Métodos de Inferência Fuzzy
|
|
- Maria Laura Martini Pacheco
- 6 Há anos
- Visualizações:
Transcrição
1 Métodos de Inferência Fuzzy Prof. Paulo Cesar F. De Oliveira, BSc, PhD 16/10/14 Paulo C F de Oliveira
2 Seção 1.1 Método de Mamdani 16/10/14 Paulo C F de Oliveira
3 Professor Ebrahim Mamdani da University of London propôs um sistema fuzzy para controlar um dispositivo que combinava uma caldeira com uma máquina a vapor Ele aplicou um conjunto de regras fuzzy fornecidos por operadores humanos experientes 16/10/14 Paulo C F de Oliveira
4 Passos do Método de Mamdani Passo 1 Passo 2 Passo 3 Passo 4 Fuzzificação das variáveis de entrada Avaliação da regra (inferência) Agregação das saídas das regras (composição) Desfuzzificação 16/10/14 Paulo C F de Oliveira
5 Regra 1 SE x é A3 OU y é B1 ENTAO z é C1 Regra 2 SE x é A2 E y é B2 ENTAO z é C2 Regra 1 SE verba_projeto é adequada OU pessoal_projeto é pequeno ENTAO risco é baixo Regra 2 SE verba_projeto é marginal E pessoal_projeto é grande ENTAO risco é normal Regra 3 Regra 3 SE x é A1 SE verba_projeto é inadequada ENTAO z é C3 ENTAO risco é alto 16/10/14 Paulo C F de Oliveira
6 Passo 1 Fuzzificação Pegar as entradas crisps, x1 e y1 (verba_projeto e pessoal_projeto), e determinar o grau a que essas entradas pertencem para cada um dos conjuntos fuzzy apropriados 16/10/14 Paulo C F de Oliveira
7 Passo 2 Avaliação da Regra Pegar as entradas fuzzificadas µ (x=a1) = 0.5 µ (x=a2) = 0.2 µ (y=b1) = 0.1 µ (y=b2) = 0.7 Aplicá-las aos antecedentes das regras fuzzy Se a regra fuzzy tem múltiplos antecedentes, o operador fuzzy (OU e E) é usado para obter um número que representa o resultado da avaliação do antecedente Este número (valor verdade) é então aplicado à função de pertinência do consequente 16/10/14 Paulo C F de Oliveira
8 Passo 2 Avaliação da Regra Recapitulação Recap #1 Para avaliar a disjunção dos antecedentes da regra, usa-se a operação fuzzy OU (união) µ A B (x) = max [µ A (x), µ B (x)] Recap #2 Para avaliar a conjunção dos antecedentes da regra, usa-se a operação fuzzy E (interseção) µ A B (x) = min [µ A (x), µ B (x)] 16/10/14 Paulo C F de Oliveira
9 Regra 1 SE x é A3 (0.0) OU y é B1 (0.1) ENTAO z é C1 (0.1) Regra 2 SE x é A2 (0.2) E y é B2 (0.7) ENTAO z é C2 (0.2) µ C1 (z) = max[µ A3 (x),µ B1 (y)] = max[0.0, 0.1] = 0.1 µ C2 (z) = min[µ A2 (x),µ B2 (y)] = min[0.2, 0.7] = 0.2 Regra 3 SE x é A1 (0.5) µ C3 (z) = µ A1 (x) = 0.5 ENTAO z é C3 (0.5) 16/10/14 Paulo C F de Oliveira
10 Passo 2 Avaliação da Regra 16/10/14 Paulo C F de Oliveira
11 Passo 2 Avaliação da Regra Grau de Pertinência Grau de Pertinência Clipping (corte) Scaling (dimensionamento) Métodos para aplicar o resultado da avaliação do antecedente à função de pertinência do consequente 16/10/14 Paulo C F de Oliveira
12 Passo 2 Avaliação da Regra Clipping (corte) Corta a função de pertinência do consequente ao nível verdade do antecedente Também chamado de alfa-corte (α corte) ou correlação mínima É mais popular porque envolve matemática mais rápida e menos complexa Gera superfície de saída agregada mais fácil de desfuzzificar Grau de Pertinência 16/10/14 Paulo C F de Oliveira
13 Passo 2 Avaliação da Regra Scaling (dimensionamento) Melhor abordagem para a preservação da forma original do conjunto fuzzy Função de pertinência original do consequente da regra é adaptado multiplicando todos os seus graus de pertinência pelo valor verdade do antecedente da regra Geralmente perde menos informação, por isso pode ser útil em sistemas especialistas fuzzy Grau de Pertinência 16/10/14 Paulo C F de Oliveira
14 Passo 3 Agregação dos Consequentes das Regras Agregação processo de unificação das saídas de todas as regras Toma-se as funções de pertinência de todos os consequentes das regras previamente cortadas ou dimensionadas e os combina em um único conjunto fuzzy Entrada do processo de agregação é a lista de funções de pertinência dos consequentes cortadas ou dimensionadas, e a saída é um conjunto fuzzy para cada variável de saída 16/10/14 Paulo C F de Oliveira
15 Passo 4 Desfuzzificação Saída final de um sistema fuzzy tem de ser um número crisp e único Entrada para o processo de desfuzzificação é a saída agregada do conjunto fuzzy do passo anterior 16/10/14 Paulo C F de Oliveira
16 Passo 4 Desfuzzificação Métodos Métodos de desfuzzificação Máxima Centroide (Centro de Gravidade) Média Ponderada Meio de Máxima Primeiro de Máxima ou Último de Máxima Encontra um ponto onde uma linha vertical cortaria o conjunto agregado em duas partes iguais COG = a b b a µ A (x)x dx µ A (x)dx Mais Popular 16/10/14 Paulo C F de Oliveira
17 Passo 4 Desfuzzificação Método do Centroide Encontra um ponto que representa o centro de gravidade do conjunto fuzzy A, no intervalo [a, b] A estimativa lógica e provável pode ser obtida através do cálculo sobre os pontos da amostra COG = b x=a b x=a µ A (x)x µ A x ( ) 16/10/14 Paulo C F de Oliveira
18 Passo 4 Desfuzzificação Método do Centroide COG é calculado sobre uma série contínua de pontos na saída agregada da função de pertinência Grau de Pertinência 16/10/14 Paulo C F de Oliveira
19 Passo 4 Desfuzzificação Grau de Pertinência COG = b x=a b x=a µ A (x)x µ A x ( ) COG = COG = 67.4 ( ) 0.1+ ( ) ( ) /10/14 Paulo C F de Oliveira
20 Seção 1.2 Método de Sugeno 16/10/14 Paulo C F de Oliveira
21 Métodos de Inferência Fuzzy Professor Michio Sugeno considerado o Zadeh do Japão propôs um novo método juntamente com seus colegas em 1985 Também conhecido como TSK (Takagi, Sugeno e Kang) Método substitui o consequente da regra de Mamdani com uma função das variáveis de entrada 16/10/14 Paulo C F de Oliveira
22 Métodos de Inferência Fuzzy Sugeno sugeriu usar-se um simples valor (singleton) como a função de pertinência da regra do consequente Um singleton é um conjunto fuzzy com uma função de pertinência que é 1 (um) em um determinado ponto no universo do discurso e 0 (zero) nos outros pontos Regra SE E ENTAO 16/10/14 xéa yéb z é f(x,y) singleton Paulo C F de Oliveira
23 Métodos de Inferência Fuzzy Regra Fuzzy estilo Sugeno Regra SE E ENTAO xéa yéb z é f(x,y) Onde x, y e z são variáveis linguísticas; A e B são os conjuntos fuzzy no universo dos discursos X e Y, respectivamente; e f(x,y) é uma função matemática 16/10/14 Paulo C F de Oliveira
24 Métodos de Inferência Fuzzy Modelo Fuzzy de Sugeno de zero ordem mais comumente usado aplica regras fuzzy na seguinte forma: Regra SE E ENTAO xéa yéb zék Onde k é uma constante Neste caso, a saída de cada regra fuzzy é uma constante. Todas as funções de pertinência do consequente são representados por singletons 16/10/14 Paulo C F de Oliveira
25 Passos do Método de Sugeno Passo 1 Passo 2 Passo 3 Passo 4 Fuzzificação das variáveis de entrada Avaliação da regra (inferência) Agregação das saídas das regras (composição) Desfuzzificação 16/10/14 Paulo C F de Oliveira
26 Passo 1 Fuzzificação 16/10/14 Paulo C F de Oliveira
27 Passo 2 Avaliação da Regra 16/10/14 Paulo C F de Oliveira
28 Passo 3 Agregação dos Consequentes das Regras 16/10/14 Paulo C F de Oliveira
29 Passo 4 Desfuzzificação MP = µ(k1) k1+ µ(k2) k2 + µ(k3) k3 µ(k1)+ µ(k2)+ µ(k3) = = 65 16/10/14 Paulo C F de Oliveira
30 Seção 1.3 Mamdani ou Sugeno? 16/10/14 Paulo C F de Oliveira
31 Métodos de Inferência Fuzzy Mamdani Sugeno Largamente aceito para captura de conhecimento Permite descrever a especialidade de uma forma mais intuiitiva (i.e. mais humana) Mais eficaz computacionalmente Trabalha bem com técnicas de otimização e adaptativas Implica uma carga computacional pesada 16/10/14 Paulo C F de Oliveira
Conteúdo: 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 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 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 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 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 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 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 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 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 maisTP034-Tópicos Especiais de Pesquisa Operacional I
TP034-Tópicos Especiais de Pesquisa Operacional I (Conjuntos Difusos Inferência) Prof. Volmir Wilhelm Curitiba, Paraná, Brasil Inferência Difusa Em 1975, o professor Ebrahim Mamdani, da Universidade de
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 da Decisão. Abordagem Clássica para Tomada de Decisão Multicritério. Prof. Lucas S. Batista.
Teoria da Decisão 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 Abordagem Bellman-Zadeh Sumário
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 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 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 mais3 Sistemas Neuro-Fuzzy Hierárquicos
3 Sistemas Neuro-Fuzzy Hierárquicos 3. Introdução Sistemas neuro-fuzzy (SNF) são sistemas híbridos que combinam as vantagens das redes neurais, no que se refere ao aprendizado, com o poder de interpretação
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 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 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 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: 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 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 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 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 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 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 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 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 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 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 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 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 maisPaulo Eduardo Maciel de Almeida Alexandre Gonçalves Evsukoff
CAPÍTULO 7 Sistemas Fuzzy Paulo Eduardo Maciel de Almeida Alexandre Gonçalves Evsukoff My crystal ball is Fuzzy Lotfi Zadeh (quando perguntado sobre o futuro após a criação da lógica fuzzy) O termo em
Leia maisUtilização da Lógica Fuzzy: Uma Aplicação na Área da Saúde
Utilização da Lógica Fuzzy: Uma Aplicação na Área da Saúde Cristiane Koehler Universidade de Caxias do Sul (UCS) Centro de Informática Médica (CIM) ckoehler@ucs.br Lucimar Fossatti de Carvalho Universidade
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 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 maisCLASSIFICAÇÃO DE OVINOS PARA O ABATE COM A UTILIZAÇÃO DE LÓGICA FUZZY RESUMO INTRODUÇÃO
CLASSIFICAÇÃO DE OVINOS PARA O ABATE COM A UTILIZAÇÃO DE LÓGICA FUZZY Wesley Osvaldo Pradella Rodrigues 1, Danilo Augusto Heredia Vieira 1, Rhaysa Wolf 1 (Alunos do Curso de Administração da 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 mais3 ANÁLISE DE RISCO MEDIANTE A LÓGICA FUZZY
3 ANÁLISE DE RISCO MEDIANTE A LÓGICA FUZZY A análise do Risco é influenciada tanto por fatores qualitativos como quantitativos. Isto sugere que a metodologia que avalie o Risco deve ser capaz de manipular
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 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 maisUma Abordagem Fuzzy para o Controle de Qualidade de Software
Uma Abordagem Fuzzy para o Controle de Qualidade de Software Meuser J. S. Valença Alexandre M. L. de Vasconcelos Departamento de Informática Universidade Federal de Pernambuco Caixa Postal 7851, 50732-970,
Leia maisUma abordagem Swarm-Fuzzy para a coordenação de VANTs
Uma abordagem Swarm-Fuzzy para a coordenação de VANTs Trabalho de Conclusão de Curso Engenharia de Computação Aluno: Luiz Felipe Freitas de Oliveira Orientador: Prof. Dr. Carmelo José Albanez Bastos Filho
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 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 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 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 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 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 mais4 Sistema de diagnóstico de falhas em turbinas a gás
4 Sistema de diagnóstico de falhas em turbinas a gás 4.1. Introdução A construção do sistema de diagnóstico de turbinas a gás baseado em lógica fuzzy seguiu um modelo clássico de sistemas de diagnóstico
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 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 maisTecnologia para Sistemas Inteligentes. Apontamentos para as aulas sobre
Tecnologia para Sistemas Inteligentes Apontamentos para as aulas sobre Representação e Raciocínio com Conceitos Imprecisos: Sistemas de Regras Baseadas na Lógica Vaga Luís Miguel Botelho Departamento de
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 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 maisImplementação de um Sistema de Predição utilizando o modelo nebuloso Takagi- Sugeno no software Excel.
FACULDADE DE ECONOMIA E FINANÇAS IBMEC PROGRAMA DE PÓS-GRADUAÇÃO E PESQUISA EM ADMINISTRAÇÃO E ECONOMIA DISSERTAÇÃO DE MESTRADO PROFISSIONALIZANTE EM ADMINISTRAÇÃO Implementação de um Sistema de Predição
Leia maisSistema Baseado em Regras Fuzzy para Avaliação da Vitalidade da Espécie Catasetum Fimbiratum (Orchidacea)
Sistema Baseado em Regras Fuzzy para valiação da Vitalidade da Espécie Catasetum Fimbiratum (Orchidacea) Fernando F. Putti, Luís R.. Gabriel Filho UNESP - Univ Estadual Paulista, Campus Experimental de
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 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 maisImplementação de controlador PID fuzzy para otimização do controle de posição de um servomotor DC
Implementação de controlador PID fuzzy para otimização do controle de posição de um servomotor DC Ederson Costa dos Santos 1, Leandro Barjonas da Cruz Rodrigues 1, André Maurício Damasceno Ferreira 2 1
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 maisControle nebuloso - v Objetivo Conjuntos Fuzzy
3 Controle nebuloso - v.3 3. Objetivo Esta experiência tem por objetivo a familiarização com a técnica de Controle Nebuloso (Fuzzy Control, em inglês). Para isso será construído um controlador de posição
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 maisSistemas p-fuzzy Aplicados às Equações Diferenciais Parciais
1 / 36 Sistemas p-fuzzy Aplicados às Equações Diferenciais Parciais Daniela Portes Leal Ferreira Universidade Federal de Uberlândia 17 de Julho de 2012 2 / 36 Sumário Introdução. Objetivos. Eemplos de
Leia maisIMPLEMENTAÇÃO COMPUTACIONAL DO PRINCÍPIO DE EXTENSÃO DE ZADEH DANILO MACHADO PIRES
IMPLEMENTAÇÃO COMPUTACIONAL DO PRINCÍPIO DE EXTENSÃO DE ZADEH DANILO MACHADO PIRES 2010 DANILO MACHADO PIRES IMPLEMENTAÇÃO COMPUTACIONAL DO PRINCÍPIO DE EXTENSÃO DE ZADEH Dissertação apresentada à Universidade
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 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 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 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 maisFuzzy Logic - Lógica Difusa - Introdução Muito Rápida
Fuzzy Logic - Lógica Difusa - Introdução Muito Rápida por Armando Jorge Sousa - 11 Março de 2005 A Fuzzy Logic, Lógica Difusa também chamada de Lógica Imprecisa confere graus intermédios de verdade para
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 maisFLÁVIO FERNANDES BARBOSA SILVA. Desvendando a Lógica Fuzzy
FLÁVIO FERNANDES BARBOSA SILVA Desvando a Lógica Fuzzy UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA 2011 ii FLÁVIO FERNANDES BARBOSA SILVA Desvando a Lógica Fuzzy Dissertação apresentada
Leia maisValores de Trocas Sociais Fuzzy em Agentes com Personalidades
Valores de Trocas Sociais Fuzzy em Agentes com Personalidades André V. dos Santos 1, Graçaliz P. Dimuro 1, Benjamín C. Bedregal 2 1 Programa de Pós-graduação em Informática UCPel Rua Félix da Cunha, 412
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 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 maisFUZZYCOM COMPONENTE DE LÓGICA FUZZY
FUZZYCOM COMPONENTE DE LÓGICA FUZZY Aluno: Cláudio Magno Martins Moraes Orientador: Marley Vellasco Sumário 1. Introdução... 3 2. Uma Introdução à Lógica Fuzzy... 3 2.1. Sistemas Fuzzy... 3 2.2. Características
Leia maisAPROXIMAÇÃO SPLINE PARA A EXTENSÃO DE ZADEH
APROXIMAÇÃO SPLINE PARA A EXTENSÃO DE ZADEH PPG. Matemáticas - IBILCE-UNESP gigu1885@hotmail.com III WORKSHOP Introdução PRELIMINARES Como sabemos, o principio fundamental da aritmética fuzzy é o principio
Leia maisCálculo de graus de proximidade apoiados na teoria de conjuntos nebulosos
Cálculo de graus de proximidade apoiados na teoria de conjuntos nebulosos William David Morán Herrera (UENF) willy@uenf.br Helder Gomes Costa (UFF) hgc@vm.uff.br Resumo Os Graus de Proximidade (GP) são
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 maisLeandro da Costa Moraes Leite. Geração e simplificação da base de conhecimento de um sistema híbrido fuzzy-genético
Universidade do Estado do Rio de Janeiro Centro de Tecnologia e Ciências Faculdade de Engenharia Leandro da Costa Moraes Leite Geração e simplificação da base de conhecimento de um sistema híbrido fuzzy-genético
Leia maisSISTEMAS ESPECIALISTAS
SISTEMAS ESPECIALISTAS Um produto da Engenharia de Conhecimento, um sistema especialista representa o conhecimento de uma área específica e o utiliza para resolver problemas simulando o raciocínio de um
Leia mais