SP Fuzzy

Sistemas Periciais com Conhecimento Incerto
1
Fontes de Incerteza
Existem domnios de aplicao nos quais a incerteza parte inerente do
problema devido a dados ausentes ou imprecisos e/ou relaes causa-efeito
no determinsticas.

Exemplos

Perito Tratamento Prescrito
A 600-800mg, 3 vezes por dia Impreciso
B 400mg 4 vezes ao dia ou 200mg 1 vez por dia Inconsistente
C 500mg Incompleto
D Cerca de 650mg, 2-3 vezes por dia Vago

Raciocnio com Incerteza exige:
Quantificao de Incerteza
Mtodo de combinao dos valores de Incerteza
2
Grau de crena Teoria das Probabilidades
Ex. 80% dos pacientes com dor de dentes tm cries
Uma probabilidade de 0.8 no significa 80% verdade mas sim um grau de
crena de 80% na regra, ou seja, em 80% dos casos a regra verdadeira

Grau de verdade Lgica Fuzzy
Ex. Mario alto
a proposio verdadeira para uma altura de Mario 1.65m ?
...mais ou menos....
Observar que no h incerteza, estamos seguros da altura de Mario.
O termo lingustico alto vago, como interpret-lo?

A Teoria de conjuntos Fuzzy permite especificar quo bem um
objecto satisfaz uma descrio vaga.
Grau de Crena versus Grau de Verdade
3
Tecnologia que permite definir modelos complexos do mundo real
atravs de variveis e regras simples

Surgiu com Lofti Zadeh em 1965

O boom foi nos anos 80, no Japo

Lgica Fuzzy uma nova forma de pensamento sobre o mundo

uma tcnica baseada em graus de verdade
os valores 0 e 1 ficam nas extremidades
inclui os vrios estados de verdade entre 0 e 1

Lgica Fuzzy
4
Grande parte da compreenso humana sobre os acontecimentos dos factos
imprecisa

Em muitos casos, a preciso pode ser um tanto intil, enquanto instrues
vagas podem ser melhor interpretadas e realizadas
Exemplo de compreenso humana
Invulgar:
Comece a travar 10 metros antes do sinal STOP
Vulgar:
Comece a travar perto da faixa dos pees

Sistemas Periciais devem trabalhar com informaes vindas do mundo real
(muitas delas imprecisas)
devem ser capazes de reconhecer, representar,
manipular, interpretar e usar imprecises
Porqu usar Lgica Fuzzy ?
5
Ao utilizar-se a lgica convencional, definem-se regras como:
Pessoas jovens so aquelas cujas idades esto entre 0 e 20

Nesta lgica, uma pessoa com 20 anos e 1 dia no considerada
uma pessoa jovem
Porm, sabemos que isso no verdade no mundo real

Da a necessidade de se utilizar Lgica Fuzzy para descrever o grau
de pertena de uma pessoa ao conjunto de jovens
Conceito de Lgica Fuzzy
6
Conjuntos Fuzzy
Um conjunto fuzzy corresponde a alargar a noo de conjunto, para
permitir a representao de conceitos definidos por fronteiras difusas,
como os que surgem na linguagem natural, ou conceitos qualitativos
A funo de pertena a um conjunto fuzzy indica com que grau um
conceito especfico membro de um conjunto
So funes que mapeam o valor que poderia ser um membro do
conjunto para um nmero entre 0 e 1
O grau de pertena 0 indica que o valor no pertence ao conjunto
O grau 1 significa que o valor uma representao completa do
conjunto
A definio do conceito depende do contexto
7
Lgica Fuzzy
8
No grfico abaixo:
O valor 1 significa que a pessoa pertence ao grupo de jovens;
O valor 0 significa que a pessoa no pertence o grupo;
Os valores intermdios indicam o grau de pertena da pessoa ao
grupo:
se possui 25 anos 50% jovem e 20% adulto
Lgica Fuzzy
9
Lgica Fuzzy
A transio entre ser membro e no ser gradual e no
abrupta!

Os conceitos vagos (inteligente, rico, bonito) so subjectivos e
dependentes do contexto
10
Lgica Fuzzy
Conjuntos Normais: funo caracterstica - medida de pertena
associada ao conjunto A

Conjunto Vago: quando os elementos tm um grau de pertena
relativamente ao conjunto.

Exemplo
U = {x | x uma idade entre 0 e 100}
A = conjunto das idades jovens

] 1 , 0 [ ) ( e x
A
} : ) ), ( {( U x x x A
A
e =
1
)
2
)
30
( 1 (( ) (

+ =
x
x
A

11
Lgica Fuzzy
Grau de pertena
(x)
0 2 4 6 8 10 12 14 16 18
Durao (em semanas)
1
Um Projecto Longo
12
Lgica Fuzzy
Como se obtm ?
subjectivo !
Por vezes uma medida consensual

necessrio exprimir com nmeros?
No necessariamente !
Podem ser usados nmeros vagos

uma probabilidade?
No. uma medida de compatibilidade entre um objecto e o
conceito denotado pelo conjunto vago
13
Lgica Fuzzy
Projecto Longo

O que significa Longo ?
A que conjunto Longo pertence ?

Modelo dependente do Contexto

Esta variao de grau de Longo significa que alguns projectos
estaro mais fortemente associados com a categoria Longo do que
outros
Este grau pode assumir qualquer valor num determinado intervalo,
no ficando restrito apenas a PERTENCER ou NO PERTENCER
aquele intervalo
14
Variveis Lingusticas
So o centro da tcnica de modelagem dos sistemas fuzzy
Uma varivel lingustica o nome do conjunto fuzzy
Pode ser usado num sistema baseado em regras para tomada de
deciso
Exemplo
if projecto.durao is LONGO
then risco is maior

Transmitem o conceito de qualificadores
Qualificadores mudam a forma do conjunto fuzzy

15
Algumas variveis lingusticas do conjunto LONGO com
qualificadores:
muito LONGO
um tanto LONGO
ligeiramente LONGO
positivamente no muito LONGO
Variveis
Lingusticas
Conjunto Fuzzy
Qualificadores
Variveis
Lingusticas
16
Permitem que a linguagem da modelagem fuzzy expresse a
semntica usada por especialistas
Exemplo:
If projeto.durao is positivamente no muito LONGO
then risco is ligeiramente reduzido

Encapsula as propriedades dos conceitos imprecisos numa forma
usada computacionalmente

Reduz a complexidade do problema

Sempre representa um espao fuzzy

17
Operadores dos Conjuntos Fuzzy
Interseco

Sejam
X um conjunto de pontos
A e B conjuntos contidos em X
A B
)) ( ), ( min( ) (
) (
x x x
B A B A
=
) ( ) ( ) (
) (
x x x
B A B A
. =

18
Unio

Sejam
A e B conjuntos contidos em X

A
)) ( ), ( max( ) (
) (
x x x
B A B A
=
) ( ) ( ) (
) (
x x x
B A B A
v =
B
19
Complemento

Sejam
A um conjunto contido em X
) ( 1 ) ( x x
A A
=
A
20
Em conjuntos Fuzzy,

o que no satisfaz a teoria dos conjuntos clssica
), ( ) ( e ) ( ) ( FALSE A A TRUE A A = =
1 1/2
) 2 / 1 , 2 / 1 1 max(
)) ( ), ( max( ) (
= =
=
= A A A A
0 1/2
) 2 / 1 , 2 / 1 1 min(
)) ( ), ( min( ) (
= =
=
= A A A A
, 2 / 1 ) ( Considere = A
21
Sistemas Fuzzy
Sistemas Periciais incertos so modelados a partir de:
probabilidade Bayesiana
alguns factores de confiana ou certeza
If altura > 1.75 and altura < 1.80
then peso is 80, CF = 0.082

Sistemas Fuzzy fornecem aos Sistemas Periciais um mtodo mais
consistente e matematicamente mais forte para manipulao de
incertezas
if altura is ALTA then peso is PESADO

Ambas alternativas confiam na transferncia por parte dos peritos
de valores incertos fora do prprio modelo
22
Nos Sistemas Periciais convencionais:
as proposies so executadas sequencialmente
heursticas e algoritmos so usados para reduzir o nmero de
regras examinadas

Nos Sistemas Periciais Fuzzy:
o protocolo de raciocnio um paradigma de processamento
paralelo
todas as regras so disparadas

Raciocnio Fuzzy
23
1 FUZZIFICAO
2 INFERNCIA
AGREGAO
3 DEFUZZIFICAO
COMPOSIO
Etapas do Raciocnio Fuzzy
24
Lingustico
Numrico
Nvel
Variveis Calculadas
Variveis Calculadas
(Valores Numricos)
(Valores Lingusticos)
Inferncia
Variveis de Comando
Defuzzificao
Objecto
Fuzzificao
(Valores Lingusticos)
Variveis de Comando
(Valores Numricos)
Nvel
25
Proposio 1 Proposio 2 Proposio 3 Proposio n
Defuzzificao
Defuzzificao
Valor Esperado
Valor Esperado
Composio
Composio
26
Fuzzificao
Etapa na qual as variveis lingusticas so definidas de forma
subjectiva, bem como as funes membro (funes de pertena)

Engloba:
Anlise do Problema
Definio das Variveis
Definio das Funes de Pertena
Criao das Regies

Na definio das funes de pertena para cada varivel, diversos
tipos de espao podem ser gerados:
Triangular, Trapezoidal, Singleton e Shouldered
27
TRIANGULAR
Frio Normal Quente
Fuzzificao
TRAPEZOIDAL
Lento Rpido
28
Inferncia
Etapa na qual as proposies (regras) so definidas e depois so
examinadas paralelamente

Engloba:
Definio das proposies
Anlise das Regras
Criao da regio resultante
29
O mecanismo chave do modelo Fuzzy a proposio

A proposio o relacionamento entre as variveis do modelo e
regies Fuzzy

Na definio das proposies, deve-se trabalhar com:

PROPOSIES CONDICIONAIS
if W is Z then X is Y

PROPOSIES NO-CONDICIONAIS
X is Y
Inferncia
30
AGREGRAO
Calcula a importncia de uma determinada regra para a situao corrente

COMPOSIO
Calcula a influncia de cada regra nas variveis de sada.

Regras de Inferncia
R1 IF durao = longa AND qualidade = alta THEN risco = mdio
R2 IF durao = mdia AND qualidade = alta THEN risco = baixo
R3 IF durao = curta AND qualidade = baixa THEN risco = baixo
R4 IF durao = longa AND qualidade = mdia THEN risco = alto
Inferncia
31
Defuzzificao
Etapa no qual as regies resultantes so convertidas em valores
para a varivel de sada do sistema

Esta etapa corresponde a ligao funcional entre as regies Fuzzy e
o valor esperado

Dentre os diversos tipos de tcnicas de defuzzificao destaca-se:
Centride
First-of-Maxima
Middle-of-Maxima
Critrio Mximo
32
Exemplos:
z
0
z
0
z
0

Centride First-of-Maxima Critrio Mximo
Defuzzificao
33
Sistemas Fuzzy
Benefcios para os especialistas:
habilidade em codificar o conhecimento de uma forma prxima da linguagem
usada pelos peritos

O processo de aquisio do conhecimento :
mais fcil
menos propenso a falhas e ambiguidades

Fcil modelar sistemas envolvendo mltiplos especialistas
Nos sistemas do mundo real, h vrios especialistas sob um mesmo domnio
Representam bem a cooperao mltipla, a colaborao e os conflitos entre os
especialistas

Lgica Fuzzy tornou-se uma tecnologia padro aplicada em anlise de dados e
sinais de sensores, finanas e negcios, ...
Aproximadamente 1100 aplicaes bem sucedidas foram publicadas em 1996
Utilizada em sistemas de Mquinas Fotogrficas, Mquina de Lavar Roupas,
Freios ABS, Ar Condicionado, etc.
34
Sistemas Fuzzy
Lgica Fuzzy tornou-se uma tecnologia padro aplicada em
anlise de dados e sinais de sensores, finanas e negcios, ...
Aproximadamente 1100 aplicaes bem sucedidas foram
publicadas em 1996
Utilizada em sistemas de Mquinas Fotogrficas, Mquina de Lavar
Roupas, Freios ABS, Ar Condicionado, etc.
35
FLINT
Ferramenta que permite usar Lgica Fuzzy
dentro do contexto da Linguagem Prolog

36
Estgio 1 - Fuzzificao
o valor fixo de entrada convertido em graus para cada
qualificador

Estgio 2 - Propagao
regras fuzzy so aplicadas s variveis e seus qualificadores

Estgio 3 - Defuzzificao
o grau resultante para cada qualificador convertido num valor
fixo
Estrutura dos Programas Fuzzy
37
Exemplo (viagem de carro):

Estrutura dos Programas Fuzzy
120
VELOCIDADE
TEMPERATURA
250
REGRAS
FUZZY
PRESSO DE
ACELERAAO
FUZZIFICAO PROPAGAO DE-FUZZIFICAO
10
VARIVEIS REGRAS VARIVEIS
FUZZY FUZZY FUZZY
QUENTE
NORMAL
FRIO
RPIDO
MEIO RPIDO
NORMAL
MEIO DEVAGAR
DEVAGAR
MXIMA
MDIA
MNIMA
38
Pertencem a uma faixa de valores
Armazenam um nico valor

Exemplo no FLINT:

fuzzy_variable(velocidade) :- [-100, 150]

O nome um tomo
Variveis Fuzzy
Possuem qualificadores, que subdividem a faixa de valores,
compostos de:
um nome (qualificador lingustico)
uma funo membro que define o grau de pertena do valor para este
qualificador
39
A funo membro definida por:
Forma
Curvatura
Pontos Relevantes

Forma e pontos relevantes
Qualificadores das Variveis Fuzzy
\ [A, B] descida de rampa
/ [A, B] subida de rampa
/\ [A, B, C] tringulo para cima
\/ [A, B, C] tringulo para baixo
/-\ [A, B, C, D] trapezide para cima
\-/ [A, B, C, D] trapezide para baixo
? [V
1
/M
1
, V
2
/M
2
, V
k
,M
k
] forma livre
40
Curvatura

Linear
Curva
Menor que 1
Igual a 1
Maior que 1
Qualificadores das Variveis Fuzzy
41
Simbolo: \-/
Pontos: [A,B,C,D]
Curvatura: linear
Simbolo: ?
Pontos: [v1/m1,v2/m2,...,vk/mk]
Curvatura: no linear
Exemplo de qualificadores
42
Centroid - centro de gravidade (default)
Peak - maior nvel da funo
Expresso definida pelo utilizador
Mtodos de Defuzzificao
43
fuzzy_variable(velocidade) :-
[0, 200];
baixa, \, curved(2), [0, 30];
media, /\, linear, [10, 30, 50];
alta, / , curved(0.5), [40, 70];
peak.
Nome da varivel Faixa da varivel
(opcional)
Nome do
qualificador
Formas Curvatura Pontos
Varivel
de-fuzzy
Exemplo de declarao de varivel no FLINT
44

Concentram ou diluem a caracterstica de uma funo membro
para um qualificador
So universais
Compostos de nome e frmula
nica frmula suportada power
(parmetro deve estar entre 0.1 e 9.9)
fuzzy_hedge(muito, power(2)).
Intensificadores Lingusticos
45
Consistem:
Conjunto de condies IF
(usando conectivos and, or ou not)
Uma concluso THEN
Uma concluso opcional ELSE

So aplicadas s variveis por um processo chamado Propagao
Regras Fuzzy
46
fuzzy_rule(risco1)
if durao is muito longa
and custo is alto
then risco is substancial
else risco is baixo.
Nome da
regra fuzzy
Nomes de qualificador
de condio
Nomes de
varivel de
condio
Nome de
varivel de
concluso
Nomes de qualificador
de concluso
Declarao de uma Regra no FLINT
47
Expreso Mtodo Descrio

P and Q minimum min(X
p
, X
q
)
product X
p
* X
q

truncate max(X
p
+ X
q
- 1, 0)
P or Q maximum max(X
p
, X
q
)
strengthen X
p
+ X
q
* (1 - X
p
)
addition min(X
p
+ X
q
, 1)
not P complement 1 - X
p
Mtodos de operao
48
Regras que possuem a mesma forma podem ser agrupadas numa
matriz de regras
Primeira linha do corpo definem as variveis usadas
Linhas restantes do corpo definem as relaes entre os
qualificadores
Matrizes de Regras Fuzzy
49
fuzzy_matrix(regras_de_risco) :-
durao * custo -> risco;
longa * alto -> muito_alto;
curta * baixo -> baixo.
Nome da
matriz fuzzy
Nomes de varivel de
concluso
Nome de
variveis de
condio
Nome de
qualificadores de
condio
Nomes de
qualificadores de
condies
Declarao de Matrizes Fuzzy no FLINT
50
Exemplo: Controlador de uma turbina a vapor
Objectivo:
Usar Lgica Fuzzy para ajustar a vlvula de uma turbina de acordo com a sua
temperatura e presso mantendo-a a funcionar de um modo suave

Regras Fuzzy

Turbina
Temperatura
Presso
Sensores
vlvula
Temperatura
Presso
Vlvula
Propagao
Activao
Fuzzificao
Defuzzificao
51
1 Definio das variveis Fuzzy
fuzzy_variable temperature ;
ranges from 0 to 500 ;
fuzzy_set cold is \ shaped and linear at 110 , 165 ;
fuzzy_set cool is /\ shaped and linear at 110 , 165 , 220 ;
fuzzy_set normal is /\ shaped and linear at 165 , 220 , 275 ;
fuzzy_set warm is /\ shaped and linear at 220 , 275 , 330 ;
fuzzy_set hot is / shaped and linear at 275 , 330 .
52
fuzzy_variable pressure ;
ranges from 0 to 300 ;
fuzzy_set weak is \ shaped and linear at 10 , 70 ;
fuzzy_set low is /\ shaped and linear at 10 , 70 , 130 ;
fuzzy_set ok is /\ shaped and linear at 70 , 130 , 190 ;
fuzzy_set strong is /\ shaped and linear at 130, 190 , 250 ;
fuzzy_set high is / shaped and linear at 190, 250 .
53
fuzzy_variable throttle ;
ranges from -60 to 60 ;
fuzzy_set negative_large is \ shaped and linear at -45 , -30 ;
fuzzy_set negative_medium is /\ shaped and linear at -45 , -30 , -15 ;
fuzzy_set negative_small is /\ shaped and linear at -30 , -15 , 0 ;
fuzzy_set zero is /\ shaped and linear at -15 , 0 , 15 ;
fuzzy_set positive_small is /\ shaped and linear at 0 , 15 , 30 ;
fuzzy_set positive_medium is /\ shaped and linear at 15 , 30 , 45 ;
fuzzy_set positive_large is / shaped and linear at 30 , 45 .
54
2 Definio das Regras Fuzzy
As regras so da forma:
If the temperature is cold
and the pressure is weak
then increase the throttle by a large amount

Para diferentes combinaes de valores de temperatura e presso
devolvem um valor a aplicar vlvula da turbina

Da que possam ser descritas atravs de uma matriz de valores onde
so apresentadas todas as combinaes possveis
55
2 Matriz de Regras
fuzzy_matrix throttle_value
temperature * pressure throttle ;
cold * weak positive_large ;
cold * low positive_medium ;
cold * ok positive_small ;
cold * strong negative_small ;
cold * high negative_medium ;

cool * weak positive_large ;
cool * low positive_medium ;
cool * ok zero ;
cool * strong negative_medium ;
cool * high negative_medium ;

normal * weak positive_medium ;
normal * low positive_small ;
normal * ok zero ;
normal * strong negative_small ;
normal * high negative_medium ;

warm * weak positive_medium ;
warm * low positive_small ;
warm * ok negative_small ;
warm * strong negative_medium ;
warm * high negative_large ;

hot * weak positive_small ;
hot * low positive_small ;
hot * ok negative_medium ;
hot * strong negative_large ;
hot * high negative_large .

56
Programa
% Propagao dos valores fuzzy

relation get_throttle_value(Temperature,Pressure,Throttle)
if reset all fuzzy values
and fuzzify the temperature from Temperature
and fuzzify the pressure from Pressure
and propagate throttle_value fuzzy rules
and defuzzify the throttle to Throttle .

O Frame Turbina ir modelar a turbina real que se pretende controlar

% Frame Turbina
frame turbine
default temperature is 0
and default pressure is 0
and default throttle is 0 .
57
LPA-FLINT
% Quando os valores Temperatura e Presso so recolhidos da turbina so aplicados ao Frame

% Set Turbine Values
action set_turbine_temperature(T)
do the temperature of turbine becomes T .

action set_turbine_pressure(P)
do the pressure of turbine becomes P .

%Estes valores so passados atravs do programa Fuzzy que calcula um valor a aplicar
vlvula
action set_turbine_throttle
do check the temperature of turbine is Temperature
and check the pressure of turbine is Pressure
and get_throttle_value(Temperature,Pressure,Throttle)
and the throttle of turbine becomes Throttle .

58
LPA-FLINT
Os Demon seguintes asseguram que sempre que sejam alterados os valores Presso e Temperatura o
correspondente valor da vlvula calculado

demon react_to_temperature_update
when the temperature of turbine changes to T
then set_turbine_throttle.

demon react_to_pressure_update
when the pressure of turbine changes to T
then set_turbine_throttle.

% Mostra os valores da Turbina
action display_turbine_values
do write('The current temperature is: ')
and write (the temperature of turbine)
and nl
and write('The current pressure is: ')
and write (the pressure of turbine)
and nl
and write ('The current throttle is: ')
and write (the throttle of turbine)
and nl .
59
fuzzy_dynamic/0
inicializa o sub-sistema fuzzy removendo todas as regras e variveis fuzzy

fuzzy_listing/0
lista todos os predicados dinmicos que representam variveis e regras fuzzy

fuzzy_reset_membership/0
faz o reset (a zero) dos graus de pertena de todos os qualificadores de
variveis

fuzzy_reset_membership/1
faz o reset (a zero) do grau de pertena dos qualificadores para uma varivel
fuzzy

fuzzy_variable_value/2
faz o reset (a zero) do valor de uma varivel fuzzy
Predicados Fuzzy
60
fuzzy_propagate/0
propaga os graus de pertena dos qualificadores das variveis usando todas as
regras fuzzy definidas

fuzzy_propagate/1
propaga os graus de pertena dos qualificadores das variveis usando as
regras especificadas

fuzzy_propagate/3
propaga os graus de pertena dos qualificadores das variveis usando os
combinadores especificados

fuzzy_propagate/4
propaga os graus de pertena dos qualificadores das variveis usando
combinadores e regras especificadas

Predicados Fuzzy

SP Fuzzy

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

SP Fuzzy

Enviado por

Direitos autorais:

Formatos disponíveis

Sistemas Periciais com Conhecimento Incerto

Sistemas Periciais com Conhecimento Incerto

Sistemas Periciais com Conhecimento Incerto

Você também pode gostar