Академический Документы
Профессиональный Документы
Культура Документы
Conhecimento e Sistemas
Especialistas
Prof. Jonas Borges
Lgicas No-Clssicas
As lgicas no-clssicas podem ser classificadas em dois grupos distintos:
Extenses da lgica clssica: adicionam um vocabulrio novo, portanto
novos teoremas e inferncias vlidas, mas mantm todos os teoremas
originais
Lgica Modal
Lgica Temporal
Lgicas No-Monotnicas
Desvios da lgica clssica: em geral mantm o vocabulrio original da
lgica clssica, no entanto difere com respeito a teoremas e
inferncias vlidas
Lgica Multi-Valorada
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.
Origem da Informao:
Modelagem do Conhecimento de Especialistas
Representao de informao extrada de dados
inerentemente imprecisos
Anlise de dados
Construo de sistemas especialistas
Controle e otimizao
Reconhecimento de padres, etc.
11
Lgica Fuzzy:
Ideia: todas as coisas admitem graus (temperatura,
altura, velocidade, distncia, etc...)
Mrio alto
A proposio verdadeira para uma altura de Mario 1,65m ?
...mais ou menos....
Conjuntos Fuzzy
Conjuntos com limites imprecisos
A = Conjunto de pessoas altas
Conjunto Clssico
1.0
Conjunto Fuzzy
1.0
.9
.8
Funo de
pertinncia
.5
1.75
Altura(
m)
Altura
(m)
A:X[0,1]
A {( x, A ( x )) | x X }
Conjunto
fuzzy
Funo de
pertinncia
(MF)
Universo ou
Universo de discurso
Funo de Pertinncia
Vrias formas diferentes
Representadas uma funo de mapeamento
Caractersticas das funes de pertinncia:
Medidas subjetivas
Funes no probabilsticas monotonicamente
crescentes, decrescentes ou subdividida em parte
crescente e parte decrescente.
MFs
.8
alto nos EUA
.5
alto na Itlia
.1
1.75
Altura (m)
(b) Trapezoidal
1
Grau de Pertinncia
Grau de Pertinncia
1
0.8
0.6
0.4
0.2
0
0.8
0.6
0.4
0.2
0
20
40
60
80
100
(c) Gaussiana
40
60
80
100
80
100
1
Grau de Pertinncia
20
0.8
0.6
0.4
0.2
0
0.8
0.6
0.4
0.2
0
20
40
60
80
100
20
40
60
Funo de pertinncia:
Universo Discreto
X = {SF, Boston, LA} (discreto e
no ordenado)
Grau de Pertinncia
1
0.8
0.6
0.4
X = {0, 1, 2, 3, 4, 5, 6}
(discreto)
0.2
0
2
X = Nmero de filhos
A = Nmero de filhos
A = {(0, .1), (1, .3), (2, .7), (3,
1), (4, .6), (5, .2), (6, .1)}
Funo de pertinncia:
Universo Contnuo
X = (Conjunto de
nmeros reais
positivos) (contnuo)
Grau de Pertinncia
1
0.8
0.6
0.4
0.2
0
0
50
100
X = Idade
B(x)
1
2
x
50
10
B = {(x, B(x) )| x em X}
Partio Fuzzy
Grau de Pertinncia
1.2
Jovem
Maduro
Idoso
1
0.8
0.6
0.4
0.2
0
0
10
20
30
40
50
X = Idade
60
70
80
90
Variveis Lingusticas
Uma varivel lingustica possui valores que no so nmeros, mas
sim palavras ou frases na linguagem natural.
Idade = idoso
Representao
(a) Conjuntos Fuzzy A e B
Grau de Pertinncia
A est contido em B
1
0.8
0.6
B
A
1
0.8
0.6
0.4
0.2
0
0.4
0.2
1
0.8
0.6
0.4
0.2
0
1
0.8
0.6
0.4
0.2
0
Regras Fuzzy
Consistem:
Conjunto de condies SE
(usando conectivos E, OU ou NEGAO)
Uma concluso ENTO
Exemplo: velocidade
Valor: [0,220] km/h
1.
2.
2.
Se velocidade alta
Ento DPP longa
Se velocidade baixa
Ento DPP curta
Regras Fuzzy
E o raciocnio?
Avaliar o antecedente
Aplicar o resultado ao consequente
As regras so ativadas parcialmente, dependendo do
antecedente
Pesado
.75
.75
.5
.5
.1
.1
1.85
90
Sistemas Fuzzy
Um exemplo de sistema especialista baseado
em regras simples para prever o peso de uma
pessoa:
SE altura > 1.65 E altura < 1.68
ENTO peso 60, CF =.082
Fuzzificao e Impreciso
Por que impreciso:
Ela existe devido a nossa incoerncia em
compreender um fenmeno do mundo real.
Ferramentas baseadas na viso formalizada de
Aristteles.
Fuzzificao e Impreciso
O CARRO EST RPIDO
O que significa rpido?
A qual conjunto rpido pertence?
Raciocnio Fuzzy
Nos sistemas especialista convencionais:
as proposies so executadas seqencialmente
heursticas e algoritmos so usados para reduzir o
nmero de regras examinadas.
1.FUZZIFICAO
2.INFERNCIA
AGREGAO
COMPOSIO
3.DEFUZZIFICAO
Variveis Calculadas
(Valores Lingusticos)
Nvel
Lingustico
Inferncia
(Valores Lingusticos)
Defuzzificao
Fuzzificao
Nvel
Numrico
Variveis Calculadas
(Valores Numricos)
Objeto
Variveis de Comando
(Valores Numricos)
Fuzzificao
Etapa na 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
Criao das Regies
Fuzzificao
TRIANGULAR
TRAPEZOIDAL
Lento Rpido
Inferncia Fuzzy
Etapa na qual as proposies (regras) so
definidas e depois so examinadas
paralelamente
Engloba:
Definio das proposies
Anlise das Regras
Criao da regio resultante
Inferncia Fuzzy
AGREGRAO
Calcula a importncia de uma determinada regra
para a situao corrente
COMPOSIO
Calcula a influncia de cada regra nas variveis de
sada.
Regras de Inferncia
1. SE durao = longa E qualidade = alta
ENTO risco = mdio
2. SE durao = mdia E qualidade = alta
ENTO risco = baixo
3. SE durao = curta E qualidade = baixa
ENTO risco = baixo
4. SE durao = longa E qualidade = mdia
ENTO A risco = alto
Defuzzificao
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
destaca-se:
Centride
First-of-Maxima
Middle-of-Maxima
Critrio Mximo
Defuzzificao
Exemplos:
z0
Centride
z0
First-of-Maxima
z0
Critrio Mximo
Base de conhecimento
Se dinheiro adequado ou pessoal pequeno ento risco
pequeno
Se dinheiro mdio e pessoal alto, ento risco normal
Se dinheiro inadequado, ento risco alto
Pessoal
.75
.8
.25
.2
60
35
Baixo
Alto
Risco
0,25
Adequado
0,0
Baixo
ou
Regra 2:
Risco
0,8
mdio
0,25
Alto
Inferncia Fuzzy
Regra 3:
Risco
0,75
Inadequado
Inferncia Fuzzy
Passo 3: Defuzzificao
Risco
0,75
0,25
10 20 30 40 50 60 70 80 90 100
70 ,4
0,2 0,2 0,2 0,2 0,25 0,25 0,25 0,75 0,75 0,75
3,8
Fontes
Slides de Marclio C. P. de Souto
Slides de Anne Magly de Paula Canuto
Slides de Prof. Germano Lambert-Torres