1.

Introduo

O objetivo principal da utilizao de sistemas hbridos a construo de um

sistema que englobe as caractersticas fundamentais de cada abordagem que o
compe, de forma a criar um novo sistema que responder melhor ao problema do
que quando se utiliza isoladamente cada componente do sistema hbrido. Desta forma
a combinao de tcnicas pode levar a uma tcnica mais robusta e eficiente (Braga,
2007). O sistema visto como uma forma de resolver problemas onde as tcnicas
tradicionais no obtm pleno xito.
De acordo com (ref) trs importantes razes para a criao de sistemas
hbridos so: i) melhoria de tcnicas individuais; ii) o sistema hbrido criado porque
nenhuma tcnica isoladamente aplicvel aos muitos sub-problemas que uma
aplicao pode atacar e iii) realizao de mltiplas tarefas em uma nica arquitetura,
ou seja, o sistema pode ser mais informativo que o seria originalmente, sem
hibridizao.
As principais abordagens utilizadas so baseadas de no emprego de tcnicas
baseadas em dados, como redes neurais, aliadas a alguma outra tcnica, ou mesmo
uma combinao de diferentes tipos de redes neurais. As rea empregadas na
construo de sistemas hbridos so a Estatstica, Sistemas Fuzzy, Computao
Evolucionria, Lgica Matemtica, Linguagens Formais, Linguagem Natural e IA
Simblica (Braga, 2007).
Cada tcnica emprega pode contribuir isoladamente para o sistema como um
todo. A IA Simblica, baseada em regras, uma maneira formal de representar
conhecimento; os Sistemas Fuzzy, bastante difundidos, permitem raciocnio em termos
lingsticos, a representao de conhecimento do senso comum; A computao
evolucionria de fcil hibridizao com outras tcnicas, tendo sido inclusive utilizada
no projeto de redes neurais, o que pode ser considerado uma forma de sistema
hbrido.
O presente relatrio busca ressaltar os principais tipos de sistemas hbridos,
suas caractersticas e usos. As sees seguintes tratam das classificaes dos
sistemas hbridos, aborda sobre os sistemas mais utilizados, detalhando suas
caractersticas e tratando das tcnicas empregadas. Alguns exemplos de aplicaes
so brevemente descritas ao final do documento.

2. Classificao
Um esquema de classificao de sistemas hbridos proposto por Khebbal e
Goonatilake (1995). A classificao proposta formada por trs tipos de sistemas,
descritos a seguir.

Na categoria dos Sistemas de Substituio de Funo a funo principal de uma dada

tcnica substituda por outra tcnica de Inteligncia Artificial (IA). Aqui no se busca
acrescentar novas funcionalidades ao sistema, mas gerar uma maneira mais eficiente
de realizao da mesma tarefa. Um exemplo comum desta forma de hibridizao a
utilizao de algoritmos genticos para se fixar os valores dos parmetros livres de
uma rede neural, tal como utilizado por Montana (1989).
Os sistemas hbridos Intercomunicativos so caracterizados pela resoluo de tarefas
complexas a partir da diviso do problema original em problemas menores
independentes. Se uma dada tarefa composta por sub-tarefas de naturezas distintas,
ento o problema pode ser dividido e entregue a metodologias distintas para a
resoluo geral.
Os sistemas do tipo Polimrficos so caracterizados pelo emprego de tcnicas na
resoluo de problemas de reas distintas da rea a que a metodologia utilizada.
Um exemplo desta categoria de sistema a utilizao de redes neurais para a
realizao de tarefas da rea de IA simblica.
Na seo seguinte sero abordadas formas de desenvolvimento de sistemas hbridos,
alm de descries das principais tcnicas que compem os sistemas.

3. Projeto de Sistemas Hbridos

O emprego de sistemas hbridos deve partir da anlise do problema, onde a partir de
ento ser identificada que categoria de sistema poder ser emprega na resoluo do
problema.
Os principais tipos de sistemas hbridos, a exemplo da abordagem de Medsker (1995)
so baseados em Redes Neurais Artificiais, Sistemas Fuzzy, computao
evolucionria e Raciocnio Baseado em Casos. Estas abordagens sero discutidas a
seguir.

3.1 Redes Neurais Artificiais

As redes neurais artificiais (RNAs) figuram atualmente como uma das

principais tcnicas de Inteligncia Computacional empregadas na resoluo de
problemas de classificao, categorizao, regresso e aproximao (BRAGA, A. P.;
CARVALHO, A. P. L. F.; LUDERMIR, T. B., 2007). O funcionamento das RNAs se
baseia na aquisio de conhecimento, armazenado, na maioria dos casos, sob a
forma de pesos nas conexes entre suas unidades fundamentais, os neurnios. Com
uma estrutura inspirada no funcionamento do crebro humano, sua principal faculdade

 a generalizao, termo oriundo da psicologia que faz referncia ao fato de a rede

neural gerar sadas adequadas para entradas que no se encontravam presentes
durante o processo de treinamento (HAYKIN, S., 1999).
Como regra geral, o processo de treinamento, ou aprendizagem, de uma rede
neural faz uso de uma massa de dados, composta por registros, ou instncias, sendo
estes, por sua vez, formados por atributos, ou variveis, que descrevem as
caractersticas dos registros da amostra. Desta forma, tem-se que a cada registro est
associado um vetor de atributos e, nos casos de paradigma supervisionado de
aprendizagem, um valor de sada desejado. Uma rede neural empregada como
classificador se traduz como um mtodo capaz de resolver problemas de naturezas
no-lineares com bastante preciso, fato que aliado a uma relativa simplicidade de
uso, colaborou para sua difuso e aceitao nos meios acadmicos e industriais.

3.2 Algoritmos Genticos

Algoritmos genticos provem uma forma de computao inspirada nos
conceitos biolgicos da teoria da evoluo das espcies (Mitchel, 1997). A busca por
uma soluo tima ocorre a partir de uma soluo inicial, onde a partir de cruzamentos
e mutaes ocorre uma busca por uma soluo dentro espao de populaes. A
populao ideal dever otimizar uma determinada funo de custo para ser dita a
soluo tima.

Referncias

Montana, D. and Davis, l., Training Feedforward neural networks using

genetic algorithms, Proceedings of 11th International Joint Conference on
Artificial Intelligence, pp. 762 767, 1989.

Medsker L. Hybrid intelligent systems. Boston, MA: Kluwer; 1995