MODELAGEM E SIMULAÇÃO DE SISTEMAS aula 6-10

Prévia do material em texto

MODELAGEM E SIMULAÇÃO DE SISTEMAS
	
		Lupa
	 
	Calc.
	
	
	 
	 
	 
	 
	CCE1326_A6_201607322651_V1
	
	
	
	
	
	 
		
	
		1.
		No raciocínio nebuloso, tem-se que a interpretação de dados quantitativos pode ser reescrita na forma de uma análise qualitativa.  Assinale a alternativa que apresenta o nome do processo de conversão entre as análises.
	
	
	
	Abstração.
	
	
	Nulificação.
	
	
	Decisão.
	
	
	Experimentação.
	
	
	Fuzzificação.
	
Explicação:
A fuzzificação é a etapa na qual as variáveis linguísticas são definidas de forma subjetiva, bem como as funções de pertinência, que compreende a Interpretação do Problema; Definição das variáveis; Definição das funções de pertinência; e Composição das regiões de pertinência.
	
	
	
	 
		
	
		2.
		O processo de fuzzificação de uma variável pode ser extremamente útil, tanto no ponto de vista da engenharia de tomada de decisões, como no cotidiano, colaborando com definições de conceitos do mundo físico.
Através dos conceitos aprendidos sobre fuzzificação, assinale a alterantiva que correta.
	
	
	
	Fuzzificação é a etapa em que variáveis numéricas são definidas de forma objetiva.
	
	
	Fuzzificação não permite admitir uma variáveis discretas.
	
	
	Fuzzificação é converter uma variável nebulosa em uma definida.
	
	
	Fuzzificação é o processo de admitir uma variável discreta e definida e convertê-la em uma variável nebulosa.
	
	
	Fuzzificação é independente das funções de pertinência.
	
Explicação:
A fuzzificação é o processo de admitir uma variável discreta e definida e convertê-la em uma variável nebulosa, sendo a etapa na qual as variáveis linguísticas são definidas 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 fuzzificada 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.
	
	
	
	 
		
	
		3.
		As funções de pertinência permitem que se limite valores que representem o quanto cada expressão fuzzy possível pode ser aplicada a um determinado valor discreto. Para essa caracterização, utilizam-se gráficos que representam as funções de pertinência. As funções de pertinência mais utilizadas na lógica nebulosa são:
	
	
	
	Entrada, inferência e saída.
	
	
	Grande, médio e pequeno.
	
	
	Baixo, médio e alto.
	
	
	Triangular, Trapezoidal, Gaussiana e Sino Generalizada.
	
	
	Interpretação, definição e composição.
	
Explicação:
As funções de pertinência podem ser definidas geometricamente de diversas formas, as quais são determinadas pela suavidade das bordas, que representa a possibilidade de uma variável pertencer a mais de uma função de pertinência. Tais funções assumem as formas Triangular, Trapezoidal, Gaussiana e Sino Generalizada.
	
	
	 
		
	
		1.
		Na análise nebulosa existem diversas formas de aplicar as etapas. Existem diversos métodos e técnicas que podem ser empregadas no processo de defuzzificação. Assinale a alternativa que NÃO contém nenhum de tais métodos.
	
	
	
	Centro do máximo.
	
	
	Média mínima.
	
	
	Centro de gravidade.
	
	
	Centro de área.
	
	
	Média do máximo.
	
Explicação:
Existem alguns métodos que são tipicamente utilizados como ferramenta para a defuzzificação, onde geralmente observa-se o centroide ou os valores limítrofes associados às funções de pertinência, que podem, inclusive, ser representados graficamente.
A média mínima é a única alternativa que não tem significado de defuzzificação.
	
	
	
	 
		
	
		2.
		Na análise nebulosa, a última etapa aplicada, ou seja, o processamento de saída é chamado de Defuzzificação. Sobre a defuzzificação, assinale a alternativa INCORRETA.
	
	
	
	É uma transformada inversa de uma grandeza para a qual foi atribuído um valor linguístico, para dá-lo novamente um valor pontual.
	
	
	Consiste em tomar o valor da variável admitida, convertida e inferida pela análise fuzzy, e traduzi-lo novamente em um valor linguístico.
	
	
	É o processo de conversão de funções de associação fuzzy para formatos discretos (ou nítidos).
	
	
	Representa um processo análogo e contrário ao de fuzzificação.
	
	
	Possui técnicas contínuas quando uma perturbação infinitesimal aplicada no valor de entrada for incapaz de gerar alterações consideráveis nos valores de saída.
	
Explicação:
Essa etapa representa num processo análogo e contrário ao de fuzzificação, que consiste basicamente em tomar o valor da variável admitida, convertida e inferida pela análise fuzzy, e traduzi-lo novamente em um valor discreto.
	
	
	
	 
		
	
		3.
		Muito embora a técnica de defuzzificação Centro de Área seja extremamente útil em diversas aplicações de lógica fuzzy, deve-se observar, porém, que há algumas desvantagens em sua aplicação. A alterantiva que apresenta limitação ao emprego desse método é
	
	
	
	Nunca haverá interseção entre conjuntos de pertinência.
	
	
	As áreas de representação gráfica são sempre bem comportadas.
	
	
	Pode haver sobreposição de superfícies quando regras de inferência apresentarem a mesma saída de variável linguística.
	
	
	Os conjuntos de pertinência nunca estarão suficientemente separados.
	
	
	Os conjuntos de pertinência são sempre contínuos, o que demanda a utilzação de métodos numéricos robustos.
	
Explicação:
Se mais de uma regra de inferência aplicadas ao problema apresentarem a mesma saída de variável linguística, pode-se perceber que haveria uma sobreposição de superfícies que leva a um processamento equivocado de defuzzificação.
	
	 
		
	
		1.
		No raciocínio nebuloso, tem-se que a interpretação de dados quantitativos pode ser reescrita na forma de uma análise qualitativa.  Assinale a alternativa que apresenta o nome do processo de conversão entre as análises.
	
	
	
	Fuzzificação.
	
	
	Abstração.
	
	
	Decisão.
	
	
	Experimentação.
	
	
	Nulificação.
	
Explicação:
A fuzzificação é a etapa na qual as variáveis linguísticas são definidas de forma subjetiva, bem como as funções de pertinência, que compreende a Interpretação do Problema; Definição das variáveis; Definição das funções de pertinência; e Composição das regiões de pertinência.
	
	
	
	 
		
	
		2.
		O processo de fuzzificação de uma variável pode ser extremamente útil, tanto no ponto de vista da engenharia de tomada de decisões, como no cotidiano, colaborando com definições de conceitos do mundo físico.
Através dos conceitos aprendidos sobre fuzzificação, assinale a alterantiva que correta.
	
	
	
	Fuzzificação é a etapa em que variáveis numéricas são definidas de forma objetiva.
	
	
	Fuzzificação não permite admitir uma variáveis discretas.
	
	
	Fuzzificação é o processo de admitir uma variável discreta e definida e convertê-la em uma variável nebulosa.
	
	
	Fuzzificação é converter uma variável nebulosa em uma definida.
	
	
	Fuzzificação é independente das funções de pertinência.
	
Explicação:
A fuzzificação é o processo de admitir uma variável discreta e definida e convertê-la em uma variável nebulosa, sendo a etapa na qual as variáveis linguísticas são definidas 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 fuzzificada 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.
	
	
	
	 
		
	
		3.
		As funções de pertinência permitem que se limite valores querepresentem o quanto cada expressão fuzzy possível pode ser aplicada a um determinado valor discreto. Para essa caracterização, utilizam-se gráficos que representam as funções de pertinência. As funções de pertinência mais utilizadas na lógica nebulosa são:
	
	
	
	Baixo, médio e alto.
	
	
	Triangular, Trapezoidal, Gaussiana e Sino Generalizada.
	
	
	Grande, médio e pequeno.
	
	
	Entrada, inferência e saída.
	
	
	Interpretação, definição e composição.
	
Explicação:
As funções de pertinência podem ser definidas geometricamente de diversas formas, as quais são determinadas pela suavidade das bordas, que representa a possibilidade de uma variável pertencer a mais de uma função de pertinência. Tais funções assumem as formas Triangular, Trapezoidal, Gaussiana e Sino Generalizada.
	
	
	 
		
	
		1.
		Na análise nebulosa existem diversas formas de aplicar as etapas. Existem diversos métodos e técnicas que podem ser empregadas no processo de defuzzificação. Assinale a alternativa que NÃO contém nenhum de tais métodos.
	
	
	
	Centro de área.
	
	
	Centro do máximo.
	
	
	Centro de gravidade.
	
	
	Média mínima.
	
	
	Média do máximo.
	
Explicação:
Existem alguns métodos que são tipicamente utilizados como ferramenta para a defuzzificação, onde geralmente observa-se o centroide ou os valores limítrofes associados às funções de pertinência, que podem, inclusive, ser representados graficamente.
A média mínima é a única alternativa que não tem significado de defuzzificação.
	
	
	
	 
		
	
		2.
		Na análise nebulosa, a última etapa aplicada, ou seja, o processamento de saída é chamado de Defuzzificação. Sobre a defuzzificação, assinale a alternativa INCORRETA.
	
	
	
	Representa um processo análogo e contrário ao de fuzzificação.
	
	
	Possui técnicas contínuas quando uma perturbação infinitesimal aplicada no valor de entrada for incapaz de gerar alterações consideráveis nos valores de saída.
	
	
	Consiste em tomar o valor da variável admitida, convertida e inferida pela análise fuzzy, e traduzi-lo novamente em um valor linguístico.
	
	
	É uma transformada inversa de uma grandeza para a qual foi atribuído um valor linguístico, para dá-lo novamente um valor pontual.
	
	
	É o processo de conversão de funções de associação fuzzy para formatos discretos (ou nítidos).
	
Explicação:
Essa etapa representa num processo análogo e contrário ao de fuzzificação, que consiste basicamente em tomar o valor da variável admitida, convertida e inferida pela análise fuzzy, e traduzi-lo novamente em um valor discreto.
	
	
	
	 
		
	
		3.
		Muito embora a técnica de defuzzificação Centro de Área seja extremamente útil em diversas aplicações de lógica fuzzy, deve-se observar, porém, que há algumas desvantagens em sua aplicação. A alterantiva que apresenta limitação ao emprego desse método é
	
	
	
	As áreas de representação gráfica são sempre bem comportadas.
	
	
	Nunca haverá interseção entre conjuntos de pertinência.
	
	
	Os conjuntos de pertinência são sempre contínuos, o que demanda a utilzação de métodos numéricos robustos.
	
	
	Os conjuntos de pertinência nunca estarão suficientemente separados.
	
	
	Pode haver sobreposição de superfícies quando regras de inferência apresentarem a mesma saída de variável linguística.
	
Explicação:
Se mais de uma regra de inferência aplicadas ao problema apresentarem a mesma saída de variável linguística, pode-se perceber que haveria uma sobreposição de superfícies que leva a um processamento equivocado de defuzzificação.
	
	
	 
		
	
		1.
		Em linguística, os termos atômicos fundamentais são frequentemente modificados por partículas conhecidas como modificadores linguísticos.
Assinale a alternativa que NÃO contém um modificador linguístico.
	
	
	
	"Preciso subir muito ainda"
	
	
	"Dê um passo para a esquerda"
	
	
	"Coloquei bem mais abaixo"
	
	
	"Vire um pouco à direita"
	
	
	"Isso está muito longe"
	
Explicação:
Em linguística, os termos atômicos fundamentais são frequentemente modificados com adjetivos (substantivos) ou advérbios (verbos) como muito, baixo, leve, mais ou menos, razoavelmente, ligeiramente, quase, aproximadamente, e diversos outros.
	
	
	
	 
		
	
		2.
		Há termos que modificam a variável linguística, que modificam o significado singular de um termo, a partir de sua interpretação original os modificadores linguísticos. Assinale a alternativa que apresenta um modificador linguístico.
	
	
	
	Preciso.
	
	
	Equivocado.
	
	
	Básico.
	
	
	Pouquíssimo.
	
	
	Igual.
	
Explicação:
Os termos atômicos fundamentais são frequentemente modificados com adjetivos (substantivos) ou advérbios (verbos) como muito, baixo, leve, mais ou menos, razoavelmente, ligeiramente, quase, aproximadamente, e diversos outros.
	
	
	
	 
		
	
		3.
		Métodos gráficos que simulam o processo de inferência e que simplificam computações manuais envolvendo algumas regras simples. Sobre os principais métodos de inferência gráfica, assinale a alternativa que contém a correta descrição.
	
	
	
	Sugeno é mais utilizado em suporte a decisões devido à natureza intuitiva a partir da base de regras.
	
	
	Sugeno tem um tempo de processamento melhor para uma defuzzificação.
	
	
	Tsukamoto usa a técnica do Centróide de defuzzificação.
	
	
	Mamdani usa Média Ponderada na defuzzificação.
	
	
	Tsukamoto, é muito útil quanto uma abordagem geral e para ser empregado em situações específicas.
	
Explicação:
A diferença mais fundamental entre Mamdani, Tsukamoto e Sugeno está defuzzificação. 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 defuzzificação.
Devido à natureza interpretada e intuitiva a partir da base de regras, o Mamdani é amplamente utilizado, especialmente para aplicativos de suporte a decisões.
	
	
 
		
	
		1.
		Em linguística, os termos atômicos fundamentais são frequentemente modificados por partículas conhecidas como modificadores linguísticos.
Assinale a alternativa que NÃO contém um modificador linguístico.
	
	
	
	"Vire um pouco à direita"
	
	
	"Isso está muito longe"
	
	
	"Dê um passo para a esquerda"
	
	
	"Preciso subir muito ainda"
	
	
	"Coloquei bem mais abaixo"
	
Explicação:
Em linguística, os termos atômicos fundamentais são frequentemente modificados com adjetivos (substantivos) ou advérbios (verbos) como muito, baixo, leve, mais ou menos, razoavelmente, ligeiramente, quase, aproximadamente, e diversos outros.
	
	
	
	 
		
	
		2.
		Há termos que modificam a variável linguística, que modificam o significado singular de um termo, a partir de sua interpretação original os modificadores linguísticos. Assinale a alternativa que apresenta um modificador linguístico.
	
	
	
	Preciso.
	
	
	Básico.
	
	
	Pouquíssimo.
	
	
	Equivocado.
	
	
	Igual.
	
Explicação:
Os termos atômicos fundamentais são frequentemente modificados com adjetivos (substantivos) ou advérbios (verbos) como muito, baixo, leve, mais ou menos, razoavelmente, ligeiramente, quase, aproximadamente, e diversos outros.
	
	
	
	 
		
	
		3.
		Métodos gráficos que simulam o processo de inferência e que simplificam computações manuais envolvendo algumas regras simples. Sobre os principais métodos de inferência gráfica, assinale a alternativa que contém a correta descrição.
	
	
	
	Sugeno é mais utilizado em suporte a decisões devido à natureza intuitiva a partir da base de regras.
	
	
	Tsukamoto, é muito útil quanto uma abordagem geral e para ser empregado em situações específicas.
	
	
	Mamdani usa Média Ponderada na defuzzificação.
	
	
	Sugeno tem um tempo de processamento melhor para uma defuzzificação.
	
	
	Tsukamoto usa a técnica do Centróide de defuzzificação.
	
Explicação:
A diferença mais fundamental entre Mamdani, Tsukamoto e Sugeno está defuzzificação.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 defuzzificação.
Devido à natureza interpretada e intuitiva a partir da base de regras, o Mamdani é amplamente utilizado, especialmente para aplicativos de suporte a decisões.
	
	
		Assinale a principal característica que é possível se alcançar pela utilização das Redes Neurais Artificiais.
	
	
	
	Paralelismo Computacional
	
	
	Evolucionismo do algoritmo
	
	
	Representação Lógica
	
	
	Simbolização Linguísticas
	
	
	Retroalimentação
	
Explicação:
Os neurônios de uma Rede Neural Artificial são distribuídos paralelamente para realização do processamento computacional de dados.
	
	
	
	 
		
	
		2.
		As Redes Neurais Artificiais são qualificadas 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?
	
	
	
	Somas consecutivas
	
	
	Soma de produtos
	
	
	Paralelismo de neurônios
	
	
	Bias (Tendência)
	
	
	Função de ativação
	
Explicação:
As funções de ativação são o conceito nos neurônios que permitem a não-linearidade aos mesmos.
	
	
	
	 
		
	
		3.
		Os elementos básicos de processamento das Redes Neurais Artificiais são os neurônios. Como o processamento dos sinais ocorre nos neurônios?
	
	
	
	Inibição do sinal
	
	
	Excitação do sinal
	
	
	Excitação ou inibição de sinais
	
	
	Inversão lógica do sinal
	
	
	Complemento do sinal
	
Explicação:
Os neurônios excitam ou inibem os sinais.
	
 
		
	
		1.
		O processo de tomada de decisão demanda cuidados específicos, por ser de extrema importância. Fazer escolhas acertadas é a essência de qualquer processo de decisão que possuem naturalmente algum nível de incerteza.
Baseando-se na afirmação acima, analise as alternativas abaixo e assinale qual delas apresenta uma situação em que o processo decisório foi auxiliado pela lógica fuzzy.
	
	
	
	Algoritmos com respostas 0 e 1.
	
	
	Sistemas com funções de pertinência.
	
	
	Processos booleanos definidos.
	
	
	Seleção binária de possibilidades.
	
	
	Identificação de afirmativas falsas.
	
Explicação:
A lógica fuzzy usa conjuntos com intervalos 0 (Falso) e 1 (Verdadeiro) para descrever certas interações de diversas variáveis de processos que seriam difíceis de elaborar em lógica tradicional para algoritmos. Funções chamadas de pertinência são ajustadas com regras de decisões elaboradas por especialistas. A lógica fuzzy é aplicada sobre regras baseadas em tomadas de decisão automáticas.
	
	
	
	 
		
	
		2.
		As decisões podem ser de natureza binária, mas certamente não deve haver restrições à utilidade da informação difusa no processo de tomada de decisão.
Assinale a alternativa que apresenta etapas envolvidas na utilização da lógica fuzzy no processo de tomada de decisões.
	
	
	
	Interpretação do valor discreto fuzzificado.
	
	
	Adição da influência nula de funções de pertiência.
	
	
	Aplicação de pesos às variáveis pelas funções de pertinência.
	
	
	Valores discretos como resultado fuzzificado.
	
	
	Remoção dos graus de pertinência na fuzzificação.
	
Explicação:
Os valores numéricos (discretos) são obtidos na fonte, os quais serão processados e analisados de acordo com funções de pertinência adequados.
A fuzzificação desses valores dará a cada um deles pesos em cada uma das funções de pertinência, que são os graus de pertinência.
Em seguida a influência de cada um desses graus é reconvertida em valores numéricos para serem lidos e analisados para que se tenham dados robustos o suficiente para uma boa tomada de decisões.
	
	
	
	 
		
	
		3.
		As informações que devem ser analisadas ao tomar essa decisão podem ser pouco ou muito sofisticadas. Qualquer que seja a fonte de informação, ela estará associada a algum grau de incerteza.
Assinale a alternativa qeu NÃO apresenta um exemplo de emprego de lógica fuzzy para o auxílio da tomada de decisões.
	
	
	
	Qualidade do sono analisando quantas vezes se acorda por noite.
	
	
	Notas de uma prova de redação analisando criatividade e gramática.
	
	
	Investir na bolsa analisando inflação e dólar.
	
	
	Sair de casa com guarda-chuva analisando a umidade do ar e a temperatura ambiente.
	
	
	Saúde do trabalhador analisando a temperatura do ambiente e o nível de ruído.
	
Explicação:
O processo de tomada de decisão é um empreendimento científico, social e econômico de extrema importância. A habilidade de fazer escolhas consistentes e acertadas é a essência de qualquer processo de decisão que possuem naturalmente algum nível de incerteza.
Ao analisar apenas uma variável discreta, a fuzzificação não é aplicada, pois na alternativa "Qualidade so sono", não há tomada de decisão, apenas uma informação numérica.