A inferência Fuzzy pode ser aplicada em um modelo linguístico para calcular o significado de termos compostos por modificação linguística. Conside...

Para calcular o grau de pertinência de Carlos para a classe "não é jovem e não é muito velho", é necessário utilizar a lógica Fuzzy. Primeiramente, é preciso definir as funções de pertinência para as classes "jovem", "idoso" e "muito": - Jovem: µJ(x) = 0,1 - Idoso: µI(x) = 0,6 - Muito: µM(x) = α = α2 = 2 Em seguida, é preciso definir a função de pertinência para a classe "não é jovem e não é muito velho". Essa classe pode ser definida como o complemento da união das classes "jovem" e "idoso" com a classe "muito". Assim, temos: - Não é jovem: µNJ(x) = 1 - µJ(x) = 0,9 - Não é muito velho: µNMV(x) = 1 - µM(x) = 0,5 A função de pertinência para a classe "não é jovem e não é muito velho" pode ser definida como o mínimo entre as funções de pertinência para as classes "não é jovem" e "não é muito velho". Assim, temos: - Não é jovem e não é muito velho: µNJMV(x) = min(µNJ(x), µNMV(x)) = min(0,9, 0,5) = 0,5 Por fim, para calcular o grau de pertinência de Carlos para a classe "não é jovem e não é muito velho", é preciso utilizar a regra de inferência Fuzzy de Mamdani, que consiste em calcular o mínimo entre a função de pertinência para a classe "não é jovem e não é muito velho" e as funções de pertinência para as classes "idoso" e "muito". Assim, temos: - Grau de pertinência de Carlos para a classe "não é jovem e não é muito velho": µNJMV(Carlos) = min(µNJMV(Carlos), µI(Carlos), µM(Carlos)) µNJMV(Carlos) = min(0,5, 0,6, 2) = 0,5 Portanto, o grau de pertinência de Carlos para a classe "não é jovem e não é muito velho" é de 0,5.