Sistemas Inteligentes Resumo Fuzzy

Lógica Fuzzy

Na lógica clássica temos valores definidos, por exemplo : em matemático utilizamos verdadeiro ou falso, em níveis lógicos 0 ou 1. Na lógica Fuzzy temos a presença de valores intermediários, utilizamos a mesma pois no mundo real, temos uma imprecisão, nem tudo é só uma coisa ou só outra. A lógica clássica não possibilita uma indecisão.

Características: aqui temos uma utilização muito grande de palavras ao invés de números, por exemplo : frio, quente, alto, baixo,longe, perto. Podemos notar também a utilização de modificadores de predicado, como muito, pouco ou mais ou menos. Além do uso de probabilidades linguísticas como provável ou improvável.

Vantagens: utilização de poucas regras, valores e decisões. Utilização de um número maior de variáveis. Além da fácil implementação e sua utilização simplificar a solução de problemas. Aqui vemos uma lógica mais perto da forma como o ser humano pensa.

Conjuntos Fuzzy: na lógica clássica, um elemento pertence ou não a um conjunto, por exemplo : A menina é bonita / A menina não é bonita. Já na lógica Fuzzy o elemento pertence, não pertence ou está parcialmente presente em um conjunto, por exemplo : A menina é um pouco bonita.

Função de Pertença: indica com que grau um conceito específico é membro de um conjunto. Geralmente utiliza-se valores de 0 a 1, por exemplo :

• O grau de pertença 0 indica que o valor não pertence ao conjunto.

• O grau 1 significa que o valor é uma representação completa do conjunto.

Variáveis Linguísticas: são elementos centrais da da técnica de modelagem, uma variável é o nome do conjunto Fuzzy. Por exemplo : longo, maior, menor, pequeno. Podemos dizer que são qualificadores.

Exemplo de variáveis Linguistícas do conjunto LONGO: muito LONGO, pouco LONGO, um tanto LONGO.

Podemos dizer que as variáveis linguistícas reduzem a complexidade dos problemas, encapsulando as propriedades dos conceitos imprecisos numa forma usável computacionalmente. Um exemplo :

if projeto.duração is positivamente não muito LONGO

then risco is ligeiramente reduzido

Operadores dos Conjuntos Fuzzy: intersecção, união e complemento.

Intersecção:

União:

Complemento:

Sistemas Fuzzy

- Sistemas avaliadores incertos são modelados a partir de :

• Probabilidade Bayesiana

• Alguns fatores de confiança ou incerteza

If altura > 1.75 and altura < 1.80

Then peso is 80, CF = 0.082

- Sistemas Fuzzy trazem um método matemático mais consistente para manipulação de incertezas

If altura is alta then peso is Pesado

Raciocínio