Baixe o app para aproveitar ainda mais
Prévia do material em texto
Protocolos de Redes e de Computadores AULA 02 INTELIGÊNCIA ARTIFICIAL – AULA 09 Prof. Msc. Alexandre José Braga da Silva alex.professor@gmail.com CCT0452 – Inteligência Articial Objetvos da Aula: • Introdução aos Sistemas Nebulosos; • Aplicações Usando Logica Fuzzy • A Álgebra Fuzzy; • Raciocínio Fuzzy; • Algoritmos Fuzzy. CCT0452 – Inteligência Articial Introdução aos Sistemas Nebulosos Este conceito surgiu primeiramente em 1965, com o pesquisador Lofi Zadeh. Os primeiros experimentos computacionais começara nos anos 80, no Japão. É uma técnica baseada em graus de verdade: Os valores 0 e 1 icam nas extremidades. Inclui os vários estados de verdade entre 0 e 1. CCT0452 – Inteligência Articial Introdução aos Sistemas Nebulosos A lógica difusa é a forma de lógica multvalorada na qual os valores lógicos das variáveis podem ser qualquer número real entre 0 (FALSO) e 1 (VERDADEIRO). Diferentemente, na lógica booleana, os valores lógicos das variáveis podem ser apenas 0 e 1. A lógica difusa foi estendida para lidar com o conceito de verdade parcial, onde o valor verdade pode compreender entre completamente verdadeiro e completamente falso. CCT0452 – Inteligência Articial Introdução aos Sistemas Nebulosos A lógica difusa tem sido aplicada em várias áreas, desde a teoria do controle à inteligência articial. A lógica difusa tem sido no entanto estudada desde meados da década de 1920, como lógica ininito- valorada. CCT0452 – Inteligência Articial Aplicações Lógica Fuzzy A lógica difusa também conhecida como Lógica Fuzzy (Fuzzy Logic) teve suas primeiras aplicações desenvolvidas na cidade Japonesa de Sendai para controle de trem bala. Esta aplicação possibilitou a melhora na economia, conforto, e precisão do percurso. Foi usado no reconhecimento de símbolos manuscritos em computadores de bolso da Sony. Na assistência de vôo para helicópteros Controlando sistemas metroviários de forma a melhorar o conforto de direção, precisão de parada, e economia de energia. Melhorou o consumo de combustvel para carros. Sistemas de previsão para reconhecimento antecipado de terremotos. CCT0452 – Inteligência Articial A Álgebra Fuzzy Na lógica proposicional, a cada proposição p associamos um entre dois valores possíveis: V ou F. É comum que sejam escolhidos valores numéricos como 1 para representar V e 0 para representar F. Um modelo fuzzy é construído associando-se um valor μ(p) a uma proposição p, indicando o grau de veracidade dessa proposição, sendo que μ(x) é uma função (arbitrária) cujo conjunto imagem está entre 0 e 1 (ou 0% e 100%). Caso p seja verdade, deve estar associado ao valor 100%, caso p seja falso deve ser associado ao valor 0%. CCT0452 – Inteligência Articial A Álgebra Fuzzy Existem uma ampla gama de funções que podem ser utlizadas como NÃO-fuzzy, E-fuzzy e OU-fuzzy, porém as que contém mais propriedades desejáveis e que simultaneamente são bastante fáceis de utlizar são: NÃO-fuzzy(x) = 1 - x E-fuzzy(x,y) = Mínimo(x,y) OU-fuzzy(x,y) = Máximo(x,y) Utlizando esse modelo, podemos construir o seguinte exemplo: CCT0452 – Inteligência Articial A Álgebra Fuzzy Suponha que se represente de forma fuzzy a altura de Alice (1,65 m), Bob (1,75 m), Carlos(2,0m) e Denise(1,45 m). Nossas proposições serão da forma "X é alto", e serão: A = Alice é alta, μ(A) = 0,55 B = Bob é alto, μ(B) = 0,75 C = Carlos é alto, μ(C) = 1 D = Denise é alta, μ(D) = 0 CCT0452 – Inteligência Articial A Álgebra Fuzzy Usando os operadores fuzzy descritos, podemos escrever airmações como: Carlos não é alto, NÃO(C), μ(NÃO(C)) = 1-μ(C) = 0 Bob não é alto, NÃO(B), μ(NÃO(B)) = 1-μ(B)= 0,25 Denise é alta e Alice é Alta, D e A, μ(D e A) = mínimo(μ(D),μ(A)) = 0 CCT0452 – Inteligência Articial A Álgebra Fuzzy A lógica Fuzzy está claramente associada a teoria dos conjuntos. Cada airmação (do tpo "Carlos é alto") representa na verdade o grau de pertnência de Carlos ao conjunto de pessoas altas. Isso permite que conjuntos como "alto" e "baixo" sejam tratados de forma separadas e airmações como "Carlos é alto 0,75" e "Carlos é baixo 0,50" sejam válidas simultaneamente, ao contrário do que seria esperado em um modelo booleano. CCT0452 – Inteligência Articial A Álgebra Fuzzy Fazer uma inferência difusa signiica aplicar regras do tpo SE X ENTÃO Y de forma que X e Y, e a própria sentença, sejam noções difusas. Dessa forma, se torna mais fácil interpretar matematcamente e implementar sistemas a partr do conhecimento humano, como em: SE A TEMPERATURA É ALTA E A PRESSÃO É ALTA ENTÃO O FLUXO DE COMBUSTÍVEL DEVE SER PEQUENO. CCT0452 – Inteligência Articial A Álgebra Fuzzy Os conjuntos (ALTO, MÉDIO e BAIXO para temperatura, por exemplo) permitem graus de pertnência, onde uma temperatura pode ter algum grau em todos os conjuntos, enquanto em um sistema booleano, apenas um valor seria possível. Assim, em sistemas difusos, com um conjunto de regras, várias regras aparentemente contraditórias são válidas simultaneamente, possuindo ainda um grau de validade. A solução inal é obtda por meio da agregação dos resultados por meio de alguma operação matemátca, como o cálculo do centro de massa da resposta obtda. CCT0452 – Inteligência Articial A Álgebra Fuzzy No caso da inferência, para cada conjunto de operações básicas NÃO, E e OU escolhidos, são possíveis várias versões da implicação. Isso porque, na lógica booleana, A → B (A implica B) é equivalente a várias sentenças. Outra forma de inferência difusa é aplicar regras como o modus ponens e modus tollens. Isso permite várias variações. Em uma delas, sabendo que "A implica B" de forma booleana, e tendo apenas um valor difuso de A, é possível calcular o valor de B. CCT0452 – Inteligência Articial Raciocínio Fuzzy O raciocínio fuzzy também conhecido como raciocínio aproximado pode ser dividido em 5 etapas: Transformação das variáveis do problema em valores fuzzy, ou fuzziicação; Aplicação dos operadores fuzzy; Aplicação da implicação; Combinação de todas as saídas fuzzy possíveis; Transformação do resultado fuzzy em um resultado booleano, a defuzziicação. CCT0452 – Inteligência Articial Raciocínio Fuzzy No primeiro passo, para cada valor de entrada associamos uma função de pertnência, que permite obter o grau de verdade da proposição: Determinar o grau de pertnência de cada conjunto (proposição); Limitar o valor da entrada entre 0 e 1; CCT0452 – Inteligência Articial Raciocínio Fuzzy O segundo passo é aplicar os operadores fuzzy, assim como os operadores da lógica booleana. Os operadores usados na lógica fuzzy são AND e OR, conhecidos como operadores de relação. Na lógica fuzzy são utlizados para deinir o grau máximo e mínimo de pertnência do conjunto. CCT0452 – Inteligência Articial Raciocínio Fuzzy O terceiro passo é aplicar o operador de implicação, usado para deinir o peso no resultado e remodelar a função, ou seja, o terceiro consiste em criar a hipótese de implicação. Como no exemplo: Serviço é excelente OU atendimento é rápido ENTÃO pagamento é alto. No quarto passo ocorre a combinação de todas as saídas em um único conjunto fuzzy, algo semelhante ao processo de união e intersecção, na teoria dos conjuntos abruptos. CCT0452 – Inteligência Articial Raciocínio Fuzzy O quinto e últmo passo no processo do raciocínio fuzzy, é a “defuzzyicaçãoo que consiste em retornar os valores, obter um valor numérico dentro da faixa estpulada pela lógica fuzzy. CCT0452 – Inteligência Articial Raciocínio Fuzzy Exemplo: Se A é identicado como “o tomate está vermelhoo e B como “o tomate está maduroo, então se é verdade que “o tomateestá vermelhoo, é também verdade que “o tomate está maduroo. Esse seria um exemplo pensado na lógica tradicional onde: Fato: x é A; Regra: se x é A então y é B; Conclusão: y é B CCT0452 – Inteligência Articial Raciocínio Fuzzy Esta regra aplica um conceito aproximado: se nós temos a mesma regra de implicação se o tomate está vermelho, então ele está maduro e nós sabemos que o tomate está mais ou menos vermelho, então nós podemos inferir que o tomate está mais ou menos maduro. Ou seja: Fato: x é A’ (quase A) Regra: se x é A então y é B Conclusão: y é B’ (quase B) Se A’ está próximo de A (situação inicial) e B’ está próximo de B (inicial). A, A’, B e B’ fazem parte do conjunto universo, chegando assim ao raciocínio fuzzyano, também chamado de modus ponens generalizado. CCT0452 – Inteligência Articial Algoritmos Fuzzy Atualmente os algoritmos mais usados para desenvolver aplicações Fuzzy são: C-means Clusterização Fuzzy Fuzzy Learning Vector E a linguagem de programação mais usada para implementar: Java! Slide 1 Slide 2 Slide 3 Slide 4 Slide 5 Slide 6 Slide 7 Slide 8 Slide 9 Slide 10 Slide 11 Slide 12 Slide 13 Slide 14 Slide 15 Slide 16 Slide 17 Slide 18 Slide 19 Slide 20 Slide 21 Slide 22
Compartilhar