Conjuntos e Relações Nebulosas (Fuzzy)
|
|
- Octavio Beppler Avelar
- 6 Há anos
- Visualizações:
Transcrição
1 Conjuntos e Relações Nebulosas (Fuzzy) Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana
2 2 Operações Básicas Para sistemas que usam a Lógica Nebulosa, o processamento de informações é consistido de operações que são realizadas sobre os seus conjuntos nebulosos. Dentre estas operações, destacam-se a União, a Intersecção e o Complemento. Estas operações são definidas em função de operadores MAX e MIN.
3 3 Conjunto União (S-Norma) O conjunto união entre os conjuntos nebulosos A e B, pertencentes a um mesmo universo de discurso U, é formado por todos os valores máximos entre μ A (x) e μ B (x), para todo x U. μ A (x) () μ B (x) () = MAX (μ A (x), (),μμ B (x)) ())
4 4 Conjunto Intersecção (T-Norma) O conjunto intersecção entre os conjuntos nebulosos A e B, pertencentes a um mesmo universo de discurso U, é formado por todos os valores mínimos entre μ A (x) e μ B (x), para todo x U. μ A (x) μ B (x) = MIN (μ A (x), μ B (x))
5 5 Conjunto Complemento O complemento de um conjunto nebuloso normalizado A, pertencente a um universo de discurso U, é formado pela subtração de μ A (x) do valor unitário {} μ A (x) = A () - μ A (x) ()
6 6 Operações Básicas: exemplo Sejam os conjuntos nebulosos A e B, definidos no universo de discurso U = {, 2, 3, 4, 5} A = 0,2/ + 0,5/2 +,0/3 + 0,8/4 + 0,/5 B = 0,/ +,0/2 + 0,9/3 + 0,4/4 + 0,3/5 μ A (x) μ B (x) = 0,2/ +,0/2 +,0/3 + 0,8/4 + 0,3/5 μ A (x) μ B (x) = 0,/ + 0,5/2 + 0,9/3 + 0,4/4 + 0,/5 μ A (x) = 0,8/ + 0,5/2 + 0/3 + 0,2/4 + 0,9/5 μ B (x) = 0,9/ + 0/2 + 0,/3 + 0,6/4 + 0,7/5
7 7 Operações Básicas: exemplo 2 União μ(x) 0.9 A B C D E x
8 8 Operações Básicas: exemplo 2 Intersecção μ(x) 0.8 A B C D E x
9 9 Operações Básicas: exemplo 2 Complemento Complemento do conjunto nebuloso C μ(x) 0.9 A B C D E x
10 0 Transformações de Escala Existem vários tipos de funções que podem ser utilizadas para a realização de transformações de escalas em conjuntos nebulosos. As principais funções em tais propósitos são: Normalização Contração Dilatação Intensificação
11 Transformações de Escala Normalização Consiste em transformar um conjunto nebuloso A não normalizado, ado, o qual não seja vazio, em um conjunto nebuloso normalizado A normalização é efetuada após a divisão da função de pertinência do conjunto A pela sua altura μ x A( ) NORM( μ A( x)) =, onde x U ALT( A)
12 2 Transformações de Escala Contração Consiste em contrair (afinar) a função de pertinência, a qual está associada ada a um conjunto nebuloso A, em torno de seus valores máximos CONT x = x x U 2 ( μ A ( )) ( μ A ( )), ou p CONT ( μ ( x)) = ( μ ( x)), com p > A A
13 3 Transformações de Escala Contração: exemplo μ(x) ( ) p=,2 p=, x
14 4 Transformações de Escala Dilatação Consiste em dilatar (expandir) a função de pertinência em torno o de seus valores máximos DILAT ( μ ( x)) = μ ( x), x U A DILAT( μ ( x)) = ( μ ( x)), com p > A ou A A p
15 5 Transformações de Escala Dilatação: exemplo μ(x) ( ) p=,7 p=, x
16 6 Transformações de Escala Intensificação Consiste em incrementar os valores da função de pertinência que estão acima a de 0,5 e decrementar e e os respectivos valores que estão abaixo de 0,5 INTENS x x x 2 ( μa( )) = 2( μa( )) 0 μa( ) 0,5 2 2( μ A( x)) 0,5 μ A( x),0
17 7 Transformações de Escala Intensificação: exemplo μ(x) ( ) x intensificada
18 8 Operações de Agregação Consistem em combinar conjuntos nebulosos visando a obtenção de um único conjunto Admitindo-se N conjuntos nebulosos dados por A,A 2,..., A N, definidos em um universo de discurso U, então a função de pertinência μ B representando o conjunto nebuloso B, o qual é resultado da aplicação da operação de agregação AGR(.) sobre os elementos de A, A 2,..., A N é dada por: μ B (x) = AGR(μ A (x), μ A2 (x),..., μ AN (x); x U Alguns operadores de agregação podem ser agrupados como operadores compensatórios ou operadores medianos
19 9 Operadores Compensatórios Combinam operadores de intersecção e união, visando a produção de operadores de agregação que forneçam melhores resultados em determinadas situações Um dos principais p operadores compensatórios foi proposto por Zimmerman AGR(μ A (x),μ () B B( (x))=(-γ)(μ ))( )( A (x) μ () B B( (x))+γ(μ ( A (x) μ () B B( (x)) γ [0,] Os valores de pertinência resultantes desta agregação sempre estarão entre os valores de intersecção e união
20 20 Operadores Compensatórios Operador compensatório de Zimmerman: exemplo γ = 0,2 μ(x) Baixa Média Alta x
21 2 Operadores Compensatórios Operador compensatório de Zimmerman: exemplo γ = 0,5 μ(x) Baixa Média Alta x
22 22 Operadores Compensatórios Operador compensatório de Zimmerman: exemplo γ = 0,7 μ(x) Baixa Média Alta x
23 23 Operadores Medianos Nestes operadores, os valores de pertinência resultantes estão entre os valores mínimos e máximos das funções de pertinência que constituem o argumento de AGR(.) MIN (μ A (x),..., (),,μμ AN (x)) ()) AGR (μ A (x),..., (),,μμ AN (x)) ()) MAX (μ A (x),..., μ AN (x)) Os principais tipos de operadores medianos são Média Aritmética Média Geométrica Mínimo Máximo
24 24 Tipos de Operadores Medianos Média Aritmética Média Geométrica N AGR = μai ( x ) N i= AGR(.) = ( μ (x) )* μ (x)*...* μ (x)) N = A A2 AN Média Harmônica AGR(.) N = μai (x) Mínimo = μa μa2 μan AGR(.) MIN( (x), (x),..., (x)) Máximo = μa μa2 μan AGR(.) MAX( (x), (x),..., (x))
25 25 Tipos de Operadores Medianos Média Aritmética: exemplo μ(x) Baixa Média Alta x
26 26 Tipos de Operadores Medianos Média Geométrica: exemplo μ(x) Baixa Média Alta x
27 27 Tipos de Operadores Medianos Média Harmônica: exemplo μ(x) Baixa Média Alta x
28 28 Relações Nebulosas Uma relação matemática que indica como estão associados os elementos de um conjunto em relação à outro conjunto Em uma relação nebulosa, o nível de associação entre dois conjuntos nebulosos é fornecida através de graus de associação (valores entre 0 e ) entre os elementos pertencentes aos conjuntos Esse valor busca traduzir a intensidade com que os elementos estão relacionados Pode-se dizer que relações nebulosas são conjuntos nebulosos definidos em conjuntos universos que são produtos cartesianos
29 29 Relações Nebulosas Constituem uma forma de relacionar variáveis nebulosas de diferentes universos de discurso Uma relação nebulosa pode ser representada por (universo de discurso discreto): R( x,y ) (x,y) X Y R( x, y ) = μ /(x,y ); (x,y) X Y Σ não representa o operador de soma aritmética, representa concatenação
30 30 Relações Nebulosas Seja a relação nebulosa definida por uma expressão linguística: x está em torno de y, onde x Xey Y, cujos universos de discurso discretos são X = {x, x 2, x 3 } e Y = {y, y 2, y 3 } R(x,y) = 0,8/(x,y ) + 0,3/(x,y 2 ) + 0,7/(x,y 3 ) + 0,4/(x 2, y ) + 0,8/(x 2, y 2 ) + 0,8/(x 2, y 3 ) + 0,/(x 3, y ) +,0/(x 3, y 2 ) + 0,4/(x 3, y 3 )
31 3 Relações Nebulosas R(x,y) y)=08/(x 0,8/(x, y )+03/(x 0,3/(x, y 2 )+07/(x 0,7/(x, y 3 )+ 0,4/(x 2, y ) + 0,8/(x 2, y 2 ) + 0,8/(x 2, y 3 ) + 0/(x 0,/(x 3, y )+0/(x,0/(x 3, y 2 )+04/(x 0,4/(x 3, y 3 ) Formas de representação Matriz de Relação Nebulosa Grafo 0,8 0,3 0,7 R( x,y) = 0,4 0,9 0,6 0,,0 0,4 x 08 0,8 x 2 y y 2 x 3 y 3
32 32 Operações com Relações Nebulosas Similares às operações definidas para os conjuntos nebulosos Dadas duas relações nebulosas R(x,y) y)es(xy) S(x,y), onde x X e y Y, as principais operações são: Operação de União μ = MAX ( μ, μ ) R( x,y ) S( x,y ) R(x,y ) S( x,y ) (x,y) X Y Operação de Intersecção μ MIN ( μ, μ ) R( x,y) S(x,y) = R(x,y) S(x,y) (x,y) X Y Operação de Complemento μ = μ _ R( x,y ) R( x,y )
33 33 Operações com Relações Nebulosas Exemplo Sejam as relações nebulosas R(x,y) e S(x,y), onde x X e y Y, representadas por: 0, 0,9 0,6 0,2 0,4 0,3 R( x, y ) =,0 0,4 0,2 S( x,y ) = 0,9 0,7 0, 0,3 0,5 0,7,0 0,9 0,2
34 34 Operações com Relações Nebulosas União entre R(x,y) e S(x,y) = 02 0,2 09 0,9 06 0,6,0 0,7 0,2 0,0 09 0,9 07 0,7 Intersecção entre R(x,y) e S(x,y) = 0 0, 04 0,4 03 0,3 0,9 0,4 0, 03 0,3 0, ,2 Complemento de S(x,y) = 08 0,8 06 0,6 07 0,7 0, 0,3 0,9 0 0, 0,8
35 35 Composição de Relações Nebulosas A combinação de duas ou mais relações nebulosas, definidas em espaços distintos, pode ser feita através de operadores que permitem a composição das referidas relações Fundamental para a computação baseada em regras nebulosas As principais técnicas de composição de relações nebulosas são: Composição MAX-MIN Composição MAX-PROD
36 36 Composição MAX-MIN MIN Sejam duas relações nebulosas R(x,y) y)es(yz) S(y,z) definidas respectivamente nos produtos cartesianos X Y ey Z A composição MAX-MIN destas relações é denotada por R S(x,z) e definida como: R S(x,z) = MAX { MIN (μ R(x,y), μ S(y,z) ) } () A matriz resultante da composição será definida no produto cartesiano X Z
37 37 Composição MAX-MIN MIN Exemplo Sejam duas relações nebulosas R(x,y) e S(y,z) definidas das respectivamente e te nos produtos cartesianos a X Y e Y Z 0, 0,6 0,4 0,9 R( x,y ) = 0,8,0 0,8 0,3 0,5 0,7 0,2 0 0,2 0,8 0, ,4 0,3 0, S( y,z ) =,0 0 0,7 0,9 0,7 0,2 μ(x,z ) μ(x,z 2 ) μ(x,z 3 ) R S(x,z) = μ μ μ (x 2,z ) (x 2,z 2 ) (x 2,z 3 ) μ(x μ μ 3,z ) (x 3,z 2 ) (x 3,z 3 )
38 38 Composição MAX-MIN MIN Exemplo A determinação de cada um dos elementos da matriz representando R S(x,z) é efetuada utilizando a equação () μ(x, z ) = MAX{ MIN(0,;0,2); MIN(0,6;0,4); MIN(0,4;,0); MIN(0,9;0,9) } μ(x, z 2 ) = MAX{ MIN(0,;0,8); MIN(0,6;0,3); MIN(0,4;0); MIN(0,9;0,7) } μ(x, z 3 ) = MAX{ MIN(0,;0,6); MIN(0,6;0,); MIN(0,4;0,7); MIN(0,9;0,2) } μ(x 3, z 3 ) = MAX{ MIN(0,5;0,6); MIN(0,7;0,); MIN(0207) MIN(0,2;0,7); MIN(002)} MIN(0;0,2)
39 39 Composição MAX-MIN MIN Exemplo Assim, tem-se a seguinte matriz: 0,9 0,7 0,4 R S(x,z) = 0,8 0,8 0,7 04 0,4 05 0,5 05 0,5
40 40 Composição MAX-PROD Sejam duas relações nebulosas R(x,y) y)es(yz) S(y,z) definidas respectivamente nos produtos cartesianos X Y ey Z A composição MAX-PROD destas relações é denotada por R S(x,z) e definida como: R S(x,z) = MAX { μ R(x,y) * μ S(y,z) } (2) A matriz resultante da composição será definida no produto cartesiano X Z
41 4 Composição MAX-PROD Exemplo A determinação de cada um dos elementos da matriz representando ese R S(x,z) )ée efetuadaetuada utilizando a equação (2): μ(x, z ) = MAX{ (0,*0,2); (0,6*0,4); (0,4*,0); (0,9*0,9) } μ(x, z 2 ) = MAX{ (0,*0,8); (0,6*0,3); (0,4*0); (0,9*0,7) } μ(x, z 3 ) = MAX{ (0,*0,6); (0,6*0,); (0,4*0,7); (0,9*0,2) } μ(x 3, z 3 ) = MAX{ (0,5*0,6); (0,7*0,); (0,2*0,7); (0*0,2) } Assim, tem-se a seguinte matriz: 0,8 0,63 0,28 R S(x,z ) = 0,8 0,64 0,56 0,28 0,40 0,30
Conteúdo: Operações Conjuntos Crisp Operações Conjuntos fuzzy. Operadores de Zadeh Operadores Compensatórios Operadores T-norm e T-conorm
Conteúdo: Operações Conjuntos Crisp Operações Conjuntos fuzzy Operadores de Zadeh Operadores Compensatórios Operadores T-norm e T-conorm Operações com Conjuntos Crisp Função característica: determina se
Leia maisInteligência Artificial 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 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 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 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 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 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 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 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 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 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 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 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 maisVariáveis Linguísticas CONTEÚDO. Variáveis Linguísticas. Variáveis Linguísticas. Formalismo: caracterizada por uma
CONTEÚDO Introdução Introdução, Objetivo e Histórico Conceitos Básicos Definição, Características e Formas de Imprecisão Conjuntos Fuzzy Propriedades, Formas de Representação e Operações Lógica Fuzzy Relações,
Leia maisConjuntos 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 maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Propriedades de Imagem Digital Prof. Sergio Ribeiro Tópicos Propriedades de uma Imagem Digital Vizinhança Conectividade Operações Lógicas e Aritméticas
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Propriedades de Imagem Digital Prof. Sergio Ribeiro Tópicos Propriedades de uma Imagem Digital Vizinhança e Aritméticas Efeitos de em Pixel a Pixel
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 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 maisMatemática Discreta Parte 11
Universidade Federal do Vale do São Francisco Curso de Engenharia da Computação Matemática Discreta Parte 11 Prof. Jorge Cavalcanti jorge.cavalcanti@univasf.edu.br - www.univasf.edu.br/~jorge.cavalcanti
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 maisConteúdo: Hedges Relações e Composições
Conteúdo: Hedges Relações e Composições Hedges: Operadores semânticos Atuam na modelagem de um sistema fuzzy da mesma forma que advérbios atuam em uma sentença. Modificam a natureza de um conjunto fuzzy.
Leia maisSistemas 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 maisProcessamento Digital de Imagens Aula 03
exatasfepi.com.br Processamento Digital de Imagens Aula 03 André Luís Duarte O que adquire entendimento ama a sua alma; o que cultiva a inteligência achará o bem. Provérbios 19:8 Processamento Digital
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 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 maisAbordagem Fuzzy na Escolha de Projetos Populares
Abordagem Fuzzy na Escolha de Projetos Populares The Fuzzy Approach in the Choice of Popular Projects Rosana Viomar de Lima Universidade Estadual do Centro-Oeste - UNICENTRO Departamento de Biologia rosanalima@unicentro.br
Leia maisIncertezas na Computação Científica: Abordagens via Matemática Intervalar e Teoria Fuzzy
Incertezas na Computação Científica: Abordagens via Matemática Intervalar e Teoria Fuzzy Rogério Vargas Dr. Luciano Vitoria Barboza, orientador Dra. Graçaliz Pereira Dimuro, co-orientadora Pelotas-RS,
Leia maisTP034-Tópicos Especiais de Pesquisa Operacional I
TP34-Tópicos Especiais de Pesquisa Operacional I Conjuntos Difusos Relações Difusas Prof. Volmir Wilhelm Curitiba Paraná rasil s relações são associações entre elementos de dois ou mais conjuntos. Se 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 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 maisProf. Luiz Felix. Unidade II MATEMÁTICA APLICADA
Prof. Luiz Felix Unidade II MATEMÁTICA APLICADA Ajuste de curvas É um método que consiste em encontrar uma curva que se ajuste a uma série de pontos e que, possivelmente, cumpra uma série de parâmetros
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 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 maisProbabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Esperança e Variância 06/14 1 / 19
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Esperança e Variância 06/14 1 / 19 Nos modelos matemáticos aleatórios parâmetros podem ser
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 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 maisEstatística Descritiva
C E N T R O D E M A T E M Á T I C A, C O M P U T A Ç Ã O E C O G N I Ç Ã O UFABC Estatística Descritiva Centro de Matemática, Computação e Cognição March 17, 2013 Slide 1/52 1 Definições Básicas Estatística
Leia maisLista 5. Em toda a lista, as coordenadas referem-se a um sistema de coordenadas fixo (O; i, j, k)
UFPR - Universidade Federal do Paraná Departamento de Matemática CM045 - Geometria Analítica Prof. José Carlos Eidam Lista 5 Em toda a lista, as coordenadas referem-se a um sistema de coordenadas fixo
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 maisTeoria da Computação
Introdução Março - 2009 1 Noções e Terminologia Matemática Conjuntos Um conjunto é um grupo de objetos, chamados elementos ou membros, representado como uma unidade. O conjunto { 3, 41, 57} possui os elementos
Leia maisEXCEL AVANÇADO REVISANDO FUNÇÕES
EXCEL AVANÇADO REVISANDO FUNÇÕES Luciana Falcão contato@lucianafalcao.com.br www.lucianafalcao.com.br Agenda da Aula Operadores Operações Matemáticas Soma Média Máximo Mínimo Maior Menor O Excel é composto
Leia mais1. Faça uma função que recebe por parâmetro o raio de uma esfera e calcula o seu volume.
Instituto Federal do Pará Professor: Ricardo José Cabeça de Souza Disciplina: - Algoritmos e Construção de Programas LISTA DE EXERCÍCIOS 1. Faça uma função que recebe por parâmetro o raio de uma esfera
Leia maisFísica Geral - Laboratório. Organização e descrição de dados
Física Geral - Laboratório Organização e descrição de dados 1 Física Geral - Laboratório A nota de laboratório de Física Geral será composta dos resultados das provas e atividades de laboratório: Média
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 maisIntrodução aos Algoritmos Genéticos
Introdução aos Algoritmos Genéticos Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana 2 Algoritmos Genéticos: Introdução Introduzidos
Leia maisProbabilidade 2 - ME310 - Lista 2
Probabilidade - ME3 - Lista November, 5 Lembrando:. Estatística de ordem, pg 38 Ross: f xj (x) = n! (n j)!(j )! F (x)j ( F (x)) n j f(x). Distribuição de probabilidade conjunta de funções de variáveis
Leia maisMEDIDAS COM SINAL.. Uma medida com sinal σ-aditiva (ou, simplesmente, uma medida com sinal) µ(a n ) def = lim
MEDIDAS COM SINAL DANIEL V. TAUSK 1. Definição. Seja C uma coleção de conjuntos tal que C. Uma medida com sinal finitamente aditiva em C é uma função µ : C R tal que: µ( ) = 0; se (A n ) t é uma seqüência
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 maisLógica e Matemática Discreta
Lógica e Matemática Discreta Teoria Elementar dos Conjuntos Prof Clezio 04 de Junho de 2010 Curso de Ciência da Computação Noções básicas Um conjunto designa-se geralmente por uma letra latina maiúscula:
Leia maisMORFOLOGIA MATEMÁTICA
MORFOLOGIA MATEMÁTICA Morfologia Na Biologia área que trata com a forma e a estrutura de plantas e animais Processamento de Imagens Ferramenta para extração de componentes de imagens que sejam úteis na
Leia maisMétodos de Inferência Fuzzy
Métodos de Inferência Fuzzy Prof. Paulo Cesar F. De Oliveira, BSc, PhD 16/10/14 Paulo C F de Oliveira 2007 1 Seção 1.1 Método de Mamdani 16/10/14 Paulo C F de Oliveira 2007 2 Professor Ebrahim Mamdani
Leia maisDISTRIBUIÇÃO DE FREQUÊNCIAS
Relacionam categorias ou classes de valores, juntamente com contagens (ou frequência) do número de valores que se enquadram em cada categoria. Tabela de distribuição de frequência Considere o seguinte
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGMATE - Licenciatura em Matemática 0. Disciplinas Obrigatórias FGGMATE.090 Filosofia da Educação Matemática FGGMATE.00 Fundamentos de Cálculo FGGMATE.00 Fundamentos de Matemática Elementar
Leia maisPrograma Combinatória Aritmética Racional MATEMÁTICA DISCRETA. Patrícia Ribeiro. Departamento de Matemática, ESTSetúbal 2018/ / 52
1 / 52 MATEMÁTICA DISCRETA Patrícia Ribeiro Departamento de Matemática, ESTSetúbal 2018/2019 2 / 52 Programa 1 Combinatória 2 Aritmética Racional 3 Grafos 3 / 52 Capítulo 1 Combinatória 4 / 52 Princípio
Leia maisLINGUAGENS FORMAIS Definições. Desenvolveram-se na História em função da necessidade dos grupos humanos que as empregavam
Linguagens Naturais LINGUAGENS FORMAIS Definições Desenvolveram-se na História em função da necessidade dos grupos humanos que as empregavam São muito ricas, mas também ambíguas e imprecisas. Ex.: João
Leia maisMedidas Estatísticas NILO FERNANDES VARELA
Medidas Estatísticas NILO FERNANDES VARELA Tendência Central Medidas que orientam quanto aos valores centrais. Representam os fenômenos pelos seus valores médios, em torno dos quais tendem a se concentrar
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 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 maisAULA DO CPOG. Teoria dos conjutos
AULA DO CPOG Teoria dos conjutos TEORIA DOS CONJUNTOS Professor Felipe Técnico de Operações P-25 Petrobras Contatos Felipe da Silva Cardoso professorpetrobras@gmail.com www.professorfelipecardoso.blogspot.com
Leia maisLinguagens Formais e Autômatos
Linguagens Formais e Autômatos Prof. Yandre Maldonado - 1 Prof. Yandre Maldonado e Gomes da Costa Introdução Problema: definir um conjunto de cadeias de símbolos; Prof. Yandre Maldonado - 2 Exemplo: conjunto
Leia maisLinguagens Formais e Autômatos
Linguagens Formais e Autômatos Prof. Yandre Maldonado - 1 Prof. Yandre Maldonado e Gomes da Costa Problema: definir um conjunto de cadeias de símbolos; Prof. Yandre Maldonado - 2 Exemplo: conjunto M dos
Leia maisGramáticas Livres de Contexto Parte 1
Universidade Estadual de Feira de Santana Engenharia de Computação Gramáticas Livres de Contexto Parte 1 EXA 817 Compiladores Prof. Matheus Giovanni Pires O papel do Analisador Sintático É responsável
Leia maisAprendizagem de Dados Simbólicos e/ou Numéricos
Aprendizagem de Dados Simbólicos e/ou Numéricos Francisco de A.T. de Carvalo Francisco de A.T. de Carvalo, Agrupamento (Clustering Métodos usados para a construção de grupos de objetos com base nas semelanças
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 mais61
0 Dado dois conjuntos de A e B tais que : - O número de subconjuntos de A está compreendido entre 0e 0. - B tem subconjuntos não vazios O produto cartesiano de A por B tem (A) 8 elementos (B) elementos
Leia maisFísica Geral - Laboratório. Organização e descrição de dados
Física Geral - Laboratório Organização e descrição de dados 1 Física Geral - Laboratório A nota de laboratório de Física Geral será composta dos resultados das provas e atividades de laboratório: Média
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGMATE - Licenciatura em Matemática 0. Disciplinas Obrigatórias FGGMATE.090 Filosofia da Educação Matemática FGGMATE.00 Fundamentos de Cálculo FGGMATE.00 Fundamentos de Matemática Elementar
Leia maisProgramação de Conteúdos de Matemática SPE Ensino Médio REGULAR 2013
Programação de Conteúdos de Matemática SPE Ensino Médio REGULAR 2013 1ª série - volume 1 1. Conjuntos - Conceito de conjunto - Pertinência - Representação de um conjunto - Subconjuntos - União de conjuntos
Leia maisModelagem Cinemática de Robôs Industriais. Prof. Assoc. Mário Luiz Tronco
Modelagem Cinemática de Robôs Industriais Prof. Assoc. Mário Luiz Tronco Transformação direta de coordenadas 1 2... N Variáveis de junta Variáveis cartesianas Transformação inversa de coordenadas Transformação
Leia maisMATRIZ DE REFERÊNCIA-Ensino Médio Componente Curricular: Matemática
MATRIZ DE REFERÊNCIA-Ensino Médio Componente Curricular: Matemática Conteúdos I - Conjuntos:. Representação e relação de pertinência;. Tipos de conjuntos;. Subconjuntos;. Inclusão;. Operações com conjuntos;.
Leia maisOperações Pontuais. 1 operando. 2 operandos. Processamento e Análise de Imagem - A. J. Padilha - v ac
Operações Pontuais 1 operando T OP 2 operandos Pré-Processamento - 1 Operações Pontuais Nas operações pontuais, cada ponto da imagem-resultado - g(i,j) - é obtido por uma transformação T do ponto de coordenadas
Leia maisProduto Interno - Mauri C. Nascimento - Depto. de Matemática - FC UNESP Bauru
1 Produto Interno - Mauri C. Nascimento - Depto. de Matemática - FC UNESP Bauru Neste capítulo vamos considerar espaços vetoriais sobre K, onde K = R ou K = C, ou seja, os espaços vetoriais podem ser reais
Leia maisRogério Vargas. Pelotas, 29 de Fevereiro de Rogério Vargas PPGInf / Universidade Católica de Pelotas slide 1
Técnicas Matemático-Computacionais para o Tratamento de Incertezas Aplicadas ao Problema do Fluxo de Potência em Sistemas de Transmissão de Energia Elétrica Rogério Vargas orientador: Luciano Barboza co-orientadora:
Leia maisDefinição: Todo objeto parte de um conjunto é denominado elemento.
1. CONJUNTOS 1.1. TEORIA DE CONJUNTOS 1.1.1. DEFINIÇÃO DE CONJUNTO Definição: Conjunto é toda coleção de objetos. Uma coleção de números é um conjunto. Uma coleção de letras é um conjunto. Uma coleção
Leia maisLibreOffice Calc. Disciplina: Softwares, Aplicativos e Sistemas Operacionais. Professor: Thiago Silva Prates
LibreOffice Calc Disciplina: Softwares, Aplicativos e Sistemas Operacionais Professor: Thiago Silva Prates LibreOffice Calc O Calc é o componente da suíte de escritório LibreOffice responsável pela manipulação
Leia maisCAPÍTULO 2 OPERADORES DE CASAMENTO DE PADRÕES
CAPÍTULO 2 OPERADORES DE CASAMENTO DE PADRÕES 2.1 INTRODUÇÃO Neste capítulo são apresentados os principais operadores de casamento de padrões encontrados na literatura. No Apêndice A, encontram se mais
Leia maisADA 1º BIMESTRE CICLO I MATEMÁTICA 3ª SÉRIE DO ENSINO MÉDIO. (B)y = x + 3 (C)y = 2x + 3 (D)y = 3x - 3 (E)y = 5x + 5 Gabarito: D.
ADA 1º BIMESTRE CICLO I MATEMÁTICA ª SÉRIE DO ENSINO MÉDIO ITEM 1 DA ADA Observe as equações da reta a seguir: I) y = x 1 II) y 4x = III) y 4x + = 0 IV) y + 1 = x V) y + 1 = (x 1 ) Dessas equações, a que
Leia maisPropriedades da Imagem Amostragem & Quantização (Quantificação) Histograma Imagem Colorida x Imagem Monocromática. Propriedades da Imagem
Proc. Imagem Prof. Júlio C. Klafke [1] TÓPICOS DESENVOLVIDOS NESTE MÓDULO PROCESSAMENTO DE IMAGEM #02 Propriedades da Imagem Amostragem & Quantização (Quantificação) Histograma Imagem Colorida x Imagem
Leia maisEletrotécnica II Números complexos
Eletrotécnica II Números complexos Prof. Danilo Z. Figueiredo Curso Superior de Tecnologia em Instalações Elétricas Faculdade de Tecnologia de São Paulo Tópicos Aspectos históricos: a solução da equação
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 maisAULA 2 1) Comando linspace 2) Indexação de matriz
AULA 2 1 1) Comando linspace >> linspace(0,10,5) ans = 0 2.5000 5.0000 7.5000 10.0000 Espaça linearmente um determinado número de elementos entre um valor final e um inicial. 2) Indexação de matriz >>
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 maisCapítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia
Departamento de Engenharia Civil Prof. Dr. Doalcey Antunes Ramos Capítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia 3.1 - Objetivos Séries de variáveis hidrológicas como precipitações,
Leia maisNome do aluno: N.º: Para responder aos itens de escolha múltipla, não apresente cálculos nem justificações e escreva, na folha de respostas:
Teste de Matemática A 2018 / 2019 Teste N.º 1 Matemática A Duração do Teste (Caderno 1+ Caderno 2): 90 minutos 12.º Ano de Escolaridade Nome do aluno: N.º: Turma: Este teste é constituído por dois cadernos:
Leia maisRestauração de Imagens
Restauração de Imagens Disciplina: Tópicos em Computação (Processamento Digital de Imagens) 1 / 30 Conceitos Preliminares O principal objetivo das técnicas de restauração é melhorar uma imagem em algum
Leia maisPrograma Princípios Gerais Forças, vetores e operações vetoriais
Programa Princípios Gerais Forças, vetores e operações vetoriais Representação gráfica de vetores Graficamente, um vetor é representado por uma flecha: a intensidade é o comprimento da flecha; a direção
Leia maisln(x + y) (x + y 1) < 1 (x + y 1)2 3. Determine o polinômio de Taylor de ordem 2 da função dada, em volta do ponto dado:
ā Lista de MAT 454 - Cálculo II - a) POLINÔMIOS DE TAYLOR 1. Seja f(x, y) = ln (x + y). a) Determine o polinômio de Taylor de ordem um de f em torno de ( 1, 1 ). b) Mostre que para todo (x, y) IR com x
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 maisMetodologia Aplicada a Computação.
Metodologia Aplicada a Computação gaudenciothais@gmail.com Pré-processamento de dados Técnicas utilizadas para melhorar a qualidade dos dados; Eliminam ou minimizam os problemas como ruídos, valores incorretos,
Leia maisLinguagens Regulares. Prof. Daniel Oliveira
Linguagens Regulares Prof. Daniel Oliveira Linguagens Regulares Linguagens Regulares ou Tipo 3 Hierarquia de Chomsky Linguagens Regulares Aborda-se os seguintes formalismos: Autômatos Finitos Expressões
Leia maisVISÃO COMPUTACIONAL. Nielsen Castelo Damasceno
VISÃO COMPUTACIONAL Nielsen Castelo Damasceno Visão Computacional A visão computacional lida com o desenvolvimento de bases teóricas e algorítmicas para as quais informações úteis do mundo real 3D podem
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 maisUSO DE OPERADOR Fuzzy PARA CRIAÇÃO DE CENÁRIOS DE DEGRADAÇÃO FLORESTAL EM MATO GROSSO
USO DE OPERADOR Fuzzy PARA CRIAÇÃO DE CENÁRIOS DE DEGRADAÇÃO FLORESTAL EM MATO GROSSO Vinicius do Prado Capenama 1 vinicius.capanema@inpe.br Junho de 2015 INTRODUÇÃO Processo de ocupação da Amazônia: Degradação
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 maisTransformações geométricas no plano e no espaço
Transformações geométricas no plano e no espaço Sistemas de Coordenadas Sistemas de Referência com finalidades específicas: SRU Sistema de Referência do Universo SRO Sistema de Referência do Objeto SRN
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 maisCURSO INTRODUTÓRIO DE MATEMÁTICA PARA ENGENHARIA Conjuntos. Rafael Carvalho 7º Período Engenharia Civil
CURSO INTRODUTÓRIO DE MATEMÁTICA PARA ENGENHARIA 2016.2 Conjuntos Rafael Carvalho 7º Período Engenharia Civil Definição Noção intuitiva: São coleções de elementos da mesma espécie. - O conjunto de todos
Leia maisFísica Geral - Laboratório. Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação
Física Geral - Laboratório Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação 1 Física Geral - Objetivos Ao final do período, o aluno deverá ser capaz de compreender as principais
Leia mais