Sistemas Baseados em Lógica Fuzzy

Apresentação em tema: "Sistemas Baseados em Lógica Fuzzy"— Transcrição da apresentação:

1 Sistemas Baseados em Lógica Fuzzy
João Marques Salomão

2 Funções de Pertinência Básicas
20 40 60 80 100 0.2 0.4 0.6 0.8 1 Grau de Pertinência (a) Triangular Função Triangular Função Trapezoidal 20 40 60 80 100 0.2 0.4 0.6 0.8 1 Grau de Pertinência (b) Trapezoidal

3 Funções de Pertinência avançadas
20 40 60 80 100 0.2 0.4 0.6 0.8 1 Grau de Pertinência (c) Gaussiana Função Gaussiana Função Sino Generalizada 20 40 60 80 100 0.2 0.4 0.6 0.8 1 Grau de Pertinência (d) Sino Gerneralizada

4 Partição Fuzzy do Universo
Partição fuzzy do universo de X representando “idade”, formada pelos conjuntos fuzzy “jovem”, “maduro” e “idoso”. 10 20 30 40 50 60 70 80 90 0.2 0.4 0.6 0.8 1 1.2 X = Idade Grau de Pertinência Jovem Maduro Idoso

5 Variáveis Lingüísticas
Uma variável lingüística possui valores que não são números, mas sim palavras ou frases na linguagem natural. Idade = idoso Um valor lingüístico é um conjunto fuzzy. Todos os valores lingüísticos formam um conjunto de termos: T(idade) = {Jovem, velho, muito jovem,... Maduro, não maduro,... Velho, não velho, muito velho, mais ou menos velho,... Não muito jovem e não muito velho,...} Permitem que a linguagem da modelagem fuzzy expresse a semântica usada por especialistas: Exemplo: If projeto.duração is não muito LONGO then risco is ligeiramente reduzido

6 Etapas do raciocínio Fuzzy
1ª FUZZIFICAÇÃO AGREGAÇÃO 2ª INFERÊNCIA COMPOSIÇÃO 3ª DEFUZZIFICAÇÃO

7 Raciocínio Fuzzy: Método de Sugeno
Linguístico Numérico Nível Variáveis Calculadas (Valores Numéricos) (Valores Linguísticos) Inferência Variáveis de Comando Defuzzificação Planta Fuzzificação

8 Fuzzificação TRIANGULAR Frio Normal Quente TRAPEZOIDAL Lento Rápido

9 Inferência Fuzzy O mecanismo chave do modelo Fuzzy é a proposição.
A proposição é o relacionamento entre as variáveis do modelo e regiões Fuzzy. Na definição das proposições, deve-se trabalhar com: Proposições Condicionais if W is Z then X is Y Proposições Não-Condicionais X is Y Etapa na qual as proposições (regras) são definidas e são examinadas paralelamente; Engloba a: Definição das proposições Análise das Regras Criação da região resultante

10 Inferência Fuzzy AGREGRAÇÃO COMPOSIÇÃO
Calcula a importância de uma determinada regra para a situação corrente. COMPOSIÇÃO Calcula a influência de cada regra nas variáveis de saída.

11 Defuzificação Etapa na qual as regiões resultantes são convertidas em valores reais (Crisp) para a variável de saída do sistema. Ela corresponde a ligação funcional entre as regiões Fuzzy e o valor esperado. Destacam-se os tipos de técnicas de defuzzificação: Centróide First-of-Maxima Middle-of-Maxima Critério Máximo

12 Defuzificação Exemplos: z0 First-of-Maxima Critério do Máximo
Centróide

13 Um exemplo Objetivo do sistema:
Um analista de projetos de uma empresa quer determinar o risco de um determinado projeto; Quantidade de dinheiro e de pessoas envolvidas no projeto. Representação das variáveis de entrada: Base de conhecimento: Se dinheiro é adequado ou pessoal é pequeno então risco é pequeno; Se dinheiro é médio e pessoal é alto, então risco é normal Se dinheiro é inadequado, então risco é alto

14 Fuzzificação Dinheiro Pessoal Inadequado Adequado Médio Baixo Alto 35
.25 .75 Baixo Alto Pessoal 60 .2 .8

15 Avaliação das regras Risco Risco Risco Ou  máximo; e  mínimo.
Adequado Regra 1: Baixo 0,0 ou 0,2 Risco Ou  máximo; e  mínimo. médio Regra 2: Alto 0,25 e 0,8 Risco Risco Inadequado Regra 3: 0,75

16 Defuzzificação Cálculo do Centróide Risco 0,75 0,25 10 20 30 40 70 60
50 100 90 80 Cálculo do Centróide

17 FIM