Professional Documents
Culture Documents
Conceitos e Aplicaes
Software Craftsman
Software Developer TRE-AL
Graduando Sistemas de Informao
@toni_esteves
Wellison Souza
Lgica Fuzzy
Defini
o
A Lgica Fuzzy (tambm chamada de lgica
multivalorada) foi primeiramente introduzida em
1930 pelo filsofo e lgico polons Jan Lukasiewicz.
Atravs do estudo de termos do tipo alto, velho e
quente, ele props a utilizao de um intervalo de
valores [0,1] que indicaria a possibilidade que uma
declarao fosse verdadeira ou falsa. Em 1937, o
filsofo Max Black props a idia de que
continuidade descrevia graus.
Defini
o
Embora o transformador esteja um pouco carregado,
podese utilizlo por um tempo.
Defini
o
Uma maneira de tentar solucionar o processo de
representao de conhecimento impreciso
atravs da Lgica Fuzzy. A Lgica Fuzzy tem como
principal objetivo a modelagem computacional do
raciocnio humano, impreciso, ambguo e vago.
Conjuntos Fuzzy
Regras Fuzzy
Regras
Regras
Considerando a sentena :
se x alto, ento x pesado
Regras
Inferncia Fuzzy
Processo de
Avaliao
Avaliao
Regras de Entrada
Atravs
Conjunto de regras
previamente definidas
Obter
Concluses
Processo de
Avaliao
Modelos de Inferncia;
Tipo de Problema;
Mamdami;
1 - Fuzzyficao
1 - Fuzzyficao
Depois de obter as entradas fuzzyficadas s apliclas nos antecedentes obtendo assim o valor do
consequente para cada regra
Depois de obter um nico valor para o antecedente
necessrio obter o valor do consequente atravs
de um mtodo de correlao dos mesmos.
3 - Agregao das
regras
Nessa etapa so agregadas todas as funes
membro dos consequentes de cada regra em um
nico conjunto fuzzy.
4 - Defuzzyficao
Para se obter uma sada numrica necessrio
defuzzyficar a sada obtida na etapa anterior. O
mtodo de defuzzyficao mais comum a tcnica
do centride, que obtm o ponto onde uma linha
vertical divide ao meio um conjunto agregado.
Aplicaes
Domnios de Aplicao
Domnios de Aplicao
Sistemas especialistas;
Sistemas multiagentes;
Reconhecimento de padres;
Robtica;
Sistemas de controle inteligentes;
Sistemas de apoio tomada de deciso;
Algoritmos genticos;
Data mining.
Consideraes
Vantagens
Capacidade de lidar com incertezas;
Capacidade de lidar com raciocnio aproximado;
Capacidade de lidar com termos vagos e ambguos
Procura representar o conhecimento humano de
forma mais realista possivel;
Para
problemas
difceis,
mtodos
no-fuzzy
Desvantagens
Estabilidade;
Incapacidade de aprendizagem;
Dificuldade em definir funes de pertinencia e
regras fuzzy;
Requer
testes
verificao
extensivos
para
validao
Referncias:
ftp://ftp.dca.fee.unicamp.br/pub/docs/gudwin/publi
cations/ifsa95.pdf
http://www.cos.ufrj.br/~mario/logica/logicaFuzzy.p
df
http://www.pucsp.br/~logica/Fuzzy.htm