1 Conjuntos Difusos/Conjuntos Nebulosos/Fuzzy Sets Introdução Roberto Tadeu Raittz.

Slides:



Advertisements
Apresentações semelhantes
Informática Industrial
Advertisements

A = ( 3 ) , logo | A | = 3 Determinantes
Capítulo 7 Tableaux semânticos e resolução na Lógica Proposicional
INTRODUÇÃO À LÓGICA DIGITAL
Unidade 7 SEQUÊNCIAS E REGULARIDADES
Lógica Difusa (Fuzzy). Lógica tradicional x Lógica difusa Lógica tradicional (Aristóteles) –Uma proposição = dois estados possíveis (V ou F) –Pode ser.
Lógica Fuzzy Aplicada a Sistemas de Diagnóstico
Introdução a Sistemas Fuzzy no Matlab e uso do Simulink
Sistemas especialistas Fuzzy
EBI c/ JI Santa Catarina
ÁLGEBRA BOOLEANA Prof. Wanderley.
Para Casa – Montar o cariograma
Determinantes Determinante é um número real associado a uma matriz quadrada. Notação: det A ou |A|. Determinante de uma Matriz Quadrada de 1ª Ordem. Seja.
SISTEMAS DE EQUAÇÕES.
Lógica de Fuzzy Um pouco sobre Fuzzy.
Quantificação DNA – Grupo 1
Raciocínio Aproximado
Profa. Silvia Modesto Nassar
Relações Adriano Joaquim de O Cruz ©2002 NCE/UFRJ
Introdução à Lógica Nebulosa
Operações com Conjuntos Nebulosos
INEQUAÇÃO → Para aprendermos inequação, deveremos conhecer os símbolos das desigualdades. Uma sentença matemática em que usa o símbolo ≠ (diferente de)
Curso Superior de Tecnologia em Automação Industrial Prof. Leo Weber
4. TEORIA DOS CONJUNTOS FUZZY - 1
Projeto de um controlador de temperatura
Mapas de Karnaugh 5 e 6 variáveis.
Determinantes SilvanaWBenvenutti Turma:301
TÉCNICA LÓGICA FUZZY Como foi concebido por Lofti Zadeh, seu inventor, a lógica fuzzy provê um método de reduzir a complexidade dos sistemas. Muitas dessas.
Estruturação e Desenvolvimento de
Inteligência Artificial
Operadores Aritméticos Valores lógicos Relacionais e lógicos MF.
MATEMÁTICA PARA NEGÓCIOS
OPERAÇÕES COM CONJUNTOS
Algoritmos Computacionais ( Programas )
Conversão de um NFA para um DFA com um exemplo
Estruturas de Dados com Jogos
Estruturas de Dados com Jogos
BCC 101 –Matemática Discreta
Salas de Matemática.
Divisão (semana 6).
Definição: Reunião de elementos.
INF 1771 – Inteligência Artificial
1 TESTAR CONHECIMENTOS... 2 dbac 3 A) Falsa. Decrescente no intervalo [ 3, + ] B) Falsa. Max absoluto = +2 para x=3 C) Falsa. V(3,2) D) Verdadeira.
OPERAÇÕES COM CONJUNTO
Conceitos de Lógica Digital
CENTRO MASSA Centro massa para um de sistema de 2 partículas
INTRODUÇÃO À TEORIA DOS CONJUNTOS
1 2 Observa ilustração. Cria um texto. Observa ilustração.
Prof. Celso Cardoso Neto. (2) ALINHAMENTO Caso 1.
Algoritmos Evolutivos Algoritmos Genéticos Introdução
1.
BCC101 Matemática Discreta I
REVISÃO PRODUTOS NOTÁVEIS FATORAÇÃO FRAÇÕES ALGÉBRICAS
Matemática I AULA 1 Profª Karine R. de Souza ..
INTELIGÊNGIA COMPUTACIONAL
©Prof. Lineu MialaretAula 9 - 1/28Matemática Discreta 1 Instituto Federal de Educação, Ciência e Tecnologia de São Paulo - IFSP Campus de Caraguatatuba.
Introdução à Lógica Matemática
Nome alunos 1 Título UC. Título – slide 2 Conteúdo Conteúdo 2.
CONJUNTO Um conjunto se pode entender como uma coleção ou agrupamento bem definido de objetos de qualquer classe. Os objetos que formam um conjunto são.
Matemática Discreta 2 – MD 2
Sistemas Nebolosos (Fuzzy)
Fábio de Azevedo Soares
Profa. Silvia Modesto Nassar Incerteza: Sistemas Inteligentes Crença Plausibilidade Ignorância Teoria da Evidência Probabilidade Possibilidade.
Lógicas Difusas e Sistemas Difusos
Conjuntos Difusos Operações: Definição e nomenclatura Tipos Axiomas
Introdução aos Conjuntos Difusos
Conjuntos Fuzzy Histórico
Aplicações para Conceitos de Lógica Lógica Difusa (Fuzzy Logic)
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 08 Conjuntos Difusos Max Pereira.
Introdução à Lógica Nebulosa
Transcrição da apresentação:

1 Conjuntos Difusos/Conjuntos Nebulosos/Fuzzy Sets Introdução Roberto Tadeu Raittz

2 Histórico Lukasiewicz – Década de 20/Lógica Multivalorada Zadeh – Década de 60 /Fuzzy Sets

3 Formas de Representar a Imprecisão Modelo Clássico SE pressão=10 ENTÃO volume=2,5 Modelo Impreciso SE pressão>=5 ENTÃO volume<=6 Modelo Vago SE pressão é ALTA ENTÃO volume é BAIXO

4 Lógica Difusa Orientada à análise de sistemas e suporte à decisão Utilizada em Sistemas Inteligentes Apto a tratar com informações Vagas Extensão da lógica clássica Baseada na teoria dos Conjuntos Difusos

5 Porque Lógica Difusa? Habilidade para traduzir conhecimentos Vagos e imprecisos de especialistas humanos Simplicidade de Implementação Sistemas baseados em regras podem ser estudados e melhorados Facilidade de transferir Tecnologia de produto para produto Habilidade de controlar processos instáveis

6 O que São conjuntos Difusos? Conjuntos Difusos X Conjuntos Clássicos Graus de pertinência (Membership degree) Conjunto Clássico  A (x) = 1 see x  A  A (x) = 0 see x  A Conjunto Difuso A = {(x,  A (x)) | x  X,  A (x): X -> [0,1]}

7 Conjuntos Difusos Onde: A é o conjunto difuso  A (x) é a função de pertinência X é o universo de discurso

8 Notação A =  A (x 1 )/ x 1 +  A (x 2 )/ x  A (x n )/ x n

9 Então: Universo de discurso é o conjunto de valores que podem pertencer ao conjunto difuso Graus de pertinência são os valores que representam quanto cada valor do universo de discurso pertence ao conjunto difuso

10 Resumindo Lógica difusa é o ramo da lógica que usa graus de pertinência em conjuntos em vez da pertinência ou ausência absolutas: Verdadeiro ou falso

11 Conjuntos difusos Conjuntos difuso e clássico de crianças Fonte: John Durkin, 1994

12 Exemplo da Macarronada Se a água ferve então coloque a pasta Se a água estiver Muito quente abaixe o fogo

13 Função de pertinência triangular

14 Operações em Conjuntos Difusos União C(x) = max(A(x),B(x)) Interseção C(x) = min(A(x),B(x))

15 Operações Complemento Compl(A(x)) = 1 – A(x) Hedges: Dilatação Concentração

16 Aplicações Importantes Metro de Sendai, Japão Proposto em 1978 Começou a funcionar em 1986 Melhorou a posição de parada em 3x Outras...