Sistemas Fuzzy Lógica Fuzzy e Sistemas Baseados em Regras Fuzzy
|
|
- Alícia Carreiro Caldas
- 6 Há anos
- Visualizações:
Transcrição
1 Sistemas Fuzzy Lógica Fuzzy e Sistemas Baseados em Regras Fuzzy Profa. Dra. Sarajane M. Peres e Prof. Dr. Clodoaldo A. M. Lima EACH USP
2 } Baseado em: Dimensão Topológica e Mapas Auto-Organizáveis de Kohonen. Sarajane Marques Peres. Tese de Doutorado defendida na Faculdade de Engenharia Elétrica e de Computação, da Universidade Estadual de Campinas, An introduction of Fuzzy Sets: Analysis and Design. Witold Pedrycz e Fernando Gomide. Mit Press, 1998.
3 Introdução } Instituições sociais, políticas e educacionais utilizam-se de classificações para dividir a sociedade em categorias, de acordo com a sua renda familiar. } Esta rotulação varia de sociedade para sociedade, de época para época, e admite diferentes rótulos em diferentes contextos. } Modelar essa situação não é fácil. } Por exemplo: Considere a seguinte categorização realizada com base na renda familiar brasileira: uma família que recebe menos de R$100,00 por mês e por membro é considerada pobre ; por outro lado, é considerada rica aquela família que recebe acima de R$2.500,00 por mês e por membro. } Sobre classificações deste tipo desenvolvem-se programas de assistência social, tabelas de tarifas de impostos, entre outras modelagens que podem afetar direta ou indiretamente a vida dos cidadãos.
4 Introdução } A questão que se levanta desta situação não é, ao contrário do que possa parecer, se os limites de R$100,00 e R$2.500,00 estão de acordo com a realidade, mas sim, se os cidadãos que se encontram nas margens destes limites estão sendo adequadamente tratados pelos modelos que os representa. } A teoria de Conjuntos Fuzzy é capaz de adequar os modelos de descrição e tratamento de situações do mundo real às reais necessidades de representação. } A essência dessa teoria está na aceitação da incerteza como um fato das situações reais, que deve ser apropriadamente modelado e tratado por métodos matemáticos quando existe a intenção desses em interpretar e lidar com situações do mundo real.
5 Introdução: poder de expressividade } Interpretação geométrica e poder de expressividade } A teoria de conjuntos fuzzy é uma generalização da teoria de conjuntos que nos liberta da dicotomia imposta por esta última e aumenta o poder de expressividade os conjuntos.
6 Introdução } Uma modelagem utilizando a teoria de conjuntos fuzzy poderia representar o conjunto de pessoas que pertencem à classe pobre como aqueles que possuem uma renda em até R$100,00 por mês por membro e, utilizando-se de uma função decrescente, modelar a pertinência parcial daquelas que possuem uma renda de R $100,00 ou mais. } Dessa forma, a modelagem poderia expressar que uma pessoa vivendo em uma família cuja renda por mês por membro é R$110,00 é pobre, porém não tanto quanto aquela que pertence a uma família cuja renda por pessoa por mês é R$98,00. } É possível também definir uma generalização da lógica proposicional, permitindo criar modelos computacionais que lidem com expressões em linguagem natural, capazes de resolver problemas com um grau de precisão avançado e de lidar com conceitos de acordo com o que eles significam no contexto em que estão inseridos. } Essa computação é embasada pela teoria do raciocínio aproximado.
7 Introdução: verdade (?) } Conceito básico } Grau de crença: } População composta de ocidentais e orientais } Probabilidade de alguém ser oriental } Grau de verdade: } População de mestiços } Grau de verdade na afirmação x é oriental.
8 Introdução: Paradoxo do Careca } Tirar um fio de cabelo de uma pessoa não a torna careca. } Uma pessoa, inicialmente não-careca, se torna careca se tirarmos seus fios de cabelo um a um. Mas, em nenhuma das etapas ele se tornou careca. } Logo, ela se tornou careca sem se tornar careca. } Este paradoxo desarma a lógica tradicional.
9 Introdução } O conhecimento humano é incerto, incompleto ou impreciso. } Ex.: Você vai para o show do Eric Clapton? } talvez sim. } se não chover eu vou. } se o ingresso não for caro vou. } vou logo cedo. } Muitas das frases e estimativas humanas não são facilmente definidas através de formalismos matemáticos.
10 Contextualizando } Teoria de conjuntos fuzzy (teoria de base) } Lógica Fuzzy (formalização) } raciocinador } Sistemas Fuzzy (implementação)
11 Conceitos Básicos } A pertinência de um elemento a um conjunto é caracterizada pela função característica (ou função de pertinência) que define esse conjunto. } Conjunto crisp (clássico) µ A : X { 0,1} Função de pertinência de um conjunto clássico A é µ A, onde X é o universo de discurso. } Conjunto fuzzy µ A : X [ 0,1 ] Função de pertinência de um conjunto fuzzy A é µ A, onde X é o universo de discurso (um conjunto de elementos crisp).
12 Conceitos Básicos } Uma das formas possíveis para representar um conjunto fuzzy: Se definido em um universo finito e discreto, com cardinalidade n, então um conjunto fuzzy é dado na forma de um vetor n-dimensional cujas entradas denotam os graus de pertinência dos elementos de X. Se X = {x 1, x 2,..., x n } então um conjunto fuzzy A = {(a i /x i ) x i ε X} pode ser escrito como A = a 1 /x 1 + a 2 /x a n /x n = Σ i=1:n a i /x i Essa notação não deve ser confundida com a soma algébrica
13 Conceitos Básicos } Representação usando funções: Ex.: Função triangular (veja outras em Pedrycs e Gomide, pg 9). A(X) = 0, se x <= a x a / m a, se x ε [a, m] b x / b m, se x ε [m, b] 0, se x > = b Onde m é um valor modal e a e b detonam os limites inferior e superior, respectivamente, para valores diferentes de 0 para A(x).
14 Conceitos Básicos } A função de pertinência, que define a pertinência de um elemento a um conjunto fuzzy, pode assumir diversas formas: Quatro formas diferentes de representar o conceito de números reais próximos a 2 por meio e conjuntos fuzzy.
15 Conceitos Básicos } Exemplos: PARAMS = [A B C] is a 3-element vector that determines the break points of this membership function. Usually we require A <= B <= C. PARAMS = [A B C D] is a 4-element vector that determines the break points of this membership function. We require that A <= B and C <= D.
16 Contextualizando... Um projeto Longo Grau de Pertinência µ(x) Duração(em semanas) Duração(em semanas)
17 Contextualizando...
18 Operações com conjuntos fuzzy } As operações entre conjuntos também são generalizadas Complemento:
19 Operações com conjuntos fuzzy } A generalização das operações de interseção e união podem ser feitas por mais de um modelo. } Interseção (t-normas) O operador min (^) é uma t-norma (maior interseção) } União (s-normas) O operado max (v) é uma s-norma (menor união)
20 Modificadores } Concentração: quando um conjunto fuzzy é concentrado, sua função de pertinência assume valores relativamente menores. } Con_A(x) = A p (x) } Note que a operação modifica os graus de pertinências dos valores do universo de discurso ao conceito representado. } O conjunto muda.
21 Modificadores } Dilatação: quando um conjunto fuzzy é dilatado, sua função de pertinência assume valores relativamente maiores. } Dil_A(x) = A r (x), onde r ε [0,1] } Note que o efeito é contrário àquele obtido na concentração.
22 Modificadores } Intensificação de contraste: os valores de pertinência menores do que ½ são diminuídos enquanto os valores maiores são elevados.
23 Modificadores } Fuzzificação: o efeito é complementar ao efeito da intensificação de contraste.
24 Variáveis Linguísticas } Pode-se definir uma variável lingüística informalmente como uma variável cujos valores são palavras ou sentenças, ao invés de números.
25 Variáveis Linguísticas } Formalmente, uma variável lingüística é caracterizada pela quíntupla: Sendo: X o nome da variável; < X, T(X), X, G, M> T(X) o conjunto de termos de X cujos elementos são rótulos de valores lingüísticos de X; G uma gramática para gerar os nomes de X; M uma regra semântica para associar cada rótulo L ε T(X) ao significado M(L) que é um conjunto fuzzy no universo X, cuja variável base é x.
26 Contextualizando } Variável lingüística chamada temperatura. X = temperatura com temperaturas variando no intervalo T = [0,50] e variável base t ε T. O conjunto de termos associado a essa variável pode ser, entre outros, T(temperatura) = muito baixa, baixa, média, alta, não baixa e não muito alta, muito alta em que cada termos em T(temperatura) é um rótulo de um valor lingüístico de temperatura. M(T) é um conjunto fuzzy de T, cuja função de pertinência T(t) cobre a semântica do nome de T. Os termos muito baixa, não baixa e não muito alta e muito alta podem ter suas funções de pertinência derivadas da aplicação de interseção ou complemento e/ ou da aplicação de modificadores sobre as funções de pertinências dos termos baixa e alta, caracterizando a computação com variáveis e termos lingüísticos.
27 Uma gramática } V = {baixo, alto, médio, muito, não, e...}. } Σ = {S, A, B, C, D, E, F,...} } e P S à A; C à E; A à B; A à A e B; B à C; B à not C; C à D; C à F; C à muito D; E à muito E; D à baixo; E à alto; F à médio;
28 Relações } Relações fuzzy são uma generalização do conceito clássico de relações, e admitem a noção de associação parcial entre pontos num universo e discurso. } Relação clássica: } Relação fuzzy: R = R = 0,3 0 0,7 0,5 0,9 0,8 1,0 1,0 0,4 0,5 1,0 0 Exemplo com clustering: clássico e fuzzy.
29 Relações: exemplo Exemplo: X = { chuvoso, nublado, ensolarado } Y = { nadando, pedalando, acampando, lendo }
30 Lógica Fuzzy } Os graus de pertinência A(x) para x ε X, podem ser interpretados como os valores verdade da proposição x é um membro do conjunto A. } Os valores verdade, para todos x ε X, de qualquer proposição x é P, podem ser interpretados como graus de pertinência P(x) pelos quais o conjunto fuzzy caracterizado pela propriedade P é definido em X. } Tem-se então as proposições fuzzy que caracterizam a lógica fuzzy. } A lógica fuzzy pode ser vista como um veículo para computação com valores verdade lingüísticos. } Uma proposição clássica requer ser verdadeira ou falsa, já em proposições fuzzy, a veracidade ou falsidade é expressa em termos de graus. Esse graus podem ser expressos por número no intervalo unitário ([0,1]) ou por rótulos lingüísticos (verdadeiro ou muito verdadeiro).
31 Lógica Fuzzy } Uma proposição fuzzy é vista como uma representação de um pedaço de conhecimento e é definida na forma X é A, em que X é o nome de um objeto e A é o nome de um conjunto fuzzy no universo de discurso X. } Esta proposição é associada a dois conjuntos fuzzy: Um conjunto fuzzy A definido no universo de discurso X O conjunto fuzzy definido em [0,1] que representa que o valor verdade τ de X é A.
32 Contextualizando Pressão é pequena e muito verdadeiro } O universo de discurso X é o universo da variável linguística pressão ; } pequena é um termo linguístico representado por um conjunto fuzzy correspondente a A; } muito verdadeiro corresponde ao segundo conjunto fuzzy que representa o valor verdade da proposição.
33 Proposições Fuzzy Simples 1. Proposições fuzzy não-condicionais e não-qualificadas: p1: V is F Seja V a temperatura do ar e seja F a função de pertinência que representa, num dado contexto, o predicado (ou termo lingüístico) alto. p1 : temperatura (V) is alta (F) O grau de verdade da proposição p1 depende do valor atual da temperatura e da definição do predicado alto.
34 Proposições Fuzzy Simples 2. Proposições fuzzy não-condicionais e qualificadas: p2: {V is F} is S em que V e F tem o mesmo significado que em p1 e S é um qualificador verdadeiro fuzzy, representado por um conjunto fuzzy. Tina é jovem é muito verdade o predicado jovem e o qualificador muito verdade são conjuntos fuzzy. Assumindo que o valor 26 anos tem grau de pertinência 0,87 ao conjunto fuzzy jovem e que o valor 0,87 tem grau de pertinência 0,76 ao conjunto fuzzy muito verdade, a proposição do exemplo pertence ao conjunto de proposições que são MUITO VERDADE com grau de pertinência 0,76. 0,76 é o seu grau de verdade.
35 Proposições Fuzzy Simples 3. Proposições fuzzy condicionais e não-qualificadas: p3: se (X) é A, então (Y) é B em que X e Y são variáveis cujos valores estão nos conjuntos X e Y respectivamente; e A e B são conjuntos fuzzy em X e Y, respectivamente. Implicação fuzzy: regras do tipo if-then são um tipo de combinação de proposições que dão origem às regras de inferência fuzzy (utilizadas no raciocínio aproximado fuzzy).
36 Proposições Fuzzy Simples 4. Proposições fuzzy condicionais e qualificadas. p4: se (X) é A, então Y é (B) é S
37 Implicação Fuzzy } Na lógica clássica a operação de implicação pode ser definida de diferentes, porém equivalentes, formas. } Na lógica fuzzy, diferentes formas de definir a operação de implicação gera diferentes classes de implicações fuzzy (não são equivalentes). } Ex.: Clássica: A => B A V B Fuzzy: A => B u(c(a),b)
38 Estudando Inferência Fuzzy } Considere as variáveis X e Y que assumem valores nos conjuntos X e Y, respectivamente, e assuma que para todo x ε X e todo y ε Y, as variáveis se relacionam pela função y = f(x). } Então, dado X = x, nós podemos inferir que Y = f(x). } Similarmente, sabendo que o valor de X está em um conjunto A, nós podemos inferir que o valor de Y está em um conjunto B = {y ε Y y = f(x), x ε A} Y f(x) y = f(x) B Y y = f(x) x X A X
39 Estudando Inferência Fuzzy } Agora, assumindo que as variáveis estão relacionadas por meio de um relação arbitrária (X x Y). } Então, dado X = u e uma relação R, nós podemos inferir que Y ε B, onde B = {y ε Y <x,y> ε R}. } Similarmente, sabendo que X ε A, nós podemos inferir que Y ε B, onde B = {y ε Y <x,y> ε R, x ε A}. Dado um valor para X, posso inferir vários para Y.
40 Estudando Inferência Fuzzy } Assumindo que R é uma relação fuzzy e que A e B são conjuntos fuzzy em X e Y. Então, se R e A são dados, nós podemos obter B: B (y)= sup min x ε X [A (x), R (x,y)] } } A relação R, geralmente, emerge de várias proposições condicionais fuzzy. E o seguinte esquema ilustra o modens ponens generalizado: Regra: Se X é A, então Y é B Fato: X é A Conclusão: Y é B. Observe que são proposições fuzzy. O mesmo raciocínio é possível para: o modus tollens generalizado e para o silogismo hipotético generalizado.
41 Interpretando Observe que o valor de entrada para a inferência é um valor CRISP (eixo X).
42 Interpretando
43 Defuzificando } A conclusão obtida no processo de combinação das regras de inferência é um conjunto fuzzy formado a partir das combinações adequadas das ativações das conclusões das regras mediante as ativações das premissas das regras. } Tal conjunto representa, de maneira fuzzy, as respostas do processo de inferência à ocorrência de um ou mais fatos no sistema modelado. } Para que essa resposta tenha um sentido prático no universo de discurso modelado é necessário, na maioria das vezes, extrair um valor crisp do domínio onde as conclusões são modeladas. } Para tal é necessário aplicar um métodos de defuzificação: Ex.: Centróide;
2 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 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 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 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 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 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 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 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 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 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. 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 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 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 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 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 mais1.4 Números Fuzzy. Números fuzzy formato. Outras formas. Casos especiais. Conjuntos fuzzy definidos no conjunto dos números reais A: R [0,1]
.4 Números Fuzzy Conjuntos fuzzy definidos no conjunto dos números reais : R [0,] Conceitos intuitivos: Números próximos de um dado número real Números em torno de um dado intervalo de números reais Números
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 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 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 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 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 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 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 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 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 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 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 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 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 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 maisFundamentos 1. Lógica de Predicados
Fundamentos 1 Lógica de Predicados Predicados Estudamos até agora a lógica proposicional Predicados Estudamos até agora a lógica proposicional A lógica proposicional têm possibilidade limitada de expressão.
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 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 maisINE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA
INE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA PARA A COMPUTAÇÃO PROF. DANIEL S. FREITAS UFSC - CTC - INE Prof. Daniel S. Freitas - UFSC/CTC/INE/2007 p.1/81 1 - LÓGICA E MÉTODOS DE PROVA 1.1) Lógica Proposicional
Leia maisFundamentos 1. Lógica de Predicados
Fundamentos 1 Lógica de Predicados Predicados e Quantificadores Estudamos até agora a lógica proposicional Predicados e Quantificadores Estudamos até agora a lógica proposicional A lógica proposicional
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 maisTeoria dos conjuntos difusos
Teoria dos conjuntos difusos Documento complementar à dissertação José Iria ee06210@fe.up.pt - 10-03-2011. A teoria dos conjuntos difusos foi proposta por Lotfi Zadeh num artigo publicado em 1965 na revista
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 maisTeoria dos Conjuntos Fuzzy
Teoria dos Conjuntos Fuzzy Francisco Carpegiani Medeiros Borges Universidade Federal do Piauí Campus Parnaíba 27 de setembro de 2011 1 / 34 Sumário Como tudo começou! 1 Como tudo começou! 2 3 4 5 6 2 /
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 15 Incerteza Edirlei Soares de Lima Agentes Vistos Anteriormente Agentes baseados em busca: Busca cega Busca heurística Busca local Agentes
Leia maisFundamentos 1. Lógica de Predicados
Fundamentos 1 Lógica de Predicados Predicados Estudamos até agora a lógica proposicional Predicados Estudamos até agora a lógica proposicional A lógica proposicional têm possibilidade limitada de expressão.
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 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 maisConjuntos Fuzzy. Prof. Paulo Cesar F. De Oliveira, BSc, PhD. 10/10/14 Paulo C F de Oliveira
Prof. Paulo Cesar F. De Oliveira, BSc, PhD 10/10/14 Paulo C F de Oliveira 2007 1 Seção 1.1 Características dos Conjuntos Fuzzy 10/10/14 Paulo C F de Oliveira 2007 2 Teoria clássica dos conjuntos desenvolvida
Leia mais3 FERRAMENTAS UTILIZADAS: REDES NEURAIS E LÓGICA FUZZY
3 FERRAMENTAS UTILIZADAS: REDES NEURAIS E LÓGICA FUZZY 3.1 REDES NEURAIS As redes neurais representam uma tecnologia que têm raízes em muitas disciplinas: neurociência, matemática, estatística, física,
Leia maisTP034-Tópicos Especiais de Pesquisa Operacional I
TP034-Tópicos Especiais de Pesquisa Operacional I (Conjuntos Difusos Variáveis Linguísticas) Prof. Volmir Wilhelm Curitiba, Paraná, Brasil Introdução Técnicas convencionais de análise de sistemas são inadequadas
Leia maisNHI Lógica Básica (Lógica Clássica de Primeira Ordem)
NHI2049-13 (Lógica Clássica de Primeira Ordem) página da disciplina na web: http://professor.ufabc.edu.br/~jair.donadelli/logica O assunto O que é lógica? Disciplina que se ocupa do estudo sistemático
Leia maisCONTEÚDO 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 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 maisMD Lógica de Proposições Quantificadas Cálculo de Predicados 1
Lógica de Proposições Quantificadas Cálculo de Predicados Antonio Alfredo Ferreira Loureiro loureiro@dcc.ufmg.br http://www.dcc.ufmg.br/~loureiro MD Lógica de Proposições Quantificadas Cálculo de Predicados
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 maisIF-705 Automação Inteligente Sistemas Nebulosos
IF-75 Automação Inteligente Sistemas Nebulosos Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática - CIn Departamento de Sistemas da Computação aluizioa@cin.ufpe.br Conteúdo
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 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 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 PROPOSICIONAL
FACULDADE PITÁGORAS Curso Superior em Tecnologia Redes de Computadores e Banco de dados Matemática Computacional Prof. Ulisses Cotta Cavalca LÓGICA PROPOSICIONAL Belo Horizonte/MG
Leia maisCálculo proposicional
O estudo da lógica é a análise de métodos de raciocínio. No estudo desses métodos, a lógica esta interessada principalmente na forma e não no conteúdo dos argumentos. Lógica: conhecimento das formas gerais
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 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 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 maisLógica. Fernando Fontes. Universidade do Minho. Fernando Fontes (Universidade do Minho) Lógica 1 / 65
Lógica Fernando Fontes Universidade do Minho Fernando Fontes (Universidade do Minho) Lógica 1 / 65 Outline 1 Introdução 2 Implicações e Equivalências Lógicas 3 Mapas de Karnaugh 4 Lógica de Predicados
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. 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 maisLógica Proposicional (Consequência lógica / Dedução formal)
Faculdade de Tecnologia Senac Pelotas Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas Matemática Aplicada Prof. Edécio Fernando Iepsen Lógica Proposicional (Consequência lógica /
Leia maisLógica Computacional
Lógica Computacional Lógica de Operadores Booleanos Interpretações Tautológicas, Lógicas e Analíticas Funcionalidade / Tabelas de Verdade dos Operadores Booleanos Consequências Tautológica, Lógica e Analítica
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 maisÁrea de Teoria DCC/UFMG Introdução à Lógica Computacional 2019/01. SOLUÇÃO DE LISTA DE EXERCÍCIOS Lista 04 (Predicados e Quantificadores)
Área de Teoria DCC/UFMG Introdução à Lógica Computacional 2019/01 SOLUÇÃO DE LISTA DE EXERCÍCIOS Lista 04 (Predicados e Quantificadores) Leitura necessária: Matemática Discreta e Suas Aplicações, 6 a Edição
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 maisLógica Proposicional Parte 2
Lógica Proposicional Parte 2 Como vimos na aula passada, podemos usar os operadores lógicos para combinar afirmações criando, assim, novas afirmações. Com o que vimos, já podemos combinar afirmações conhecidas
Leia maisJá falamos que, na Matemática, tudo se baseia em axiomas. Já estudamos os números inteiros partindo dos seus axiomas.
Teoria dos Conjuntos Já falamos que, na Matemática, tudo se baseia em axiomas. Já estudamos os números inteiros partindo dos seus axiomas. Porém, não é nosso objetivo ver uma teoria axiomática dos conjuntos.
Leia maisMatemática Discreta - 01
Universidade Federal do Vale do São Francisco Curso de Engenharia da Computação Matemática Discreta - 01 Prof. Jorge Cavalcanti jorge.cavalcanti@univasf.edu.br www.univasf.edu.br/~jorge.cavalcanti www.twitter.com/jorgecav
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 maisProf. Jorge Cavalcanti
Universidade Federal do Vale do São Francisco Curso de Engenharia da Computação Matemática Discreta - 01 Prof. Jorge Cavalcanti jorge.cavalcanti@univasf.edu.br www.univasf.edu.br/~jorge.cavalcanti www.twitter.com/jorgecav
Leia maisAfirmação verdadeira: frase, falada ou escrita, que declara um facto que é aceite no momento em que é ouvido ou lido.
Matemática Discreta ESTiG\IPB 2011.12 Cap1 Lógica pg 1 I- Lógica Informal Afirmação verdadeira: frase, falada ou escrita, que declara um facto que é aceite no momento em que é ouvido ou lido. Afirmação
Leia maisTeoria de Conjuntos. Matemática Discreta I. Rodrigo Ribeiro. 6 de janeiro de 2013
Teoria de Conjuntos Matemática Discreta I Rodrigo Ribeiro Departamento de Ciências Exatas e Aplicadas Universidade de Federal de Ouro Preto 6 de janeiro de 2013 Motivação (I) Porque estudar Teoria de Conjuntos?
Leia maisInteligência Artificial
Universidade Federal de Campina Grande Unidade Acadêmica de Sistemas e Computação Curso de Pós-Graduação em Ciência da Computação Inteligência Artificial Representação do Conhecimento (Parte I) Prof. a
Leia maisMINISTÉRIO DA EDUCAÇÃO INSTITUTO NACIONAL DE ESTUDOS E PESQUISAS EDUCACIONAIS - INEP DIRETORIA DE AVALIAÇÃO PARA CERTIFICAÇÃO DE COMPETÊNCIAS
MINISTÉRIO DA EDUCAÇÃO INSTITUTO NACIONAL DE ESTUDOS E PESQUISAS EDUCACIONAIS - INEP DIRETORIA DE AVALIAÇÃO PARA CERTIFICAÇÃO DE COMPETÊNCIAS Exame Nacional de Certificação de Competências de Jovens e
Leia maisResumo de Filosofia. Preposição frase declarativa com um certo valor de verdade
Resumo de Filosofia Capítulo I Argumentação e Lógica Formal Validade e Verdade O que é um argumento? Um argumento é um conjunto de proposições em que se pretende justificar ou defender uma delas, a conclusão,
Leia mais2 Medida de Incertezas: Fundamentos
2 Medida de Incertezas: Fundamentos 2. Introdução O resultado de um processo de medição fornece uma determinada informação que usualmente é chamada de conhecimento. A fim de quantificar quão completo é
Leia maisAvaliação de Desempenho
Avaliação de Desempenho Aula passada Métricas, Técnicas, Erros Aula de hoje Conceitos importantes de probabilidade Como fazer a análise de desempenho? Modelos Matemáticos Modelos de Simulação Como fazer
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 maisLógica Computacional
Lógica Computacional Modus Ponens e Raciocínio Hipotético Introdução e eliminação da Implicação e da Equivalência Completude e Coerência do Sistema de Dedução Natural 24 Outubro 2016 Lógica Computacional
Leia maisCálculo proposicional
O estudo da lógica é a análise de métodos de raciocínio. No estudo desses métodos, a lógica esta interessada principalmente na forma e não no conteúdo dos argumentos. Lógica: conhecimento das formas gerais
Leia maisSistema dedutivo. Sistema dedutivo
Sistema dedutivo Estudaremos um sistema dedutivo axiomático axiomas lógicos e axiomas não lógicos (ou esquemas de axiomas) e regras de inferência (ou esquemas de regra) do tipo de Hilbert para a lógica
Leia maisRepresentação de Conhecimento
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Representação de Conhecimento Inteligência Artificial Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisInteligência Artificial. Sistemas Baseados em Conhecimento. Representação de Conhecimento (continuação)
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação http://www.inf.unioeste.br/~claudia/ia2018.html Inteligência Artificial Sistemas Baseados em Conhecimento Representação
Leia mais1 TEORIA DOS CONJUNTOS
1 TEORIA DOS CONJUNTOS Definição de Conjunto: um conjunto é uma coleção de zero ou mais objetos distintos, chamados elementos do conjunto, os quais não possuem qualquer ordem associada. Em outras palavras,
Leia maisSistemas Inteligentes
Sistemas Inteligentes Aula 21/10 Agentes Lógicos Agente Baseado em Conhecimento Agentes Baseados em Conhecimento ou Agentes Lógicos. Podem lidar mais facilmente com ambientes parcialmente observáveis.
Leia maisOs Fundamentos: Lógica de Predicados
Os Fundamentos: Lógica de Predicados Área de Teoria DCC/UFMG Introdução à Lógica Computacional 2019/01 Introdução à Lógica Computacional Os Fundamentos: Lógica de Predicados Área de Teoria DCC/UFMG - 2019/01
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 maisLÓGICA - 2. ~ q. Argumentos Regras de inferência. Proposições: 1) Recíproca 2) Contrária 3) Contra positiva. 1) Proposição recíproca de p q :
LÓGICA - 2 Proposições: 1) Recíproca 2) Contrária 3) Contra positiva 1) Proposição recíproca de p q : q p 2) Proposição contrária de p q : ~ p 3) Proposição contra positiva de p q : ~ p ex. Determinar:
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 Proposicional. Prof. Dr. Silvio do Lago Pereira. Departamento de Tecnologia da Informação Faculdade de Tecnologia de São Paulo
Lógica Proposicional Prof. Dr. Silvio do Lago Pereira Departamento de Tecnologia da Informação aculdade de Tecnologia de São Paulo Motivação IA IA estuda estuda como como simular simular comportamento
Leia maisOs Teoremas da Incompletude de Gödel Uma Introdução Informal
Os Teoremas da Incompletude de Gödel Uma Introdução Informal Daniel Durante Pereira Alves Os Teoremas de Gödel Qualquer formalização da aritmética de primeira ordem (de Peano - AP) através de qualquer
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 maisConjuntos e Relações Nebulosas (Fuzzy)
Conjuntos e Relações Nebulosas (Fuzzy) Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana 2 Operações Básicas Para sistemas que usam
Leia mais