Escolar Documentos
Profissional Documentos
Cultura Documentos
2 Lgica Paraconsistente
Seja T uma teoria fundada sobre uma lgica L. Suponhase que a linguagem de T e de L contenha um smbolo para a
negao . Se houver mais de uma negao, uma delas deve
ser escolhida, pelas suas caractersticas lgico formais. A
teoria T inconsistente se possuir teoremas contraditrios,
isto , um a negao do outro, caso contrrio, T
consistente. A teoria T trivial se todas as frmulas da
lgica L ou todas as frmulas fechadas de L forem
teoremas de T; caso contrrio, T no-trivial.
Analogamente, a mesma definio aplica-se a sistemas de
proposies, conjunto de informaes, etc. (levando-se em
conta, naturalmente, o conjunto de suas conseqncias). Na
lgica clssica e em muitas categorias de lgica, a
consistncia desempenha papel importante. Com efeito, em
alguns sistemas lgicos usuais, uma teoria T trivial, ento
T ser inconsistente reciprocamente, em outras palavras,
lgica como essas no separam os conceitos de
inconsistncias e de trivialidade. Uma lgica L chama-se
Paraconsistente se puder servir de base para teorias
inconsistentes, mas no-triviais, ou como diz, uma lgica
paraconsistente tem a capacidade de manipular sistemas
inconsistentes de informes sem torna-se trivial.
Uma das interpretaes vlidas da lgica paraconsistente
tem-se nas seguintes frmulas lgicas e modelos
matemticos descritos como:
Seja um conjunto de valores discretos, = < ||, > um
reticulado finito, onde, || = [0,1] x [0,1] e {((1, 1), (2,
2)) ([0,1] x [0,1]) | 1 2 e 1 2 };
sendo que a ordem usual dos nmeros |R.
3 Redes
Neurais
Artificiais
Paraconsistentes
As arquiteturas conexionistas [6] so direcionadas para
aprimorar fatores relevantes nos estudos das Redes Neurais
das caractersticas que diferem o crebro do computador.
Por exemplo, o crebro funciona com neurnios que, apesar
de lentos quando comparados aos dispositivos digitais dos
computadores, executam tarefas extremamente complexas,
tais como: anlise de processamento paralelo; interpretao
de uma cena visual; compreenso de uma frase; ou a
interpretao de um som relacionado a uma imagem visual.
Todas essas tarefas so executadas pelo crebro em um
tempo muito curto.
O modelo de Rede Neural Artificial Paraconsistente
(RNAP)[5] tem a finalidade de possibilitar a construo de
unidades artificiais utilizando modelos mais prximos dos
neurnios biolgicos, efetivando assim a anlise e
resultados semelhantes aos efetuados pelo crebro humano.
As Redes Neurais [9] com a lgica fuzzy [8], utilizam
conjuntos de pesos de valores diversos que multiplicam as
entradas recebidas.
Uma RNAP utiliza a Equao Estrutural Bsica (EEB),
descrita como:
Grau _ crena Grau _ descrena + 1
Grau _ result =
2
Essa equao computa os sinais dos graus de evidncias
valorados no intervalo fechado de nmeros reais [0,1]. Os
cdigos so transmitidos por valores equacionados pela
EEB atravs de clulas (mtodos) implementadas e
descritas com a Lgica Paraconsistente.
Quando o valor do grau de crena 1 considera-se uma
confirmao da proposio ou do padro aplicado na
entrada; se o grau de crena 0 (zero) considera-se uma
negao lgica da proposio ou do padro aplicado na
entrada, ou se o grau de crena (meio) considera-se
uma indefinio lgica da proposio ou do padro
aplicado na entrada.
As equaes da RNAP so muito simples porque as
Clulas Neurais Artificiais Paraconsistentes (CNAPs), que
so os fundamentos lgicos da rede paraconsistente,
utilizam a EEB para equacionar os sinais e, a partir do
resultado obtido, tomam decises e as transmitem em forma
de graus resultantes outras CNAPs. Utilizando-se de
clulas com estas caractersticas forma-se as Unidades
Neurais Artificiais Paraconsistentes (UNAPs), que so
consideradas como Para-Perceptrons simples quando
houver apenas uma Clula de Conexo Analtica
(CNAPCa)
e
uma
Clula
de
Aprendizagem,
Neurnio Biolgico
gDc
gC
Sinapses
ftTC
CNAPCa
S2=Sct
ftTCt
Corpo Celular ou
Soma
gCr
CNAP de Aprendizagem
gC
C
ftA
CNAPAdm
ftDa
Sinapses
axnio e sinpses
3.1 Algoritmo
CNAPCa
representativo
da
1- gCr;
Entradas:
1-gC (grau de crena);
2-gDcCo (grau de descrena complementado);
3.2
Algoritmo
CNAPAdm
representativo
da
Sadas:
4
Objetos_Eventos
5 Resultados
Os dados utilizados na anlise so oriundos da
minerao de dados de uma base de dados SQL Server,
que se encontra no ambiente de desenvolvimento do
usurio do aplicativo. Essas informaes so fictcios, mas
foram elaborados com a lgica de uma exaustiva anlise de
dados reais.
O resultado dessa pesquisa foi a gerao de um arquivo
com algumas colunas (que formam tuplas) relevantes a
anlise do perfil do cliente explicitadas na tabela abaixo
em: Nmeros de Agncias, Contas, IPs, Transaes,
Horrios, Datas, Valores.
Ag
Conta
IP
Trs
Hora
Data
Valor
0262
457244
1234566789
1234
170412 0701
254.89
0262
457244
1234566789
1234
170607 0701
606.71
0262
457244
1234566789
1234
130806 0706
96.93
SNAPRpHist
SNAPCa e
Total
SNAPDeEv
RNAP
CNAPs
6x7= 42
17x7= 119
162
UNAPs
1x7= 7
1x7=
14
Para-Perceptrons
1x7= 7
3x7= 21
28
Sinpticas
1x7= 7
7x7= 49
56
SNAPRpHist
SNAPCa e
SNAPDeEv
Total
RNAP
CNAPs
10.654.140
30.186.730
40.840.870
UNAPs
1.775.690
1.775.690
3.551.380
Para-Perceptrons
1.775.690
53.270.070
55.045.760
Sinpticas
1.775.690
12.429.830
14.205.520
Dados Iniciais
Dados Finais
Linha do Tempo
180 (dias)
Padro Horrio
08:49:53h
18:43:55h
PadroData (MMDD)
0701
1206
Padro Valor
R$ 75,39
R$ 904,68
Dados Iniciais
Dados Finais
Populao (transao)
283.534
283.534
Tempo Aprendizagem
0:00:00h
1:58:00h
Tempo Memorizao
1:58:00h
2:00:00h
Reconhecimento de Padro
2:00:00h
2:00:00h
0:00:00h
2:00:00h
6 Concluso
7 Referncias
[1] Da Fonseca, Jairo Simon, entre outros; Estatstica
Aplicada; 1995. So Paulo, SP, Editora Atlas, 1995, pgs
141-154.
[2] Documentos, Cartilha de Segurana para Internet. NIC
BR Security Office; http://www.nbso.nic.br/docs/cartilha/
[3] Prado, Joo Carlos Almeida. Redes Neurais Artificiais
Paraconsistentes e sua utilizao para reconhecimento de
padres; Tese de Mestrado, So Paulo, SP, 2002, USP.
[4] Da Costa, Newton C. A., Abe, Jair Minoro e outros.
Lgica Paraconsistente Aplicada; So Paulo, SP, Editora
Atlas, 1999, pgs 21-117.
[5] Da Silva Filho, Joo Incio, Abe, Jair Minoro.
Fundamentos
das
Redes
Neurais
Artificiais
Paraconsistentes. So Paulo, SP, Editora VillaPress, 2001,
pgs 85-223, 247-257.
[6] Fialho, Francisco; Cincias da Cognio; So paulo,
SP, Editora Insular, 2001.
[7] Russel, Stuart e Norvig, Peter; Inteligncia Artificial,
So Paulo, SP, Editora Campus, 2004, pgs 447-559.
[8] Rezende, Solange Oliveira; Sistemas Inteligentes
Fundamentos e Aplicaes; So Paulo, SP, Editora
Manole, 2003, pgs 89-224.
[9] Haykin, Simon; Redes Neurais Princpios e Prtica;
Porto Alegre, RS, Editora Bookman, 2002, pgs 75-273.