Introdução à Lógica Nebulosa
|
|
- Jerónimo Mendonça Farinha
- 7 Há anos
- Visualizações:
Transcrição
1 Distancia Angulo Gerador de Sinal Controlador Nebuloso Osciloscópio 2.141e-016 Display Introdução à Lógica Nebulosa Álvaro Guarda Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal de Ouro Preto Evolução da Área Lógica Clássica Bivalorada: V ou F Lei da Não-Contradição: A ~A = φ Lógica Multivalorada Desenvolvida por Jan Lukasiewicz para lidar com o Princípio da Incerteza na Mecânica Quântica 1920: 3 valores (V, F ou I) 1930: n valores Lógica Nebulosa Lógica Nebulosa ( Fuzzy( Fuzzy ) Lofti Zadeh propôs o conceito de Conjuntos Nebulosos em 1965, inspirando-se nos trabalhos de Jan Lukasiewicz e Max Black DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 1 1
2 Introdução : Modelagem Realidade Situação Fato Novo Modelagem (Representação do Conhecimento) Solução Teoria Inferência Teorema DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 2 Características Lógica Nebulosa ( Fuzzy( Fuzzy ) É mais expressiva que a lógica de predicados Lógica clássica Lógica Nebulosa Permite modelar conhecimentos de uma forma mais flexível, não exata e imprecisa Permite efetuar o raciocínio aproximado, com proposições imprecisas É baseada na teoria dos Conjuntos Nebulosos DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 3 2
3 Lógica Nebulosa ( Fuzzy( Fuzzy ) Aplicações A sua utilização se consolidou primeiro na indústria Em 1994 o Japão exportou US$35 bilhões em produtos que utilizam Fuzzy Logic Aplicações Comerciais e Industriais Ano Aplicações DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 4 Controle Principais Áreas de Aplicações Comerciais Controle de Aeronave (Rockwell Corp.) Operação do Metrô de Sendai (Hitachi) Transmissão Automática (Nissan, Subaru) Space Shuttle Docking (NASA) Otimização e Planejamento Elevadores (Hitachi, Fujitech, Mitsubishi) Análise do Mercado de Ações (Yamaichi) Análise de Sinais Ajuste da Imagem de TV (Sony) Autofocus para Câmera de Video (Canon) Estabilizador de Imagens de Video (Panasonic) DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 5 3
4 Definição de Conjunto Conjuntos Nebulosos Um conjunto é uma coleção de objetos com alguma propriedade comum a todos eles O conjunto A é um subconjunto de um conjunto de referência X Pertinência na Teoria Clássica O conjunto A de X pode ser definido por uma função característica x A { 0;1} onde x ( x) = { 0 se x A; se x A} : X 1 A x A Pertinência em Conjuntos Nebulosos O conjunto nebuloso A de X pode ser definido por uma função característica µ [ 0;1] onde ( x indica o grau de pertinência de x no conjunto A µ A : X µ A ) DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 6 Conjuntos Nebulosos Exemplo: conjunto das temperaturas que indicam o estado febril Realidade 1 µ(x) 0 36 temperatura Clássico 1 µ(x) 0 36 temperatura Nebuloso 1 µ(x) 0 36 temperatura DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 7 4
5 Variável Lingüí üística Definição: é uma tripla: (V, X, T) onde V é o nome da variável lingüística X é o conjunto de referência T é o conjunto de valores lingüísticos que a variável V pode assumir Cada valor lingüístico é um conjunto nebuloso definido por uma função de pertinência DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 8 Variável Lingüí üística Exemplo - temperatura do corpo humano V = temperatura X = conjunto de temperaturas válidas T = {sem_febre, febre, febre_alta} µ(x) 1 sem_febre febre febre_alta temperatura = 38 ºC µ sem _ febre ( 38 ) = µ febre ( 38) = µ febre 0,8 _ alta (38) = 0,2 0,0 temperatura DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 9 5
6 Operações Operações sobre Conjuntos Nebulosos As operações sobre conjuntos nebulosos podem ser tratados de forma mais geral família de operações: normas e co-normas triangulares T-norma (Intersecção) Uma operação t:[0, 1] x [0, 1] [0, 1] é uma t-norma se a) t(0, 0) = 0 condição de contorno b) t(a, b) = t(b, a) comutatividade c) t(a, t(b, c)) = t(t(a, b), c) associatividade d) (a c) (b d) t(a, b) t(c, d) monotonicidade e) t(a, 1) = a condição de contorno T-co-norma (União) Uma operação s é uma t-co-norma se possui as propriedades {a, b, c, e} e satisfaz: a ) s(1, 1) = 1 condição de contorno b ) s(a, 0) = a condição de contorno DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 10 Definição dos operadores mais utilizados: Operações sobre Conjuntos Nebulosos Nome t-norma t-conorma Zadeh min(a, b) max(a, b) Probabilista a * b a + b a*b Lukasiewicz max(a+b-1, 0) min(a+b-1, 0) Weber a, se b=1 a, se b=0 b, se a=1 b, se a=0 0, caso contrário 1, caso contrário T-normas (intersecções) T-conormas (uniões) DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa
7 Operações sobre Conjuntos Nebulosos Complemento (negação) Uma operação n:[0, 1] [0, 1] é um complemento se a ) n(0) = 1 b ) n(1) = 0 c ) a > b n(a) < n(b) d ) n(n(a)) = a Definições de Complemento n(a) = 1 - a n(a) = (1 a) / (1 + λa) onde λ > -1 negação de Sugeno n(a) = (1 a w ) 1/w onde w > 0 negação de Yager DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 12 Operações sobre Conjuntos Nebulosos Implicação Sejam [ 0;1] ; : Y [ 0; ] e I operador de implicação µ A : X µ B 1 = µ ( x, y) = I( µ ( x), ( y)) A B A µ B Operações de Implicação mais utilizadas Nome Implicação Mamdani min(a, b) Larsen a * b Brower - Gödel Rescher-Gaines "sharp" 1, se a <= b b, caso contrário 1, se a <= b 0, caso contrário Zadeh - Wilmott max(1-a, min(a, b)) Kleene-Diemes max(1-a, b) Lukasiewicz min(1-a+b, 1) DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa
8 Inferência em Lógica L Nebulosa Modus Ponens A B A B Modus Ponens Generalizado x A y B x A y B Supondo que então µ A (x) = α µ é calculado com a operação de implicação y B B (y) conjunto nebuloso inferido conforme a implicação: Mamdani Larsen Gödel DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 14 Agregação Quando várias regras inferem a mesma variável lingüística, os resultados são agregados Usualmente, o operador de agregação é uma t-co-norma quando I (operador de implicação) é uma t-norma e vice-versa Exemplo Inferência em Lógica L Nebulosa Seja a Base de Regras Nebulosas: Regra 1: Se V i = A 1 então V B = B 1 Regra 2: Se V j = A 2 então V B = B 2... Regra N: Se V k = A n então V B = B n Se for utilizado o operador de implicação de Mamdani (min(a, b)) a agregação fica B = B 1 U B 2 ULU DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 15 B n 8
9 Operações: Intersecção Implicação Agregação Exemplo Modelo Clássico de Mamdani min(a, b) min(a, b) max(a, b) Regra 1: Se V A = A 1 e V B = B 1 então V C = C 1 Regra 2: Se V A = A 2 e V B = B 2 então V C = C 2 DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 16 Operações Intersecção Implicação Agregação Exemplo Modelo Clássico de Larsen a * b a * b max(a, b) Regra 1: Se V A = A 1 e V B = B 1 então V C = C 1 Regra 2: Se V A = A 2 e V B = B 2 então V C = C 2 DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa
10 Estrutura de um Controlador Nebuloso DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 18 Base de Conhecimento A Base de Conhecimento é construída a partir da modelagem de um especialista no problema, da experiência do projetista ou através de experimentos. Base de Regras As regras modelam o comportamento do controlador e têm uma estrutura do tipo Se <premissa> então <conclusão> como por exemplo Se Erro é NegativoGrande e DeltaErro é PositivoPeq então Velocidade é PositivaPequena DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa
11 Base de Conhecimento Base de Dados Inclui todas as outras informações e definições necessárias ao procedimento de inferência e as interfaces com o processo, tais como: Fórmulas de discretização Fórmulas de normalização dos universos de discurso Funções de pertinência dos valores lingüísticos DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 20 Fuzificação Definição Faz a conversão dos valores das variáveis de entrada nos valores lingüísticos Variáveis de Entrada Fuzificação Variáveis Lingüísticas Descrição O sinal e(t) usualmente é do tipo numérico As regras são expressas em termos de variáveis lingüísticas e seus respectivos valores lingüísticos Assim, há a necessidade de se converter e(t) nos graus de pertinência dos valores lingüísticos Exemplo: temperatura = 38 ºC µ sem _ febre ( 38) = 0 ; µ febre (38) = 0,8 e µ febre _ alta (38) = 0,2 DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa
12 Defuzificação Definição É o processo que faz o mapeamento de um conjunto nebuloso para um valor numérico, o qual pode ser um comando para algum atuador. Conjunto Nebuloso Defuzificação Valores Numéricas Descrição Este conjunto nebuloso representa o conjunto de valores de resposta válidos, resultantes da inferência, com os seus respectivos graus de pertinência O procedimento de inferência produz como resultado um conjunto nebuloso Como se deseja um único valor numérico, é necessário aplicar um método de conversão Principais Métodos - Centro de Área (COA) - Média dos Máximos (MOM) - Primeiro Máximo (SOM) DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa u COA Avaliação da Utilização de Controladores Nebulosos Vantagens Não necessidade de modelagem do sistema a ser controlado Possibilidade de incorporar conhecimentos heurísticos do operador humano Possibilidade de incorporar conhecimentos heurísticos de vários especialistas Possibilidade de resultado adequado, mesmo com conhecimentos contraditórios Aplicabilidade a sistemas de dinâmica complexa, incluindo não-linearidade Possibilidade de explorar a característica não linear dos controladores nebulosos para obter-se maior desempenho DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa
13 Avaliação da Utilização de Controladores Nebulosos Desvantagens Ausência de uma metodologia madura para o projeto do controlador, resultando em um processo artesanal e pouco sistematizado Impossibilidade de demonstração, geralmente, de propriedades como estabilidade Precisão de regulagem pode eventualmente ser insuficiente Consistência das regras não garantidas a priori DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 24 Exemplo: Superfície de Referência Entradas: X = {-10; 10} Y = {-10; 10} Saída: Z = {-100; 100} DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa
14 Toolbox Fuzzy Definição das Variáveis Edit Add varibles Alterar nomes Alterar domínios Clicar nas caixas DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 26 Definição das Variáveis Edit Add MF Escolher tipo e quantidade Clicar nos traçados Alterar nomes Alterar parâmetros Editor das Funções de Pertinência - 1 DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa
15 Editor das Funções de Pertinência - 2 DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 28 Matriz de Combinações dos Valores X MN NE ZE PO MP MN ZE NE MN NE ZE NE PO ZE NE ZE PO Y ZE MP PO ZE PO MP PO PO ZE NE ZE PO MP ZE NE MN NE ZE DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa
16 Base de Regras 1. If (X is MN) and (Y is MN) then (Z is ZE) 2. If (X is MN) and (Y is NE) then (Z is PO) 3. If (X is MN) and (Y is ZE) then (Z is MP) 4. If (X is MN) and (Y is PO) then (Z is PO) 5. If (X is MN) and (Y is MP) then (Z is ZE) 6. If (X is NE) and (Y is MN) then (Z is MN) 7. If (X is NE) and (Y is NE) then (Z is ZE) 8. If (X is NE) and (Y is ZE) then (Z is PO) 9. If (X is NE) and (Y is PO) then (Z is ZE) 10. If (X is NE) and (Y is MP) then (Z is MN) 11. If (X is ZE) and (Y is MN) then (Z is MN) 12. If (X is ZE) and (Y is NE) then (Z is NE) DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 30 Editor de Regras DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa
17 Vizualizador da Aplicação das Regras DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 32 Superfície do Controlador Nebuloso DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa
18 Guindaste de porto DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 34 PROBLEMA: Automatizar o Guindaste de Contêineres O operador explica algumas estratégias que ele utiliza: Começar com potencia media. Se começar e ainda estiver longe do alvo, ajustar a potencia de modo que a cabeça do guindaste fique um pouco atrás do container. Perto do alvo, deve-se reduzir a velocidade para que o container fique um pouco a frente da cabeça do guindaste. Quando o container estiver muito perto da posição alvo, coloque-o com potência média novamente. Quando o container está acima do alvo e o movimento pendular for zero, parar o motor. DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa
19 Estrutura do controlador nebuloso para o guindaste DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 36 Modelagem das Regras 1) SE distância = longe E ângulo = zero ENTÃO potência = média_positiva 2) SE distância = zero E ângulo = zero ENTÃO potência = zero 3) SE distância = longe E ângulo = pouco_negativo ENTÃO potência = alta_positiva 4) SE distância = perto E ângulo = pouco_positivo ENTÃO potência = média_positiva 5) SE distância = longe E ângulo = muito_negativo ENTÃO potência = média_positiva 6) SE distância = média E ângulo = pouco_negativo ENTÃO potência = média_negativa DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa
20 Modelagem do Controlador DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 38 Funções de pertinência da variável vel distância DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa
21 Funções de pertinência das outras variáveis veis Ângulo : Potência do Motor : DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 40 Entrada das Regras DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa
22 Resposta do sistema a uma distância de 2 m e ângulo 40º DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 42 Superfície de Saída do Controlador DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa
23 Modelagem no Simulink Distancia Angulo Gerador de Sinal Controlador Nebuloso Osciloscópio 2.141e-016 Display DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa - 44 Modelagem no Simulink Distancia Angulo Gerador de Sinal Controlador Nebuloso Osciloscópio 2.141e-016 Display 15 Resposta do Sistema 10 Potência do Motor Tempo (s) DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa
24 Problema Bibliografia THE MATHWORKS, Inc. Fuzzy Logic Toolbox User s Guide. Natick: SANDRI, S; CORREA, C. Lógica Nebulosa. V Escola de Redes Neurais, Promoção: Conselho Nacional de Redes Neurais pp. c073-c090, 19 de julho, ITA, São José dos Campos SP. DECOM ICEB UFOP Prof. Álvaro Guarda Introdução à Lógica Nebulosa
CONTEÚDO LÓGICA NEBULOSA INTRODUÇÃO INTRODUÇÃO. Lógica Procura modelar o raciocínio. Lógica. Marley Maria B.R. Vellasco
LÓGICA NEBULOSA Marley Maria B.R. Vellasco ICA: Núcleo de Pesquisa em Inteligência Computacional Aplicada PUC-Rio CONTEÚDO Introdução Introdução, Objetivo e Histórico Conceitos Básicos Definição, Características
Leia maisLÓGICA NEBULOSA CONTEÚDO
LÓGICA NEBULOSA Marley Maria B.R. Vellasco ICA: Núcleo de Pesquisa em Inteligência Computacional Aplicada PUC-Rio CONTEÚDO Introdução Introdução, Objetivo e Histórico Conceitos Básicos Definição, Características
Leia maisIntrodução. A Inteligência Artificial (IA) vem sendo desenvolvida desde o século passado.
Introdução A Inteligência Artificial (IA) vem sendo desenvolvida desde o século passado. Iniciou-se já na época da Grécia antiga, onde foi desenvolvido o Distribuidor de Água em Delfos, o qual fornecia
Leia maisInteligência Artificial
DSC/CCT/UFC Universidade Federal de Campina Grande Departamento de Sistemas e Computação Pós-Graduação em Ciência da Computação Inteligência Artificial Representação do Conhecimento (Lógica Fuzzy) Prof.
Leia maisInteligência Artificial Escola de Verão Laboratório Associado de Computação e Matemática Aplicada LAC.
Inteligência Artificial Escola de Verão 28 Laboratório Associado de Computação e Matemática Aplicada LAC www.lac.inpe.br/~demisio/ia_lac.html Lógica Nebulosa A Lógica Nebulosa (ou Lógica Difusa Fuzzy Logic
Leia maisSistemas especialistas Fuzzy
Sistemas Fuzzy Sistemas especialistas Fuzzy Especialistas Senso comum para resolver problemas Impreciso, inconsistente, incompleto, vago Embora o transformador esteja um pouco carregado, pode-se usá-lo
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 09 Lógica Fuzzy Edirlei Soares de Lima Introdução A Lógica Fuzzy é baseada na teoria dos conjuntos fuzzy. Tradicionalmente, uma proposição lógica
Leia maisInteligência Computacional
Inteligência Computacional CP78D Lógica Fuzzy Aula 4 Prof. Daniel Cavalcanti Jeronymo Universidade Tecnológica Federal do Paraná (UTFPR) Engenharia Eletrônica 9º Período 1/37 Lógica Clássica Plano de Aula
Leia maisSistema de Inferência Fuzzy baseado em Redes Adaptativas (ANFIS) Sistema de Inferência Fuzzy
Redes Neurais Sistema de Inferência Fuzzy baseado em Redes Adaptativas (ANFIS) Sistema de Inferência Fuzzy Um Sistema de Inferência Fuzzy (SIF) é um tipo especial de Sistema Baseado em Conhecimento (SBC).
Leia maisRedes Neurais e Sistemas Fuzzy
Redes Neurais e Sistemas Fuzzy Conceitos Básicos da Lógica Fuzzy. Raciocínio aproximado Raciocínio aproximado é a forma mais conhecida de lógica fuzzy, cobrindo várias regras de inferência cujas premissas
Leia maisConteúdo: Sistemas Fuzzy Fuzzifier Inferência Regras Máquina de Inferência Defuzzifier
Conteúdo: Sistemas Fuzzy Fuzzifier Inferência Regras Máquina de Inferência Defuzzifier Sistemas fuzzy A inferência fuzzy é um paradigma computacional baseado na Teoria de conjuntos fuzzy, regras de inferência
Leia maisLaboratório 4 - Controle nebuloso
Laboratório 4 - Controle nebuloso PTC 2619 / PTC 3418 Laboratório de Automação 1º semestre de 2017 Bruno A. Angélico Laboratório de Automação e Controle Departamento de Engenharia de Telecomunicações e
Leia maisAPLICAÇÃO DE ANALISE DE RISCO DE CLIENTE PARA TOMADA DE CRÉDITO UTILIZANDO LÓGICA FUZZY TOOLBOX DO MATLAB. Diogo Mendes.
APLICAÇÃO DE ANALISE DE RISCO DE CLIENTE PARA TOMADA DE CRÉDITO UTILIZANDO LÓGICA FUZZY TOOLBOX DO MATLAB Diogo Mendes. Luciana Wanderley Especialização em Engenharia de Sistemas Universidade Estadual
Leia maisCONTEÚDO LÓGICA FUZZY LÓGICA FUZZY LÓGICA FUZZY. Um dos componentes mais importantes de um sistema fuzzy é o Módulo de Regras.
CONTEÚDO Introdução Introdução, Objetivo e Histórico Conceitos ásicos Definição, Características e Formas de Imprecisão Conjuntos Fuzzy Propriedades, Formas de Representação e Operações Lógica Fuzzy Relações,
Leia maisIntrodução aos Conjuntos
Introdução aos Conjuntos Nebuloso (Fuzzy) Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B niversidade Estadual de Feira de Santana Informações imprecisas Termos imprecisos
Leia maisUniversidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação. Inteligência Artificial. Lógica Fuzzy Aula II
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação Inteligência Artificial Lógica Fuzzy Aula II Introdução a Lógica Fuzzy Retomada Função de pertinência Variáveis linguísticas
Leia maisA maioria dos fenômenos com os quais nos deparamos são imprecisos. compreensão do problema. capacidade de medição.
SISTEMAS NEBULOSOS A maioria dos fenômenos com os quais nos deparamos são imprecisos Exemplo: dia QUENTE (40, 35, 30, 29,5?) Imprecisão Intrínseca ajuda na compreensão do problema. Fuzziness é independente
Leia maisAula 15 Introdução à lógica fuzzy
Organização Aula 5 Introdução à lógica fuzzy Prof. Dr. Alexandre da Silva Simões Introdução à teoria de conjuntos nebulosos Bivalência x multivalência Números fuzzy Conjuntos fuzzy Probabilidade e possibilidade
Leia maisProf. Doutor Paulo Salgado UTAD. Doutoramento em Engª Electrotécnica e de Computadores - Prof. Paulo Salgado
Introdução à LÓGICA DIFUSA Prof. Doutor Paulo Salgado UTAD psal@utad.pt Tópicos do Curso Introdução à LÓGICA DIFUSA (Fuzzy Logic). Operações Lógicas e Inferência difusa Técnicas automáticas de geração
Leia maisIntrodução. Sistemas Nebulosos (Fuzzy) Benefícios da Lógica Nebulosa. Introdução. Probabilidade e Possibilidade. Complexidade e Compreensão
(Fuzzy) Introdução Benefícios da Lógica Nebulosa Conjuntos Nebulosos Variáveis Lingüísticas Operadores (Fuzzy) Raciocínio Etapas Conclusão Introdução Surgiu com Lofti Zadeh em 965. O boom foi nos anos
Leia maisLógica Fuzzy. Lógica Fuzzy: Noções Gerais e Aplicações. apresentação. Prof a. Responsável: Graçaliz Pereira Dimuro. Disciplina: Computação Flexível
apresentação Lógica Fuzzy Conrado Ruch. Diego Pereira. Rogério Vargas Prof a. Responsável: Graçaliz Pereira Dimuro Disciplina: Computação Flexível Programa Conrado Ruch. Diego de Pereira Pós-Graduação.
Leia maisLógica Fuzzy. Profs. João Alberto Fabro André Schneider de Oliveira. Sistemas Autônomos Inteligentes
Sistemas Autônomos Inteligentes Lógica Fuzzy Profs. João Alberto Fabro André Schneider de Oliveira Adaptado de material dos profs. Mauro Roisenberg e Luciana Rech - UFSC Introdução A Lógica Fuzzy é baseada
Leia maisSistema de Inferência Fuzzy. Prof. Juan Mauricio Villanueva
Sistema de Inferência Fuzzy Prof. Juan Mauricio Villanueva jmauricio@cear.ufpb.br http://app.cear.ufpb.br/~juan/ 1 Introdução Lógica Fuzzy É uma ferramenta que permite capturar informações imprecisas,
Leia mais2 Lógica Fuzzy. 2 Lógica Fuzzy. Sintaxe da linguagem
2 Lógica Fuzzy 2.1 Cálculo proposicional (lógica proposicional) 2.2 Lógica de Predicados 2.3 Lógica de múltiplos valores 2.4 Lógica Fuzzy Proposições fuzzy Inferência a partir de proposições fuzzy condicionais
Leia maisSISTEMAS FUZZY CONTEÚDO CONJUNTOS FUZZY. CONJUNTOS CRISP x FUZZY
SISTEMAS FUZZY A maioria dos fenômenos com os quais nos deparamos são imprecisos Exemplo: dia QUENTE (40, 35, 30, 29,5?) Imprecisão Intrínseca ajuda na compreensão do problema. Fuzziness é independente
Leia maisLógica Difusa (Fuzzy)
Lógica Difusa (Fuzzy) Prof. Josiane M. Pinheiro Ferreira Outubro/2007 Lógica tradicional x Lógica difusa Lógica tradicional (Aristóteles) Uma proposição = dois estados possíveis (V ou F) Pode ser insuficiente
Leia maisNotas de Aula. Controle Usando Sistemas Nebulosos. Prof. Víctor Costa da Silva Campos
Notas de Aula Controle Usando Sistemas Nebulosos Prof. Víctor Costa da Silva Campos Belo Horizonte, 16 de Outubro de 2018 If only I had 5 lives! Then I could be from 5 different towns and stuff myself
Leia maisFuzzy Logic. (Lógica Difusa) Adriano Zanette Eduardo Aquiles Radanovitsck William Wolmann Gonçalves
Fuzzy Logic (Lógica Difusa) Adriano Zanette Eduardo Aquiles Radanovitsck William Wolmann Gonçalves Apresentação realizada para a disciplina de Lógica para Computação 2006/2 Prof. Marcus Ritt Breve história
Leia maisModelos Evolucionários e Tratamento de Incertezas
Ciência da Computação Modelos Evolucionários e Tratamento de Incertezas Aula 07 Inferência Difusa Sistemas de Controle Difuso Max Pereira Regras difusas SE ENTÃO Antecedente:
Leia maisCONTEÚDO LÓGICA FUZZY LÓGICA FUZZY. Proposições Fuzzy. Regras são implicações lógicas. Introdução Introdução, Objetivo e Histórico
CONTEÚDO Introdução Introdução, Objetivo e Histórico Conceitos ásicos Definição, Características e Formas de Imprecisão Conjuntos Fuzz Propriedades, Formas de Representação e Operações Relações, Composições,
Leia maisLAB3 Controle nebuloso (VERSÃO PROVISÓRIA)
LAB3 Controle nebuloso (VERSÃO PROVISÓRIA) 3.1 Objetivo Esta experiência tem por objetivo a familiarição com a técnica de Controle Nebuloso (Fuzzy Control, em inglês). Para isso será contruído um controlador
Leia maisConteúdo: Operações Conjuntos Crisp Operações Conjuntos fuzzy. Operadores de Zadeh Operadores Compensatórios Operadores T-norm e T-conorm
Conteúdo: Operações Conjuntos Crisp Operações Conjuntos fuzzy Operadores de Zadeh Operadores Compensatórios Operadores T-norm e T-conorm Operações com Conjuntos Crisp Função característica: determina se
Leia maisInteligência Artificial. Lógica Fuzzy
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação Inteligência Artificial Lógica Fuzzy Aula I Introdução a Lógica Fuzzy Conceitos básicos Lógica clássica e lógica fuzzy
Leia maisCONJUNTOS FUZZY CONTEÚDO. CONJUNTOS CRISP x FUZZY. Conjuntos Crisp x Fuzzy Definição Representação Propriedades Formatos Operações Hedges
CONTEÚDO Introdução Introdução, Objetivo e Histórico Conceitos Básicos Definição, Características e Formas de Imprecisão Conjuntos Fuzzy Propriedades, Formas de Representação e Operações Lógica Fuzzy Relações,
Leia maisIntrodução. Lógica Fuzzy (Lógica Nebulosa) Introdução. Conceito
Lógica Nebulosa Introdução Lógica Fuzzy (Lógica Nebulosa) Adaptado de material da profa. Luciana Rech Lógica Difusa ou Lógica Fuzzy extensão da lógica boolena um valor lógico difuso é um valor qualquer
Leia maisLógica Fuzzy. Conectivos e Inferência. Professor: Mário Benevides. Monitores: Bianca Munaro Diogo Borges Jonas Arêas Renan Iglesias Vanius Farias
Lógica Fuzzy Conectivos e Inferência Professor: Mário Benevides Monitores: Bianca Munaro Diogo Borges Jonas Arêas Renan Iglesias Vanius Farias Conectivos O que são conectivos? São operadores que conectam
Leia maisTeoria da Decisão. Modelagem de Preferência. Prof. Lucas S. Batista. lusoba
Teoria da Decisão Modelagem de Preferência Prof. Lucas S. Batista lusoba@ufmg.br www.ppgee.ufmg.br/ lusoba Universidade Federal de Minas Gerais Escola de Engenharia Graduação em Engenharia de Sistemas
Leia mais1. Conjuntos Fuzzy - Fundamentos. Sistemas Nebulosos
Sistemas Nebulosos Heloisa de Arruda Camargo. Conjuntos Fuzzy - Fundamentos. Conceitos básicos de conjuntos fuzzy.2 Operações em conjuntos fuzzy.3 Relações fuzzy.4 Aritmética fuzzy.5 Variáveis linguísticas
Leia maisSISTEMA ESPECIALISTA NEBULOSO (MINICURSO) Luiz Biondi Neto Pedro Henrique Gouvêa Coelho Jorge Luís Machado do Amaral Maria Helena C.
Luiz Biondi Neto Pedro Henrique Gouvêa Coelho Jorge Luís Machado do Amaral Maria Helena C. Soares de Mello Inteligência Computacional A Inteligência Computacional (IC) é uma área de pesquisa que visa investigar
Leia mais27/8/2011. Princípios, Conceitos e Metodologia de Gestão 2o semestre de 2011 Professores: Alexandre Mota / Lia Mota Agosto/2011
Tomada de Decisão e Regras Nebulosas Princípios, Conceitos e Metodologia de Gestão 2o semestre de 2011 Professores: Alexandre Mota / Lia Mota Agosto/2011 Representação Matemática de Incertezas Padrões
Leia maisLogica Difusa (Fuzzy( Fuzzy)
Logica Difusa (Fuzzy( Fuzzy) Patricia Tedesco e Germano Vasconcelos {pcart, gcv}@cin.ufpe.br Horários: 2 as e 4 as 14 às 16 Sala: D001 e D226 Página da Disciplina: www.cin.ufpe.br/~îf684/ec/2010-1/ 1 Introdução
Leia maisConhecimento e Raciocínio Incertos
Conhecimento e Raciocínio Incertos Aula #6.1 EBS 564 IA Prof. Luiz Fernando S. Coletta luizfsc@tupa.unesp.br Campus de Tupã Seres humanos são capazes de lidar com processos bem complexos 2 Seres humanos
Leia maisLógica Nebulosa (Fuzzy)
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Lógica Nebulosa (Fuzzy) Inteligência Artificial Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisAula 12 Composição Relação-Conjunto Fuzzy.
Aula 12 Composição Relação-Conjunto Fuzzy. MS58 - Introdução à Teoria Fuzzy Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade
Leia maisLógica Difusa (Fuzzy)
Lógica Difusa (Fuzzy) Prof. Josiane M. Pinheiro Ferreira Outubro/2007 Lógica tradicional x Lógica difusa Lógica tradicional (Aristóteles) Uma proposição = dois estados possíveis (V ou F) Pode ser insuficiente
Leia maisINTELIGÊNCIA ARTIFICIAL
INTELIGÊNCIA ARTIFICIAL LÓGICA FUZZY (ou NEBULOSA) Prof. Ronaldo R. Goldschmidt ronaldo.rgold@gmail.com O que é? Técnica inteligente que tem como objetivo modelar o modo aproimado de raciocínio, imitando
Leia maisLógicas Difusas e Sistemas Difusos
Lógicas Difusas e Sistemas Difusos 1 Semestre de 2015 Cleber Zanchettin UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática 1 Introdução (1/2) O conhecimento humano é muitas vezes incompleto,
Leia maisIdentificando a necessidade de um sistema Fuzzy
Identificando a necessidade de um sistema Fuzzy Sempre que ocorrem ajustes em máquinas com o objetivo de redução de perdas e de matéria prima, como função de julgamento de um operador é interessante a
Leia maisSistemas difusos (Fuzzy Systems)
Sistemas difusos (Fuzzy Systems) Victor Lobo Mestrado em Estatística e Gestão de Informação Ideia geral Conjunto das pessoas altas h Lógica clássica Sim ou Não: ou é, ou não é Probabilidades Sim, com uma
Leia maisModelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Proceeding Series of the Brazilian Society of pplied and Computational Mathematics, Vol., N., 0. Trabalho apresentado no XXXV CNMC, Natal-RN, 0. Modelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Leia maisLOGICA FUZZY. Adão de Melo Neto
LOGICA FUZZY Adão de Melo Neto SUMÁRIO INTRODUÇÃO PRINCÍPIOS CLÁSSICA x DIFUSA CONJUNTOS FUZZY OPERAÇÕES EM CONJUNTO FUZZY MODIFICADORES Introdução "A logica difusa (fuzzy) tem por objetivo modelar modos
Leia maisCONJUNTOS NEBULOSOS. Formatos dos Conjuntos
CONJUNTOS NEBULOSOS Conjuntos Crisp x Nebulosos Definição Representação Propriedades Formatos Operações Hedges Formatos dos Conjuntos A função verdade de um conjunto fuzzy representa as propriedades semânticas
Leia maisConjuntos Fuzzy e Lógica Fuzzy
1 Introdução Conjuntos Fuzzy e Lógica Fuzzy users.femanet.com.br/~fabri/fuzzy.htm Os Conjuntos Fuzzy e a Lógica Fuzzy provêm a base para geração de técnicas poderosas para a solução de problemas, com uma
Leia maisMétodos de Inferência Fuzzy
Métodos de Inferência Fuzzy Prof. Paulo Cesar F. De Oliveira, BSc, PhD 16/10/14 Paulo C F de Oliveira 2007 1 Seção 1.1 Método de Mamdani 16/10/14 Paulo C F de Oliveira 2007 2 Professor Ebrahim Mamdani
Leia maisLÓGICA FUZZY. Adão de Melo Neto
LÓGICA FUZZY Adão de Melo Neto INTRODUÇÃO CONCEITO OBJETIVO PRINCÍPIO LÓGICAS: CLÁSSICA x DIFUSA CONJUNTO FUZZY GRAU DE PERTINÊNCIA FUNÇÃO DE PERTINÊNCIA MODIFICADORES TERMINOLOGIA OPERAÇÕES SOBRE CONJUNTOS
Leia maisRedes Neurais e Sistemas Fuzzy
Sistema de Inferência Fuzzy Redes Neurais e Sistemas Fuzzy Conceitos Básicos dos Conjuntos Fuzzy Um Sistema de Inferência Fuzzy (SIF) é um tipo especial de Sistema Baseado em Conhecimento (SBC). A Base
Leia maisLógica Fuzzy. Angelo Batista Neves Júnior Bruno Luan de Sousa Kelly de Paiva Soares
Lógica Fuzzy Angelo Batista Neves Júnior Bruno Luan de Sousa Kelly de Paiva Soares INTRODUÇÃO Introduzida em 1965 por Lofti Zadeh. Surgimento em 1930. Influência o Jan Lukasiewicz; o Max Black; o Lofti
Leia maisTP034-Tópicos Especiais de Pesquisa Operacional I
TP034-Tópicos Especiais de Pesquisa Operacional I (Conjuntos Difusos Lógica Difusa) Prof. Volmir Wilhelm Curitiba, Paraná, Brasil Lógica Difusa Fuzzy Logic is in fact, a precise problem-solving methodology.
Leia maislnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy)
lnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy) Sumário Introdução Fundamentos Operações básicas Representação do Conhecimento Modelo de Inferência Passos de Projeto de um Sistema Nebuloso
Leia maislnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy)
lnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy) Sumário Introdução Fundamentos Operações básicas Representação do Conhecimento Modelo de Inferência Passos de Projeto de um Sistema Nebuloso
Leia maisVariáveis Linguísticas CONTEÚDO. Variáveis Linguísticas. Variáveis Linguísticas. Formalismo: caracterizada por uma
CONTEÚDO Introdução Introdução, Objetivo e Histórico Conceitos Básicos Definição, Características e Formas de Imprecisão Conjuntos Fuzzy Propriedades, Formas de Representação e Operações Lógica Fuzzy Relações,
Leia maisCONJUNTOS, LÓGICA E SISTEMAS FUZZY
COE 765 TÉCNICAS INTELIGENTES APLICADAS A SISTEMAS DE POTÊNCIA CONJUNTOS, LÓGICA E SISTEMAS FUZZY Djalma M. Falcão COPPE/UFRJ Agosto de 2002 INTRODUÇÃO Modelos matemáticos convencionais são: Crisp, isto
Leia maisLógica Nebulosa. Lógica Fuzzy
Lógica Nebulosa Ou Lógica Fuzzy Lógicas Bivalente e Polivalente Na logica clássica ou aristotélica: Dois valores verdade possíveis: Proposições verdadeiras;ou Proposições falsas. São sistemas chamados
Leia maisLógica Fuzzy: Introdução a Lógica Fuzzy, exemplo da Gorjeta e ANFIS
Lógica Fuzzy: Introdução a Lógica Fuzzy, exemplo da Gorjeta e ANFIS 24 de outubro de 2013 Sumário I 1 Introdução 2 Propriedades 3 Variáveis linguísticas 4 Regras Fuzzy 5 Arquitetura 6 Exemplo Exemplo 1
Leia maisObjetivos da aula. Introdução. Teoria da Probabilidade Lógica Nebulosa. Introdução 21/02/17. PCS 5869 lnteligência Ar9ficial
2/2/7 PCS 5869 lnteligência Ar9ficial Prof. Dr. Jaime Simão Sichman Prof. Dra. Anna Helena Reali Costa Material com contribuições de: Prof. Marco Tulio C. Andrade, PCS/EPUSP Objetivos da aula Fornecer
Leia maisConteúdo: Conjuntos crisp x Conjuntos fuzzy Representação Propriedades Formatos
Conteúdo: Conjuntos crisp x Conjuntos fuzzy Representação Propriedades Formatos Conjuntos Crisp x Fuzzy Conjuntos crisp ou Conjuntos clássicos: cada entidade ou objeto de um dado universo pode pertencer
Leia mais17/4/2007. Prof. Dr. Alexandre da Silva Simões. Introdução Apresentação da lógica Fuzzy
7/4/27 ula - Conjuntos clássicos e conjuntos Fuzzy Prof. Dr. lexandre da Silva Simões Toda lógica tradicional habitualmente assume que símbolos precisos estão sendo empregados. Elas portanto não são aplicáveis
Leia maisLógica Fuzzy 7.1 INTRODUÇÃO
7 Lógica Fuzzy Ser ou não ser: esta é a questão. (William Shakespeare, Hamlet) 7.1 INTRODUÇÃO Usamos, no cotidiano, conceitos subjetivos para classificar ou considerar certas situações tais como : - Siga
Leia maisLógica dos Conjuntos Difusos (Fuzzy Sets)
Lógica dos Conjuntos Difusos (Fuzzy Sets) Uma aula dada por: Francisco Andrade (ei05013@fe.up.pt) José Santos (ei05038@fe.up.pt) Luís Carneiro (ei05045@fe.up.pt) Ricardo Paulo (ei05067@fe.up.pt) Conteúdos
Leia maisPós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO
Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO AULA 07 Lógica Fuzzy Introdução A lógica FUZZY uma extensão da lógica booleana. Ela permite que estados imprecisos
Leia maisUNIVERSIDADE FEDERAL DE OURO PRETO ESCOLA DE MINAS COLEGIADO DO CURSO DE ENGENHARIA DE CONTROLE E AUTOMAÇÃO - CECAU MOZZER ANTONIO DE OLIVEIRA SILVA
UNIVERSIDADE FEDERAL DE OURO PRETO ESCOLA DE MINAS COLEGIADO DO CURSO DE ENGENHARIA DE CONTROLE E AUTOMAÇÃO - CECAU MOZZER ANTONIO DE OLIVEIRA SILVA ESTUDO DE TÉCNICAS DE CONTROLE APLICADA AO SISTEMA PÊNDULO
Leia maisCONTROLE FUZZY OBJETIVO
CONTROLE FUZZY Luis Caldas & Fabrizio Leonardi Departamento de Eletricidade FEI / FCA OBJETIVO Esse assunto vem ganhando destaque no mundo industrial, primeiro pelo apelo da novidade, mas principalmente
Leia maisSistemas Fuzzy Lógica Fuzzy e Sistemas Baseados em Regras Fuzzy
Sistemas Fuzzy Lógica Fuzzy e Sistemas Baseados em Regras Fuzzy Profa. Dra. Sarajane M. Peres e Prof. Dr. Clodoaldo A. M. Lima EACH USP http://each.uspnet.usp.br/sarajane/ } Baseado em: Dimensão Topológica
Leia maisPrograma. 4. Conceitos teóricos e notação. Computação Fuzzy - PCS 5711 (capítulo 4 - Parte c)
Computação Fuzzy - PCS 57 (capítulo 4 - Parte c) Pós-Graduação: área de Sistemas Digitais (34) Professor Marco Túlio Carvalho de ndrade PCS - Depto. de Enga. de Computação e Sistemas Digitais - EPUSP Programa.
Leia maisCONCEPÇÃO DE UMA ARQUITETURA DE SISTEMAS ESPECIALISTAS NEBULOSOS PARA CLASSIFICAÇÃO DE IMAGENS
CONCEPÇÃO DE UMA ARQUITETURA DE SISTEMAS ESPECIALISTAS NEBULOSOS PARA CLASSIFICAÇÃO DE IMAGENS Sandra Sandri, Gerald J.F. Banon, Ronei M. de Moraes, Ana Lúcia Candeias Instituto Nacional de Pesquisas Espaciais
Leia maisTEORIA DOS CONJUNTOS FUZZY
TEORIA DOS CONJUNTOS FUZZY TEORIA DOS CONJUNTOS FUZZY A Lógica Fuzzy ébaseada na teoria dos Conjuntos Fuzzy. A teoria dos Conjuntos Fuzzy diz que dado um determinado elemento que pertence a um domínio,
Leia maisInterpretação de Imagens com CSP
com CSP Álvaro Guarda Departamento de Computação Instituto de Ciências Exatas e Biológicas Universidade Federal de Ouro Preto Contexto Passos Passos Gerais Gerais na na Resolução de de Problemas Escolha
Leia maisLógicas Difusas que Parecem Clássicas p. 1/5
Lógicas Difusas que Parecem Clássicas Benjamín R. Callejas Bedregal Universidade Federal do Rio Grande do Norte Departamento de Informática e Matemática Aplicada Laboratório de Lógica e Inteligência Computacional
Leia mais2ª PROVA ICIN 1º/2015
Departamento de Engenharia Elétrica Prof. Adolfo Bauchspiess Faculdade de Tecnologia Laboratório de Automação e Robótica Universidade de Brasília 163848 INTRODUÇÃO AO CONTROLE INTELIGENTE NUMÉRICO - 1
Leia maisModelos Evolucionários e Tratamento de Incertezas
Ciência da Computação Modelos Evolucionários e Tratamento de Incertezas Aula 05 Teoria dos Conjuntos Difusos Max Pereira CONJUNTOS CLÁSSICOS Teoria dos Conjuntos é o estudo da associação entre objetos
Leia maisINTRODUÇÃO SISTEMAS FUZZY INTRODUÇÃO INTRODUÇÃO INTRODUÇÃO INTRODUÇÃO. Teoria de Conjuntos Fuzzy Zadeh (1965) Ricardo Tanscheit
SISTEMS FUZZY Ricardo Tanscheit Departamento de Engenharia Elétrica PUC-Rio INTRODUÇÃO Teoria de Conjuntos Fu Zadeh 965 Lógica Fu Zadeh 973 Diversos outros autores, posteriormente INTRODUÇÃO Lógica Fu
Leia maisLÓGICA FUZZY (difusa ou nebulosa) Adão de Melo Neto
LÓGICA FUZZY (difusa ou nebulosa) Adão de Melo Neto SUMÁRIO INTRODUÇÃO CONCEITO OBJETIVO PRINCÍPIO LÓGICAS: CLÁSSICA x DIFUSA CONJUNTO FUZZY GRAU DE PERTINÊNCIA FUNÇÃO DE PERTINÊNCIA MODIFICADORES TERMINOLOGIA
Leia maisConteúdo: Hedges Relações e Composições
Conteúdo: Hedges Relações e Composições Hedges: Operadores semânticos Atuam na modelagem de um sistema fuzzy da mesma forma que advérbios atuam em uma sentença. Modificam a natureza de um conjunto fuzzy.
Leia maisSISTEMAS NEURO-FUZZY NEURAL-FUZZY SYSTEMS
SISTEMAS NEURO-FUZZY NEURAL-FUZZY SYSTEMS Stéphanie Lucchesi, Sandra Regina Monteiro Masalskiene Roveda Campus Experimental de Sorocaba Engenharia Ambiental steh_l@hotmail.com, ISB. Palavras chave: fuzzy,
Leia maisLógica Fuzzy. Plano de aula. Motivação Fundamentação Teórica Sistemas Difusos (aplicações) Estudo de Caso Considerações Finais
LÓGICA FUZZY 1 Plano de aula Motivação Fundamentação Teórica Sistemas Difusos (aplicações) Estudo de Caso Considerações Finais 2 Motivação: Grau de Crença vs. Grau de Verdade Grau de crença: População
Leia maisUNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ DEPARTAMENTO ACADÊMICO DE CIÊNCIA DA COMPUTAÇÃO CURSO DE BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ DEPARTAMENTO ACADÊMICO DE CIÊNCIA DA COMPUTAÇÃO CURSO DE BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO LIN YU HAN RENAN RISSÁ FRANCO LÓGICA FUZZY RELATÓRIO PONTA GROSSA
Leia maisUniversidade Estadual Paulista Campus de Ilha Solteira. Palestra: Carlos Roberto Minussi DEE FEIS UNESP
Universidade Estadual Paulista Campus de Ilha Solteira Palestra: Lógica Fuzzy (Nebulosa) Carlos Roberto Minussi DEE FEIS UNESP História e Motivação Lógiica Fuzzy Computação com Pallavras Zadeh [1965] desenvolveu
Leia maisDedução Natural e Sistema Axiomático Pa(Capítulo 6)
Dedução Natural e Sistema Axiomático Pa(Capítulo 6) LÓGICA APLICADA A COMPUTAÇÃO Professor: Rosalvo Ferreira de Oliveira Neto Estrutura 1. Definições 2. Dedução Natural 3. Sistemas axiomático Pa 4. Lista
Leia maisLÓGICA FUZZY APLICADA À AVALIAÇÃO DA SATISFAÇÃO DE PACIENTES DO CAETAN
LÓGICA FUZZY APLICADA À AVALIAÇÃO DA SATISFAÇÃO DE PACIENTES DO CAETAN André V. Gonçalves 1 Eugênio M. S. Júnior 2 Isaura C. B. Monteiro 3 Renê Rodrigues Veloso 4 Resumo: A satisfação do cliente é muito
Leia maisVariáveis Linguísticas CONTEÚDO. Variáveis Linguísticas. Variáveis Linguísticas. Formalismo: caracterizada por uma
ONTEÚDO Introdução Introdução, Objetivo e Histórico onceitos ásicos Definição, aracterísticas e Formas de Imprecisão onjuntos Fuzzy, Formas de Representação e Operações Lógica Fuzzy Relações, omposições,
Leia maisConjuntos Difusos. Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 7)
Conjuntos Difusos Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 7) Conjuntos Difusos 2 Conjuntos Difusos Quais das seguintes pessoas são altas? Paulo:
Leia maisA TEORIA DE SISTEMA NEBULOSO E AS INFORMAÇÕES SUBJETIVAS DE CONFORTO AMBIENTAL
A TEORIA DE SISTEMA NEBULOSO E AS INFORMAÇÕES SUBJETIVAS DE CONFORTO AMBIENTAL L Y Cheng Universidade de São Paulo Dept. de Engenharia de Construção Civil Av. Prof. Almeida Prado, Trav. 2 No. 217, Cidade
Leia maisAnálise de Características Empreendedoras Utilizando Sistemas Baseados em Regras Fuzzy 1
TEMA Tend. Mat. Apl. Comput., 11, No. 2 (2010), 133-140. c Uma Publicação da Sociedade Brasileira de Matemática Aplicada e Computacional. Análise de Características Empreendedoras Utilizando Sistemas Baseados
Leia maisIntrodução à Teoria dos Conjuntos Fuzzy
Universidade Estadual de Londrina Centro de Ciências Exatas Departamento de Matemática Relatório Final de Iniciação Científica Introdução à Teoria dos Conjuntos Fuzzy Orientando: Osmar do Nascimento Souza
Leia maisHistórico da Lógica Fuzzy
Histórico da Lógica Fuzzy Lógica Fuzzy Huei Diana Lee e Newton Spolaôr Artigo de Lofti A. Zadeh Universidade da Califórnia em Berkley, EUA, 1965 Ruptura com a Lógica Aristotélica Universidade Estadual
Leia maisIF-705 Automação Inteligente Sistemas de Controle - Fundamentos
IF-705 Automação Inteligente Sistemas de Controle - Fundamentos Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática - CIn Departamento de Sistemas da Computação aluizioa@cin.ufpe.br
Leia maisIncertezas na Computação Científica: Abordagens via Matemática Intervalar e Teoria Fuzzy
Incertezas na Computação Científica: Abordagens via Matemática Intervalar e Teoria Fuzzy Rogério Vargas Dr. Luciano Vitoria Barboza, orientador Dra. Graçaliz Pereira Dimuro, co-orientadora Pelotas-RS,
Leia mais