Tipos de sistemas (ia, lógica difusa, algoritmos geneticos etc)

Prévia do material em texto

Tipos de sistemas (ia, lógica difusa, algoritmos geneticos, etc) 1
Tipos de sistemas (ia, lógica 
difusa, algoritmos geneticos, etc)
Sistemas especialistas Base de conhecimento 
sistemas que modelam o conhecimento humano como uma série de regras. Exemplo: 
Sistema de liberação de crédito financeiro.
Mecanismo de inferência 
É a estratégia usada para pesquisar a coleção de regras e formular conclusões.
Engenheiro do conhecimento 
É um especialista em SI com talento especial para extrair informações e perícia de 
outros profissionais.
Raciocínio baseado em casos 
Conhecimento organizacional capturado e armazenado utilizando raciocínio baseado 
nos casos.
Sistemas de lógica difusa 
É uma tecnologia baseada em regras que representa tal imprecisão criando regras que 
usam valores aproximados ou subjetivos. Descrevem um fenômeno ou processo 
particular linguisticamente e, depois, representam essa descrição em um pequeno 
número de regras flexíveis.Oferecem soluções para problemas que exigem 
conhecimento técnico difícil de representar na forma de rígidas regras “se-então”. 
Exemplo: no Japão, o sistema de metrô de Sendai utiliza controles com lógica difusa 
para acelerar tão suavemente que os passageiros que estão em pé nem precisam se 
segurar.
Redes neurais 
Usadas para resolver problemas complexos e não totalmente compreendidos, com 
grandes quantidades de dados coletadas . “Aprendem” padrões a partir de grandes 
Tipos de sistemas (ia, lógica difusa, algoritmos geneticos, etc) 2
quantidades de dados; para tanto, “peneiram” os dados, procuram relações, constroem 
modelos e os revisam várias vezes, corrigindo seus próprios erros.
Os seres humanos “treinam” a rede alimentando-a com dados para os quais as 
entradas produzem um conjunto conhecido de saídas ou conclusões. Úteis na solução 
de problemas complexos e de difícil compreensão, para os quais grandes volumes de 
dados foram coletados.
Algoritmos genéticos 
Servem para encontrar a solução ideal de um problema, após exame de um imenso 
número de soluções alternaUvas. Baseados em métodos inspirados na biologia 
evolucionária, tais como herança, mutação, seleção e cruzamento (recombinação).
Algoritmos genéticos Funcionam representando informações como cadeias de 0 e 1. 
Depois, pesquisam randomicamente as cadeias de combinações de dígitos geradas, 
para identificar a melhor solução possível. Usados para resolver problemas que sejam 
muito dinâmicos e complexos, envolvendo centenas de milhares de variáveis ou 
fórmulas.
Agentes inteligentes 
São sotwares que trabalham na retaguarda, sem intervenção direta humana, que 
executam tarefas específicas, repetitivas e previsíveis para um único usuário, processo 
de negócio ou aplicativo.