Вы находитесь на странице: 1из 52

Mtodos de Computao Inteligente 1

Seminrio MCI
1999 - 1
PATRCIA
RODRIGO
Mtodos de Computao Inteligente 2
Plano de Aula
Lgica
Fuzzy
Introduo
Benefcios da Lgica Fuzzy
Conjuntos Fuzzy
Variveis Lingusticas
Operadores
Sistemas Fuzzy
Raciocnio
Etapas
Concluso

Mtodos de Computao Inteligente 3
Introduo
Lgica
Fuzzy
Surgiu com Lofti Zadeh em 1965.

O boom foi nos anos 80, no Japo.

Lgica Fuzzy uma nova forma de pensamento sobre o mundo.

uma tcnica baseada em graus de verdade.
os valores 0 e 1 ficam nas extremidades
inclui os vrios estados de verdade entre 0 e 1
Mtodos de Computao Inteligente 4
Introduo
Lgica
Fuzzy
O conhecimento humano incerto, incompleto ou impreciso.

Ex.: Voc vai para o show de Cidade Negra?
talvez sim.
se no chover eu vou.
se o ingresso no for caro vou.
vou logo cedo.

Muitas das frases e estimativas humanas no so facilmente
definidas atravs de formalsmos matemticos.
Mtodos de Computao Inteligente 5
Benefcios da Lgica Fuzzy
Permite solues mais eficientes para problemas tratados
com tcnicas no-fuzzy.

Reduz o tempo de desenvolvimento.

Modela sistemas no-lineares complexos.

Sistemas avanados precisam de menos chips e sensores.

Lgica
Fuzzy
Mtodos de Computao Inteligente 6
Lgica
Fuzzy
Complexidade e Compreenso
Zadeh percebeu que a complexidade do sistema vem de
como as variveis foram representadas e manipuladas.
Zadeh representa o raciocnio humano em termos de
conjuntos fuzzy.

Princpio de Zadeh:
Quando a complexidade do problema cresce, nossa
habilidade para tornar as proposies precisas diminui at
um limiar que est fora do nosso alcance. Isto torna a
preciso e a relevncia duas caractersticas excelentes.
Mtodos de Computao Inteligente 7
Lgica
Fuzzy
Conjuntos Fuzzy
So funes que mapeam o valor que poderia ser um membro do
conjunto para um nmero entre 0 e 1.
O grau de pertinncia 0 indica que o valor no pertence ao conjunto.
O grau 1 indica significa que o valor uma representao completa
do conjunto.
Um conjunto fuzzy indica com qual grau um projeto especfico
membro do conjunto de projetos LONGOS.
A definio do que um projeto LONGO depende do contexto.

Mtodos de Computao Inteligente 8
Lgica
Fuzzy
Conjuntos Fuzzy
Grau de Pertinncia

) (x
0 2 4 6 8 10 12 14 16 18
Durao(em semanas)
1
Um projeto Longo
Mtodos de Computao Inteligente 9
Variveis Lingsticas
o centro da tcnica de modelagem de sistemas fuzzy.
Uma varivel lingstica o nome do conjunto fuzzy.
Pode ser usado num sistema baseado em regras para
tomadas de deciso.
Exemplo: if projeto.durao is LONGO
then risco is aumentado.
Transmitem o conceito de qalificadores.
Qalificadores mudam a forma do conjunto fuzzy.

Lgica
Fuzzy
Mtodos de Computao Inteligente 10
Variveis Lingsticas
Algumas variveis lingsticas do conjunto LONGO com
qalificadores:
muito LONGO
um tanto LONGO
ligeiramente LONGO
positivamente no muito LONGO
Lgica
Fuzzy
Variveis
Lingusticas
Conjunto Fuzzy
Qalificadores
Variveis
Lingsticas
Mtodos de Computao Inteligente 11
Variveis Lingsticas
Permitem que a linguagem da modelagem fuzzy expresse a
semntica usada por especialistas.
Exemplo:
If projeto.durao is positivamente no muito LONGO
then risco is reduzido um pouco
Encapsula as propriedades dos conceitos imprecisos numa
forma usada computacionalmente.
Reduz a complexidade do problema.
Sempre representa um espao fuzzy.

Lgica
Fuzzy
Mtodos de Computao Inteligente 12
Teoria dos Conjuntos Fuzzy
No um mtodo especfico para qualquer aplicao.

mais geral que a Lgica Fuzzy e o clculo das proposies
Fuzzy.

Suporta a lgica usada para criar e manipular sistemas
Fuzzy.
Lgica
Fuzzy
Mtodos de Computao Inteligente 13
Operadores dos Conjuntos Fuzzy
Interseco
Lgica
Fuzzy
. e em contidos
conjuntos e pontos, de conjunto Sejam
X x X
B A X
e
A B
)) ( ), ( min( ) (
) (
x x x
B A B A
=

) ( ) ( ) (
) (
x x x
B A B A
. =

Mtodos de Computao Inteligente 14


Operadores dos Conjuntos Fuzzy
Unio
Lgica
Fuzzy
. e em contidos
conjuntos e pontos, de conjunto Sejam
X x X
B A X
e
A
)) ( ), ( max( ) (
) (
x x x
B A B A
=

) ( ) ( ) (
) (
x x x
B A B A
v =

B
Mtodos de Computao Inteligente 15
Operadores dos Conjuntos Fuzzy
Complemento
Lgica
Fuzzy
. e em contido
conjunto um pontos, de conjunto Sejam
X x X
A X
e
) ( 1 ) ( x x
A A
=
A
Mtodos de Computao Inteligente 16
Operadores dos Conjuntos Fuzzy
Em conjuntos Fuzzy,

o que no satisfaz a teoria dos conjuntos clssica.


Lgica
Fuzzy
), ( ) ( e ) ( ) ( FALSE A A TRUE A A = =
1 1/2
) 2 / 1 , 2 / 1 1 max(
)) ( ), ( max( ) (
= =
=
= A A A A
0 1/2
) 2 / 1 , 2 / 1 1 min(
)) ( ), ( min( ) (
= =
=
= A A A A
, 2 / 1 ) ( Considere = A
Mtodos de Computao Inteligente 17
Lgica
Fuzzy
Sistemas Fuzzy
Externamente so menos complexos e mais fceis de
entender.

Os problemas so rapidamente isolados e fixados, reduzindo
o tempo de manuteno.

Requisitam menos regras, por isso o tempo mdio entre as
falhas diminui.
Mtodos de Computao Inteligente 18
Lgica
Fuzzy
Sistemas Fuzzy
Possuem grande habilidade para modelar sistemas
comercias altamente complexos.
sistemas convencionais tem dificuldade em resolver problemas
no-lineares complexos.

So capazes de aproximar o comportamento do sistema
porque apresentam vrias propriedades no-lineares e pouco
compreensveis.

Mtodos de Computao Inteligente 19
Lgica
Fuzzy
Sistemas Fuzzy
Benefcios para os especialistas:
habilidade em codificar o conhecimento de uma forma prxima a
linguagem usada por eles.
Mas o que faz uma pessoa ser um especialista?
a capacidade em fazer diagnsticos ou recomendaes em termos
imprecisos.
Sistemas Fuzzy capturam uma habilidade prxima do
conhecimento do especialista.
O processo de aquisio do conhecimento :
mais fcil,
mais confivel,
menos propenso a falhas e ambigidades.
Mtodos de Computao Inteligente 20
Lgica
Fuzzy
Sistemas Fuzzy
capaz de modelar sistemas envolvendo mltiplos especialistas.
Nos sistemas do mundo real, h vrios especialistas sob um
mesmo domnio.
Representam bem a cooperao mltipla, a colaborao e os
conflitos entre os especialistas.
Um exemplo das posies dos gerentes de controle, de
produo, financeiro e marketing.
Nosso preo deve ser baixo.
Nosso preo deve ser alto.
Nosso preo deve ser em torno de 2*custo
Se o preo dos concorrentes no muito alto ento nosso preo deve ser
prximo do preo deles.
Mtodos de Computao Inteligente 21
Lgica
Fuzzy
Sistemas Fuzzy
Devido aos seus benefcios, como:
regras prximas da linguagem natural
fcil manuteno
simplicidade estrutural

Os modelos baseados em sistemas Fuzzy so validados com
maior preciso.

A confiana destes modelos cresce.
Mtodos de Computao Inteligente 22
Lgica
Fuzzy
Sistemas Fuzzy
Sistemas especialistas convencionais so modelados a partir
da:
probabilidade Bayesiana
algumas fatores de confiana ou certeza.

Ambas alternativas confiam na transferncia de valores
incertos fora do prprio modelo.

Sistemas Fuzzy fornecem a sistemas especialistas um mtodo
mais consistente e matematicamente forte para manipulao
de incertezas.
Mtodos de Computao Inteligente 23
Lgica
Fuzzy
Sistemas Fuzzy
Um exemplo de sistema especialista baseado em regras
simples para prever o peso de uma pessoa:
If altura > 1.65 and altura < 1.68
then peso is 60, CF =.082

O mesmo exemplo baseado lgica Fuzzy:
if altura is ALTA then peso is PESADO
Mtodos de Computao Inteligente 24
Lgica
Fuzzy
Raciocnio Fuzzy
Nos sistemas especialista convencionais:
as proposies so executadas seqencialmente
heursticas e algoritmos so usados para reduzir o nmero de
regras examinadas.

Nos sistemas especialistas Fuzzy:
o protocolo de raciocnio um paradigma de processamento
paralelo
todas as regras so disparadas

Mtodos de Computao Inteligente 25
Lgica
Fuzzy
1 FUZZIFICAO
2 INFERNCIA
AGREGAO
3 DEFUZZIFICAO
COMPOSIO
Etapas do Raciocnio
Mtodos de Computao Inteligente 26
Etapas do Raciocnio
Lgica
Fuzzy
Lingustico
Numrico
Nvel
Variveis Calculadas
Variveis Calculadas
(Valores Numricos)
(Valores Lingusticos)
Inferncia
Variveis de Comando
Defuzzificao
Objeto
Fuzzificao
(Valores Lingusticos)
Variveis de Comando
(Valores Numricos)
Nvel
Mtodos de Computao Inteligente 27
Lgica
Fuzzy
Etapas do Raciocnio
Proposio 1 Proposio 2 Proposio 3 Proposio n
Defuzzificao
Defuzzificao
Valor Esperado
Valor Esperado
Composio
Composio
Mtodos de Computao Inteligente 28
Fuzzificao e Certeza
Lgica
Fuzzy
Diferentes Faces da Impreciso
INEXATIDO
PRECISO
INDECISO
AMBIGUIDADE
Mtodos de Computao Inteligente 29
Saber o que realmente
Saber o que representar
Fuzzificao e Certeza
Lgica
Fuzzy
Qual o porqu deste problema existencial ?
Mtodos de Computao Inteligente 30
Fuzzificao e Certeza
Lgica
Fuzzy
Lgica Fuzzy um clculo de compatibilidade. Ela trabalha com
a descrio das caractersticas das propriedades ;
Lgica Fuzzy x Probabilidade ;
Descreve caractersticas que variam continuamente, associando
partes dos valores a significados semnticos ;
Poder relacionado a existncia de overlap;
Representa uma medida de pertinncia de um elemento a um
conjunto Fuzzy;
No acaba com o tempo. uma propriedade intrnseca de um
evento ou objeto.
Mtodos de Computao Inteligente 31
Fuzzificao e Impreciso
Lgica
Fuzzy
Por que impreciso:
Ela existe devido a nossa incoerncia em compreender um
fenmeno do mundo real.
Ferramentas baseadas na viso formalizada de Aristteles.
O que dizer da seguinte declarao:
O CARRO EST RPIDO
Mtodos de Computao Inteligente 32
Fuzzificao e Impreciso
Lgica
Fuzzy
O CARRO EST RPIDO
O que significa rpido?
A qual conjunto rpido pertence?
Modelo Dependente do Contexto
Mtodos de Computao Inteligente 33
Fuzzificao e Impreciso
Lgica
Fuzzy
Curiosidade do Cotidiano:
Dilogo entre Glauber e Carina para decidir
O quo rpido um carro rpido
Mtodos de Computao Inteligente 34
Fuzzificao e Impreciso
Lgica
Fuzzy
Glauber: ... ento podemos criar uma categoria para
carros rpidos u
RPIDO
[x] = { velocidade > 100 };
Carina: ... e um carro a 99.5 km/h no rpido?
Glauber: ... vamos aumentar o limite para 99, combinado?
Carina: ... ainda no. E 98.5?
Glauber: Temos que parar em algum ponto !
Carina: Porque?
Glauber: ... concordar em algum ponto onde os carros no
esto rpidos.
Mtodos de Computao Inteligente 35
Carina: verdade. Ento vamos dizer que carros abaixo
de 35 km/h no so rpidos.
Glauber: ... conclumos que u
RPIDO
[x] = { velocidade > 35 e
velocidade > 100 }. No, no podemos ter dois
limites para rpido. Ento u
RPIDO
[x] = { velocidade > 35 }.
Carina: No! Carros a 35 km/k so lentos para serem
considerados rpidos.
Glauber: Sem problemas. 35 ser o mnimo para ser
considerado rpido - no em todos os casos, e
Fuzzificao e Impreciso
Lgica
Fuzzy
Mtodos de Computao Inteligente 36
Fuzzificao e Impreciso
Lgica
Fuzzy
Glauber: 100 ser a velocidade que ns dois
consideramos ser rpido. Qualquer valor entre
eles ter o seu grau de rapidez.


CONCLUSES ?
Mtodos de Computao Inteligente 37
Esta variao de grau de rapidez significa que alguns carros estaro
mais fortemente associados com a categoria rpido do que outros;

Este grau pode assumir qualquer valor em um determinado
intervalo, no ficando restrito apenas a PERTENCER ou NO
PERTENCER aquele intervalo;

Finalmente Glauber e Carina conseguiram entender o princpio da
lgica Fuzzy.
Fuzzificao e Certeza
Lgica
Fuzzy
Mtodos de Computao Inteligente 38
Fuzzificao
Lgica
Fuzzy
Etapa no qual as variveis lingsticas so definidas de forma
subjetiva, bem como as funes membro (funes de pertinncia).
Engloba:
Anlise do Problema;
Definio das Variveis;
Definio das Funes de Pertinncia; e
Criao das Regies.
Mtodos de Computao Inteligente 39
Fuzzificao
Lgica
Fuzzy
Na definio das funes de pertinncia para cada varivel,
diversos tipos de espao podem ser gerados.

Os mais comuns so: Triangular, Trapezoidal, Singleton e
Shouldered


Mtodos de Computao Inteligente 40
Fuzzificao
Lgica
Fuzzy
TRIANGULAR:
Frio Normal Quente
Mtodos de Computao Inteligente 41
Fuzzificao
Lgica
Fuzzy
TRAPEZOIDAL:
Lento Rpido
Mtodos de Computao Inteligente 42
Fuzzificao - Exemplo
Lgica
Fuzzy
Mtodos de Computao Inteligente 43
Inferncia
Lgica
Fuzzy
Etapa na qual as proposies (regras) so definidas e depois so
examinadas paralelamente.
Engloba:
Definio das proposies;
Anlise das Regras; e
Criao da regio resultante.
Mtodos de Computao Inteligente 44
Inferncia
Lgica
Fuzzy
O mecanismo chave do modelo Fuzzy a proposio.

A proposio o relacionamento entre as variveis do modelo e
regies Fuzzy

Na definio das proposies, deve-se trabalhar com:

PROPOSIES CONDICIONAIS

PROPOSIES NO CONDICIONAIS

Mtodos de Computao Inteligente 45
PROPOSIES CONDICIONAIS:
if W is Z then X is Y

PROPOSIES NO-CONDICIONAIS:
X is Y
Inferncia
Lgica
Fuzzy
Mtodos de Computao Inteligente 46
COMPOSIO:
Calcula a influncia de cada regra nas variveis de sada.
Inferncia
Lgica
Fuzzy
AGREGRAO:
Calcula a importncia de uma determinada regra para a situao
corrente.
Mtodos de Computao Inteligente 47
Inferncia
Lgica
Fuzzy
Regras de Inferncia:
1 - IF durao = longa AND qualidade = alta THEN risco = mdio
2 - IF durao = mdia AND qualidade = alta THEN risco = baixo
3 - IF durao = curta AND qualidade = baixa THEN risco = baixo
4 - IF durao = longa AND qualidade = mdia THENA risco = alto

Mtodos de Computao Inteligente 48
Defuzzificao
Lgica
Fuzzy
Etapa no qual as regies resultantes so convertidas em valores para
a varivel de sada do sistema;

Esta etapa corresponde a ligao funcional entre as regies
Fuzzy e o valor esperado;

Dentre os diversos tipos de tcnicas de defuzzificao destacamos:
Centride, First-of-Maxima, Middle-of-Maxima e Critrio Mximo.

Mtodos de Computao Inteligente 49
Defuzzificao
Lgica
Fuzzy
Exemplos:
z
0
z
0
z
0

Centride First-of-Maxima Critrio Mximo
Mtodos de Computao Inteligente 50
Lgica Fuzzy no Mundo
Lgica
Fuzzy
Lgica Fuzzy tornou-se tecnologia padro e tambm aplicada em
anlise de dados e sinais de sensores;
Tambm utiliza-se lgica fuzzy em finanas e negcios;
Aproximadamente 1100 aplicaes bem sucedidas foram publicadas
em 1996; e
Utilizada em sistemas de Mquinas Fotogrficas, Mquina de Lavar
Roupas, Freios ABS, Ar Condicionado e etc.

Mtodos de Computao Inteligente 51
Concluso
Lgica
Fuzzy
Lgica Fuzzy uma importante ferramenta para auxiliar a
concepo de sistemas complexos, de difcil modelagem,
e pode ser utilizada em conjunto com outras tecnologias
de ponta, como o caso da combinao entre Lgica Fuzzy
e Redes Neurais Artificiais.
Mtodos de Computao Inteligente 52
Bibliografia
Lgica
Fuzzy
Cox, E. The Fuzzy Systems Handbook;

Kartalopoulos, S. V. Understanding Neural Networks and Fuzzy
Logic. IEEE PRESS, 1996;

Kosko, B. Fuzzy Engineering. Prentice-Hall, 1997;

Fullr, R. Neural Fuzzy Systems. Dissertao de Mestrado, Abo 1995