Variáveis Linguísticas CONTEÚDO. Variáveis Linguísticas. Variáveis Linguísticas. Formalismo: caracterizada por uma
|
|
- Cármen Canela Back
- 5 Há anos
- Visualizações:
Transcrição
1 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, Modus Ponens Generalizado Fuzzy ontrol Variáveis Linguísticas Têm a função de fornecer uma maneira sistemática para uma caracterização aproimada de fenômenos compleos ou mal definidos Por eemplo: temperatura; idade. Variáveis Linguísticas Variável linguística: variável cujos valores são nomes de conjuntos fuzzy pertinência Eemplo: temperatura de um processo aia Média lta Muito lta Temperatura Variáveis Linguísticas Formalismo: caracterizada por uma quíntupla N, TN, X, G, M, onde: N: nome da variável e: temperatura TN: conjunto de termos de N, ou seja, o conjunto de nomes dos valores linguísticos de N {baia, média, alta, muito alta} X: universo de discurso espaço fuzzy completo de variação de uma variável do modelo 100 a 360 o 1
2 Variáveis Linguísticas G: regra sintática para gerar os valores de N como uma composição de termos de TN, conectivos lógicos, modificadores e delimitadores temperatura não baia temperatura não muito alta M: regra semântica, para associar a cada valor gerado por G um conjunto fuzzy em X associa os valores acima a conjuntos fuzzy cujas funções de pertinência eprimem seus significados Funções de Pertinência os termos de uma variável linguística ou aos seus valores faz-se corresponder conjuntos fuzzy, definidos por suas funções de pertinência Podem ter formas padrão ou definidas pelo usuário Funções de Pertinência ontínuas: podem ser definidas por meio de funções analíticas 1 + a c pequeno médio grande b , Funções de Pertinência Discretas: consistem em valores discretos correspondendo a elementos discretos do universo X 0,1, 2, 3,4,5,6 médio grande { } { 0,3; 0,7; 1; 0,7; 0,3; 0; 0} { 0; 0; 0,3; 0,7; 1; 0,7; 0,3} { 0; 0; 0; 0 0,3; 0,7; 1} pequeno 2
3 Funções de Pertinência Diferentes pessoas, ou grupos de pessoas, podem definir funções de pertinência para um mesmo conjunto de forma diferente Eemplo: estatura de pessoas ONJUNTOS FUZZY onjuntos risp Fuzzy Definição Representação Formatos Operações Hedges Funções de Pertinência Linear Trapezoidal Triangular Formato S Formato Z Formato PI Gaussiana Singleton Irregulares Formatos dos onjuntos Linear: É o conjunto mais simples, sendo uma boa escolha na aproimação de conceitos não bem compreendidos 1 0,8 0,6 0,4 0,2 rescente 1 0,8 0,6 0,4 0,2 Decrescente 0 0 3
4 Formatos dos onjuntos Trapezoidal: Variável independente Parâmetros do formato 1.0 Rápido processamento ontém descontinuidades Trap,a,b,c,d 0 a 1 - b - /b - a a < b 1 b < c d - /d - c c < d 0 d Trap,a,b,c,d Formatos dos onjuntos Triangular: Variável independente Parâmetros do formato Mais simples que a Trapezoidal TRI,e,f,g 0 e 1 - f - /f - e e < f g - /g - f f < g 0 g 1.0 TRI,e,f,g a b c d e f g Formatos dos onjuntos Formato S: Equação Quadrática Variável independente Parâmetros do formato S,a,b,c 0 a 2 [ - a/c - a ] 2 a b 1-2 [ - c/c - a] 2 b c 1 c 1.0 S,a,b,c Formatos dos onjuntos Formato S com 2 parâmetros: Variável independente Parâmetros do formato S,a,b 0 a - b [ - a - b] 2 / 2b 2 a - b a 1 - [a + b - ] 2 / 2b 2 a < a + b 1 a + b 1.0 S,a,b b ds/d ds/d a b c a 4
5 Formatos dos onjuntos Formato Z: Z,a,b 1 - S,a,b Formatos dos onjuntos Formato PI: Junção das curvas S e Z Variável independente Parâmetros do formato Z,a,b < a - b 1 - [ - a - b] 2 / 2b 2 a - b a [a + b - ] 2 / 2b 2 a < a + b 0 a + b Z,a,b Variável independente Parâmetros do formato PI,a,b S, a - b/2, b/2 a Z, a + b/2, b/2 a PI,a,b b b a a Formatos dos onjuntos Gaussiana: - distribuição normal σ - cai a zero para valores muito maiores ou muito menores do que a média G,,σ Ponto de Infleão G 2 σ, e, σ média σ desvio padrão 2 Formatos dos onjuntos Sigmoidal: Variável independente Parâmetros do formato S,a,b 1 ρ 1 1+ e b a b θ, tgθ ~ a 5
6 Formatos dos onjuntos Singleton: - na verdade não é um conjunto fuzzy - Simplifica os cálculos para produzir as saídas fuzzy. Formatos dos onjuntos Irregulares: - Ocasionalmente as formas padrões não conseguem capturar a semântica de uma variável representações arbitrárias rias. 1.0 Sgl,a 1 a 0 a Tráfego Intenso Risco lto de Dirigir a Hora Idade ONJUNTOS FUZZY onjuntos risp Fuzzy Definição Representação Formatos Operações Hedges Operações onjuntos risp Função aracterística: determina se os indivíduos do conjunto universal são ou não membros de um certo conjunto Operações ásicas: União, Interseção, Negação e União Eclusiva 6
7 Operações onjuntos Ordinários Eemplo: X {1,2,...20} S S omplemento todos os elementos de X que S União todos os elementos de X que a S 1 ou a S 2 Interseção todos os elementos de X que estão em S 1 e em S União Eclusiva S 1 S 2 S 1 S 2 - S 1 S 2 Definições e operações onjunto Vazio se e somente se 0 X omplemento 1 X Definições e operações Definições e operações onjuntos iguais se e somente se subconjunto de X Interseção - onjuntos ordinários ontém todos os elementos que pertencem a e a f f 1 0 se e se ou se X f f f X 7
8 Definições e operações União - onjuntos ordinários ontém todos os elementos que pertencem a ou a Definições e Operações a eemplo dos conjuntos crisp, eistem operações para combinar e modificar os conjuntos fuzzy s operações são aplicadas às funções de pertinência f f f X um certo elemento é membro de um conjunto fuzzy se está dentro do domínio do conjunto se o grau de pertinência é 0 se está acima do limite α-cut Operações ásicas Interseção União omplemento Operadores de Zadeh Interseção: Em analogia com os conjuntos ordinários, que utilizam o operador ND, em conjuntos fuzzy geralmente se utiliza o Mínimo das Funções de Pertinência operadores de Zadeh. X 8
9 União: Operadores de Zadeh Em analogia com os conjuntos crisp, que utilizam o operador OR, em conjuntos fuzzy geralmente se utiliza o Máimo das Funções de Pertinência operadores de Zadeh. X Operadores de Zadeh omplemento: Em analogia com os conjuntos crisp, o complemento do conjunto fuzzy ~ contém TODOS os elementos que não estão em. Em conjuntos fuzzy geralmente se utiliza: ~ 1 - X ~ Supondo conjuntos normalizados!! Utilizando os operadores de Zadeh ma e min para a união e interseção fuzzy, verificam-se as seguintes propriedades: 9
10 10 1 Demonstração de 1: Para cada uma das situações seguintes, verificamse os resultados correspondentes: considerando-se os cálculos como feitos elemento a elemento d q c... e se Observando que as funções de pertinência dos conjuntos vazio e universo são 0 e 1: X X X e
11 onjuntos ordinários: e onjuntos fuzzy: X X Operações onjuntos Fuzzy Lei da Não ontradição: INVÁLID!! ~ φ Lei da Eclusão Mútua: ~ U INVÁLID!! Lei da Não-ontradição INTERSEÇÃO E. 1: Quais os membros que são de MEI- IDDE e não-mei MEI-IDDEIDDE ao mesmo tempo? E. 2: Quais os membros que são LTOS e não-ltos ao mesmo tempo? aso risp: onjunto LTO onjunto MEI-IDDE IDDE
12 aso Fuzzy: onjunto LTO INTERSEÇÃO onjunto MEI-IDDE IDDE Lei da Não-ontradição Quais os membros que são de MEI-IDDE IDDE e não-mei MEI-IDDEIDDE ao mesmo tempo? NOME IDDE M-I ~M-I y FUZZY bel José arlos João Pedro Tiago Felipe ndré Lei da Não-ontradição Quais os membros que são de MEI-IDDE IDDE e não-mei MEI-IDDEIDDE ao mesmo tempo? NOME IDDE M-I ~M-I y FUZZY bel José arlos João Pedro Tiago Felipe ndré membros têm grau de pertinência diferente de zero para ambos os conjuntos Meia-Idade e não-meia-idade Lei da Não-ontradição Quais os membros que são LTOS e não-ltos ao mesmo tempo? NOME LTUR LTO y ~LTO y FUZZY bel José arlos João Pedro Tiago Felipe ndré
13 Lei da Não-ontradição Quais os membros que são LTOS e não-ltos ao mesmo tempo? NOME LTUR LTO y ~LTO y FUZZY bel José arlos João Pedro Tiago Felipe ndré TODOS os membros têm grau de pertinência diferente de zero para ambos os conjuntos LTO e não-lto Lei da Eclusão Mútua Quais os membros que são de MEI-IDDE IDDE ou não-mei MEI-IDDEIDDE ao mesmo tempo? NOME IDDE M-I ~M-I y FUZZY bel José arlos João Pedro Tiago Felipe ndré Lei da Eclusão Mútua Quais os membros que são de MEI-IDDE IDDE ou não-mei MEI-IDDEIDDE ao mesmo tempo? NOME IDDE M-I ~M-I y FUZZY bel José arlos João Pedro Tiago Felipe ndré Nem TODOS os membros têm grau de pertinência um para a união dos conjuntos Meia-Idade e não-meia-idade Lei da Eclusão Mútua Quais os membros que são LTOS ou não-ltos ao mesmo tempo? NOME LTUR LTO y ~LTO y FUZZY bel José arlos João Pedro Tiago Felipe ndré NENHUM dos membros têm grau de pertinência igual a um para a união dos conjuntos LTO e não-lto 13
14 Operadores Fuzzy operadores de Zadeh; operadores ompensatórios; Operadores T-norm e T-conorm. Operadores ompensatórios Utilizam formas alternativas às de Zadeh para as operações com conjuntos; ompensatórios porque atuam de forma a compensar os operadores rígidos de MÍN e MÁX de Zadeh. Desprezam as informações contidas na outra variável! Operadores ompensatórios Operadores lternativos Transformações ritméticas Simples Produto Média Soma Limitada Diferença Limitada... Transformações Funcionais mais ompleas Yager Transformações ritméticas Interseção: Operador Interseção Zadeh Mín [, ] Média [ + ] / 2 Produto * Diferença Limitada Má [0, + 1] Lukasiewicz 14
15 INTERSEÇÃO Transformações ritméticas Eemplo: Operador Zadeh MÍN Diferença Limitada Má [0, + - 1] União: Operador União Zadeh Má [, ] Média {2 * mín[, ] + 4 * má[, ]} / 6 Soma Probabilística [ + ] [ * ] Soma Limitada Mín [1, + ] UNIÃO Transformações Funcionais Eemplo: Operador Zadeh MÁX Soma Limitada Mín [1, + ] Funções Yager: Os operadores compensatórios anteriores envolvem simples manipulações algébricas Os operadores Yager envolvem uma família parametrizada de operadores 15
16 INTERSEÇÃO T,y 1 - MÍN { 1,[1 - p y p ] 1/p 1/p }p }p 0 UNIÃO,y MÍN [1, p + y p 1/p ] p 0 Operadores Fuzzy Para esses dois contetos, tem-se os seguintes tipos de operadores: operadores de Zadeh; operadores ompensatórios; Operadores T-norm e T-conorm. Generalização Operadores operadores norma-t e co-norma norma-t norma-s Operações binárias de [0,1] [0,1] [0,1], tal que,, y, z, w [0,1], determinadas propriedades são satisfeitas. 16
17 Operadores T-NORMT Definição: Seja T uma função de duas variáveis e y no intervalo [0,1]. Se, para qualquer, y, e z em [0,1], as seguintes condições forem satisfeitas T é dita uma operação T-norm T,1 T0,0 0 Se, então T,y T,y T,y Ty, TT,y,z T,Ty,z monotônica comutativa associativa Norma-t s seguintes propriedades são satisfeitas: y y y z y z se y, w z, então 0 0 e 1 w y z Operadores T-NORMT Eemplos: Mínimo Produto Lukasiewicz T-norm degenerada M,y mín,y P,y * y W,y má 0, + y -1, se y 1 Z,y y, se 1 0, caso contrário Operadores T-ONORMT Definição: Seja S uma função de duas variáveis e y no intervalo [0,1]. Se, para qualquer, y, e z em [0,1], as seguintes condições forem satisfeitas S é dita uma operação T-conorm S,0 S1,1 1 Se, então S,y S,y S,y Sy, SS,y,z S,Sy,z monotônica comutativa associativa 17
18 o-norma norma-t s seguintes propriedades são satisfeitas: y y y z y z se y, w z, então w y z 0 e 1 1 Operadores T-ONORMT Eemplos: Máimo Soma Probabilística Soma Limitada T-conorm degenerada M,y má,y P*,y + y - * y W*,y mín 1, + y, se y 0 Z*,y y, se 0 1, caso contrário Outras Operações ásicas é subconjunto de X é igual a X é subconjunto próprio prio de X < para pelo menos 1 elemento de X de onjuntos Fuzzy Dominância: função de pertinência com 1 X 0 função de pertinência com 0 X 18
19 de onjuntos Fuzzy de onjuntos Fuzzy ssociatividade: omutatividade: [ ] [ ] [ ] [ ] E: HOT WRM OOL HOT WRM OOL E: HOT OOL OOL HOT de onjuntos Fuzzy de onjuntos Fuzzy Distributividade: De Morgan: [ ] [ ] [ ] [ ] [ ] [ ] E: HOT WRM OOL HOT WRM HOT OOL E: NOT HOT OOL NOT-HOT NOT-OOL 19
Variáveis 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 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 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 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 maisINTRODUÇÃO LÓGICA FUZZY INTRODUÇÃO INTRODUÇÃO INTRODUÇÃO. Evolução da área. Lógica Fuzzy. Ricardo Tanscheit
LÓGI FUZZY Ricardo Tanscheit Departamento de Engenharia Elétrica PU-Rio INTRODUÇÃO Lógica Fuzz inspirada na lógica tradicional procura modelar os modos imprecisos do raciocínio que têm um papel fundamental
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 05 Teoria dos Conjuntos Difusos Max Pereira CONJUNTOS CLÁSSICOS Teoria dos Conjuntos é o estudo da associação entre objetos
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 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 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 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 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 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 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 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 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 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 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 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 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 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 maisRelações. Introdução. Funções e Relações. Produto Cartesiano. Relações Clássicas. Função Característica
Introdução elações driano Joaquim de O ruz NE/UFJ adriano@nce.ufrj.br elações são associações entre elementos de diferentes conjuntos e o grau de associação é um ou zero temos uma relação clássica e o
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 maisUtiliza variáveis binárias, i.e., que só podem assumir um de dois valores: {0,1}; {Low,High}; {True,False}; etc.
Álgebra de oole binária através do recurso à utiliação de funções booleanas (ou funções lógicas) é a principal teoria de suporte às metodologias de síntese e análise de circuitos digitais. Utilia variáveis
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 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 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 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 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 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 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 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 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 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 (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 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 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 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 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 mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. RINCIAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua tem distribuição uniforme com parâmetros α e β α β se sua função densidade de probabilidade é dada por f, β α 0, Notação: ~ Uα, β.
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 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 maisPlano tangente a uma superficie: G(f).
Plano tangente a uma supericie: G. O plano tangente ao gráico de uma unção num ponto é o plano que contem todas as retas tangentes ao gráico de que passam pelo ponto. Se todas as retas tangente a esse
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 maisResumo. Parte 2 Introdução à Teoria da Probabilidade. Ramiro Brito Willmersdorf Introdução.
Parte 2 Introdução à Teoria da Probabilidade Ramiro Brito Willmersdorf ramiro@willmersdorf.net Departamento de Engenharia Mecânica Universidade Federal de Pernambuco 2011.2 Resumo 1 Introdução 2 Espaço
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 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 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 maisDEPARTAMENTO DE MATEMÁTICA E INFORMÁTICA DISCIPLINA:
DEPARTAMENTO DE MATEMÁTICA E INFORMÁTICA DISCIPLINA: Matemática A (10º Ano) METAS CURRICULARES/CONTEÚDOS... 1º Período (11 de setembro a 15 de dezembro) Metas/ Objetivos Conceitos/ Conteúdos Aulas Previstas
Leia maisUFRJ - Instituto de Matemática
UFRJ - Instituto de Matemática Programa de Pós-Graduação em Ensino de Matemática www.pg.im.ufrj.br/pemat Mestrado em Ensino de Matemática Seleção 9 Etapa Questão. Determine se as afirmações abaio são verdadeiras
Leia maisSumário. 1 CAPÍTULO 1 Revisão de álgebra
Sumário 1 CAPÍTULO 1 Revisão de álgebra 2 Conjuntos numéricos 2 Conjuntos 3 Igualdade de conjuntos 4 Subconjunto de um conjunto 4 Complemento de um conjunto 4 Conjunto vazio 4 Conjunto universo 5 Interseção
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 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 mais1 Operações com conjuntos
Notas sobre Conjuntos (2) Anjolina Grisi de Oliveira 1 Operações com conjuntos Definição 1 (União) Sejam A e B dois conjuntos arbitrários. A união dos conjuntos A e B, denotada por A B, é o conjunto que
Leia maisPROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 1ª FASE 25 DE JUNHO 2019 CADERNO 1. e AV.
Associação de Professores de Matemática Contactos: Rua Dr. João Couto, n.º 7-A 1500-6 Lisboa Tel.: +51 1 716 6 90 / 1 711 0 77 Fa: +51 1 716 64 4 http://www.apm.pt email: geral@apm.pt PROPOSTA DE RESOLUÇÃO
Leia maisMetas/ Objetivos Conceitos/ Conteúdos Aulas Previstas. Lógica e Teoria dos conjuntos: Introdução à lógica bivalente e à Teoria dos conjuntos
DEPARTAMENTO DE MATEMÁTICA E INFORMÁTICA DISCIPLINA: Matemática A (10º Ano) METAS CURRICULARES/CONTEÚDOS... 1º Período (15 de setembro a 16 de dezembro) Metas/ Objetivos Conceitos/ Conteúdos Aulas Previstas
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 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 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 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 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 maisP L A N I F I C A Ç Ã 0 E n s i n o S e c u n d á r i o
P L A N I F I C A Ç Ã 0 E n s i n o S e c u n d á r i o 2015-2016 DISCIPLINA / ANO: Matemática A 10ºano de escolaridade MANUAL ADOTADO: NOVO ESPAÇO 10 GESTÃO DO TEMPO Nº de Nº de Nº de tempos tempos tempos
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 mais2019/01. Estruturas Básicas: Conjuntos, Funções, Sequências, e Somatórios Área de Teoria DCC/UFMG /01 1 / 76
Estruturas Básicas: Conjuntos, Funções, Sequências, e Somatórios Área de Teoria DCC/UFMG 2019/01 Estruturas Básicas: Conjuntos, Funções, Sequências, e Somatórios Área de Teoria DCC/UFMG - 2019/01 1 / 76
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 maisPlanificação Anual Matemática A 10º Ano
ESCOLA SECUNDÁRIA/3 RAINHA SANTA ISABEL 402643 ESTREMOZ Planificação Anual Matemática A 10º Ano Ano letivo 2017/2018 PERÍODO Nº de AULAS PREVISTAS (45 min) 1º 78 2º 60 3º 54 Total: 192 Total de aulas previstas
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 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 mais2 Processo de Agrupamentos
20 2 Processo de Agrupamentos A análise de agrupamentos pode ser definida como o processo de determinação de k grupos em um conjunto de dados. Para entender o que isso significa, observe-se a Figura. Y
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 maisFatores de Certeza e Teoria da Evidência
Fatores de Certeza e Teoria da Evidência Incerteza Pode ser considerada como a falta de informação para tomar uma decisão. Há uma dúvida que não permite ter uma resposta binária: sim ou não. Havendo dúvida,
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 maisLógica Digital e Álgebra Booleana
Roteiro Lógica Digital e Álgebra ooleana Sistemas Lógicos 27/ Leandro Galvão D/UFM www.dcc.ufam.edu.br/~dcc_sl galvao@dcc.ufam.edu.br Portas LógicasL hips Digitais ásicos Álgebra ooleana Operação lógica
Leia maisRevisão de conceitos Matemáticos. Matemática e Fundamentos de Informática
Revisão de conceitos Matemáticos Matemática e Fundamentos de Informática 1 1 Conjuntos Teoria dos conjuntos Em Matemática, conjunto é uma coleção de objetos (chamados elementos). Os elementos podem representar
Leia maisa. O conjunto de todos os brasileiros. b. O conjunto de todos os números naturais. c. O conjunto de todos os números reais tal que x²-4=0.
Introdução aos conjuntos No estudo de Conjuntos, trabalhamos com alguns conceitos primitivos, que devem ser entendidos e aceitos sem definição. Para um estudo mais aprofundado sobre a Teoria dos Conjuntos,
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano a Fase
Prova Escrita de MATEMÁTICA A - o Ano 006 - a Fase Proposta de resolução GRUPO I. Como, pela observação da figura podemos constatar que os gráficos das duas funções se intersetam num ponto de ordenada
Leia maisOPERAÇÕES PONTO A PONTO
OPERAÇÕES PONTO A PONTO Operações pontuais São operações nas imagens onde o processamento é realizada em cada piel individualmente Podem ser Aritméticas Lógicas Envolver uma ou mais imagens Operações pontuais
Leia maisPRINCIPAIS MODELOS CONTÍNUOS
RINCIAIS MODELOS CONTÍNUOS 0 5.. Modelo uniforme Uma v.a. contínua tem distribuição uniforme com parâmetros α e β α β se sua função densidade de probabilidade é dada por, f β α 0, Notação: ~ Uα, β. 0,
Leia maisZero de Funções ou Raízes de Equações
Zero de Funções ou Raízes de Equações Um número ξ é um zero de uma função f() ou raiz da equação se f(ξ). Graficamente os zeros pertencentes ao conjunto dos reais, IR, são representados pelas abscissas
Leia maisO Teorema de Peano. f : D R n. uma função contínua. Vamos considerar o seguinte problema: Encontrar um intervalo I R e uma função ϕ : I R n tais que
O Teorema de Peano Equações de primeira ordem Seja D um conjunto aberto de R R n, e seja f : D R n (t, x) f(t, x) uma função contínua. Vamos considerar o seguinte problema: Encontrar um intervalo I R e
Leia maisPlanificação Anual Matemática 10º Ano
ESCOLA SECUNDÁRIA/3 RAINHA SANTA ISABEL 402643 ESTREMOZ Planificação Anual Matemática 10º Ano Ano letivo 2016/2017 PERÍODO Nº de AULAS PREVISTAS (45 min) 1º 72 2º 72 3º 42 Total: 186 Total de aulas previstas
Leia maisMatemática Discreta - 07
Universidade Federal do Vale do São Francisco Curso de Engenharia da Computação Matemática Discreta - 07 Prof. Jorge Cavalcanti jorge.cavalcanti@univasf.edu.br www.univasf.edu.br/~jorge.cavalcanti www.twitter.com/jorgecav
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 maisCálculo Diferencial e Integral I
Cálculo Diferencial e Integral I Texto de apoio às aulas. Amélia Bastos, António Bravo Dezembro 2010 Capítulo 1 Números reais As propriedades do conjunto dos números reais têm por base um conjunto restrito
Leia maisg) 2 x2 (2 x ) 2, 6 x i) x 2 x + 2, j) k) log ( 1 l) log ( 2x 2 + 2x 2) + log ( x 2
Números Reais. Simplifique as seguintes epressões (definidas nos respectivos domínios): a), b) + +, c) + + +, d), e) ( ), f) 4 4, g) ( ), h) 3 6, i) +, j) +, k) log ( ) + log ( ), l) log ( + ) + log (
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 00 5.. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros α e β (α β) se sua função densidade de probabilidade é dada por f ( ) β α 0, Notação:
Leia maisPLANIFICAÇÃO A MÉDIO/LONGO PRAZO
017/018 PLANIFICAÇÃO A MÉDIO/LONGO PRAZO DISCIPLINA: Matemática A ANO: 1º CURSO GERAL DE CIÊNCIAS E TECNOLOGIAS Total de aulas previstas: 16 Mês Domínios Conteúdos Descritores N.º Aulas Avaliação EST10
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano Época especial
Prova Escrita de MATEMÁTICA A - o Ano 08 - Época especial Proposta de resolução Caderno... Como A e B são acontecimentos equiprováveis, temos que P A P B E como A e B são acontecimentos independentes,
Leia maisP L A N I F I C A Ç Ã O A N U A L
P L A N I F I C A Ç Ã O A N U A L DEPARTAMENTO: MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS ÁREA DISCIPLINAR: 500 - MATEMÁTICA DISCIPLINA: MATEMÁTICA A NÍVEL DE ENSINO: Secundário CURSO: Ciências e Tecnologias
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 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 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 de Computadores sem Fio
Redes de Computadores sem Fio Prof. Marcelo Gonçalves Rubinstein Programa de Pós-Graduação em Engenharia Eletrônica Faculdade de Engenharia Universidade do Estado do Rio de Janeiro Programa Introdução
Leia maisPlanificação Anual /Critérios de avaliação. Disciplina: Matemática A _ 10º ano - CCH 2016/2017
Agrupamento de Escolas Anselmo de Andrade DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS - Grupo 500 Planificação Anual /Critérios de avaliação Disciplina: Matemática A _ 10º ano - CCH 2016/2017 Início
Leia mais