Estácio_ Alunos2

Prévia do material em texto

29/05/23, 18:34 Estácio: Alunos
https://simulado.estacio.br/alunos/ 1/5
 
Meus
Simulados
Teste seu conhecimento acumulado
Disc.: MODELAGEM E SIMULAÇÃO DE SISTEMAS   
Aluno(a): LEONARDO DE PAULA GOMES 202104582986
Acertos: 10,0 de 10,0 28/05/2023
Acerto: 1,0  / 1,0
Allan Turing é reconhecido como o maior precursor da Inteligência Arti�cial. Turing desenvolveu um teste para
determinar se uma máquina é inteligente ou não. Assinale a alternativa que apresenta uma característica do
chamado "Teste de Turing".
 Se for possível concluir se o interrogado é uma pessoa ou uma máquina, a máquina possui inteligência.
Uma pessoa pode fazer várias perguntas a outra pessoa.
Nunca é possível distinguir se o interrogado é uma máquina ou pessoa.
Nunca há dúvida sobre quem é o interrogado.
O interrogador precisa saber quem é o interrogado.
Respondido em 28/05/2023 10:56:19
Explicação:
Uma pessoa em um terminal pode fazer várias perguntas, sem saber quem é o interrogado. Se houver confusão sobre
o interrogado ser outra pessoa ou uma máquina compreende-se que a máquina possui inteligência, pois consegue
imitar tal característica humana e�cientemente, caso seja possível distinguir entre máquina e a pessoa, não há
inteligência.
Acerto: 1,0  / 1,0
A Teoria Fuzzy foi inicialmente sugerida em 1930 por Jan Lukasiewicz para análise de problemas especí�cos.
Que tipo de problema a Teoria Fuzzy busca solucionar?
 Problemas de múltiplicade de valores de possibilidades simultâneas.
Problemas de regressão linear de funções.
Problemas de controle multiobjetivo.
Problemas exclusivamente teóricos.
Problemas discritivos.
Respondido em 28/05/2023 10:58:39
Explicação:
 Questão1
a
 Questão2
a
https://simulado.estacio.br/alunos/inicio.asp
javascript:voltar();
29/05/23, 18:34 Estácio: Alunos
https://simulado.estacio.br/alunos/ 2/5
A análise que era feita antes da Teoria Fuzzy era capaz de expressar resultados simples, como ¿verdadeiro¿ e ¿falso¿,
não sendo capaz de propor valores de intensidade, como ¿maior¿, ¿menor¿, ¿melhor¿ ou ¿pior¿. Para esse tipo de
problemas foi proposta a Teoria Fuzzy.
Acerto: 1,0  / 1,0
Os conjuntos fuzzy são uma generalização dos conjuntos clássicos, ao superar os princípios do meio excluído e
da não-contradição, fazendo-se valer do conceito da Dualidade. Logo, a propriedades do conjunto fuzzy, que os
diferenciam dos conjuntos tradicionais é:
 
Respondido em 28/05/2023 11:00:38
Explicação:
Na lógica clássica, uma proposição é verdadeira ou sua negação é verdadeira. Em termos da linguagem de conjuntos,
tem-se que:
Presmissa vencida pela lógica aplicada aos conjuntos Fuzzy.
Acerto: 1,0  / 1,0
Determine a relação identidade obtida de  , onde
 
Respondido em 28/05/2023 11:04:22
Explicação:
Um das relações possíveis é um caso especial que pode ser considerado, quando os pares ordenados são os mesmos,
chamado relação identidade .
No caso aplicado
Acerto: 1,0  / 1,0
A ∪
¯̄¯̄
A ≠ U
A ∪ A = A
A ∩ A = A
A ∩
¯̄¯̄
A =
¯̄¯̄
A
A ∩
¯̄¯̄
A = A
A ∪
¯̄¯̄
A = U
A × A = A2
A = {x, y, w, z}
IA = {(x
2); (y2); (w2); (z2)}
IA = {(x, y); (y, x); (w, z); (z, w)}
IA = {(x, x); (y, y); (w, w); (z, z)}
IA = {(x, y); (x, w); (x, z); (y, x); (y, w); (y, z); (w, x); (w, y); (w, z); (z, x); (z, y); (z, w)}
IA = {(x, x); (x, y); (x, w); (x, z)}
IA
IA = {(x, x); (y, y); (w, w); (z, z)}
 Questão3
a
 Questão4
a
 Questão5
a
29/05/23, 18:34 Estácio: Alunos
https://simulado.estacio.br/alunos/ 3/5
A equivalência conectiva, ou a operação bicondicional é de�nida em que termos das operações apresentadas
nas opções seguintes?
 
Respondido em 28/05/2023 11:55:50
Explicação:
A equivalência conectiva é dada por 
Acerto: 1,0  / 1,0
O processo de fuzzi�cação de uma variável pode ser extremamente útil, tanto no ponto de vista da engenharia
de tomada de decisões, como no cotidiano, colaborando com de�nições de conceitos do mundo físico.
Através dos conceitos aprendidos sobre fuzzi�cação, assinale a alterantiva que correta.
Fuzzi�cação é independente das funções de pertinência.
 Fuzzi�cação é o processo de admitir uma variável discreta e de�nida e convertê-la em uma variável
nebulosa.
Fuzzi�cação é converter uma variável nebulosa em uma de�nida.
Fuzzi�cação não permite admitir uma variáveis discretas.
Fuzzi�cação é a etapa em que variáveis numéricas são de�nidas de forma objetiva.
Respondido em 28/05/2023 11:20:25
Explicação:
A fuzzi�cação é o processo de admitir uma variável discreta e de�nida e convertê-la em uma variável nebulosa, sendo
a etapa na qual as variáveis linguísticas são de�nidas de forma subjetiva, bem como as funções de pertinência.
Exemplo: Um motorista dirigindo o seu carro numa rodovia com limite de velocidade de 110 km/h e se encontra numa
velocidade constante de 110 km/h. Um dos passageiros do carro diz que ele está "muito rápido" e o motorista
compreende a informação fuzzi�cada e admite que valores entre 80 km/h e 90 km/h são mais razoáveis. Mesmo
estando dentro do limite de velocidade, compreende-se que ir "menos rápido" pode gerar uma segurança maior.
Acerto: 1,0  / 1,0
Assinale a alternativa que apresenta a transformação inversa de uma grandeza para a qual foi atribuído um
valor linguístico, dando-lhe novamente um valor pontual.
 
decomposição
 defuzzy�cação
composição
fuzzy�cação
agregação
Respondido em 28/05/2023 11:23:06
¬p → q : x ∉ A ou x ∈ B
p ↔ q : x ∈ A se e somente se x ∈ B
p ↔ q : x ∉ A se e somente se x ∈ B
p → q : x ∉ A ou x ∈ B
¬p ↔ q : x ∉ A se e somente se x ∉ B
Se p → q e p → q,  então p ↔ q
 Questão6
a
 Questão7
a
29/05/23, 18:34 Estácio: Alunos
https://simulado.estacio.br/alunos/ 4/5
Explicação:
A defuzzyticação é uma transformação inversa de uma grandeza par a qual foi atribuído um valor linguístico, para dá-
lo novamente um valor pontual.
Acerto: 1,0  / 1,0
Métodos grá�cos que simulam o processo de inferência e que simpli�cam computações manuais envolvendo
algumas regras simples. Sobre os principais métodos de inferência grá�ca, assinale a alternativa que contém a
correta descrição.
 Sugeno tem um tempo de processamento melhor para uma defuzzi�cação.
Mamdani usa Média Ponderada na defuzzi�cação.
Tsukamoto, é muito útil quanto uma abordagem geral e para ser empregado em situações especí�cas.
Tsukamoto usa a técnica do Centróide de defuzzi�cação.
Sugeno é mais utilizado em suporte a decisões devido à natureza intuitiva a partir da base de regras.
Respondido em 28/05/2023 11:22:04
Explicação:
A diferença mais fundamental entre Mamdani, Tsukamoto e Sugeno está defuzzi�cação. Mamdani usa a técnica do
Centróide; enquanto Sugeno e Tsukamoto usam Média Ponderada para calcular a saída discreta. Sugeno tem um
tempo de processamento melhor para uma defuzzi�cação.
Devido à natureza interpretada e intuitiva a partir da base de regras, o Mamdani é amplamente utilizado,
especialmente para aplicativos de suporte a decisões.
Acerto: 1,0  / 1,0
As Redes Neurais Arti�ciais são quali�cadas para resolverem a aproximação universal de funções, pois podem
tratar até problemas não-lineares. Qual o componente no modelo matemático de uma RNA que atribui não-
linearidade a estrutura da RNA?
Bias (Tendência)
Paralelismo de neurônios
 Função de ativação
Soma de produtos
Somas consecutivas
Respondido em 28/05/2023 11:28:04
Explicação:
As funções de ativação são o conceito nos neurônios que permitem a não-linearidade aos mesmos.
Acerto: 1,0  / 1,0
As decisões podem ser de natureza binária, mas certamente não deve haver restrições à utilidade da informação
difusa no processo de tomada de decisão.
 Questão8
a
 Questão9
a
 Questão10
a
29/05/23, 18:34 Estácio: Alunos
https://simulado.estacio.br/alunos/ 5/5
Assinale a alternativa que apresenta etapas envolvidas na utilização da lógica fuzzy no processo de tomada de
decisões.
Valores discretos como resultado fuzzi�cado.
Remoção dos graus de pertinência na fuzzi�cação.
Adiçãoda in�uência nula de funções de pertiência.
 Aplicação de pesos às variáveis pelas funções de pertinência.
Interpretação do valor discreto fuzzi�cado.
Respondido em 28/05/2023 11:51:25
Explicação:
Os valores numéricos (discretos) são obtidos na fonte, os quais serão processados e analisados de acordo com
funções de pertinência adequados.
A fuzzi�cação desses valores dará a cada um deles pesos em cada uma das funções de pertinência, que são os graus de
pertinência.
Em seguida a in�uência de cada um desses graus é reconvertida em valores numéricos para serem lidos e analisados
para que se tenham dados robustos o su�ciente para uma boa tomada de decisões.