo baricentro dividindo a figura em formas conhecidas, tais como as citadas anteriormente. Área de um retângulo (A ret ) e Área de um triângulo (A tri ): onde B é a base da forma e H é a altura. A ret = B H. (1) A tri = B H/2. (2)

7 Figura 3. Funções utilizadas para a variável linguística qualidade do serviço. Figura 4. Um exemplo da localização do centróide (P) da curva C. Baricentro de um retângulo (Bar ret ) e Baricentro de um triângulo(bar tri ): Bar ret = (B/2; H/2). (3) Bar tri = (B/3; H/3). (4) Em seguida, deve ser calculada cada uma das componentes do Baricentro, sendo: Y G a coordenada y e X G a coordenada x. Para isso, utilizam-se as seguintes equações: Y G = X G = i=n i=1 y i A i i=n. i=1 A i (5) i=n i=1 x i A i i=n. i=1 A i (6) O valor de X G é, portanto, o valor encontrado para a variável de saída analisada.

8 Se (preço X prazo de entrega) Barato & Rápido Barato & Médio Barato & Demorado Médio & Rápido Médio & Médio Médio & Demorado Caro & Rápido Caro & Médio Caro & Demorado Então Bom Bom Médio Bom Médio Ruim Médio Ruim Ruim Tabela 1. Regras de Inferência. Valor/Tempo Rápido Médio Demorado Barato Bom Bom Médio Médio Bom Médio Ruim Caro Médio Ruim Ruim Tabela 2. Tabela relacionando o Valor X Tempo e tendo como resultado a Qualidade do serviço. Outro método conhecido é o Primeiro do Máximo. Como o próprio nome sugere, neste método é tomado como valor crisp de saída do sistema o primeiro valor do ponto mais alto do gráfico. A Figura 5 mostra uma ilustração do método. Figura 5. Um exemplo da localização do primeiro ponto do Máximo (Z 0 ). Dessa forma, basta encontrar o valor de Z 0 para que tenhamos o valor crisp de saída do sistema. Por último, é apresentado o método Centro dos Máximos que sugere tomar como valor crisp de saída o ponto central dos máximos. A Figura 6 mostra um exemplo deste método. O valor de Z 0 é calculado através da média entre os pontos de máximo. Neste caso, estão representados pelas duas linhas tracejadas na Figura Exemplo de execução Nesta Seção, será mostrado um exemplo para verificar o funcionamento da Lógica Fuzzy e do programa implementado.

9 Figura 6. Um exemplo da localização do centro dos Máximos (Z 0 ). No programa implementado na Linguagem C, existem os seguintes dados de entrada: um valor para o produto (V ) e o tempo de entrega deste produto (T ). Neste exemplo, vamos supor que V = 60 Reais e T = 4 dias. O programa, então, entra na etapa de fuzzificação. Nesta etapa são verificadas as pertinências dos valores de entrada nos respectivos gráficos informados na Seção 4.1. Como primeira resposta, o programa informa as seguintes pertinências: Gráfico de Valor: Barato = 0.00, Médio = 0.60 e Caro = 0.4; Gráfico de Tempo: Rápido = 0.67, Médio = 0.33 e Demorado = 0.0; Em seguida, o programa entra na parte da inferência. Nessa parte, são seguidas todas as regras de inferência definidas na Seção 4.2. Assim, os valores informados para a saída (qualidade do serviço) são os seguintes: Nível de Qualidade: Ruim = 0.33, Médio = 0.4 e Bom = 0.6; Com esses dados, podemos gerar um gráfico para facilitar a visualização das curvas que foram formadas. A Figura 7, a seguir, ilustra o resultado a partir dos valores citados anteriormente. Por fim, temos a parte da defuzzificação e serão mostrados os resultados de acordo com os métodos mostrados na Seção 4.3. Após separar a Figura 7 em áreas conhecidas, obteve-se a Figura 8. Para o caso do método do Centróide, além de precisar encontrar a Área total, precisa-se das coordenadas do Baricentro de cada A i. Deste modo, após a realização dos respectivos cálculos, encontraram-se os seguintes resultados: Y g = y 1A 1 + y 2 A 2 + y 3 A 3 + y 4 A 4 + y 5 A 5 + y 6 A 6 + y 7 A 7 A 1 + A 2 + A 3 + A 4 + A 5 + A 6 + A 7 + X g = x 1A 1 + x 2 A 2 + x 3 A 3 + x 4 A 4 + x 5 A 5 + x 6 A 6 + x 7 A 7 A 1 + A 2 + A 3 + A 4 + A 5 + A 6 + A 7 + = (7) = (8) Como precisa-se do valor da coordenada x, o valor de saída crisp do sistema é X g = 56.82, como mostra o resultado da Equação 8. Analisando esse valor graficamente, percebe-se que o valor é justo. Isso, pois, se o valor do produto é 60 Reais e o prazo de entrega foi de 4 dias, verifica-se que ambos valores estão na faixa dos valores médios de

10 Figura 7. Gráfico de saída após a execução da fase de inferência. suas respectivas variáveis. Mais especificamente, o valor 60 está entre médio e caro e o valor 4 está entre rápido e médio. Portanto, é aceitável que o valor de saída do sistema (Qualidade do serviço) também esteja na faixa média. No próximo método, Primeiro do Ponto Máximo, analisar-se-á também o valor de saída crisp do sistema. Tendo conhecimento da faixa máxima, neste método basta tomar como saída do sistema o primeiro ponto do máximo. No caso deste exemplo, a saída do sistema está localizada no ponto X g = 65. Estes valores são obtidos através de simples cálculos tendo como base as retas que formam os triângulos e trapézios. Por fim, o método Centro dos Máximos provê como saída crisp do sistema o ponto médio (centro) dos máximos através do cálculo da média aritmética entre os pontos de máximo. Dessa forma, se o primeiro do ponto máximo é 65, e o último ponto máximo é 100, ambos no eixo x, tem-se que X Central = 82, 5. Comparando-se as saídas crisp obtidas através dos cálculos dos três métodos, percebe-se que, para o exemplo citado, o método Centróide apresenta como saída final do sistema um valor mais justo, ou seja, de acordo com o que é desejado como saída do sistema, este foi o valor que mais se aproximou do ideal. 5. Conclusão Tendo em vista todos os tópicos vistos neste trabalho com relação à Lógica Fuzzy, pôde-se perceber um pouco de sua utilidade. Ao ser definido um problema para utilizar lógica Fuzzy, é necessário passar para as etapas de Fuzzificação, Inferência e Defuzzificação. Conforme aumenta a quantidade de váriáveis linguísticas, aumenta a complexidade do problema em lógica Fuzzy, pois são

11 Figura 8. Gráfico de saída após a execução da fase de inferência com a divisão das áreas (A i, i = 1, 2,..., 7). necessárias regras mais complexas para que o sistema possa gerar uma saída de acordo com o que se deseja. Dessa maneira, implementou-se um exemplo de aplicação (qualidade do serviço em uma compra pela Internet) dessa metodologia abordando todas as fases de desenvolvimento de um sistema Fuzzy. Além disso, foi possível perceber a diferença entre os métodos de defuzzificação sendo necessário avaliar a saída gerada por cada método de forma que esse resultado corresponda ao valor que se imagina na realidade. Referências Cox, E. (1994). The Fuzzy System Handbook: a Practitioner s Guide to Building, Using and Maintaining Fuzzy Systems. Dimuro, G. P., Santos, A. V., Bedregal, G. P., and Costa, A. C. R. (2009). Fuzzy evaluation of social exchanges between personality-based agents. In Lopes, L. S., Lau, N., Mariano, P., and Rocha, L. M., editors, New Trends In Artificial Intelligence, Proc. of 14th Portuguese Conference on Artificial Intelligence, EPIA 2009, pages , Aveiro. APIA/Universidade de Aveiro. Farias, G. P., Dimuro, G. P., and Costa, A. C. R. (2011). Aplicação de agentes bdi com percepção fuzzy em um modelo presa-predador fuzzy. Revista de Informática Teórica e Aplicada, 17(3): Ghasem-Aghaee, N. and Ören, T. I. (2003). Towards fuzzy agents with dynamic personality for human behavior simulation. In Proc. of the 2003 Summer Computer Simulation Conference, Montreal, July 20-24, 2003, pages 3 10, San Diego. SCS.

12 Hassan, S., Garmendia, L., and Pavón, J. (2008). Agent-based social modeling and simulation with fuzzy sets. In Corchado, E., Corchado, J. M., and Abraham, A., editors, Innovations in Hybrid Intelligent Systems, number 44 in Advances in Soft Computing, pages Springer, Berlin. Lokuge, P. and Alahakoon, D. (2004). Decisions based upon multiple values: the BVG agent architecture. In Pal, N. R., Kasabov, N., Mudi, R. K., Pal, S., and Parui, S. K., editors, Neural Information Processing, number 3316 in LNCS, pages , Berlin. Springer. Ören, T. I. and Ghasem-Aghaee, N. (2003). Personality representation processable in fuzzy logic for human behavior simulation. In Proc. of the 2003 Summer Computer Simulation Conference, Montreal, July 20-24, 2003, pages 11 18, San Diego. SCS. Sabeur, E. and Denis, G. (2007). Human behavior and social network simulation: Fuzzy sets/logic and agents-based approach. In Proc. of the 2007 Spring Simulation Multi- Conference, Norfolk, 2007, pages , San Diego. SCS. Shen, S., O Hare, G. M. P., and O Grady, M. J. (2008). Fuzzy-set-based decision making through energy-aware and utility agents within wireless sensor networks. Artificial Intelligence Review, 27(2-3): Zadeh, L. A. (1965). Fuzzy Sets. Information and Control, volume [S.1], v.3, n.8, p

Avaliação Fuzzy de Trocas Sociais entre Agentes com Personalidades

Avaliação Fuzzy de Trocas Sociais entre Agentes com Personalidades Avaliação Fuzzy de Trocas Sociais entre Agentes com Personalidades André V. dos Santos, Graçaliz P. Dimuro Programa de Pós-Graduação em Informática, UCPel, Rua Felix da Cunha 412, 96010-000 Pelotas, Brasil

Leia mais

Aplicação de Agentes BDI com Percepção Fuzzy em um Modelo Presa-Predador Fuzzy

Aplicação de Agentes BDI com Percepção Fuzzy em um Modelo Presa-Predador Fuzzy Aplicação de Agentes BDI com Percepção Fuzzy em um Modelo Presa-Predador Fuzzy Giovani Parente Farias 2 Graçaliz Pereira Dimuro 2 Antônio Carlos da Rocha Costa 2 Resumo: Este artigo introduz um modelo

Leia mais

Complemento III Noções Introdutórias em Lógica Nebulosa

Complemento III Noções Introdutórias em Lógica Nebulosa Complemento III Noções Introdutórias em Lógica Nebulosa Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações

Leia mais

Modelo fuzzy para a chance de sucesso na quitação de um empréstimo

Modelo fuzzy para a chance de sucesso na quitação de um empréstimo Biomatemática 20 (2010), 103 116 ISSN 1679-365X Uma Publicação do Grupo de Biomatemática IMECC UNICAMP Modelo fuzzy para a chance de sucesso na quitação de um empréstimo Geraldo L. Diniz 1, Ronaldo Baumgartner

Leia mais

Inteligência Artificial. Fuzzy

Inteligência Artificial. Fuzzy Inteligência Artificial Fuzzy Graude Crença -Grau deverdade Lógica Fuzzy Grau de crença: População composta de brancos e negros Probabilidade de alguém ser branco. Grau de verdade: A partir do momento

Leia mais

IV Workshop-Escola de. Sistemas de Agentes, seus Ambientes e aplicações IV-WESAAC

IV Workshop-Escola de. Sistemas de Agentes, seus Ambientes e aplicações IV-WESAAC IV Workshop-Escola de Sistemas de Agentes, seus Ambientes e aplicações IV-WESAAC Adamatti, D.F.;Emmendorfer, L. R.; Lugo, G.G.; Werhli, A. V. IV Workshop-Escola de Sistemas de Agentes, seus Ambientes e

Leia mais

Sistemas p-fuzzy modificados para o modelo do controle de pragas

Sistemas p-fuzzy modificados para o modelo do controle de pragas Biomatemática 22 (2012), 61 76 ISSN 1679-365X Uma Publicação do Grupo de Biomatemática IMECC UNICAMP Sistemas p-fuzzy modificados para o modelo do controle de pragas Thiago F. Ferreira 1, Rosana S. M.

Leia mais

MS777 : Projeto Supervionado I

MS777 : Projeto Supervionado I MS777 : Projeto Supervionado I Aluno: Orientador: Bruno Luís Hönigmann Cereser RA:072864 Prof. Dr. Laércio Luis Vendite 1 Objetivos do Trabalho O objetivo desse trabalho é um estudo da lógica fuzzy para

Leia mais

Modelagem Fuzzy de Diagnóstico Médico e Monitoramento do Tratamento da Pneumonia

Modelagem Fuzzy de Diagnóstico Médico e Monitoramento do Tratamento da Pneumonia BIOMATEMÁTICA 15 (2005), 77-96 ISSN 1679-365X Uma Publicação do Grupo de Biomatemática IMECC UNICAMP Modelagem Fuzzy de Diagnóstico Médico e Monitoramento do Tratamento da Pneumonia Wanda Aparecida Lopes

Leia mais

Aplicação de Lógica Fuzzy à avaliação de cursos, em particular dos cursos do sistema Arcu-Sul

Aplicação de Lógica Fuzzy à avaliação de cursos, em particular dos cursos do sistema Arcu-Sul Convenit Internacional 9 mai-ago 2012 CEMOrOc-Feusp / IJI - Univ. do Porto Aplicação de Lógica Fuzzy à avaliação de cursos, em particular dos cursos do sistema Arcu-Sul Ricardo Rhomberg Martins 1 Resumo:

Leia mais

Introdução, motivação e conjuntos fuzzy

Introdução, motivação e conjuntos fuzzy Lógica Fuzzy Introdução, motivação e conjuntos fuzzy Professor: Mário Benevides Monitores: Bianca Munaro Diogo Borges Jonas Arêas Renan Iglesias Vanius Farias Introdução "A lógica difusa tem por objetivo

Leia mais

Métodos Estatísticos II 1 o. Semestre de 2010 ExercíciosProgramados1e2 VersãoparaoTutor Profa. Ana Maria Farias (UFF)

Métodos Estatísticos II 1 o. Semestre de 2010 ExercíciosProgramados1e2 VersãoparaoTutor Profa. Ana Maria Farias (UFF) Métodos Estatísticos II 1 o. Semestre de 010 ExercíciosProgramados1e VersãoparaoTutor Profa. Ana Maria Farias (UFF) Esses exercícios abrangem a matéria das primeiras semanas de aula (Aula 1) Os alunos

Leia mais

Análise crítica dos resultados oriundos de certificados de calibração relativo à calibração de bloco-padrão utilizando lógica fuzzy.

Análise crítica dos resultados oriundos de certificados de calibração relativo à calibração de bloco-padrão utilizando lógica fuzzy. Análise crítica dos resultados oriundos de certificados de calibração relativo à calibração de bloco-padrão utilizando lógica fuzzy. Flávio Carnelli Frade 1,2, Pedro Bastos Costa 1,3, Giovane Quadreli

Leia mais

Avaliação Alimentar Utilizando Técnicas de Inteligência Artificial

Avaliação Alimentar Utilizando Técnicas de Inteligência Artificial "Informática em Saúde e Cidadania" Avaliação Alimentar Utilizando Técnicas de Inteligência Artificial Jaqueline Stumm (stumm@inf.ufsc.br) Silvia Modesto Nassar (silvia@inf.ufsc.br) Maria Marlene de Souza

Leia mais

Avaliação Alimentar Utilizando Técnicas de Inteligência Artificial

Avaliação Alimentar Utilizando Técnicas de Inteligência Artificial Avaliação Alimentar Utilizando Técnicas de Inteligência Artificial Jaqueline Stumm 1, Silvia Modesto Nassar 2, Maria Marlene de Souza Pires 3 1,2 Departamento de Informática e Estatística (INE) Universidade

Leia mais

Palavras-chave: Sistema neuro-fuzzy, Sistemas de avaliação, Sistemas Adaptativos.

Palavras-chave: Sistema neuro-fuzzy, Sistemas de avaliação, Sistemas Adaptativos. ANÁLISE DO CURSO DE ENGENHARIA ELÉTRICA NA UERJ A PARTIR DE INDICADORES CONSTRUÍDOS BASEADOS NO EXAME NACIONAL DE CURSOS: UM SISTEMA NEBULOSO DE AVALIAÇÃO Maria Luiza F. Velloso mlfv@centroin.com.br Universidade

Leia mais

Um modelo para evolução de HIV positivo para populações em doença plenamente manifesta com parâmetros fuzzy correlacionados.

Um modelo para evolução de HIV positivo para populações em doença plenamente manifesta com parâmetros fuzzy correlacionados. Biomatemática 22 (2012), 27 44 ISSN 1679-365X Uma Publicação do Grupo de Biomatemática IMECC UNICAMP Um modelo para evolução de HIV positivo para populações em doença plenamente manifesta com parâmetros

Leia mais

O Raciocínio Fuzzy no Desenvolvimento de um Sistema para Controle da Assistência Respiratória em Neonatos

O Raciocínio Fuzzy no Desenvolvimento de um Sistema para Controle da Assistência Respiratória em Neonatos O Raciocínio Fuzzy no Desenvolvimento de um Sistema para Controle da Assistência Respiratória em Neonatos Merisandra Côrtes de Mattos 1, Silvia Modesto Nassar 2, Edson Carvalho de Souza 3, Paulo Fernando

Leia mais

Maíra Ribeiro Rodrigues

Maíra Ribeiro Rodrigues Seminário PPGINF - UCPel Maíra Ribeiro Rodrigues maira.r.rodrigues@gmail.com University of Southampton, UK Formação Bacharelado em Ciência da Computação UCPel, 2000. Tópico: Agentes Improvisacionais de

Leia mais

Modelo autorregressivo e controlador Fuzzy para um sistema de controle digital de velocidade do Kit Digital Servo

Modelo autorregressivo e controlador Fuzzy para um sistema de controle digital de velocidade do Kit Digital Servo Modelo autorregressivo e controlador Fuzzy para um sistema de controle digital de velocidade do Kit Digital Servo Adelson Siueira Carvalho (IFF Campos) adelsonsc@gmail.com Adriellen Lima de Sousa (IFF

Leia mais

Tópico 8 Funções de Duas ou Mais Variáveis Consulta Indicada: ANTON, H. Cálculo: Um novo horizonte. Volume 2. Páginas 311 a 323.

Tópico 8 Funções de Duas ou Mais Variáveis Consulta Indicada: ANTON, H. Cálculo: Um novo horizonte. Volume 2. Páginas 311 a 323. PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL Faculdade de Matemática - Departamento de Matemática Cálculo B (Informática) Turmas 18 e 138 Tópico 8 Funções de Duas ou Mais Variáveis Consulta Indicada:

Leia mais

Este trabalho tem como objetivo propor um modelo multicritério para a priorização dos modos de falha indicados a partir de uma aplicação do processo

Este trabalho tem como objetivo propor um modelo multicritério para a priorização dos modos de falha indicados a partir de uma aplicação do processo 1 Introdução A atual regulamentação do setor elétrico brasileiro, decorrente de sua reestruturação na última década, exige das empresas o cumprimento de requisitos de disponibilidade e confiabilidade operativa

Leia mais

Pós-Graduação em Engenharia Elétrica Inteligência Artificial

Pós-Graduação em Engenharia Elétrica Inteligência Artificial Pós-Graduação em Engenharia Elétrica Inteligência Artificial João Marques Salomão Rodrigo Varejão Andreão Inteligência Artificial Definição (Fonte: AAAI ): "the scientific understanding of the mechanisms

Leia mais

Conjuntos fuzzy e aplicações

Conjuntos fuzzy e aplicações Conjuntos fuzzy e aplicações Bruno de Paula Kinoshita 1, Daniel Hayashi Nakaya 1 1 Faculdade de Computação e Informática Universidade Presbiteriana Mackenzie Rua da Consolação, 930 01302-907 São Paulo

Leia mais

CI202 - Métodos Numéricos

CI202 - Métodos Numéricos CI202 - Métodos Numéricos Lista de Exercícios 2 Zeros de Funções Obs.: as funções sen(x) e cos(x) devem ser calculadas em radianos. 1. Em geral, os métodos numéricos para encontrar zeros de funções possuem

Leia mais

Detecção de mudanças em imagens oriundas de sensoriamento remoto, usando conjuntos fuzzy.

Detecção de mudanças em imagens oriundas de sensoriamento remoto, usando conjuntos fuzzy. Detecção de mudanças em imagens oriundas de sensoriamento remoto, usando conjuntos fuzzy. Marcelo Musci Baseado no artigo: Change detection assessment using fuzzy sets and remotely sensed data: an application

Leia mais

Universidade Federal de Pernambuco Centro de Ciências Exatas e da Natureza Departamento de Informática

Universidade Federal de Pernambuco Centro de Ciências Exatas e da Natureza Departamento de Informática Universidade Federal de Pernambuco Centro de Ciências Exatas e da Natureza Departamento de Informática Graduação em Ciência da Computação Uma Investigação das Redes Neuro-Fuzzy aplicadas à Mineração de

Leia mais

PROVA DE MATEMÁTICA DA UFBA VESTIBULAR 2010 1 a Fase. RESOLUÇÃO: Profa. Maria Antônia Gouveia.

PROVA DE MATEMÁTICA DA UFBA VESTIBULAR 2010 1 a Fase. RESOLUÇÃO: Profa. Maria Antônia Gouveia. PROVA DE MATEMÁTICA DA UFBA VESTIBULAR 010 1 a Fase Profa Maria Antônia Gouveia QUESTÃO 01 Sobre números reais, é correto afirmar: (01) Se m é um número inteiro divisível por e n é um número inteiro divisível

Leia mais

FUNÇÃO DO 1º GRAU. Vamos iniciar o estudo da função do 1º grau, lembrando o que é uma correspondência:

FUNÇÃO DO 1º GRAU. Vamos iniciar o estudo da função do 1º grau, lembrando o que é uma correspondência: FUNÇÃO DO 1º GRAU Vamos iniciar o estudo da função do 1º grau, lembrando o que é uma correspondência: Correspondência: é qualquer conjunto de pares ordenados onde o primeiro elemento pertence ao primeiro

Leia mais

IMPLEMENTAÇÃO DE PROCESSADOR DIGITAL BASEADO EM LÓGICA FUZZY USANDO UM FPGA

IMPLEMENTAÇÃO DE PROCESSADOR DIGITAL BASEADO EM LÓGICA FUZZY USANDO UM FPGA IMPLEMENTAÇÃO DE PROCESSADOR DIGITAL BASEADO EM LÓGICA FUZZY USANDO UM FPGA Leonardo Mesquita Paloma Maria Silva Rocha Rizol mesquita@feg.unesp.br paloma@feg.unesp.br Departamento de Engenharia Elétrica,

Leia mais

b : nas representações gráficas de funções do tipo

b : nas representações gráficas de funções do tipo do as suas escolhas a partir daí. Nesta situação, tendem a identificar as assímptotas verticais, as assímptotas horizontais e a associar as representações analítica e gráfica que têm estas características

Leia mais

2. Sistemas Multi-Agentes (Multi-Agent System - MAS)

2. Sistemas Multi-Agentes (Multi-Agent System - MAS) AORML uma linguagem para modelagem de uma aplicação Multiagentes: Uma Aplicação no Sistema Expertcop. Hebert de Aquino Nery, Daniel Gonçalves de Oliveira e Vasco Furtado. Universidade de Fortaleza UNIFOR

Leia mais

Curvas Padrões de Tratamento do HIV

Curvas Padrões de Tratamento do HIV Biomatemática 17 (2007), 55 64 ISSN 1679-365X Uma Publicação do Grupo de Biomatemática IMECC UNICAMP Curvas Padrões de Tratamento do HIV Rosana Motta Jafelice 1, Faculdade de Matemática, UFU, 38.408-100

Leia mais

ANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD

ANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD ANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD RESUMO Thereza P. P. Padilha Fabiano Fagundes Conceição Previero Laboratório de Solos

Leia mais

AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO. Escola Básica e Secundária Dr. Vieira de Carvalho. Departamento de Ciências Experimentais

AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO. Escola Básica e Secundária Dr. Vieira de Carvalho. Departamento de Ciências Experimentais AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO Escola Básica e Secundária Dr. Vieira de Carvalho Departamento de Ciências Experimentais Planificação Anual de Matemática A 10º ano Ano Letivo 2015/2016 TEMA

Leia mais

CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA CELSO SUCKOW DA FONSECA HABILIDADES CONTEÚDO METODOLOGIA/ESTRATÉGIA HORA/ AULA ANÁLISE GRÁFICA DE FUNÇÕES

CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA CELSO SUCKOW DA FONSECA HABILIDADES CONTEÚDO METODOLOGIA/ESTRATÉGIA HORA/ AULA ANÁLISE GRÁFICA DE FUNÇÕES CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA CELSO SUCKOW DA FONSECA ENSINO MÉDIO ÁREA CURRICULAR: CIÊNCIA DA NATUREZA, MATEMÁTICA E SUAS TECNOLOGIAS DISCIPLINA: MATEMÁTICA I SÉRIE 1.ª CH 68 ANO 2012 COMPETÊNCIAS:.

Leia mais

MATEMÁTICA I AULA 07: TESTES PARA EXTREMOS LOCAIS, CONVEXIDADE, CONCAVIDADE E GRÁFICO TÓPICO 02: CONVEXIDADE, CONCAVIDADE E GRÁFICO Este tópico tem o objetivo de mostrar como a derivada pode ser usada

Leia mais

A noção de função é imprescindível no decorrer do estudo de Cálculo e para se estabelecer essa noção tornam-se necessários:

A noção de função é imprescindível no decorrer do estudo de Cálculo e para se estabelecer essa noção tornam-se necessários: 1 1.1 Função Real de Variável Real A noção de função é imprescindível no decorrer do estudo de Cálculo e para se estabelecer essa noção tornam-se necessários: 1. Um conjunto não vazio para ser o domínio;

Leia mais

4 FUZIFICAÇÃO DO MODELO MUHLBAUER

4 FUZIFICAÇÃO DO MODELO MUHLBAUER 4 FUZIFICAÇÃO DO MODELO MUHLBAUER Neste capítulo se avaliará o Risco em sistemas de tubulação que transportam petróleo e/ou gás baseado nos capítulo dois e três. Isto significa que a aplicação do modelo

Leia mais

Trabalhando Matemática: percepções contemporâneas

Trabalhando Matemática: percepções contemporâneas CONSTRUINDO CONCEITOS SOBRE FAMÍLIA DE FUNÇÕES POLINOMIAL DO 1º GRAU COM USO DO WINPLOT Tecnologias da Informação e Comunicação e Educação Matemática (TICEM) GT 06 MARCOS ANTONIO HELENO DUARTE Secretaria

Leia mais

Controle NeuroFuzzy 1) Introdução 3) Plataforma de testes 2) Objetivo

Controle NeuroFuzzy 1) Introdução 3) Plataforma de testes 2) Objetivo Controle NeuroFuzzy Guilherme Rutzen Leonardo Adams Roni Rigoni {guirutzen,leonardoadams,ronirigoni}@gmail.com 1) Introdução Em robótica móvel, robótica industrial, máquinas-ferramenta, elevadores e muitos

Leia mais

Dispersão de Poluentes em Meio Aquático: Modelagem Matemática e Parâmetros Fuzzy

Dispersão de Poluentes em Meio Aquático: Modelagem Matemática e Parâmetros Fuzzy Dispersão de Poluentes em Meio Aquático: Modelagem Matemática e Parâmetros Fuzzy Denis Cajas Guaca Dra. Elaine Cristina Catapani Poletti 10 de novembro de 2015 Conteúdo 1 Introdução 2 Objetivos 3 Base

Leia mais

94 (8,97%) 69 (6,58%) 104 (9,92%) 101 (9,64%) 22 (2,10%) 36 (3,44%) 115 (10,97%) 77 (7,35%) 39 (3,72%) 78 (7,44%) 103 (9,83%)

94 (8,97%) 69 (6,58%) 104 (9,92%) 101 (9,64%) 22 (2,10%) 36 (3,44%) 115 (10,97%) 77 (7,35%) 39 (3,72%) 78 (7,44%) 103 (9,83%) Distribuição das 1.048 Questões do I T A 94 (8,97%) 104 (9,92%) 69 (6,58%) Equações Irracionais 09 (0,86%) Equações Exponenciais 23 (2, 101 (9,64%) Geo. Espacial Geo. Analítica Funções Conjuntos 31 (2,96%)

Leia mais

Aplicação de inferência difusa em bioinformática para identificação de SNPs

Aplicação de inferência difusa em bioinformática para identificação de SNPs Aplicação de inferência difusa em bioinformática para identificação de SNPs Wagner Arbex 1, Fabrízzio Condé de Oliveira 2, Luís Alfredo Vidal de Carvalho 3 1 Empresa Brasileira de Pesquisa Agropecuária

Leia mais

IDENTIFICAÇÃO DE SISTEMAS DINÂMICOS NÃO-LINEARES UTILIZANDO A LÓGICA FUZZY

IDENTIFICAÇÃO DE SISTEMAS DINÂMICOS NÃO-LINEARES UTILIZANDO A LÓGICA FUZZY IDENTIFICAÇÃO DE SISTEMAS DINÂMICOS NÃO-LINEARES UTILIZANDO A LÓGICA FUZZY Marcelo Vieira Corrêa. Professor do Curso de Engenharia Elétrica UnilesteMG. Doutor em Engenharia Elétrica - UFMG João Pedro Drumond

Leia mais

Lógica Matemática e Computacional 5 FUNÇÃO

Lógica Matemática e Computacional 5 FUNÇÃO 5 FUNÇÃO 5.1 Introdução O conceito de função fundamenta o tratamento científico de problemas porque descreve e formaliza a relação estabelecida entre as grandezas que o integram. O rigor da linguagem e

Leia mais

Objetivos. Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas e

Objetivos. Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas e MÓDULO 2 - AULA 13 Aula 13 Superfícies regradas e de revolução Objetivos Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas

Leia mais

UMA SEMÂNTICA DIFUSA PARA CONSULTAS FLEXÍVEIS EM BASES DE DADOS RELACIONAIS

UMA SEMÂNTICA DIFUSA PARA CONSULTAS FLEXÍVEIS EM BASES DE DADOS RELACIONAIS UMA SEMÂNTICA DIFUSA PARA CONSULTAS FLEXÍVEIS EM BASES DE DADOS RELACIONAIS Samyr Abrahão Moises¹, Silvio do Lago Pereira² ¹Aluno do Curso de Análise e Desenvolvimento de Sistemas FATEC-SP ²Prof. Dr. do

Leia mais

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico

Leia mais

4 Estratégias para Implementação de Agentes

4 Estratégias para Implementação de Agentes Estratégias para Implementação de Agentes 40 4 Estratégias para Implementação de Agentes As principais dúvidas do investidor humano nos dias de hoje são: quando comprar ações, quando vendê-las, quanto

Leia mais

APRIMORAR MASSA DE TESTES COM LÓGICA FUZZY

APRIMORAR MASSA DE TESTES COM LÓGICA FUZZY SIMMEC / EMMCOMP 2014 XI Simpósio de Mecânica Computacional II Encontro Mineiro de Modelagem Computacional APRIMORAR MASSA DE TESTES COM LÓGICA FUZZY André F. C. Rabelo,Gray Farias Moita arabelo@funedi.edu.br,

Leia mais

Faculdades Pitágoras de Uberlândia. Matemática Básica 1

Faculdades Pitágoras de Uberlândia. Matemática Básica 1 Faculdades Pitágoras de Uberlândia Sistemas de Informação Disciplina: Matemática Básica 1 Prof. Walteno Martins Parreira Júnior www.waltenomartins.com.br waltenomartins@yahoo.com 2010 Professor Walteno

Leia mais

Empresa Brasileira de Pesquisa Agropecuária. Embrapa Informática Agropecuária. Ministério da Agricultura, Pecuária e Abastecimento.

Empresa Brasileira de Pesquisa Agropecuária. Embrapa Informática Agropecuária. Ministério da Agricultura, Pecuária e Abastecimento. ISSN 1677-9274 Dezembro, 2009 Empresa Brasileira de Pesquisa Agropecuária Embrapa Informática Agropecuária Ministério da Agricultura, Pecuária e Abastecimento Documentos 96 Sistema FuzzyGen: manual do

Leia mais

Uma Estrutura Formal Normativa para Sistemas Computacionais

Uma Estrutura Formal Normativa para Sistemas Computacionais Uma Estrutura Formal Normativa para Sistemas Computacionais Antônio Carlos da Rocha Costa 1 Graçaliz Pereira Dimuro 1 1 ESIN/UCPel Escola de Informática Universidade Católica de Pelotas {rocha,liz}@atlas.ucpel.tche.br

Leia mais

tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais.

tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais. 1. Introdução A previsão de vendas é fundamental para as organizações uma vez que permite melhorar o planejamento e a tomada de decisão sobre o futuro da empresa. Contudo toda previsão carrega consigo

Leia mais

XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA

XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão 1.0 22 a 25 Novembro de 2009 Recife - PE GRUPO V GRUPO DE ESTUDO DE PROTEÇÃO, MEDIÇÃO, CONTROLE E AUTOMAÇÃO EM SISTEMAS

Leia mais

Departamento de Matemática - UEL - 2010. Ulysses Sodré. http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.

Departamento de Matemática - UEL - 2010. Ulysses Sodré. http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010. Matemática Essencial Extremos de funções reais Departamento de Matemática - UEL - 2010 Conteúdo Ulysses Sodré http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.

Leia mais

RELATÓRIO FINAL DE ATIVIDADES. Projeto de Iniciação Científica: Visualizador Dinâmico para Estruturas de Representação de Subdivisões Planares

RELATÓRIO FINAL DE ATIVIDADES. Projeto de Iniciação Científica: Visualizador Dinâmico para Estruturas de Representação de Subdivisões Planares RELATÓRIO FINAL DE ATIVIDADES Projeto de Iniciação Científica: Visualizador Dinâmico para Estruturas de Representação de Subdivisões Planares Orientador: Prof. Dr. Pedro J. de Rezende Orientado: Flávio

Leia mais

ATENÇÃO: Escreva a resolução COMPLETA de cada questão no espaço reservado para a mesma.

ATENÇÃO: Escreva a resolução COMPLETA de cada questão no espaço reservado para a mesma. 2ª Fase Matemática Introdução A prova de matemática da segunda fase é constituída de 12 questões, geralmente apresentadas em ordem crescente de dificuldade. As primeiras questões procuram avaliar habilidades

Leia mais

Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro

Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Tiago Mendes Dantas t.mendesdantas@gmail.com Departamento de Engenharia Elétrica,

Leia mais

GAAL - 2013/1 - Simulado - 1 Vetores e Produto Escalar

GAAL - 2013/1 - Simulado - 1 Vetores e Produto Escalar GAAL - 201/1 - Simulado - 1 Vetores e Produto Escalar SOLUÇÕES Exercício 1: Determinar os três vértices de um triângulo sabendo que os pontos médios de seus lados são M = (5, 0, 2), N = (, 1, ) e P = (4,

Leia mais

Descoberta de Domínio Conceitual de Páginas Web

Descoberta de Domínio Conceitual de Páginas Web paper:25 Descoberta de Domínio Conceitual de Páginas Web Aluno: Gleidson Antônio Cardoso da Silva gleidson.silva@posgrad.ufsc.br Orientadora: Carina Friedrich Dorneles dorneles@inf.ufsc.br Nível: Mestrado

Leia mais

Matemática. Subtraindo a primeira equação da terceira obtemos x = 1. Substituindo x = 1 na primeira e na segunda equação obtém-se o sistema

Matemática. Subtraindo a primeira equação da terceira obtemos x = 1. Substituindo x = 1 na primeira e na segunda equação obtém-se o sistema Matemática 01. A ilustração a seguir é de um cubo com aresta medindo 6 cm. A, B, C e D são os vértices indicados do cubo, E é o centro da face contendo C e D, e F é o pé da perpendicular a BD traçada a

Leia mais

Capítulo 1. x > y ou x < y ou x = y

Capítulo 1. x > y ou x < y ou x = y Capítulo Funções, Plano Cartesiano e Gráfico de Função Ao iniciar o estudo de qualquer tipo de matemática não podemos provar tudo. Cada vez que introduzimos um novo conceito precisamos defini-lo em termos

Leia mais

PLANEJAMENTO DE MANUTENÇÃO PREVENTIVA EM PLANTAS INDUSTRIAIS COM AUXÍLIO DE LÓGICA FUZZY SOLIVAN ARANTES VALENTE

PLANEJAMENTO DE MANUTENÇÃO PREVENTIVA EM PLANTAS INDUSTRIAIS COM AUXÍLIO DE LÓGICA FUZZY SOLIVAN ARANTES VALENTE PLANEJAMENTO DE MANUTENÇÃO PREVENTIVA EM PLANTAS INDUSTRIAIS COM AUXÍLIO DE LÓGICA FUZZY SOLIVAN ARANTES VALENTE Professor - Engenharia Elétrica - UnicenP/Centro Universitário Positivo solivan@unicenp.edu.br

Leia mais

MATEMÁTICA I AULA 03: LIMITES DE FUNÇÃO, CÁLCULO DE LIMITES E CONTINUIDADES TÓPICO 03: CONTINUIDADES Este tópico trata dos conceitos de continuidade de funções num valor e num intervalo, a compreensão

Leia mais

Universidade Federal de Ouro Preto Escola de Minas Departamento de Engenharia de Controle e Automação. Ronilson Rocha

Universidade Federal de Ouro Preto Escola de Minas Departamento de Engenharia de Controle e Automação. Ronilson Rocha Universidade Federal de Ouro Preto Escola de Minas Departamento de Engenharia de Controle e Automação PROJETO E CARACTERIZAÇÃO DE CIRCUITOS ELETRÔNICOS CAÓTICOS: O LADO NEGATIVO DO CIRCUITO DE CHUA Ronilson

Leia mais

ESCOLA ESTADUAL DE ENSINO FUNDAMENTAL E MÉDIO PREFEITO WILLIAMS DE SOUZA ARRUDA PROFESSOR: PEDRO ROMÃO BATISTA COMPONENTE CURRICULAR: MATEMÁTICA

ESCOLA ESTADUAL DE ENSINO FUNDAMENTAL E MÉDIO PREFEITO WILLIAMS DE SOUZA ARRUDA PROFESSOR: PEDRO ROMÃO BATISTA COMPONENTE CURRICULAR: MATEMÁTICA ESCOLA ESTADUAL DE ENSINO FUNDAMENTAL E MÉDIO PREFEITO WILLIAMS DE SOUZA ARRUDA PROFESSOR: PEDRO ROMÃO BATISTA COMPONENTE CURRICULAR: MATEMÁTICA PLANOS DE CURSO PARA 6º E 7º ANOS Campina Grande, 2011 -

Leia mais

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina0.com.br Funções Reais CÁLCULO VOLUME ZERO - Neste capítulo, estudaremos as protagonistas do longa metragem

Leia mais

PROVAS DE MATEMÁTICA DO VESTIBULARES-2011 DA MACKENZIE RESOLUÇÃO: Profa. Maria Antônia Gouveia. 13 / 12 / 2010

PROVAS DE MATEMÁTICA DO VESTIBULARES-2011 DA MACKENZIE RESOLUÇÃO: Profa. Maria Antônia Gouveia. 13 / 12 / 2010 PROVAS DE MATEMÁTICA DO VESTIBULARES-0 DA MACKENZIE Profa. Maria Antônia Gouveia. / / 00 QUESTÃO N o 9 Dadas as funções reais definidas por f(x) x x e g(x) x x, considere I, II, III e IV abaixo. I) Ambas

Leia mais

2) Se z = (2 + i).(1 + i).i, então a) 3 i b) 1 3i c) 3 i d) 3 + i e) 3 + i. ,será dado por: quando x = i é:

2) Se z = (2 + i).(1 + i).i, então a) 3 i b) 1 3i c) 3 i d) 3 + i e) 3 + i. ,será dado por: quando x = i é: Aluno(a) Nº. Ano: º do Ensino Médio Exercícios para a Recuperação de MATEMÁTICA - Professores: Escossi e Luciano NÚMEROS COMPLEXOS 1) Calculando-se corretamente as raízes da função f(x) = x + 4x + 5, encontram-se

Leia mais

UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR CURSO DE CIÊNCIA DA COMPUTAÇÃO

UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR CURSO DE CIÊNCIA DA COMPUTAÇÃO UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR CURSO DE CIÊNCIA DA COMPUTAÇÃO MIDGEO: UMA FERRAMENTA DE INFERÊNCIA DIFUSA PARA TRATAMENTO DE GEOINFORMAÇÃO por Tiago Zis

Leia mais

Lista de exercícios de recuperação. 3º E.M. - Matemática

Lista de exercícios de recuperação. 3º E.M. - Matemática Lista de exercícios de recuperação 3º E.M. - Matemática 1) As equações das retas r e s da figura são, respectivamente, a) r: -x + y - 5 = 0 e s: x + y - 5 = 0. b) r: -5x + y - 5 = 0 e s: 5x + y - 5 = 0.

Leia mais

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO PARANÁ CURSO DE ENGENHARIA CIVIL DISCIPLINA DE CÁLCULO DIFERENCIAL E INTEGRAL I

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO PARANÁ CURSO DE ENGENHARIA CIVIL DISCIPLINA DE CÁLCULO DIFERENCIAL E INTEGRAL I 1) Considerações gerais sobre os conjuntos numéricos. Ao iniciar o estudo de qualquer tipo de matemática não podemos provar tudo. Cada vez que introduzimos um novo conceito precisamos defini-lo em termos

Leia mais

Sintonia de Controladores PID utilizando Algoritmos Genéticos

Sintonia de Controladores PID utilizando Algoritmos Genéticos Sintonia de Controladores PID utilizando Algoritmos Genéticos J. Franco M. Amaral, M. A. C. Pacheco, R. Tanscheit DEE-PUC-Rio, CP 38063, 22452-970 Rio de Janeiro, RJ e-mail: [jfranco, marco, ricardo]@ele.puc-rio.br

Leia mais

Relatório Iniciação Científica

Relatório Iniciação Científica Relatório Iniciação Científica Ambientes Para Ensaios Computacionais no Ensino de Neurocomputação e Reconhecimento de Padrões Bolsa: Programa Ensinar com Pesquisa-Pró-Reitoria de Graduação Departamento:

Leia mais

Inteligência Computacional [2COP229]

Inteligência Computacional [2COP229] Inteligência Computacional [2COP229] Mestrado em Ciência da Computação Sylvio Barbon Jr barbon@uel.br (2/24) Tema Aula 1 Introdução ao Reconhecimento de Padrões 1 Introdução 2 Componentes clássicos da

Leia mais

MONITORAMENTO ON-LINE DE PROCESSOS DE USINAGEM VIA MEDIÇÃO DE VIBRAÇÕES

MONITORAMENTO ON-LINE DE PROCESSOS DE USINAGEM VIA MEDIÇÃO DE VIBRAÇÕES 16º POSMEC Universidade Federal de Uberlândia Faculdade de Engenharia Mecânica MONITORAMENTO ON-LINE DE PROCESSOS DE USINAGEM VIA MEDIÇÃO DE VIBRAÇÕES Tatiana Meola Universidade Federal de Uberlândia tatiana.meola@gmail.com

Leia mais

Modelo Inteligente para Avaliação de Risco de Crédito Pessoal Baseado na Lógica Fuzzy. Resumo

Modelo Inteligente para Avaliação de Risco de Crédito Pessoal Baseado na Lógica Fuzzy. Resumo Modelo Inteligente para Avaliação de Risco de Crédito Pessoal Baseado na Lógica Fuzzy Autoria: Antonio Airton Carneiro de Freitas, Rosana Tavares, Alessandra Ávila Montini Resumo O objetivo principal deste

Leia mais

FACULDADES SENAC PROCESSO SELETIVO UNIFICADO 1º SEMESTRE/2016 ANEXO I

FACULDADES SENAC PROCESSO SELETIVO UNIFICADO 1º SEMESTRE/2016 ANEXO I ANEXO I As Faculdades Senac Minas, com o intuito de atender às diversas demandas, oferece à comunidade dois processos vestibular: o vestibular e o vestibular agendado. Ambos os processos buscam selecionar

Leia mais

RESOLUÇÃO DA PROVA DE MATEMÁTICA DA UFBA VESTIBULAR 2009 1 a Fase Professora Maria Antônia Gouveia.

RESOLUÇÃO DA PROVA DE MATEMÁTICA DA UFBA VESTIBULAR 2009 1 a Fase Professora Maria Antônia Gouveia. RESOLUÇÃO DA PROVA DE MATEMÁTICA DA UFBA VESTIBULAR 009 1 a Fase Professora Maria Antônia Gouveia. QUESTÕES de 01 a 08 INSTRUÇÃO: Assinale as proposições verdadeiras, some os números a elas associados

Leia mais

Todos os exercícios sugeridos nesta apostila se referem ao volume 1. MATEMÁTICA I 1 FUNÇÃO DO 1º GRAU

Todos os exercícios sugeridos nesta apostila se referem ao volume 1. MATEMÁTICA I 1 FUNÇÃO DO 1º GRAU FUNÇÃO IDENTIDADE... FUNÇÃO LINEAR... FUNÇÃO AFIM... GRÁFICO DA FUNÇÃO DO º GRAU... IMAGEM... COEFICIENTES DA FUNÇÃO AFIM... ZERO DA FUNÇÃO AFIM... 8 FUNÇÕES CRESCENTES OU DECRESCENTES... 9 SINAL DE UMA

Leia mais

MS777: Projeto Supervisionado Estudos sobre aplicações da lógica Fuzzy em biomedicina

MS777: Projeto Supervisionado Estudos sobre aplicações da lógica Fuzzy em biomedicina MS777: Projeto Supervisionado Estudos sobre aplicações da lógica Fuzzy em biomedicina Orientador: Prof. Dr. Laécio C. Barros Aluna: Marie Mezher S. Pereira ra:096900 DMA - IMECC - UNICAMP 25 de Junho de

Leia mais

1 Título. 2 Aptidão. 3 Descrição do Problema. 4 Lógica Fuzzy. Estudo e desenvolvimento de simuladores de aterrizagem de aeronaves utilizando lógica

1 Título. 2 Aptidão. 3 Descrição do Problema. 4 Lógica Fuzzy. Estudo e desenvolvimento de simuladores de aterrizagem de aeronaves utilizando lógica 1 Título fuzzy. Estudo e desenvolvimento de simuladores de aterrizagem de aeronaves utilizando lógica 2 Aptidão Um Automatic Landing System (ALS) pode ser denominado como um meio para guiar e controlar

Leia mais

CÁLCULO: VOLUME III MAURICIO A. VILCHES - MARIA LUIZA CORRÊA. Departamento de Análise - IME UERJ

CÁLCULO: VOLUME III MAURICIO A. VILCHES - MARIA LUIZA CORRÊA. Departamento de Análise - IME UERJ CÁLCULO: VOLUME III MAURICIO A. VILCHES - MARIA LUIZA CORRÊA Departamento de Análise - IME UERJ 2 Copyright by Mauricio A. Vilches Todos os direitos reservados Proibida a reprodução parcial ou total 3

Leia mais

MATERIAL DE DIVULGAÇÃO DA EDITORA MODERNA

MATERIAL DE DIVULGAÇÃO DA EDITORA MODERNA MATERIAL DE DIVULGAÇÃO DA EDITORA MODERNA Professor, nós, da Editora Moderna, temos como propósito uma educação de qualidade, que respeita as particularidades de todo o país. Desta maneira, o apoio ao

Leia mais

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES Caros concurseiros, Como havia prometido, seguem comentários sobre a prova de estatística do ICMS RS. Em cada questão vou fazer breves comentários, bem como indicar eventual possibilidade de recurso. Não

Leia mais

Escola Secundária de Lousada. Matemática do 8º ano FT nº15 Data: / / 2013 Assunto: Preparação para o 1º teste de avaliação Lição nº e

Escola Secundária de Lousada. Matemática do 8º ano FT nº15 Data: / / 2013 Assunto: Preparação para o 1º teste de avaliação Lição nº e Escola Secundária de Lousada Matemática do 8º ano FT nº15 Data: / / 013 Assunto: Preparação para o 1º teste de avaliação Lição nº e Apresentação dos Conteúdos e Objetivos para o 3º Teste de Avaliação de

Leia mais

Plano de Trabalho Docente 2013. Ensino Médio

Plano de Trabalho Docente 2013. Ensino Médio Plano de Trabalho Docente 2013 Ensino Médio Etec PAULINO BOTELHO Código: 091 Município: : SÃO CARLOS Área de conhecimento:ciencias DA NATUREZA, MATEMATICA E SUAS TECNOLOGIAS Componente Curricular: : MATEMATICA

Leia mais

CONSTRUÇÃO DE GRÁFICOS DE FUNÇÕES UTILIZANDO CÁLCULO DIFERENCIAL

CONSTRUÇÃO DE GRÁFICOS DE FUNÇÕES UTILIZANDO CÁLCULO DIFERENCIAL CONSTRUÇÃO DE GRÁFICOS DE FUNÇÕES UTILIZANDO CÁLCULO DIFERENCIAL FERREIRA, Eliézer Pires Universidade Estadual de Goiás - UnU Iporá eliezer_3d@hotmail.com SOUZA, Uender Barbosa de Universidade Estadual

Leia mais

PROVA DE MATEMÁTICA DA UFBA VESTIBULAR 2009 2 a Fase. RESOLUÇÃO: Professora Maria Antônia Gouveia.

PROVA DE MATEMÁTICA DA UFBA VESTIBULAR 2009 2 a Fase. RESOLUÇÃO: Professora Maria Antônia Gouveia. PROVA DE MATEMÁTICA DA UFBA VESTIBULAR 9 a Fase Professora Maria Antônia Gouveia Questão Na impressão de 8 cópias de uma mesma prova, foram usadas duas impressoras, A e B, sendo que B trabalhou dez minutos

Leia mais

Computação Sensível ao Contexto

Computação Sensível ao Contexto Computação Sensível ao Contexto Percepção de Contexto em Ambientes Domiciliares Modelagem de Contexto Modelagem de Contexto + Modelagem de Usuário Fabrício J. Barth novembro de 2004 Sumário O que já foi

Leia mais

Lógica Fuzzy: Conceitos e aplicações

Lógica Fuzzy: Conceitos e aplicações Lógica Fuzzy: Conceitos e aplicações Alessandro Assi Marro, Alyson Matheus de Carvalho Souza, Everton R. de Sousa Cavalcante, Giuliana Silva Bezerra, Rômulo de Oliveira Nunes Departamento de Informática

Leia mais

Modelagem de Campos Vetoriais Utilizando Autômatos Celulares e Elementos Finitos

Modelagem de Campos Vetoriais Utilizando Autômatos Celulares e Elementos Finitos Modelagem de Campos Vetoriais Utilizando Autômatos Celulares e Elementos Finitos Renata Vieira Palazzo 1,2, Antônio Carlos da Rocha Costa 1, Graçaliz Pereira Dimuro 1 1 Escola de Informática Universidade

Leia mais

(x, y) = (a, b) + t*(c-a, d-b) ou: x = a + t*(c-a) y = b + t*(d-b)

(x, y) = (a, b) + t*(c-a, d-b) ou: x = a + t*(c-a) y = b + t*(d-b) Equação Vetorial da Reta Dois pontos P e Q, definem um único vetor v = PQ, que representa uma direção. Todo ponto R cuja direção PR seja a mesma de PQ está contido na mesma reta definida pelos pontos P

Leia mais

SISTEMAS DE APOIO À DECISÃO SAD

SISTEMAS DE APOIO À DECISÃO SAD SISTEMAS DE APOIO À DECISÃO SAD Conceitos introdutórios Decisão Escolha feita entre duas ou mais alternativas. Tomada de decisão típica em organizações: Solução de problemas Exploração de oportunidades

Leia mais

Após a leitura desse capítulo, o leitor saberá:

Após a leitura desse capítulo, o leitor saberá: Estudo Dirigido Disciplina: Modelagem de sistemas Diagrama de Classe - Modelo de domínio Após a leitura desse capítulo, o leitor saberá: - identificar uma classe e objetos - definir os tipos de classes

Leia mais

P R O G R A M A Ç Ã O N Í V E L I I I

P R O G R A M A Ç Ã O N Í V E L I I I P R O G R A M A Ç Ã O N Í V E L I I I 07:00 08:00 23 / 08 Dom 24 / 08 2ª feira 25 / 08 3ª feira 26 / 08 4ª feira 27 / 08 5ª feira Café da Manhã Café da Manhã Café da Manhã Café da Manhã 28 / 08 Sexta 8:30

Leia mais

FUNÇÃO REAL DE UMA VARIÁVEL REAL

FUNÇÃO REAL DE UMA VARIÁVEL REAL Hewlett-Packard FUNÇÃO REAL DE UMA VARIÁVEL REAL Aulas 01 a 04 Elson Rodrigues, Gabriel Carvalho e Paulo Luís Ano: 2015 Sumário INTRODUÇÃO AO PLANO CARTESIANO... 2 PRODUTO CARTESIANO... 2 Número de elementos

Leia mais