Prévia do material em texto
ROTEIRO DE AULA PRÁTICA NOME DA DISCIPLINA: FUNDAMENTOS DA INTELIGÊNCIA ARTIFICIAL INTRODUÇÃO A elaboração deste texto permite a aplicação prática dos conhecimentos teóricos adquiridos ao longo do semestre, preparando o aluno para sua futura carreira profissional e proporcionando uma experiência prática significativa. Essa atividade possibilitará a aplicação dos conceitos básicos da inteligência artificial, divididos em duas etapas distintas. Na primeira etapa a lógica fuzzy será aplicada para um restaurante, demonstrando como é possível modificar decisões baseando-se em critérios subjetivos diversos, para isto basta, determinar os parâmetros a serem medidos, como por exemplo a qualidade do serviço e qualidade das refeições. Utilizamos a lógica nebulosa, criou-se sistema para determinar a gorjeta com base em variáveis de entrada, utilizando regras que refletem a incerteza e a variabilidade natural das avaliações humanas. A segunda etapa da atividade centra-se na implementação e análise de redes neurais artificiais, utilizando a linguagem Python. Este trabalho busca ilustrar como modelos de aprendizagem supervisionada podem ser usados para reconhecer padrões e fazer previsões com base em dados históricos. A prática envolve a construção e treinamento de uma rede neural, que mostra a aplicação de algoritmos de aprendizado para otimizar o desempenho do modelo. ATIVIDADE LÓGICA NEBULOSA EM SISTEMA ESPECIALISTA Checklist da Atividade Prática: Octave está funcionando corretamente. Criar as variáveis necessárias. Inserir as regras corretamente. Gerar valores para a gorjeta com base em diferentes qualidades de serviço e comida. Registrar seus resultados em um relatório. A seguir, avaliaremos um restaurante usando uma abordagem procedural presente no Octave. Utilizamos dois parâmetros para realizar o cálculo, sendo a qualidade dq comida e a qualidade do serviço, cujos paramêtros foram formatados para a escala de 0 a 10, onde zero é a menor e 10 a maior nota. Ao final da função, o programa determina o valor de pico com base nesses dois parâmetros passados para a função média. O primeiro passo é instalar e configurar o Octave, que está disponível no formato .exe para o sistema operacional Windows. Depois de baixar o executável o usuário deve seguir um passo a passo básico para executar o programa de configuração inicial dentro do ambiente operacional. Código procedural de cálculo da gorjeta do restaurante Na tela Classifier Output estarão os dados que iremos comparar, que são o “Root mean squared error” e “Confusion Matrix” como a seguir: Realizado um experimento onde fora conferido nota 4 para o comida e nota 2 para o serviço de atendimento, resultando numa gorjeta de 5% para o restaurante. Os grupos possíveis dentro do código são: Se a qualidade média for 4 ou menos, a gorjeta será de 5%. Se a qualidade média for entre 4 e 7, a gorjeta será de 10%. Se a qualidade média for acima de 7, a gorjeta será de 15%. Iremos apresentar como lógica nebulosa pode ser utilizada nesta questão, onde foi desenvolvido um novo código para realizar esse cálculo de forma mais agrupada de acordo com a avaliação de cada critério avaliado pelo cliente. O primeiro passo foi definir o sistema de oitavas e inserir os dados de entrada a serem utilizados no cálculo do sistema Fuzzy. As variáveis escolhidas foram a avaliação da comida e a avaliação do serviço, juntas determinarão a gorjeta final que o restaurante receberá. Prosseguindo, o código faz a definição da variável de saída para ajudar na definição da gorjeta, ao mesmo tempo uma lista de regras é construída para ser usada para o cálculo do valor correto da gorjeta. Finalizando, o código recebe as notas de comida e serviço e gera uma porcentagem de gorjeta para o cliente pagar ao restaurante. O resultado final é observado na sequencia, onde a partir de duas notas de entrada (da comida e do serviço) obtivemos uma percentagem razoável dentro das notas que foram usadas para o cálculo e que fazem sentido dentro do contexto do problema apresentado. LÓGICA NEBULOSA EM SISTEMA ESPECIALISTA Entender o conceito de redes neurais artificiais; Implementar através do Python uma RNA simples. Realizar e entender os resultados da quantidade de treinamentos. Inicialmente para realização desta atividade, temos que realizar a importação do módulo numpy para auxílio dos cálculos da rede neural proposta. A plataforma jdoodle foi usada para o desenvolvimento do projeto. Após, realizamos a definição do sigmóide e sua derivada a ser utilizada na rede neural. A definição do conjunto de dados de entrada e saída também é importantíssimo para auxiliar na determinação de padrões pelo algoritmo de classificação da rede neural. Os dados de entrada são chamados de X, enquanto que os dados de saída são chamados de Y dentro do código. Os pesos da sinapse serão inicializados com valores aleatórios. É comum inicializar os pesos com valores pequenos e aleatórios para quebrar a simetria e permitir o aprendizado. O algoritmo entra em um loop de repetição para realizar o ajuste da rede neural usando o sigmóide e sua derivada. É muito importante realizar o ajuste na rede usando os dados de saída para obter o melhor desempenho do algoritmo de acordo com os dados de entrada. Findando, os dados de saída da rede são apresentados para o usuário a fim de demonstrar a eficiência do algoritmo para o conjunto de dados fornecidos do treinamento da rede neural. CONCLUSÃO Comparando os dados apresentados, vemos que no exemplo 1 onde fora utilizado o “Use training set”, o Root mean squared error (RMSE) foi baixo. Analisando vemos que os dados foram positivos, porém ao verificar a Confusion Matrix, esta apresentou número significativo de classificação errôneas, em especial para a classe de testes positivos. Este portfólio proporcionou a realização da aplicação de conceitos fundamentais da inteligência artificial, onde fora dividida em duas partes distintas, visando proporcionar a compreensão das técnicas específicas do domínio. A primeira etapa apresentou à implementação da lógica fuzzy a fim de avaliar um restaurante, utilizando o Octave. Este processo incluiu a criação e configuração do ambiente, variáveis e regras necessárias e a geração de valores para gorjeta, tomando por base a qualidade do serviço e dos alimentos servidos. A lógica nebulosa proporciona abordagem flexível e intuitiva para definição do valor da gorjeta, comparando com outras metodologias mais rígidas, fornecendo assim avaliação com maiores detalhes Na segunda etapa exploramos a utilização de redes neurais artificiais, concebidas em Python. Iniciou- se importando módulos essenciais, como o NumPy, e definição das funções fundamentais, como a sigmoide e sua derivada. A rede neural é então treinada utilizando dados de entrada e saída, com ajustes realizados nos pesos sinápticos para otimizar o aprendizado. Este processo é seguido por uma análise dos resultados, que demonstra a eficácia da rede neural em classificar e prever padrões com base nos dados fornecidos. Ao realizar a atividade de valor percentual da gorjeta, utilizando a lógica nebulosa, permitiu abordagem intuita e flexível para a avaliação subjetiva, por outro lado a rede neural desenvolvida em Python, apresenta como é importante os algoritmos de aprendizado supervisionado na classificaçãoe previsão de padrões. BIBLIOGRAFIA COELHO, José. Introdução à Inteligência Artificial: introdução. 2023 BASSI, Pedro Ricardo Ariel Salvador; DE FAISSOL ATTUX, Romis Ribeiro. Fundamentos de redes neurais profundas. Revista dos Trabalhos de Iniciação Científica da UNICAMP, n. 26, 2018.