Baixe o app para aproveitar ainda mais
Prévia do material em texto
cro e sor Conjuntos Crisp e Fuzzy 1 LABIC Conceitos Básicos de Conjuntos Crisp e Fuzzy ClaudioClaudio Rodrigues de OliveiraRodrigues de Oliveira Solange Oliveira RezendeSolange Oliveira Rezende LABIC/SCE/ICMCLABIC/SCE/ICMC USP São CarlosUSP São Carlos cro e sor Conjuntos Crisp e Fuzzy 2 LABIC RoteiroRoteiro • Motivação • Conjuntos Crisp (Convencionais) • Conjuntos Fuzzy (Nebulosos ou Difusos) • Aplicações • Considerações Finais cro e sor Conjuntos Crisp e Fuzzy 3 LABIC MotivaçãoMotivação • Supera as limitações da lógica convencional • Permite tratar matematicamente expressões em linguagem natural • Representa o conhecimento superficial ou abstrato de um dado objeto referenciado • Tratamento de Incerteza • Representa o grau de verdade de uma dada proposição • Possui ampla aplicabilidade em sistemas de controle cro e sor Conjuntos Crisp e Fuzzy 4 LABIC Conjuntos Crisp (convencionais)Conjuntos Crisp (convencionais) • Um conjunto Crisp é definido como um subconjunto de um universo qualquer (conjunto universo X), onde possui elementos desse universo. • Ex: Conjunto Universo: {aranha, abelha, baleia, galinha, cachorro, elefante, mosca, jacaré} Conjunto dos Animais Mamíferos {baleia, cachorro, elefante} →Apenas uma parcela dos animais formam os mamíferos. →Somente eles representam os mamíferos com 100% de certeza. cro e sor Conjuntos Crisp e Fuzzy 5 LABIC Conjuntos Crisp (convencionais)Conjuntos Crisp (convencionais) • Função Característica A:X→{0,1} A(X)=1 se e somente se X ∈ A. A(X)=0 se e somente se X∉ A. cro e sor Conjuntos Crisp e Fuzzy 6 LABIC Lógica CrispLógica Crisp • A lógica aplicada aos conjuntos crisp é baseada na lógica de Aristóteles. • Faz uso da álgebra booleana. • Emprega o preceito da dualidade, ou seja, somente admite valores verdadeiro ou falso para uma dada proposição • Raciocínio baseado em premissas e conclusões Valor verdade de uma afirmaçãoValor verdade de uma afirmação cro e sor Conjuntos Crisp e Fuzzy 7 LABIC Relações Entre Conjuntos CrispRelações Entre Conjuntos Crisp a, b, c b, c, a a, b, c b, c, a 1. Igualdade * A = B Ex: A= {a,b,c} B= {b,a,c} A BA B a,c,b a,e,c,d a,c,b a,e,c,d 2. Diferença * A ≠ B Ex: A= {a,c,b} B= {a,e,c,d} A BA B cro e sor Conjuntos Crisp e Fuzzy 8 LABIC Relações Entre Conjuntos CrispRelações Entre Conjuntos Crisp 3. Inclusão * A ⊂ B Ex: A={a,b,c} B={a,b,c,d,e} A BA B A é subconjunto de BA é subconjunto de B a,b,c a,b,c a,b,c,d,ea,b,c,d,e cro e sor Conjuntos Crisp e Fuzzy 9 LABIC Relações Entre Conjuntos CrispRelações Entre Conjuntos Crisp 4. Intersecção * A ∩ B Ex: A={a,b,c,d,e,f,g} B={0,1,2,3,e,f,g} A ∩ B = {e,f,g} a,b,c,d,e,f,ga,b,c,d,e,f,g 0,1,2,3,e,f,g0,1,2,3,e,f,g A BA B a,b,c,d e,f,ga,b,c,d e,f,g 0,1,2,30,1,2,3 A ∩ B cro e sor Conjuntos Crisp e Fuzzy 10 LABIC Relações Entre Conjuntos CrispRelações Entre Conjuntos Crisp 5. União * A ∪ B Ex: A={a,b,c,d,e,f,g} B={0,1,2,3,e,f,g} A ∪ B = {0,1,2,3,a,b,c,d,e,f,g} a,b,c,d,e,f,ga,b,c,d,e,f,g 0,1,2,3,e,f,g0,1,2,3,e,f,g A BA B 0,1,2,3, a,b,c,d,e,f,g0,1,2,3, a,b,c,d,e,f,g A ∪ B cro e sor Conjuntos Crisp e Fuzzy 11 LABIC Relações Entre Conjuntos CrispRelações Entre Conjuntos Crisp 6. Complemento * ¬A Ex: U={a,b,c,d,e,f,g} A={a,b,c} ¬A = {d,e,f,g} a,b,c,d,e,f,g a,b,c,d,e,f,g AA d,e,f,g d,e,f,g Complemento de AComplemento de A Complemento de A Complemento de A em relação a Uem relação a U¬A cro e sor Conjuntos Crisp e Fuzzy 12 LABIC Propriedades dos Conjuntos CrispPropriedades dos Conjuntos Crisp 1.1. IINVOLUÇÃONVOLUÇÃO → A negação de um conjunto negado → Ex: A → Conjunto B → Universo A = {a,b,c} ¬¬A= A, onde ¬A = {d,e,f,g} e ¬¬A={a,b,c} A negação de um conjunto negado resulta no mesmo conjuntoresulta no mesmo conjunto cro e sor Conjuntos Crisp e Fuzzy 13 LABIC Propriedades dos Conjuntos CrispPropriedades dos Conjuntos Crisp 22. . LEILEI DODO MEIOMEIO EXCLUIDOEXCLUIDO Ex: A ∪ ¬A =X A união de um conjunto com seu complemento A união de um conjunto com seu complemento resulta no conjunto universoresulta no conjunto universo 33. . LEILEI DADA CONTRADIÇÃOCONTRADIÇÃO Ex: A ∩ ¬A = ∅ A intersecção de um conjunto com o seu A intersecção de um conjunto com o seu complemento resulta em conjunto vazio.complemento resulta em conjunto vazio. cro e sor Conjuntos Crisp e Fuzzy 14 LABIC Conjuntos FuzzyConjuntos Fuzzy ⇒Não Empregam Valores Verdade ⇒Um elemento pode pertencer com um certo grau a um dado conjunto ⇒Expressa valores linguísticos/ usa variáveis linguísticas ⇒Suporta modos de raciocínio aproximado ⇒O raciocínio exato corresponde um caso limite do raciocínio aproximado. ⇒O elemento de um conjunto fuzzy é representado por µi/χi, o que denota que: O elemento χi pertence ao conjunto fuzzy com grau µi. Grau de pertinênciaGrau de pertinência Grau de pertinênciaGrau de pertinência cro e sor Conjuntos Crisp e Fuzzy 15 LABIC Função de PertinênciaFunção de Pertinência • É a função que define os grau de pertinência do elemento num conjunto fuzzy. • µA:U⇒ [0,1] • X é mapeado por um valor Y e representa o grau de pertinência. • Ex: Seja A ⊆ X no qual: A = {2,4,6,8,10} A(x) = x/10 A(x) = 0.2, 0.4, 0.6, 0.8, 1 Representação Fuzzy de A: {0.2/2, 0.4/4, 0.6/6, 0.8/8, 1/10} cro e sor Conjuntos Crisp e Fuzzy 16 LABIC Exemplo de um Conjunto FuzzyExemplo de um Conjunto Fuzzy Adulto = {0/5+0/10+0.5/16+0.7/17+0.8/20+0.9/22+1/30+1/40} cada elemento tem o formato µi/χ i, sendo µi o grau de pertinência elementos de 5 a 10 → pertinência com grau 0. 30 a 40 → pertinência com grau 1 16,17,20,22 → graus de pertinência variando entre 0.5 e 0.9. ⇒ o símbolo + indica a união dos elementos e não soma algébricao símbolo + indica a união dos elementos e não soma algébrica imprecisãoimprecisão A notação para conjuntos fuzzy pode ser expressa da seguinte forma: A = {µ1/χ1 + µ2/χ 2+ µ3/χ 3 + µ4/χ 4+ ... + µn/χ n} cro e sor Conjuntos Crisp e Fuzzy 17 LABIC Representação GráficaRepresentação Gráfica 0 0,2 0,4 0,6 0,8 1 5 10 16 17 20 22 30 40 0 0,5 0,7 0,8 0,9 1 Representação Gráfica do Conjunto Representação Gráfica do Conjunto FuzzyFuzzy AdultoAdulto cro e sor Conjuntos Crisp e Fuzzy 18 LABIC Conjuntos Fuzzy do Tipo 2Conjuntos Fuzzy do Tipo 2 • Os graus de pertinência são conjuntos fuzzy do tipo 1. * Conjunto Fuzzy representando um conceito inteligente: 0/150/15 0.3/160.3/16 0.8/200.8/20 0/1.00/1.0 0.5/1.50.5/1.5 0.9/1.750.9/1.75 0/2.00/2.0 0.3/1.750.3/1.75 0.1/1.30.1/1.3 Alta/JoãoAlta/João Média/JoséMédia/José Baixa/MariaBaixa/Maria Média Alta BaixaMédia Alta Baixa Conjuntos Conjuntos FuzzyFuzzy representando os representando os valoresvalores linguísticoslinguísticos: Alta, Média, baixa: Alta, Média, baixa cro e sor Conjuntos Crisp e Fuzzy 19 LABIC Operações Sobre Conjuntos FuzzyOperações Sobre Conjuntos Fuzzy • Pode-se destacar as operações de complemento, união e intersecção. Sejam A e B conjuntos Sejam A e B conjuntos FuzzyFuzzy de X:de X: µµÃ-- Complemento de A:Complemento de A: ¬A(x) = 1 ¬A(x) = 1 -- A(x)A(x) à A ¬A (a)(a) 11 XX cro e sor Conjuntos Crisp e Fuzzy 20 LABIC Operações Sobre ConjuntosFuzzyOperações Sobre Conjuntos Fuzzy -- União de A com B:União de A com B: A(x) A(x) ∪∪ B(x) = B(x) = maxmax[A(x), B(x)][A(x), B(x)] AA BB (b)(b) µµAA∪∪BB XX AA (c)(c) -- Intersecção de A com B:Intersecção de A com B: A(x) A(x) ∩∩ B(x) = min[A(x), B(x)] µµAA∩ ∩ BB B(x) = min[A(x), B(x)] BB XXA A ∩∩ BB cro e sor Conjuntos Crisp e Fuzzy 21 LABIC Operações Sobre Conjuntos FuzzyOperações Sobre Conjuntos Fuzzy -- Negação de A: (d)(d) Negação de A: A ¬A A linha azul A linha azul representa a representa a negação do negação do conjunto conjunto fuzzyfuzzy A.A. cro e sor Conjuntos Crisp e Fuzzy 22 LABIC Variável LinguísticaVariável Linguística • Definição: é uma quíntupla (X,T(X),U,G,M), no qual: X: nome da variável T(X):Conjunto de valores linguisticos (atributos, adjetivos) de x U: Universo de discurso (faixa, intervalo) G: Regra sintática para gerar os valores de x. M: Regra semântica para associar cada valor a seu significado. • Exemplo: → X=T=Temperatura → T(X)={baixa, muito baixa, moderadamente alta, ...} → U: [100°C, 500°C] → baixa: T abaixo de .... (G) → por volta de 250 °C (M): cro e sor Conjuntos Crisp e Fuzzy 23 LABIC Aplicações em Outras Áreas de IAAplicações em Outras Áreas de IA ⇒⇒ Sistemas Especialistas Sistemas Especialistas ⇒⇒ Sistemas Baseados em ConhecimentoSistemas Baseados em Conhecimento ⇒⇒ Redes Neurais ArtificiaisRedes Neurais Artificiais ⇒⇒ ComputaComputaçção com Palavrasão com Palavras ⇒⇒ RaciocRaciocíínio Aproximadonio Aproximado ⇒⇒ Linguagem NaturalLinguagem Natural cro e sor Conjuntos Crisp e Fuzzy 24 LABIC Aplicações IndustriaisAplicações Industriais ⇒⇒ Controle de ProcessosControle de Processos ⇒⇒ RobRobóóticatica ⇒⇒ ModelamentoModelamento de Sistemas parcialmente abertosde Sistemas parcialmente abertos ⇒⇒ Reconhecimento de PadrõesReconhecimento de Padrões ⇒⇒ Apoio ao Processo de Tomada de DecisõesApoio ao Processo de Tomada de Decisões cro e sor Conjuntos Crisp e Fuzzy 25 LABIC Considerações FinaisConsiderações Finais A teoria dos conjuntos A teoria dos conjuntos fuzzyfuzzy e a aplicação e a aplicação da lógica nebulosa representam um grande da lógica nebulosa representam um grande avanço científico, no sentido de que, por avanço científico, no sentido de que, por tratarem de incerteza, produzem soluções tratarem de incerteza, produzem soluções mais próximas do mundo natural, para mais próximas do mundo natural, para sistemas de diversos tipos, do que outros sistemas de diversos tipos, do que outros métodos.métodos. cro e sor Conjuntos Crisp e Fuzzy 26 LABIC Algumas ReferênciasAlgumas Referências [Klir & Yuan 95] Klir G. J. and Yuan Bo, Fuzzy Sets and Fuzzy Logic – Theory and Aplications. Prentice Hall, N. J., 1995. [Zadeh & Kacprzyk 92] Zadeh L.A., Kacprzyk J., Fuzzy Logic For The Management of Uncertainty, N.Y./Chichester/Brisbane/Toronto/Singapore, John Wiley & Suns. Inc., 1992. [Kasabov 96] Kasabov N. K., Fundations of Neural Networks, Fuzzy Systems, and knowledge Engeneering, MIT – Massachusetts Institute of Technology, A Bradford Book, 1996. cro e sor Conjuntos Crisp e Fuzzy 27 LABIC AgradecimentosAgradecimentos * * José Augusto José Augusto FabriFabri, pelo material do exame de Qualificação , pelo material do exame de Qualificação Sistemas Sistemas NeuroNeuro--FuzzyFuzzy: Processamento e Aprendizado de : Processamento e Aprendizado de Conhecimento. UFSCar Conhecimento. UFSCar -- Departamento de Ciência da Departamento de Ciência da ComputaçãoComputação * Trabalho sobre conjuntos * Trabalho sobre conjuntos fuzzyfuzzy e lógica e lógica fuzzyfuzzy produzido pelos produzido pelos professora Heloisa Camargo da UFSCar. professora Heloisa Camargo da UFSCar. * Material disponível nas URLs:* Material disponível nas URLs: http://www.dee.ufc.br/~pimentel/fuzzy/fuzzy1.htmhttp://www.dee.ufc.br/~pimentel/fuzzy/fuzzy1.htm http://www.inf.ufpr.br/~joao/cap0023.htmlhttp://www.inf.ufpr.br/~joao/cap0023.html Roteiro Motivação Conjuntos Crisp (convencionais) Conjuntos Crisp (convencionais) Lógica Crisp Relações Entre Conjuntos Crisp Relações Entre Conjuntos Crisp Relações Entre Conjuntos Crisp Relações Entre Conjuntos Crisp Relações Entre Conjuntos Crisp Propriedades dos Conjuntos Crisp Propriedades dos Conjuntos Crisp Conjuntos Fuzzy Função de Pertinência Exemplo de um Conjunto Fuzzy Representação Gráfica Conjuntos Fuzzy do Tipo 2 Operações Sobre Conjuntos Fuzzy Operações Sobre Conjuntos Fuzzy Operações Sobre Conjuntos Fuzzy Variável Linguística Aplicações em Outras Áreas de IA Aplicações Industriais Considerações Finais Algumas Referências Agradecimentos
Compartilhar