Histrico

Precursores
Plato
Turing
Wiener - Ciberntica

Dcada de 60
Inteligncia Artificial
Lgica Matemtica

Anos 70 e 80
Newell - Sistema de Smbolos
Fsicos
Nvel do Conhecimento

Histrico
85 - KL-One (Brachman &
Schmolze)
87 - SOAR (Laird)
89 ACT* e PUPS (Anderson)
Inferncia Plausvel (Collins &
Michalski)

91 Prottipo de uma Teoria da

Inteligncia (Albus)
Inteligncia sem representao e
sem inferncia (Brooks)

Histrico
Inteligncia Computacional
Sistemas Fuzzy
Redes Neurais
Sistemas Evolutivos

Nas Cincias Humanas:

Piaget, Peirce, Morris

95
IntelignciaEmocional (Goleman)

96
Semitica Computaciona (Gudwin)
Anlise Semitica (Meystel)

Semitica e Sistemas
Inteligentes
Inteligncia / Sistemas Inteligentes:
termos vagos e amplos
Fenmeno da Inteligncia
Estudado nas cincias exatas e nas
cincias humanas
Cincias Exatas :
Inteligncia Artificial
Ciberntica
Inteligncia Computacional
Cincias Humanas:
Semitica
Semiologia

Semitica e Sistemas
Inteligentes
Semitica:
Cognio
Comunicao

Cognio:
apreenso
e
compreenso dos fenmenos
que ocorrem no ambiente
Comunicao: estuda como os
fenmenos
apreendidos
e
compreendidos
podem
ser
transmitidos entre os seres
inteligentes

Semitica e Sistemas
Inteligentes
Signo (ou representmem) qualquer coisa que, sob certo
aspecto ou modo, representa algo
para algum (Peirce).

Semitica estuda:
Como os signos so formados
Como representam os diferentes
aspectos dos fenmenos
Como podem ser utilizados para o
armazenamento e transmisso de
informao.

Semitica e Sistemas
Inteligentes
Inteligncia Artificial e Semitica:
caminhos distintos
IA: Criar estruturas matemticas
que emulassem caractersticas
particulares da inteligncia ->
sistemas computacionais exibindo
comportamento inteligente
S:
Identificar, classificar e
sistematizar
as
diferentes
caractersticas que, em conjunto,
podem
ser
chamadas
de
inteligncia.

Semitica e Sistemas
Inteligentes
Dois tipos de modelos:
IA: Modelo Formal (estrutural)
S: modelo descritivo

Modelos da IA
mais exatos

Modelos da S
mais amplos, porm intuitivos e
vagos

Mapeamento entre modelos

Cognio e Semitica
Fundamentos:
Mundo: povoado por objetos
Objetos:
criados ou destrudos
caracterizados por seus atributos ->
modificveis

Sistema cognitivo:
A partir da interface de entrada,
consegue identificar objetos do
mundo
modelo por representao interna

Cognio e Semitica
Detecta
modificaes nos atributos dos
objetos,
criao de novos objetos e
destruio de objetos
atualizao do modelo

A partir
internos

dos

modelos

planeja uma alterao nos objetos

do mundo e
atua sobre o mundo, por meio da
interface de sada

Cognio e Semitica
Interface de Entrada (sensores) mapeamento parcial do ambiente

Sistema cognitivo objeto do ambiente

modelo de si prprio

Identificao de objetos a partir dos dados sensoriais

Interpretao reconhecimento de um objeto

evoca um modelo interno de
objeto

Cognio e Semitica
fonte de informao signo

representao interna interpretante

Interpretante pode ser um signo

cadeia de interpretantes

processo sgnico (semiosis) (signo, objeto, interpretante)

fenmeno cognitivo dinmico (adaptao/aprendizagem)

Cognio e Semitica
(signo, objeto, interpretante) x
(modelo
de
representao,
fenmeno, conhecimento)
analogia parcial

problema:
interpretante tambm signo

soluo:
estrutura

representa
conhecimento gera novas
estruturas

conhecimento
argumentativo

Classificao dos Signos

Signo em relao a seu aspecto
como signo:
qualissigno
sinsigno
legissigno

Signo em relao ao seu objeto

cone
imagem
diagrama
metfora

ndice
smbolo

Classificao dos Signos

Signo em relao
interpretante

ao

rema (termo)
dicente (proposio)
argumento
deduo
necessria
provvel

induo
abduo
analogia (induo + deduo)

seu

Tipos Elementares de
Conhecimento
Signo Conhecimento
fenmenos do ambiente diferentes naturezas
diferentes tipos de conhecimentos
diferentes
estruturas
de
representao

taxonomia
dos
tipos
elementares de conhecimento

Tipos Elementares de
Conhecimento
Conhecimento Remtico
interpretao de remas, ou termos
significado das palavras

conh. remtico simblico

nome

conhecimento remtico indicial

referncia relativa, a partir de
outro fenmeno previamente
identificado

conhecimento remtico icnico

modelo direto do fenmeno

Tipos Elementares de
Conhecimento
Conh.
remticos
icnicos:
(especficos ou genricos)
sensorial,
objetos
ocorrncias
Conhecimento
sensorial: signo que adentra
interface de entrada -> padro
conhecido

exemplos:
redes neurais artificiais, sistemas
de controle fuzzy

Tipos Elementares de
Conhecimento
Conhecimento sensorial
especfico:
padro sensorial em uma instncia
particular e temporal

conhecimento sensorial
genrico:
classe de conhecimentos
sensoriais especficos com
caractersticas comuns
(semelhana)

Tipos Elementares de
Conhecimento
conhecimento de objetos:
conhecimentos sensoriais sugerem
a existncia de um objeto

conh. de objetos especfico:

instncia particular e temporal

conh. de objetos genrico:

classe de conhecimentos de
objetos
especficos
com
caractersticas comuns.

exemplo:
canal de comunicao e o caracter
$

Tipos Elementares de
Conhecimento
conhecimento de ocorrncias
(aes):
conhecimento dos valores dos
atributos dos objetos do mundo,
mudana desses valores em
funo do tempo, gerao e
destruio de objetos.

ocorrncias em conhecimentos
sensoriais
corporificados como objetos

Tipos Elementares de
Conhecimento
conhecimento especfico:
instncia particular e temporal

conhecimento genrico:
classe de ocorrncias especficas

objetos (ou sensaes)

especficos ou genricos

exemplo:
trajetria de veculo autnomo

ocorrncias
referenciar mltiplos objetos
exemplo: veculo transporta pea

Tipos Elementares de
Conhecimento
Conhecimento Dicente
interpretao de proposies
(termos+valor-verdade)
conhecimento do significado das
frases

valor-verdade:
medida da crena que o sistema
cognitivo tem de que uma
proposio verdadeira
valor entre 0 e 1.

Tipos Elementares de
Conhecimento
proposies
proposies primitivas
conectivos lgicos

proposies primitivas:
proposies icnicas
proposies simblicas

proposio icnica:
composio de termos formando
uma sentena
cada termo :
conhecimento remtico icnico

Tipos Elementares de
Conhecimento
sentena uma ocorrncia e um ou mais
objetos
ou
conhecimentos
sensoriais

valor verdade da sentena

crena que o sistema cognitivo
tem de que o conhecimento
contido na proposio icnica
efetivamente representa o que
ocorreu no mundo real.

Tipos Elementares de
Conhecimento
ocorrncia
verbo (ou predicado)

objetos (sensaes)
relatos (ou sujeitos)

nmero de relatos necessrio

aridade da ocorrncia

proposices simblicas
nomes associados
proposies

outras

Tipos Elementares de
Conhecimento
valor-verdade
pode ser determinado a partir da
interao com outras proposies

proposio simples
no pode ser decomposta
proposio primitiva

proposio composta
proposies primitivas ligadas por
conectivos lgicos

proposio condicional
SE (proposio antecedente)
ENTO (proposio consequente)

Tipos Elementares de
Conhecimento
conhecimento dicente utilizando
proposies simblicas
muito utilizado na lgica clssica
dispensa detalhes semnticos dos
conhecimentos remticos contidos
nas proposies icnicas

conhecimento dicente utilizando

proposies icnicas
resolve o problema conhecido na
IA como symbol grounding
mais complexa

Tipos Elementares de
Conhecimento
Conhecimento Argumentativo
argumento
analticos
sintticos

agente de transformao de
conhecimento
transforma um conjunto de
conhecimentos (premissa) em um
novo conhecimento (concluso)

transformao
funo argumentativa
caracteriza o tipo de argumento

Tipos Elementares de
Conhecimento
argumentos analticos:
conhecimento nas concluses j
se
encontra
implcito
nas
premissas
argumento dedutivo
concluses nunca entram em
contradio com o conhecimento
das premissas

argumentos sintticos:
sintetizam um conhecimento
novo, baseado no conhecimento
existente nas premissas.

Tipos Elementares de
Conhecimento
argumento sinttico
pode haver contradio nas
concluses
utilizado por seres humanos
aprendizagem e refinamento de
conhecimento pre-existente

Podem ser de duas naturezas

indutivo
abdutivo

Tipos Elementares de
Conhecimento
argumento indutivo
construtivo
conhecimento nas premissas
utilizado como base para a
gerao do conhecimento nas
concluses, por meio de pequenas
modificaes.

exemplo:
concluso a respeito da cor dos
feijes em um saco baseada em
uma amostra.

Tipos Elementares de
Conhecimento
argumento abdutivo
destrutivo
conhecimento nas premissas
utilizado para refutar possveis
conhecimentos
candidatos
(gerados por qualquer mtodo que
seja) e selecionar dentre estes, os
melhores candidatos.

exemplo:
descoberta da equao que rege o
movimento dos planetas, por
Kepler.

Tipos Elementares de
Conhecimento
argumentos
abdutivos

indutivos

podem atuar cooperativamente

conhecimentos nas premissas e

concluses
podem ser de quaisquer tipo.

argumentos dedutivos, indutivos

e abdutivos
utilizados implicitamente em
todos os sistemas que envolvem
aprendizado.

Conhecimento Aplicado
Classificao ortogonal
Finalidade do conhecimento em
um sistema cognitivo
Conceitos introduzidos por
Charles Morris
estudo dos interpretantes

Tipos de Interpretantes
designativo
apraisivo
prescritivo

Conhecimento Aplicado
Conhecimento Designativo
conhecimento utilizado
modelar o mundo real
conhecimento descritivo

para

originado
por
percepo
sensorial + memria
pode utilizar qualquer tipo
elementar de conhecimento
tipo de conhecimento mais
usualmente utilizado

Conhecimento Aplicado
Conhecimento Apraisivo
utilizado como uma avaliao, um
juzo, um julgamento, uma
apreciao,
diante
de
um
propsito

Sistemas naturais
propsitos gerais

reproduo,
sobrevivncia do indivduo,
sobrevivncia da espcie,
aumento de conhecimento sobre o
mundo

Conhecimento Aplicado
Mltiplas formas:
desejo, repulsa, medo, cobia,
dio, amor, prazer, dor, conforto,
desconforto, etc.
inteligncia emocional

sensao, objeto ou ocorrncia

boa ou ruim para o propsito
relacionado

sistemas artificiais
propsitos podem ser quaisquer

Conhecimento Aplicado
caracterstica inata
capaz de aprendizagem
balizada pelo conhecimento inato

associado a sensaes
avaliao no vinculada a nenhum
objeto (intuio)

relacionado a algum objeto

objeto fonte de prazer ou
desprazer

relacionado a ocorrncia
determinada
ao
evoca
conhecimento apraisivo

Conhecimento Aplicado
Mltiplos propsitos
conhecimento apraisivo ambguo
conhecimento apraisivo global
ponderao

Conjunto de
apraisivos

conhecimentos

sistema de valores
fundamental para que o sistema
cognitivo atinja seus propsitos.

Conhecimento Aplicado
Conhecimento Prescritivo
conhecimento para atuar sobre o
mundo real
traar planos de ao e atuar
efetivamente, por meio dos
atuadores do sistema.

Relao com outros

conhecimentos
julgados
por
conhecimentos
apraisivos
determinados por conhecimentos
designativos

Conhecimento Aplicado
regulam o prprio estado do
sistema cognitivo
aprendizagem e adaptao

Comando
decomposto em
progressivamente

subcomandos,

Comando de alto nvel

diversos comandos a nvel de
atuadores

execuo
tempo de latncia
problemas de sincronismo

Conhecimento Aplicado
exemplo:
comando enviado para atuao e
em seguida, enquanto est sendo
processado vem um segundo
comando

estratgias:

abortar o primeiro comando

comandos em fila
prioridades nos comandos e filas
comandos em paralelo

Conhecimento Aplicado
atuadores
sem comandos
comportamento padro

diferentes estratgias:

manter valor anterior

valor padro
trajetria peridica
valores aleatrios
modificaes aleatrias
programvel
previso do comportamento futuro
do sistema

Teoria dos Objetos

Modelo formal
conceito de objetos

Veculo de formalizao
diferentes tipos de conhecimento

Teoria Geral dos Objetos

sistemas orientados a objetos

Objeto:
intimamente
relacionado
pensamento humano
mente humana

ao

preparada para identificar, representar

e utilizar objetos

Teoria dos Objetos

Uso de objetos pela mente
humana
aplicaes orientadas a objetos
sistemas orientados a objetos
linguagens orientadas a objetos

Objetivo
modelar idia de objetos em
estruturas de programao

Conceitos
mais prximos do modo como a
mente humana os usa.
Maior facilidade na elaborao de
programas

Teoria dos Objetos

Apesar de largamente utilizados
inexistncia de um modelo formal
adequado

Propostas
Wang, 1989
carece de um embasamento simples,
claro e consistente

Wolczko, 1988
especificao de uma semntica
uniforme para linguagens de
programao - meta-linguagem

Gudwin, 1996
modelo formal baseado na teoria de
conjuntos

Definies Preliminares
Funo
f: A B
f A B

nupla
q = (q1 , q2 , ... , qn )
produto cartesiano = conjunto de
nuplas
nupla no um conjunto
componente da nupla : qi

nuplas Complexas
q = (q1 , (q21 , q22 , q23 ), q3 , q4 )
q2 = (q21 , q22 , q23 )
q = (q1 , q2 , q3 , q4 )

Definies Preliminares
nupla Unria
(q) = q

Aridade de uma nupla

diz respeito nupla principal e
no a nuplas internas
q = (q1 , q2 , ... , qn )
Ar(q) = n

Exemplos
q = (a,b,c), Ar(q) = 3
q = (a,(b,c),d), Ar(q) = 3
q = ((a,b,c),(d,(e,f),g)), Ar(q) = 2

Definies Preliminares
ndice de Referncia
utilizado para a localizao de uma
componente em uma nupla

Exemplos
s = (a,b,c), S = SA SB SC
i=1 si = a, Si = SA
i=2 si = b, Si = SB
i=3 si = c, Si = SC
c = (a,(b,d)), C = CA (CB CC )
i=1ci = a, Ci = CA
i=2ci =(b,d), Ci = CB CC
i=(2,1) ci =b, Ci = CB
i=(2,2) ci = d, Ci = CC
c = (a,(b,(s,d,(e,f),g),h) ),
C = CA (CB (CC CD (CE CF ) CG ) CH )
i=(2,1)ci = b, Ci = CB
i=(2,2,3) ci = (e,f) , Ci = CE CF
i=(2,2,3,2) ci = f, Ci = CF
i=(2,3) ci = h , Ci = CH
i=2 ci = (b,(s,d,(e,f),g),h) ,
Ci = CB (CC CD (CE CF ) CG ) CH

Definies Preliminares
Frmula de Induo:
Sejam uma nupla q = (q1 , q2 , ... ,
qn ) e k uma expresso definida
pela seguinte sintaxe:
k[i]
ii,i
i[i,i]

i um ndice de referncia de q.
A expresso k chamada de uma
frmula de induo

Exemplos:
k = [ i 1 , [ i 2 , i3 , i4 ] , i5 ]
k = [ [i1 , i2 ], [i3 , [i4 , i5 ] ] ]
k = [i1 , i2 , i3 ]

Definies Preliminares
Induo de uma nupla
gerao de uma nova nupla a partir
de uma nupla original e de uma
frmula de induo

Exemplos
q = (a,b,c,d), Q = Q1 Q2 Q3 Q4, k = [1,3,4,2 ],
q(k) = (a,c,d,b), Q(k) = Q1 Q3 Q4 Q2
q = (a,b,c,d), Q = Q1 Q2 Q3 Q4 , k = [4,1],
q(k) = (d,a), Q(k) = Q4 Q1
q = (a,b,c,d), k = [ 1, [2, 3] , 4] ,
q(k) = (a, (b,c), d), Q(k) = Q1(Q2 Q3 )Q4
q = (a,(b,c),d), Q = Q1(Q2 Q3 )Q4 ,k = [1,(2,1),(2,2),3],
q(k) = (a,b,c,d), Q(k) = Q1 Q2 Q3 Q4
q = (a, (b,c), d), Q = Q1(Q2 Q3 )Q4 , k = [3,2],
q(k) = (d,(b,c)), Q(k) = Q4 (Q2 Q3 )
q = (a, (b,c), d), Q = Q1(Q2 Q3 )Q4 , k = [3,2,(2,1)],
q(k) = (d,(b,c),b), Q(k) = Q4 (Q2 Q3 ) Q2

Definies Preliminares
Sub-nupla
Sejam q uma nupla e k uma
frmula de induo
uma nupla q(k) formada pela
induo de q segundo k
chamada de uma sub-nupla de q
se
cada ndice em k um ndice unrio
aparece uma nica vez na frmula
frmula s possui um par de
colchetes

Definies Preliminares
Relao
R1 , ... , Rn conjuntos
R = { (ri1 , ... , rin ) } ,
i = 1, ... , M, n > 1 tal que
i {1, ... ,M}, k {1, ... , n},
rik Rk ,
R, R R1 ... Rn uma
relao em R1 ... Rn,

Definies Preliminares
Projeo
R = {ri }, ri = (ri1 , ... , rin ) uma
relao em U = R1 ... Rn
k uma frmula de induo com
ndices unrios k = [k1,k2,...,km], ki
{1, ... , n}, ki kj, se i j,
i = 1,...,m , j = 1,...,m, m n.
A projeo de R em U(k), R U(k)
(ou R(k)) a relao obtida pela
unio de todas as sub-nuplas ri(k)
de R originadas pela induo das
nuplas ri de R segundo k
R(k) = ri(k).

Definies Preliminares
Exemplo de Projeo:
A = {1, 2}
B = {a,b,c}
C = {, , ).
R={(1,a,),(2,c,),(2,b,),(2,c,)}
R A C =
{(1,),(2,),(2, )}
R C B = {(,a),(,c),(,b),
(,c)}

Definies Preliminares
Projeo Livre
R = {ri }, ri = (ri1 , ... , rin ) uma
relao em U = R1 ... Rn
k uma frmula de induo
A projeo livre de R em U(k) ,
R U(k) (ou R(k) ) a relao
obtida pela unio de todas as subnuplas ri(k) originadas pela
induo das nuplas ri de R
segundo k.
R(k) = ri(k)

Definies Preliminares
Extenso Cilndrica
R = { (ri1 , ri2 , ... , rin ) } uma
relao em U = R1 ... Rn
A extenso cilndrica P de R em
P1 ... Pm , P = R P1 ... Pm ,
onde k {1, ... , n} Pj = Rk ,
1 j m, a maior (no sentido
de maior nmero de elementos)
relao P P1 ... Pm tal que
P R1 ... Rn = R.

Definies Preliminares
Exemplo de Extenso Cilndrica

A = {1, 2}
B = {a,b,c}
C = {, , ).
R = { (1,a), (2,c) }
R A B C = { (1,a,),
(2,c,), (1,a,), (2,c,), (1,a,),
(2,c,) }

R C A B = { (,1,a),
(,2,c), (,1,a), (,2,c,), (,1,a,),
(,2,c,).

Definies Preliminares
Juno de Relaes
R e S duas relaes em R1... Rn
e S1 ... Sm , respectivamente, e
P = P1 ... Po um universo onde
i {1, ... , n} Pk = Ri , e j
{1, ... , m} Ph = Sj , o n + m
Juno de R e S sob P
R * S |P

R * S |P = R P S P.
Observao: Se i,j , Ri Sj ,
ento R * S |P R1 ... Rn = R e
R * S |P S1 ... Sm = S.

Definies Preliminares
Exemplos de Juno:
A = {1, 2}
B = {a,b,c}
C = {, , ).
R = { (1,a), (2,c) }
S = {(a,), (b,)}
R * S |A B C = { (1,a,) }
R * S |A B B C = {(1,a,a,),
(1,a,b,), (2,c,a,), (2,c,b,) }

Definies Preliminares
Varivel
N = {n} - conjunto enumervel
relacionado a alguma medida de
tempo
U - universo, e X U.
Uma varivel x de tipo X uma
funo x : N X .
Note que uma funo tambm
uma relao, e por isso pode ser
expressa por meio de um
conjunto. Portanto: x N X.

Definies Preliminares
Exemplos de Variveis:
N = {1, 2, 3}, X = {a, b, c },
x(1) = a, x(2) = b, x(3) = c
x = { (1, a), (2, b), (3, c) }
N = {1, 2, 3, }, X = {a, b, c }
x(1) = a, x(2) = b, x(3) = c, ...
x = { (1, a), (2, b), (3, c), ... }

Definies Preliminares
Varivel Composta
Seja x uma varivel de tipo X. Se
os elementos de X so nuplas
no unrias, a varivel x
chamada uma varivel composta
ou estrutura

Exemplos:
N={1, 2, 3},X1={a,b}, X2 = {c,d}
X=X1X2={(a,c),(a,d),(b,c),(b,d)}
x = {(1,(a,c)), (2,(a,d)), (3, (a,d))}
x N X1 = {(1,a) , (2,a), (3, a)}
x N X2 = {(1,c) , (2,d), (3, d)}

Caractersticas dos
Objetos
Os objetos so nicos e
identificados por seu nome.
Cada objeto possui um conjunto
de atributos e/ou partes.
Um objeto pode possuir um
conjunto
de
funes
de
transformao.
Um objeto do sistema pode
consumir outro objeto do
sistema.

Caractersticas dos
Objetos
Um objeto do sistema pode
gerar outro objeto do sistema.
Os
objetos
podem
ser
classificados hierarquicamente
em funo de seus atributos e
funes de transformao.
A interao entre objetos se
limita ao consumo e gerao de
novos objetos por objetos do
sistema.

Caractersticas dos
Objetos
Segundo Snyder

Os objetos so abstraes
Os objetos provm servios
Objetos clientes fazem requisies de servios
Os objetos so encapsulados
As requisies identificam os mtodos a serem
utilizados
As requisies podem referenciar seus objetos
de origem
Novos objetos podem ser criados
Mtodos podem ser genricos
Objetos podem ser classificados em termos de
seus servios
Objetos podem ter uma implementao comum
Objetos podem partilhar a implementao
parcialmente

Atividade dos Objetos

Portas de
Sada

Portas de
Entrada
Objeto

Funes de
Estados
Transformao Internos
Interface
Interface
de Entrada
de Sada

Interao entre Objetos

Objetos Distintos
Objeto j
existente
Objeto novo

Mesmo Objeto

Definio Formal
Classe
Uma classe C um conjunto
cujos elementos ci so nuplas do
tipo:
(v1, v2 , ... , vn , f1, f2 , ... , fm ) ,
n 0, m 0

onde vi Vi , e fj so funes
fj :

Vp

pPj

Vq

qQ j

Pj {1, ... , n} e Qj {1, ... , n}

so definidos para cada funo fj ,
p/ cada nupla (v1, v2 , ... , vn )
V1 ... Vn deve existir uma
nupla correspondente em C.

Definio Formal
Objeto
C uma classe no vazia.
c uma varivel de tipo C.
c objeto da classe C.

Objeto Primitivo: n = 1, m=0

Objeto Ativo: m > 0
Objeto Passivo: m = 0
Atributos e Partes
Vi uma classe parte

Unicidade
nome

Definio Formal
Instncia de um Objeto
c um objeto de uma classe C.
instncia de um objeto em um
instante n:
o valor de c nesse instante: c(n).

Lembrando-se que C um
conjunto de nuplas, a instncia
de um objeto ser um elemento de
C, no caso, uma nupla.
Observe que a instncia de um
objeto c em um instante n um
elemento de C.

Definio Formal
Superclasse e Subclasse
C uma classe e k uma frmula
de induo somente com ndices
unrios
D = C(k) , D uma classe
D uma superclasse de C.
C uma subclasse de D.
Classe
definida a partir de uma ou mais
classes primitivas.
gerada por
extenso cilndrica de uma classe,
juno de diversas classes
extenso cilndrica da juno de
diversas classes.

Definio Formal
Hierarquia de Classes
definio de classe, projeo,
extenso cilndrica e juno
induzem uma hierarquia de
classes
Classe Vazia

P
Classe A
P
EC

P
Classe E

EC
Classe C

Classe B

J+EC

Classe D

EC

EC

EC

EC

Classe F
J+EC

Legenda
EC - Extenso Cilndrica
P - Projeo
J - Juno

P
Classe G
P

P
Classe H

Definio Formal
Sub-objeto
c um objeto de uma classe C
d um objeto de uma classe D,
D uma superclasse de C,
determinada por uma frmula de
induo k.
Se para todos os instantes n,
d(n) = c(n)(k)

d um sub-objeto de c.
d corresponde projeo livre de
c em N D
d = c N D.

Definio Formal
Interface de Entrada
c - objeto ativo de uma classe C
I - superclasse de C, definida por:
I

f ,1 j mondei Pj
Vi , i {1,..., n}talque j
f l ,1 l mi Q l

Define-se a interface de entrada i

do objeto c, como o objeto
passivo gerado pela projeo livre
de c em N I, ou seja,
i=cNI

Definio Formal
Interface de Entrada Especfica
a Funo
c - objeto ativo de uma classe C
i a interface de entrada de c
Ij - superclasse de I e de C:
Ij

Vi ,i {1,..., n}talquep / f j i Pj el{1,..., m},i Q l

ij - interface de entrada especfica

funo j de c,
ij = c N Ij = i N Ij
Tendo C, m funes, existem m
interfaces de entrada especficas a
funo.
Cada ij - sub-objeto de i e de c.

Definio Formal
Interface de Sada
c objeto ativo de uma classe C
O - superclasse de C definida por:
O

f j,1 j mondei Q j
Vi ,i {1,..., n}talque
f l ,1 l mi Pl

Define-se a interface de sada o

do objeto c, como o objeto
passivo gerado pela projeo livre
de c em N O, ou seja,
o = c N O.

Definio Formal
Interface de Sada Especfica a
Funo
c - objeto de uma classe ativa C,
o - interface de sada de c
Oj uma superclasse de O e de C:
Oj

Vi , i {1,..., n}talquep / f j i Q j el{1,..., m},i Pl

oj - interface de sada especfica

funo j de c,
oj = c N Oj = o N Oj
Tendo C, m funes, existem m
interfaces de sada especficas a
funo. Alm disso, cada oj um
sub-objeto de o e de c.

Definio Formal
Existncia de um objeto
Um objeto c dito existir em um
instante n, se a funo que mapeia
as instncias de c em C definida
para n N .

Gerao e Consumo de objetos

Um objeto dito gerado em um
instante n, se ele no existe em
n e existe em n+1. Um objeto
consumido em n, se ele existe em
n e no existe em n+1.

Definio Formal
Escopo Habilitante de uma Funo
um objeto ativo c de uma classe
C = { (v1, v2 , ... , vn , f1, f2 , ... , fm )}.
fj , componente dos elementos de C
ij a interface de entrada especfica funo fj

- aridade das instncias de ij .

gi - funo de indexao de entrada p/ fj
mapeando cada componente das instncias de
ij em uma componente nas instncias de c.
gi : {1, ... , } {1, ... , n}
B = {0,1}.
Um escopo habilitante para esta funo ser
um conjunto de nuplas
H = {(ht ,bt )}, t = 1, ... , , onde ht um
objeto de classe Vgi(t) e bt B um valor
indicando se o objeto ht deve (bt = 1) ou no
(bt = 0) ser consumido no disparo de c.

Definio Formal
Escopo Gerativo de Uma Funo
um objeto ativo c de uma classe
C = { (v1, v2 , ... , vn , f1, f2 , ... , fm )}
fj , componente dos elementos de C
oj a interface de sada especfica funo fj

- aridade das instncias de oj

go - funo de indexao de sada p/ fj
mapeando cada componente das instncias de
oj em um componente nas instncias de c
go : {1, ... , } {1, ... , n},
Um escopo gerativo para esta funo ser
um conjunto de objetos
S = {su }, u = 1, ... , , onde su um objeto
de classe Vgo(u).

Definio Formal
Habilitao de um Objeto Ativo
todos os objetos pertencentes a
um escopo habilitante de uma de
suas funes fj existem em n.
A funo fj dita estar habilitada
em n.

Disparo de um Objeto Ativo

um objeto c de uma classe C.
c(n) = (v1 (n), ... , vn (n), f1 (n), ... , fm (n) ).
fj de c em n, habilitada por
H = {(ht ,bt )}.
S = {su } para fj , tal que, se s S,
ou s no existe em n, ou s H.

Defino Formal
Disparo de um Objeto Ativo
o nmero de valores p para os
quais k Pj, k = 1, ... , n.
funo de indexao de domnio
gd : (1, ... , p } {1 , ... , n} para
a funo fj que mapeia para cada
componente do domnio de fj um
componente em c .
a projeo de f(.) em Vk , f(.)Vk.
, , gi e go
O disparo do objeto no instante n
corresponde a:
c(n+1) = f( c(n), h1(n), , ht (n) )

Definio Formal
Disparo de um Objeto Ativo

vi (n+1)

v i ( n ) se i Pj e i Q j

= h gi1 (i) (n ) se i Pj e i Q j
f ( w ,..., w ) V se i Q
b
i
j
j 1

onde

h gi 1 ( gd ( r )) (n ),se gd (r ) Pj
wr
v gd ( r ) (n ),se gd (r ) Pj

bt = 1 ht (n+1) = no definido
se (ht , bt ) H.
Se su(n) = no definido, definir
su(n+1)
su (n+1) = vgo(u) (n+1)

Definio Formal
Sistema de Objetos
ci objetos de classe Ci , i = 1, ... ,
C = {ci } .
i = { 0, ... , mi }, onde mi o
nmero de funes do objeto ci
B = {0,1}.
i , 0 i , > 0, funes de
seleo i : N 2C x B 2C I
provendo:
Hi, um escopo habilitante
Si, um escopo gerativo
ndice da funo (fi) a ser executada
pelo objeto

Definio Formal
Restries em i :
(c,b) Hi ,
se b = 0 (k i)((c,1) Hk )
se b = 1 (k i)
(c,0) Hk
(c,1) Hk

c Si ,
(k i)(c Sk )
(k)((c,1) Hk )

Hi um escopo habilitante e
Si um escopo gerativo p/
i (n) i .
Se ci passivo ou, Hi ou
Si , ou (k i) ((ci ,1) Hk ):
i (n) = ( , , 0 ).

Definio Formal
Um sistema de objetos um
conjunto de pares {i }
i = (ci ,i ), tal que :
ci sejam definidas em um mesmo N.
Para n=0, exista pelo menos um i
com objeto ci definido.
Para n>0, todos os objetos ativos ci
com i (n) ( , , 0 ), ou seja,
com i(n)=(Hi,Si,j) sejam disparados,
conforme Hi e Si , utilizando fj.
Para n>0, todos os objetos ci
existentes em n com suas instncias
(n+1) no afetados pelo tem
anterior sejam regenerados:
ci (n+1) = ci (n).

Definio Formal
Sistema de Objetos
Conjunto de Objetos
1 2 3 4 5 6 7 8 9 10 11 12 13

Sistema de Objetos
1 2 3 4 5 6 7 8 9 10 11 12 13

objeto 1
objeto 2
objeto 3
objeto 4

Propriedade Desejvel:
Computabilidade
Natureza recursiva no garante a
computabilidade

Definio Formal
Computabilidade de um Sistema
de Objetos
Seja um sistema de objetos,
definido em N.
Se,
tiver um nmero finito de
elementos i e,
todas as funes de seleo i de i
forem computveis e,
todas as funes internas dos objetos
ci de i forem computveis,

ento ser computvel.

Condies suficientes
no necessrias

Redes de Objetos
Tipo especial de sistema de
objetos
restries so colocadas
funo de seleo

Objetos
associados a lugares

Lugares
conectados por arcos
arcos de entrada e sada
objetos do mesmo tipo

Redes de Objetos
fs Funes de
Transformao

(v1 , ... , vn )
(v1 , ... , vn , f1 , ... , fm )
- Funo de
Seleo

Lugar Ativo

Lugares Passivos

Instncias
de Objetos

Redes de Objetos
Definio Formal
conjunto de classes = {Ci }
conjunto de objetos C = {ci }, ci
objetos de classe Ci ,
Ci , 0 i , > 0.
= { i } conjunto de lugares i
A um conjunto de arcos A = {ai }
- funo de n : A
uma funo de localizao :
N C , que associa para
cada objeto c C, em um instante
n, um lugar .

Redes de Objetos
Definio Formal
F() : 2 , F() = k onde k
K, K = {k | aj A tal que (aj)
= (k,) }.
V() : 2 ,V() = k onde k
K, K = {k | aj A tal que (aj)
= (,k) }.
X():2, X()=F() V().
= () : ,
p/ cada vi da i.e. de objetos de classe
(), vi um objeto de classe C, k, k
F(), tal que (k ) = C, e
p/ cada vi da i.s. de objetos de classe
(), vi um objeto de classe C k, k
V(), tal que (k ) = C.

Redes de Objetos
Definio Formal
ii a i.e. de objeto de classe (i ).
oi a i.s.de objeto de classe (i ).
i o nmero de campos de ii
i o nmero de campos de oi
fpii : {1, ... , i } A- funo de
atribuio de portas de entrada
p/ objetos em i , fpi = {fpii }.
fpoi :{ 1, ... , i } A- funo de
atribuio de portas de sada p/
objetos em i , fpo = {fpoi }
i = { 0, ... , mi }, onde mi o
nmero de funes do objeto ci

Redes de Objetos
Definio Formal
= { i } , 0 i , > 0, i so
funes de seleo
i : N 2C x B 2C i
p/ cada ci , em n, Hi , Si e fi , restritos
por:
(c,b) Hi ,
(n,c) = , F((n,ci ) ),
se b = 1, (k i)((c,1) Hk )

c Si
(n,c) = , V((n,ci ) ),
(k i)(c Sk )
(k)((c,1) Hk ).

Hi , Si fk , k = i (n) i .
Se ci passivo ou Hi ou Si ,
i (n) = ( , , 0 ).

Redes de Objetos
Definio Formal
Rede de Objetos
=(, , , A, , fpi, fpo, C , , ),
Sistema de objetos = { (ci , i ) }
seja determinado fazendo-se ci C
e i , 0 i , e
p/ cada ci C com fj disparada em
n, se (n,ci ) = , ento
(n+1,sik ) = k,
k tal que
( fpo (k) ) = (,k )
k o ndice do k-simo campo da
interface de sada especfico funo f i
de ci referenciado na interface de sada
de ci .

Redes de Objetos
Rede de Objetos
Especificao

Redes de Objetos Computveis

Determinada a partir de uma
sequncia de redes de objetos
0 , 1 , ... , onde cada i
contm um nmero finito de
objetos, definidos sobre um
domnio Ni incremental.

0 - Ncleo da Rede
Objetos e funes de localizao
esto definidos somente para n=0
algoritmo descrevendo

Redes de Objetos
Ncleo de uma Rede de Objetos
0=(,,,A,,fpi,fpo,C0,0,),
onde
, , , A, , fpi e fpo sejam
conforme a definio de rede de
objetos e
C0 = {ci} - conjunto de objetos
definidos apenas para n=0.
0 - funo 0 : N C 0 ,
definida apenas em n=0.
- funo de seleo computvel,
determinada a partir de um
algoritmo .

Redes de Objetos
Exemplo de Evoluo de
Sequncia
0

1 2

1 2 3

3
1 2 3 4

objeto 1
objeto 2
objeto 3
objeto 4

objeto 1
objeto 2
objeto 3
objeto 4

1 2 3 4 5

1 2 3 4 5 6

Redes de Objetos
procedimento Principal:
{Define-se C , composto pelos objetos ci dados em C 0 .
Define-se a funo de localizao , composto pelas nuplas em 0
Define-se =
Faa n variar de n=0 at n=final
{Aplique para determinar (n) e atualize .
Para todos os objetos ativos ci existentes no instante n:
{Calcule i (n) = (Hi , Si , f ).
Se Hi = , v p/ prximo objeto
Se Hi :
{execute a funo f, gerando uma nova instncia ci(n+1)
atualize a definio de ci : ci = ci (n) ci (n+1).
Para todo sik Si
{Se sik C gere um novo objeto vazio e acrescente a C
calcule o valor de sik (n+1) a partir de ci (n+1) e atualize
o objeto sik .
determine (n+1,sik ) V( (n,ci )) e atualize .
}
}
}
Para todos os objetos ci tais que (ci ,1) no consta de nenhum
escopo habilitante e ci no consta de nenhum escopo gerativo.
ci (n+1) = ci (n).
}
}

Redes de Objetos
Procedimento
{Para cada objeto ativo ci
{Para cada funo fj do objeto ativo ci
{Gere um escopo habilitante vazio para a funo fj
Para cada campo k da interface de entrada correspondentes a fj
{verifique se no arco apontado por fpo(k) existe:
nenhum objeto, um objeto ou mais de um objeto
Se no existir nenhum objeto, destrua o(s) escopo(s) habilitante(s) e v p/
prxima funo
Se existir apenas um objeto, incorpore-o no(s) escopo(s) habilitante(s).
Se existirem mais de um objeto, para cada escopo habilitante, faa tantas
cpias deste quanto forem os objetos e incorpore um objeto a cada cpia.
}
Para cada escopo habilitante, calcule um ndice de desempenho
}
}
Para cada objeto ativo ci
{Faa uma lista ordenada pelo ndice de desempenho, contendo a funo e o escopo
habilitante respectivo}
Para cada objeto ativo ci
{Escolha o primeiro elemento da lista como a funo e escopo habilitante p/ o objeto
Verifique se a escolha no conflita com as escolhas dos outro objetos.
Se houver conflito, use um critrio de desempate. O perdedor passa a escolher o
prximo de sua lista.
Se o prprio objeto ci pertencer ao escopo habilitante de outro objeto, cancele seu
escopo habilitante e reorganize a lista.}
Para cada objeto ativo ci com escopo habilitante diferente de vazio
{Crie um escopo gerativo vazio para ci
Para cada campo k da interface de sada especfica funo fj escolhida
{Se houver um objeto em C no definido para n-1 e n da classe desejada,
coloque-o no escopo gerativo, caso contrrio crie um novo objeto e incla-o.}
}
Retorne p/ cada objeto, o escopo habilitante, o escopo gerativo e a funo escolhidas
}

Exemplos
Rede de Petri
p3
p1

t1

t2

p2

p5

p4

2 classes
C1 = {t} - classe dos tokens
C2 = {(v1 , v2 , v3 , f1 )} - classe das
transies de 2 entradas,
v1 , v2 C1 - interface de entrada,
v3 C1 - interface de sada
f1 : C1 C1 C1 , f1 (a,b) = t

Exemplos
Rede de Petri
0 = (,,,A,,fpi,fpo,C0,0,)
= {C1 , C2 },
= { 1 , 2 , 3 , 4 , 5 , 6 , 7 },
= { (1 ,C1 ), (2 ,C1 ), (3 ,C2 ),
(4 ,C1 ), (5 ,C2 ), (6 ,C1 ),
(7 , C1 ) }
A = { a1 , a2 , a3 , a4 , a5 , a6 },
= { (a1 , (1, 3)) , (a2 , (2, 3)), (a3
, (3, 7)) , (a4 , (4, 5)),
(a5
, (5, 6)) , (a6 , (7, 5)) }
fip3 (1) = a1,fip3 (2) = a2,
fop3 (1) = a3, fip5 (1) = a4
fip5 (2) = a6, fop5 (1) = a5
C 0 = { c1 , c2 , c3 , c4 , c5 },

Exemplo
Rede de Petri
c1 = c2 = { (0, (t,t,t,f1 ) ) } ,
c3 = c4 = c5 = { (0,t) }
0 = { (0,c1,3), (0,c2,5) ,(0,c3,1),
(0,c4 ,2) , (0,c5,4) }
um algoritmo

= {1, , 5 }
1(0) = ({(c3 ,1) , (c4 ,1)}, {c6 }, 1)
2(0)= 3(0)= 4(0)= 5(0)= (, , 0)

1 = (,,,A,,fpi,fpo,C,,)
,,,A,,fpi,fpo, como em 0
C,, - alterados

Exemplo
Rede de Petri
C = { c 1 , c 2 , c 3 , c 4 , c 5 , c6 }
c1 = c2 = { (0, (t,t,t,f1 ) ), (1, (t,t,t,f1 ) ) } ,
c3 = c4 = { (0,t) }
c5 = { (0,t), (1,t) }
c6 = { (1,t) }
= { (0,c1,3), (0,c2,5) ,(0,c3,1),
(0,c4 ,2) , (0,c5,4),
(1,c1,3), (1,c2,5) ,(1,c5,4),
(1,c6,7)}
2 (1) = ( {(c5 ,1) , (c6 ,1)}, {c7 }, 1)
1(1)= 3(1)= 4(1)= 5(1), 6(1)=(,

, 0)

2 = (,,,A,,fpi,fpo,C,,)
,,,A,,fpi,fpo, como em 0
C,, - alterados

Exemplo
Rede de Petri
C = { c 1 , c 2 , c 3 , c 4 , c5 , c6, c 7 }
c1 = c2 = { (0, (t,t,t,f1 ) ), (1, (t,t,t,f1 ) ),
(2, (t,t,t,f1 ) ) }
c3 = c4 = { (0,t) }
c5 = { (0,t), (1,t) }
c6 = { (1,t) }
c7 = { (2,t) }
= { (0,c1,3), (0,c2,5) ,(0,c3,1),
(0,c4 ,2) , (0,c5,4),
(1,c1,3), (1,c2,5) ,(1,c5,4),
(1,c6,7),
(2,c1,3), (2,c2,5), (2,c7,6) }
1(2)= 2(2)= 3(2)= 4(2)= 5(2), 6(2)= 7(2)=(, , 0)

3 = (,,,A,,fpi,fpo,C,,)
,,,A,,fpi,fpo, como em 0
C,, - alterados

Exemplos
Rede de Petri
C = { c1 , c2 , c3 , c4 , c5, c6, c7 }
c1 = c2 = { (0, (t,t,t,f1 ) ), (1, (t,t,t,f1 ) ),
(2, (t,t,t,f1 ) ), (3, (t,t,t,f1 ) )}
c3 = c4 = { (0,t) }, c5 = { (0,t), (1,t) }
c6 = { (1,t) }, c7 = { (2,t), (3,t) }
= { (0,c1,3), (0,c2,5) ,(0,c3,1),
(0,c4 ,2) , (0,c5,4),
(1,c1,3), (1,c2,5) ,(1,c5,4),
(1,c6,7),
(2,c1,3), (2,c2,5), (2,c7,6),
(3,c1,3), (3,c2,5), (3,c7,6) }
1(3)= 2(3)= 3(3)= 4(3)= 5(3), 6(3)= 7(3)=(, , 0)

4 = (,,,A,,fpi,fpo,C,,)
,,,A,,fpi,fpo, como em 0
C,, - alterados

Exemplo
Rede de Petri
C = { c1 , c2 , c3 , c4 , c5, c6, c7 }
c1 = c2 = { (0, (t,t,t,f1 ) ), (1, (t,t,t,f1 ) ),
(2, (t,t,t,f1 ) ), (3, (t,t,t,f1 ) ),
(4, (t,t,t,f1 ) ) }
c3 = c4 = { (0,t) }, c5 = { (0,t), (1,t) }
c6 = { (1,t) }, c7 = { (2,t), (3,t), (4,t) }
= { (0,c1,3), (0,c2,5) ,(0,c3,1),
(0,c4 ,2) , (0,c5,4),
(1,c1,3), (1,c2,5) ,(1,c5,4),
(1,c6,7),
(2,c1,3), (2,c2,5), (2,c7,6),
(3,c1,3), (3,c2,5), (3,c7,6),
(4,c1,3), (4,c2,5), (4,c7,6)}
1(4)= 2(4)= 3(4)= 4(4)= 5(4), 6(4)= 7(4)=(, , 0)

5, 6, 7, - equivalentemente

Exemplo
Rede Neural

2
5
1

7
9

3
6

10

C1 - {(v1 , v2 , v3 , v4 , v5 , v6 , v7 , f1 ) } - classe dos

geradores de amostra.
v1 , representa o tempo
v2 , v3 ,v4 , v5 , v6 e v7 interface
de sada
f1 : - funo que para cada instante de
tempo coloca uma entrada diferente na rede neural, e atualiza
o campo interno de tempo.

Exemplo

C2 - classe dos nmeros reais =

C3={(v1 , v2 , v3 , v4 , v5 , v6 , v7 , v8 , v9 , v10 , f1 )} classe dos neurnios com trs entradas.

v1 , v2 e v3 pesos correspondentes
cada entrada do neurnio, e
v4 o offset do neurnio.
v5 e v6 so os parmetros da sigmide,
(amplitude e velocidade de subida)
v7 , v8 e v9 - interface de entrada do
objeto, representando cada entrada do neurnio.
v10 - interface de sada do objeto,
correspondendo sada do neurnio.
f1 : :
A
f1 (x1 , x2 , x3) = 1 exp m * (w1 * x1 w 2 * x 2 w 3 * x 3 )

onde
A = v5 , m = v 6 ,
w1 = v1 , w2 = v2 , w3 = v3, = v4
- parmetros da funo.

Exemplo

C4 = {(v1 , v2 , v3 , v4 , v5 , v6 , v7 , v8 , f1 )}, - classe

dos neurnios com duas entradas.
v1 e v2 so os pesos correspondentes
cada entrada do neurnio
v3 o offset do neurnio
v4 e v5 so os parmetros da sigmide,
(amplitude e velocidade de subida)
v6 e v7 - interface de entrada do objeto,
representando cada entrada do neurnio
v8 - interface de sada do objeto,
correspondendo sada do neurnio
f1 :

A
f1 (x1 , x2 ) = 1 exp m * ( w * x w * x )
1
1
2
2

onde
A = v4 , m = v5 , w1 = v1 , w2 = v2 , = v3
parmetros da funo.

Exemplo
0 = (,,,A,,fpi,fpo,C0,0,)
= {C1 , C2 , C3 , C4 },
= { 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 , 10 },
= { (1 ,C1 ), (2 ,C2 ), (3 ,C2 ), (4 ,C2 ), (5 ,C3 ),
(6 ,C3 ), (7 ,C2 ), (8 ,C2 ), (9 ,C4 ), (10 ,C2 ), }
A = {a1, a2, a3, a4, a5, a6, a7, a8, a9, a10 , a11 , a12 ,a13 , a14 },
= {(a1, (1, 2)), (a2, (1, 3)),(a3, (1, 4)),(a4, (2, 5)),
(a5,(2, 6)), (a6, (3, 5)),(a7, (3, 6)),(a8 , (4, 5)),
(a9,(4, 6)),(a10, (5, 7)),(a11,(6, 8)),(a12,(7,9)),
(a13 , (8, 9)) , (a14 , (9, 10)) }
fop1 (1) = a1, fop1 (2) = a2, fop1 (3) = a3, fop1 (4) = a1
fop1 (5) = a2, fop1 (6) = a3, fip5 (1) = a4, fip5 (2) = a6
fip5 (3) = a8, fop5 (1) = a10, fip6 (1) = a5, fip6 (2) = a7

fip6 (3) = a9, fop6 (1) = a11, fip9 (1) = a12, fip9 (2) = a13

fop9 (1) = a14

0 = { (0, c1 , 1 ) , (0,c2 , 5 ) , (0, c3, 6 ) , (0, c4 , 9 ) }

C 0 = { c1 , c2 , c3 , c4 },

c1 = { (0, (0,0,0,0,0,0,0,f1 ) ) }

c2 = { (0, (w11 , w21 , w31 , 1 , A1, m1 , 0,0,0,0 ) ) }

c3 = { (0, (w12 , w22 , w32 , 2 , A2, m2 , 0,0,0,0 ) ) }

c4 = { (0, (w11 , w21 , 3, A3, m3 , 0,0,0 ) ) }

Exemplos
1(0) = (, {c5, c6, c7 }, 1)
2(0)= 3(0)= 4(0) = (, , 0)

1 = (,,,A,,fpi,fpo,C,,)
,,,A,,fpi,fpo, como em 0
C,, - alterados
C = { c1 , c2 , c3 , c4 , c5 , c6 , c7 },
c1 = { (0, (0,0,0,0,f1 ) ), (1, (1, x1,x2,x3,f1 ) ) }
c2 = { (0, (w11 , w21 , w31 , 1 , A1, m1 , 0,0,0,0 ) ),
(1, (w11 , w21 , w31 , 1 , A1, m1 , 0,0,0,0 ) ) }
c3 = { (0, (w12 , w22 , w32 , 2 , A2, m2 , 0,0,0,0 ) ),
(1, (w11 , w21 , w31 , 1 , A1, m1 , 0,0,0,0 ) ) }
c4 = { (0, (w11 , w21 , 3, A3, m3 , 0,0,0 ) ),
(1, (w11 , w21 , 3, A3, m3 , 0,0,0 ) ) }
c5 = {(1,x1)}, c6 = {(1,x2)}, c7 = {(1,x3)}

= { (0, c1 , 1 ) , (0,c2 , 5 ) , (0, c3, 6 ) , (0, c4 , 9 ),

(1, c1 , 1 ) , (1,c2 , 5 ) , (1, c3, 6 ) , (1, c4 , 9 ),
(1, c5 , 2 ) , (1,c6 , 3 ) , (1, c7, 4 ) }
1(1) = (, {c8, c9, c10 }, 1)
2(1) = ({ (c5 ,0), (c6 ,0), (c7 ,0)}, {c11}, 1)
3(1) = ({ (c5 ,1), (c6 ,1), (c7 ,1)}, {c12}, 1)
4(1)= 5(1)= 6(1) = 7(1) = (, , 0)

Exemplos
2 = (,,,A,,fpi,fpo,C,,)
,,,A,,fpi,fpo, como em 0
C,, - alterados
C = { c1 , c2 , c3 , c4 , c5 , c6 , c7 , c8 , c9 , c10 , c11 , c12 },
c1 = { (0,(0,0,0,0,f1 )), (1,(1, x1,x2,x3,f1 )),
(2,(2, x1,x2,x3,f1 )) }
c2 = { (0, (w11 , w21 , w31 , 1 , A1, m1 , 0,0,0,0 ) ),
(1, (w11 , w21 , w31 , 1 , A1, m1 , 0,0,0,0 ) ),
(2, (w11 , w21 , w31 , 1 , A1, m1 , x1,x2,x3, y1) ) }
c3 = { (0, (w12 , w22 , w32 , 2 , A2, m2 , 0,0,0,0 ) ),
(1, (w12 , w22 , w32 , 2 , A2, m2 , 0,0,0,0 ) ),
(2, (w12 , w22 , w32 , 2 , A2, m2 , x1,x2,x3, y2 ) ) }
c4 = { (0, (w11 , w21 , 3, A3, m3 , 0,0,0 ) ),
(1, (w11 , w21 , 3, A3, m3 , 0,0,0 ) ) }
(2, (w11 , w21 , 3, A3, m3 , 0,0,0 ) ) }
c5 = {(1,x1)}, c6 = {(1,x2)}, c7 = {(1,x3)}

c8 = {(2,x1)}, c9 = {(2,x2)}, c10 = {(2,x3)},

c11 = {(2,y1)} , c12 = {(2,y2)}

Exemplos
= { (0, c1 , 1 ) , (0,c2 , 5 ) , (0, c3, 6 ) , (0, c4 , 9 ),
(1, c1 , 1 ) , (1,c2 , 5 ) , (1, c3, 6 ) , (1, c4 , 9 ),
(1, c5 , 2 ) , (1,c6 , 3 ) , (1, c7, 4 ),
(2, c1 , 1 ) , (2,c2 , 5 ) , (2, c3, 6 ) , (2, c4 , 9 ),
(2, c8 , 2 ) , (2,c9 , 3 ) , (2, c10, 4 ), (2,c11 , 7 ) ,
(2, c12, 8 ) }
1(2) = (, {c5, c6, c7 }, 1)
2(2) = ({ (c8 ,0), (c9 ,0), (c10 ,0)}, {c13}, 1)
3(2) = ({ (c8 ,1), (c9 ,1), (c10 ,1)}, {c14}, 1)
4(2) = ({ (c11 ,1), (c12 ,1)}, {c15}, 1)
5(2) = 6(2) = 7(2) 8(2)= 9(2)=
10(2) = 11(2) = 12(2) = (, , 0)

3 = (,,,A,,fpi,fpo,C,,)
,,,A,,fpi,fpo, como em 0
C,, - alterados
C = { c1 , c2 , c3 , c4 , c5 , c6 , c7 , c8 , c9 , c10 ,
c11 , c12 , c13 , c14 , c15 }
c1 = { (0,(0,0,0,0,f1 )), (1,(1, x1,x2,x3,f1 )),
(2,(2, x1,x2,x3,f1 )), (3,(3, x1,x2,x3,f1 )) }

Exemplos

c2 = { (0, (w11 , w21 , w31 , 1 , A1, m1 ,0,0,0,0 ) ),

(1, (w11 , w21 , w31 , 1 , A1, m1 ,0,0,0,0 ) ),
(2, (w11 , w21 , w31 , 1 , A1, m1, x1,x2,x3, y1 )),
(3, (w11 , w21 , w31 , 1, A1, m1, x1,x2,x3, y1 ))}

c3 = { (0, (w12 , w22 , w32 , 2 , A2, m2 ,0,0,0,0 ) ),

(1, (w12 , w22 , w32 , 2 , A2, m2 ,0,0,0,0 ) ),
(2, (w12 , w22 , w32 , 2 , A2, m2, x1,x2,x3, y2 )),
(3, (w12 , w22 , w32 , 2 , A2, m2, x1,x2,x3, y2 ))}

c4 = { (0, (w11 , w21 , 3, A3, m3 , 0,0,0 ) ),

(1, (w11 , w21 , 3, A3, m3 , 0,0,0 ) ) }
(2, (w11 , w21 , 3, A3, m3 , 0,0,0 ) ) }
(3, (w11 , w21 , 3, A3, m3 , y1, y2, z1 ) ) }

c5 = {(1,x1), (3,x1)},

c6 = {(1,x2), (3,x2)},

c7 = {(1,x3), (3,x3)}

c8 = {(2,x1)}, c9 = {(2,x2)}, c10 = {(2,x3)},

c11 = {(2,y1)} , c12 = {(2,y2)}

c13 = {(3,y1)} , c14 = {(3,y2)}

c15 = {(3,z1)}

Exemplos
= { (0, c1 , 1 ) , (0,c2 , 5 ) , (0, c3, 6 ) , (0, c4 , 9 ),
(1, c1 , 1 ) , (1,c2 , 5 ) , (1, c3, 6 ) , (1, c4 , 9 ),
(1, c5 , 2 ) , (1,c6 , 3 ) , (1, c7, 4 ),
(2, c1 , 1 ) , (2,c2 , 5 ) , (2, c3, 6 ) , (2, c4 , 9 ),
(2, c8 , 2 ) , (2,c9 , 3 ) , (2, c10, 4 ), (2,c11 , 7 ) ,
(2, c12, 8 ),
(3, c1 , 1 ) , (3,c2 , 5 ) , (3, c3, 6 ) , (3, c4 , 9 ),
(3, c5 , 2 ) , (3,c6 , 3 ) , (3, c7, 4 ), (3,c13 , 7 ) ,
(3, c14, 8 ), (3, c15, 10 ) }
1(3) = (, {c8, c9, c10 }, 1)
2(3) = ({ (c5 ,0), (c6 ,0), (c7 ,0)}, {c11}, 1)
3(3) = ({ (c5 ,1), (c6 ,1), (c7 ,1)}, {c12}, 1)
4(3) = ({ (c13 ,1), (c14 ,1)}, {c16}, 1)
5(3) = 6(3) = 7(3) 8(3) = 9(3) = 10(3) = 11(3) =
12(3) = 13(3) = 14(3) = 15(3) = (, , 0)

3, 4, 5, de maneira
equivalente

Exemplos
Sistema Adaptativo
2
1

7
3
6
4

C1 , C2 , C3 - classes das peas.

C1 = {a}
C2 = {b}
C3 = {c}.
Objetos destas classes funcionam
somente como tokens.

Exemplos

C4 = {(v1 , v2 , v3 , v4 , f1 )} - fornecedores de peas.

v1 - tempo
v2 C1 , v3 C2 e v4 C3 interface de sada.
f1 : C1 C2 C3

C5 = {(v1 , v2 , v3 , v4 , v5 , f1 )} - mquinas.
v1 C1 , v2 C2 e v3 C3 - interface de entrada
v4 C5 interface de sada
v5 {0,1} flag interno indicando se objeto j produziu
alguma mquina
f1 : C1 C2 C3 C5 - funo de gerao do objeto,
que a partir das peas monta uma nova mquina e seta um
flag interno do objeto indicando que ele j produziu uma
mquina.

C6 ={(v1 , v2 , f1 )} - despachadores,
v1 C5 - interface de entrada
v2 C5 - interface de sada,
f1 : C5 C5 - funo de armazenamento, que transfere os
objetos de 5 para 7. Observe que, neste caso, a funo s
transporta o objeto de lugar.

Exemplos
0 = (,,,A,,fpi,fpo,C0,0,)
= {C1 , C2 , C3 , C4 , C5 , C6},
= { 1 , 2 , 3 , 4 , 5 , 6 , 7 },
= { (1 ,C4 ), (2 ,C1 ), (3 ,C2 ), (4 ,C3 ), (5 ,C5 ),

(6 ,C6 ), (7 ,C5 ) }

A = { a1 , a2 , a3 , a4 , a5 , a6 , a7 , a8 , a9 },
= { (a1 , (1, 2)) , (a2 , (1, 3)) , (a3 , (1, 4)) ,
(a4 , (2, 5)) , (a5 , (3, 5)) , (a6 , (4, 5)),
(a7 , (5, 5)) , (a8 , (5, 6)) , (a9 , (6, 7)) }
fpo1={(1, a1), (2, a2), (3, a3) }
fpi5 = {(1, a4), (2, a5), (3, a6) }, fpo5 = {(1, a7) }
fpi6 = { (1, a8) }, fpo6 = {(1, a9) }
C 0 = { c1 , c2 , c3 },
c1 = { (0, (0,0,a,b,c,f1 ) ) }
c2 = { (0, (a,b,c, NULL ,0,f 1 ) ) }
c3 = { (0, (NULL,NULL,f1 ) ) }

0 = { (0, c1 , 1 ), (0, c2 , 5 ) , (0, c3 , 6 ) }

= {1 , 2 , 3 }
1(0) = (, {c4 , c5 , c6 }, 1)
2(0) = 3(0) = (, , 0)

Exemplos
1 = (,,,A,,fpi,fpo,C,,)
,,,A,,fpi,fpo, como em 0
C,, - alterados
Seja Nu C5 , Nu = (a,b,c,Nu,0, f1)
C = { c1 , c2 , c3 , c4 , c5 , c6 },
c1 = { (0, (0,a,b,c,f1 ) ), (1, (1,a,b,c,f1 ) ) }
c2 = { (0, (a,b,c, Nu ,0,f1 ) ), (1, (a,b,c, Nu ,0,f1 ) ) }
c3 = { (0, (Nu,Nu,f1 ) ), (1, (Nu,Nu,f1 ) ) }
c4 = { (1,a) }
c5 = { (1,b) }
c6 = { (1,c) }

= { (0, c1 , 1 ), (0, c2 , 5 ) , (0, c3 , 6 ),

(1, c1 , 1 ), (1, c2 , 5 ) , (1, c3 , 6 ),
(1, c4 , 2 ), (1, c5 , 3 ) , (1, c6 , 4 ) }
= {1 , 2 , 3 , 4 , 5 , 6 }
1(1) = (, {c7 , c8 , c9 }, 1)
2(1) = ({(c4, 1) ,(c5 ,1) , (c6 , 1)}, {c10}, 1)
3(1) = 4(1) = 5(1) = 6(1) =(, , 0)

Exemplos
2 = (,,,A,,fpi,fpo,C,,)
,,,A,,fpi,fpo, como em 0
C,, - alterados
C = { c1 , c2 , c3 , c4 , c5 , c6 , c7 , c8 , c9 , c10},
c1 = { (0, (0,a,b,c,f1 ) ), (1, (1,a,b,c,f1 ) ),
(2, (2,a,b,c,f1 ) ) }
c2 = { (0, (a,b,c, Nu ,0,f1 ) ), (1, (a,b,c, Nu ,0,f1 ) ),
(2, (a,b,c, Nu ,1,f 1 ) ) }
c3 = { (0,(Nu,Nu,f1 )),(1,(Nu,Nu,f1 )),(2,(Nu,Nu,f1 ))}
c4 = { (1,a) }, c5 = { (1,b) }, c6 = { (1,c) }
c7 = { (2,a) }, c8 = { (2,b) }, c9 = { (2,c) }
c10 = {(2, (a,b,c, Nu ,0,f1 ) )}

= {(0, c1 , 1 ), (0, c2 , 5 ) , (0, c3 , 6 ),

(1, c1 , 1 ), (1, c2 , 5 ) , (1, c3 , 6 ),
(1, c4 , 2 ), (1, c5 , 3 ) , (1, c6 , 4 ),
(2, c1 , 1 ), (2, c2 , 5 ) , (2, c3 , 6 ),
(2, c7 , 2 ),(2, c8 , 3 ),(2, c9 , 4 ), (2, c10, 5)}
= {1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 , 10 }
1(2) = (, {c4 , c5 , c6 }, 1)
3(2) = ({(c2, 0), {c2},1}
2(2)= 4(2)= 5(2)= 6(2)= 7(2)= 8(2)= 9(2) =(, , 0)
10(2) = ({(c7, 1) ,(c8 ,1) , (c9 , 1)}, {c11 }, 1)

Exemplos
3 = (,,,A,,fpi,fpo,C,,)
,,,A,,fpi,fpo, como em 0 , C,,- alterados
C = { c1 , c2 , c3 , c4 , c5 , c6 , c7 , c8 , c9 , c10 , c11},
c1 = { (0, (0,a,b,c,f1 ) ), (1, (1,a,b,c,f1 ) ),
(2, (2,a,b,c,f1 ) ), (3, (3,a,b,c,f1 ) ) }
c2 = { (0, (a,b,c, Nu ,0,f1 ) ), (1, (a,b,c, Nu ,0,f1 ) ),
(2, (a,b,c, Nu ,1,f1 ) ), (3, (a,b,c, Nu ,1,f1 ) ) }
c3 = { (0,(Nu,Nu,f1 )),(1,(Nu,Nu,f1 )),
(2,(Nu,Nu,f1 )), (3, (Nu,Nu,f1 )) }
c4 = {(1,a),(3,a)}, c5 = {(1,b),(3,b)}, c6 = {(1,c),(3,b)}
c7 = { (2,a) }, c8 = { (2,b) }, c9 = { (2,c) }
c10 = {(2, (a,b,c, Nu ,0,f1 ) ), (3, (a,b,c, Nu ,1,f1 ) )}
c11 = {(3, (a,b,c, Nu ,0,f1 ) )}

= {(0, c1 , 1 ), (0, c2 , 5 ) , (0, c3 , 6 ),

(1, c1 , 1 ), (1, c2 , 5 ) , (1, c3 , 6 ),
(1, c4 , 2 ), (1, c5 , 3 ) , (1, c6 , 4 ),
(2, c1 , 1 ), (2, c2 , 5 ) , (2, c3 , 6 ),
(2, c7 , 2 ),(2, c8 , 3 ),(2, c9 , 4 ), (2, c10, 5),
(3, c1 , 1 ), (3, c2 , 7 ) , (3, c3 , 6 ),
(3, c4 , 2 ),(3, c5 , 3 ),(3, c6 , 4 ),
(3, c10, 5), (3, c11, 5)}

Exemplos
= {1 , 2 , 3 , 4 , 5 , 6 , 6 , 7 , 8 , 9 , 10 , 11}
1(3) = (, {c7 , c8 , c9 }, 1)
3(2) = ({(c10, 0), {c10},1}
2(3) = 4(3)= 5(3)=
6(3)= 7(3)= 8(3)= 9(3) = 10(3) = (, , 0)
11(3) = ({(c4, 1) ,(c5 ,1) , (c6 , 1)}, {c12 }, 1)

4, 5 , 6 ,
Sistema atpico,
Produtor em 5 : sempre renovado

Outros sistemas como este

alunos virando professores

programas que geram programas
reaes qumicas auto-catalticas
bactrias gerando bactrias
vrus atacando clulas
sistemas autnomos c/ aprendizado

Ferramentas de Anlise
Classes Ativas e Passivas
Lugares Ativos e Passivos
Lugares de Parmetros
objetos ocupantes representam
parmetros do sistema sendo
modelado

Lugares de Estado
objetos ocupantes esto
associados a estados do sistema
sendo modelado

Objetos Mveis e Imveis

Objetos Constantes

Ferramentas de Anlise
Objetos Persistentes
c - objeto de classe C.
c dito persistente se, caso ele
exista em n1 N, ele tambm
existe para todo n > n1 , n N.

Teorema Bsico da Persistncia

Se n N e ci C , (c,1) Hi (n),
ento o objeto c persistente.

Teorema
Estrutural

da

Persistncia

Se n tal que (n,c) = * e V(* ),

um lugar passivo, c um objeto
persistente.

Ferramentas de Anlise
Sistema Adaptativo
um sistema que altera seus prprios
parmetros, de modo que seu
comportamento seja modificado diante
destas alteraes. Um sistema que no
adaptativo dito ser um sistema no
adaptativo.

Teorema da Adaptabilidade
Seja R uma rede de objetos.Se todos os
objetos ci da rede que se encontram em
lugares de parmetros so persistentes,
imveis, constantes, e pertencem ao
ncleo de R, ento o sistema
representado por R no adaptativo.
Caso contrrio, o sistema adaptativo.

Ferramentas de Anlise
2 Teorema da Adaptabilidade
Em uma rede de objetos R, se no
existem (i,j) tal que (i , j ) e i e
j so lugares ativos e, alm disso,
todos os lugares de parmetros so
lugares ativos, ento o sistema no
adaptativo.

Estado de uma Rede

Seja R uma rede de objetos. Define-se
x(n), um vetor onde cada componente
xi (n) corresponde ao nmero de objetos
em um lugar i em um determinado
passo n N como o estado da rede R
em n.

Ferramentas de Anlise
Norma
Define-se a norma de x, | x | como
sendo:
x i (n ) .
| x (n) | =

Observando a trajetria de x(n)

define-se um critrio de
estabilidade p/ o sistema
representado por R
So identificados 4 tipos de
comportamento associados
trajetria x(n)

Ferramentas de Anlise
Trajetria Estvel com Ponto de
Equilbrio
A partir de algum n finito:
x(n+1) = x(n), xi (n)

Trajetria Estvel com Ciclo

Peridico
A partir de algum n finito:
x(n+) = x(n) , xi (n) , > 1

Trajetria Estvel No-Peridica

a | x(n) | b , 0 < a < b < +

Trajetria Instvel
lim | x (n )|

Ferramentas de Anlise
Trajetrias Estveis
sistemas so computveis com uma
quantidade limitada de recursos

Trajetrias Instveis
Apesar de computveis, demandam
uma quantidade crescente de recursos
Limite no tempo de computao

Estveis com ponto de Equilbrio

objetos persistentes, tornam-se imveis
e constantes - deadlock - cessa a
atividade
objetos no-persistentes - atividade no
cessa - ciclo

Ferramentas de Anlise
Algums critrios em Redes de
Petri - mapeados em R.O.
Limitabilidade (boundedness)
trajetrias estveis
limita o n. de objetos na rede

Sobrevivncia (liveness)
trajetrias sem ponto de equilbrio
traj. com ponto de equilbrio com
objetos no persistentes, mveis
ou no-constantes

Reversibilidade
trajetrias estveis com ciclo
peridico

Ferramentas de Anlise
Atingibilidade (reachability)
a partir de um estado inicial : pode-se
atingir um determinado estado por meio
de nmero finito de disparos de objetos

Seguridade (safeness)
existncia de no mximo um objeto em
cada lugar da rede, durante toda a
trajetria

Cobertura (cover.ability)
habilitao de objetos ativos
existe, nos estados atingves a partir do
estado inicial, estado onde, p/ todos os
lugares, existe um nmero maior ou
igual de objetos em tais lugares,
relativamente ao estado sendo
analisado.

Ferramentas de Anlise
No-Interferncia
p/ todos os objetos da rede, o disparo de um
objeto no desabilita nenhum outro objeto
habilitado da rede

Algumas Propriedades
inferidas a partir do ncleo de uma rede de
objetos

Exemplos
redes no adaptativas sem objetos fonte tero
sempre trajetria estvel com pto. de equilbrio
Redes que para todos os lugares passivos
tenham, dentre seus lugares adjacentes de sada
somente um lugar ativo, sero sempre nointerferentes.
Redes adaptativas onde, para algum lugar ativo,
haja um arco realimentando o prprio lugar, e
sem nenhum outro lugar ativo adjacente (que
possa consumir os objetos gerados), ter uma
trajetria instvel.

Discusso
Teoria dos objetos
formalizao do conceito de
objeto encontrado na literatura
modelagem de sistemas que
modificam sua prpria estrutura

Presente estado da teoria

pontos em aberto

Objetos
comportamento vai alm do
estabelecido por uma mquina de
Turing
Processamento de mensagem
enquanto recebe outra

Discusso
Presente modelo
no apresenta problemas, pois:
objetos no necessitam de uma
definio recursiva e/ou computvel
quando definidos recursivamente,
considera disparos discretos e
instantneos

extenso p/ disparos temporizados

maix complexa, envolvendo
prioridades

extenso p/ tempo contnuo

poderia ser problemtica
exigiriam uma completa
reformulao de alguns conceitos
(e.g. disparo de uma transio)

Discusso
Questes de Implementao
no so consideradas na
formalizao

Exemplos:
conflitos com nomes de variveis e
mtodos durante herana mltipla
variveis e mtodos pblicos,
privados e protegidos - tipos de
herana.

Wolczko, 1988
hierarquia simplesmente uma
convenincia na elaborao das
classes - reutilizao

Discusso
Objetos compostos
no trivial
exigiriam
disparos temporizados
mais de um disparo por instante de
tempo, por um mesmo objeto

Destruio de Objetos
auto-destruio
destruio externa
violao do encapsulamento

Acesso a variveis internas

violao do encapsulamento
excesso necessria

Discusso
Mensagens so objetos ?
Possvel soluo

Sim
como destruir uma mensagem
sem violar o encapsulamento ?

No
perde-se poder de representao

Escolha
excesso no princpio do
encapsulamento
poder de representao (qualquer
objeto pode ser uma mensagem)

Discusso
Classes Primitivas e Mtodos
Primitivos
variveis numricas so classes
operadores so mtodos

Soma de dois nmeros:

acionar o mtodo de soma de um
deles e enviar o outro como
mensagem

Implementao
no feito desta forma

Modelo apresentado
no apresenta distines

Discusso
Atendimento de mensagens
mtodo sncrono
mtodo assncrono
questo de implementao

Destaques do Modelo
permite fcil implementao em
linguagens orientadas a objeto
facilita implementao dos
sistemas em estudo
idia intuitiva de objeto facilita
elicitao do sistema

Discusso
Redes de Petri x Redes de
Objetos

R.P. mais elaborada ?

Extenso ?
Estrutura bem semelhante
Redes de Petri de Alto nvel
Redes Predicado Transio
Redes Coloridas
Redes Orientadas a Objeto

R. P. de Design Adaptativo

Diferenas fundamentais
estrutura varivel
tokens individualizados

Discusso
Redes Auto-Modificveis (Valk,
1978, 1981)
estrutura fixa
parmetros dos arcos dependentes
do n. de tokens em outros lugares

Redes de Objetos
exploram toda a potencialidade
desta idia

Autmatos adaptativos
modificam estrutura
no permitem paralelismo e
concorrncia

Discusso
Ferramentas de Anlise
permitem obteno de
caractersticas dos sistemas
ainda incipientes

Possibilidades de Adaptao:
rvore de cobertura (coverability
tree)
mtodos algbricos
mtodo dos invariantes

Conhecimento Remtico
Conhecimento Sensorial
Especfico
Relacionado interface de
entrada (sensorial) de um sistema
Espao Sensorial
S = S1 S2 ... Sk
objeto passivo o , o : N S.

Estilos de Representao
nico objeto sem memria
nico objeto com memria
mltiplos objetos
com obsolescncia
sem obsolescncia

Conhecimento Remtico
nico Objeto

Mltiplos Objetos

Memria

objeto original

objeto com memria

t1 t2 t3 t4 t5 t6 t7 t 8

t1 t 2 t3 t 4 t5 t6 t7 t8
c1 c2 c3 c4 c5 c6 c7 c8

c1 c2 c3 c4 c5 c6 c7 c8
c1 c2 c3 c4 c5 c6 c7
c1 c2 c3 c4 c5 c6
c1 c2 c3 c4 c5
c1 c2 c3 c4

Conhecimento Remtico
Restrio Temporal de Objetos
Seja N um conjunto de instantes, S uma
classe e o : N S um objeto de tipo S.
Seja N N . Uma restrio do objeto o
a N, denotado por o N , corresponde
ao objeto o : N S, tal que se (n,s)
o e n N , (n,s) o. Caso contrrio,
(n,s) o.

Exemplo:
N = { n1 , n2 , n3 }, S = 3 ,
o = { (n1 , (0,0,0) ) , (n2 , (0,1,0) ) , (n3 ,
(1,2,2) ) }.
N = { n2 , n3 }
o = { (n2 , (0,1,0) ) , (n3 , (1,2,2) ) }.

Conhecimento Remtico
Exemplos de Conhecimentos
Sensoriais Especficos
x1, x2 e x3 X = {0,1,2} ,
T = { t1 , t2 , t3 }.
Em t1 , x1 = 0, x2 = 0 e x3 = 0.
Em t2 , x1 = 0, x2 = 1 e x3 = 0.
Em t3 , x1 = 1, x2 = 2 e x3 = 2.
o = {(t1 , (0,0,0) ) , (t2 , (0,1,0) ) , (t3 , (1,2,1) ) }.
= [ 1, (2,3), (2,2) ].
o() = { (t1 , (0,0) ) , (t2 , (0,1) ) , (t3 , (1,2) ) }
T = { t1 , t3 }
o = o T = { (t1 , (0,0,0) ) , (t3 , (1,2,1) ) }
o = o() T = { (t1 , (0,0) ) , (t3 , (1,2) ) }.
T = {t2 }
o = o T = { (t2 , (0,1,0) ) }

Conhecimento Remtico
Conhecimento Sensorial
Genrico
abstrao de um conhecimento
sensorial especfico
capaz de representar diversos
conhecimentos sensoriais
especficos
compactao de informao
Modelo Formal
objeto genrico
objeto fuzzy

Conhecimento Remtico
Varivel de Conjunto
Sejam:
N = {n) - conjunto enumervel,
X U - subconjunto de universo U.
Define-se uma varivel de conjunto x de tipo
X como uma funo x : N 2X .

Exemplos:

N = {1,2,3} e X = {1,2,3,4} .

x = { (1, {1,2} ) , (2, {2,3,4} ) , (3, {1,3} ) }

x = { (1, { (1,2),(2,3),(2,4),(3,3) } ) ,
(2,{(2,3),(4,1),(1,1)}) , (3, {(1,3),(2,1) }) }

R1 = { (1,2),(2,3),(2,4),(3,3) }

R2 = {(2,3),(4,1),(1,1)}

R3 = {(1,3),(2,1) }

x = { (1,R1 ) , (2,R2 ), (3, R3 ) }

Conhecimento Remtico
Objeto Genrico
Seja C uma classe no vazia. Seja
c uma varivel de conjunto de
tipo C. A varivel c chamada
ento de um objeto genrico da
classe C.

Caso de um Objeto Genrico

Seja c um objeto genrico de uma
classe C. Um objeto c de tipo C
dito um caso do objeto genrico c,
se n N, c(n) c(n).

Conhecimento Remtico
Objeto Fuzzy

Sejam:
N = {n} - conjunto enumervel,
X uma classe.
~
X um conjunto fuzzy definido
sobre
X.
~
X
2 o conjunto de todos os
conjunto fuzzy definidos sobre X.
Define-se um objeto fuzzy x de
tipo X como uma funo
~
X
x:N 2

Conhecimento Remtico
Observaes
X - classe passiva,
~ relao fuzzy m-ria.
X
X - classe ativa,
campos no funcionais

qualquer objeto
o = { (n,x) | n N, x X}

pode ser descrito por um objeto

fuzzy,
~
~
~
o = { (n, x ) | n N, x X }
~
x descrito como um (singleton)
em x X.
operaes envolvendo objetos
fuzzy.

Conhecimento Remtico
Unio de Objetos Fuzzy
x e x - objetos fuzzy de tipo X,
definidos em N, tal que n N,
se x(n) definido, x(n) tambm
definido, e vice-versa.
A unio de x de x e x um
objeto fuzzy tal que n N,
x(n) = x(n) S x(n)

onde
S um operador matricial que
aplica uma co-norma triangular
elemento a elemento nas matrizes
m-rias. O operador S ter validade
somente nos campos das nuplas
que no sejam funes.

Conhecimento Remtico
Interseo de Objetos Fuzzy
x e x - objetos fuzzy de tipo X,
definidos em N, tal que n N,
se x(n) definido, x(n) tambm
definido, e vice-versa.
A interseo de x de x e x um
objeto fuzzy tal que n N,
x(n) = x(n) T x(n)

onde
T um operador matricial que
aplica uma norma triangular
elemento a elemento nas matrizes
m-rias. O operador T ter validade
somente nos campos das nuplas
que no sejam funes.

Conhecimento Remtico
Conhecimento Sensorial
Especfico
objeto passivo

Genrico
objeto genrico passivo
objeto fuzzy passivo

Diferentes maneiras de
especificar relaes
mtodo do prottipo
mtodo da funo discriminante

Implementao
objetos genricos e objetos fuzzy
podem ser convertidos em objetos

Conhecimento Remtico
Conhecimento de Objeto
Especfico
estruturalmente semelhante ao
conhecimento sensorial especfico
classes dos objetos no tm ligao
direta com sensores
abstrao (abdutiva) de
conhecimentos sensoriais

Conhecimento de Objeto
Genrico
estruturalmente semelhante ao
conhecimento sensorial genrico
abstrao de conhecimentos de
objetos especficos

Conhecimento Remtico
Conhecimento de Ocorrncias
descrever conceitualmente trechos
do histrico de um ou mais
objetos

Trajetria temporal de objetos

sequncia de instncias da classe
ao qual o objeto associado

Sequncias
podem conter sub-sequncias
nica vez ou repetidas vezes

Sub-sequncias
ocorrncias
mascaramento de campos

Conhecimento Remtico
Meta-Objeto

Sejam:
N = {n} - conjunto enumervel,
V = {v} - conjunto enumervel,
v - varivel de tipo N, definida
sobre um espao de ocorrncias T,
v : T N.
R um conjunto de restries sobre
os valores das variveis de V
(possivelmente vazio).
X uma classe.
Define-se um meta-objeto x de
tipo X como uma funo
x:VX.

Conhecimento Remtico
Exemplos de Meta-objetos
Sejam
T = { 1,2, ... } ,
N = {1,2,3,4,5,6},
V = { v1 , v2 , v3 },
v1 , v2 , v3 : T N ,
R = ,
X = X1 X2 ,
X1 = {1,2,3,4}, X2 = {a,b,c}.
x = { (v1 , 1) , (v2 , 3) }.
x = { (v1 , (1,a) ) , (v2 , (3,a) ) }.

Conhecimento Remtico
Instncia de um Meta-Objeto
x um meta-objeto x de tipo X.
Define-se uma instncia de x
como um objeto x dado pela
substituio das variveis em x,
pelos valores dados por instncias
especficas destas variveis no
espao de ocorrncias.

Exemplos:
x e x como exemplo anterior
Instncia de x, fazendo-se v1 = 1 e v2 = 2 dada por
x = { (1 , 1) , (2 , 3) }.
Outra , fazendo-se v1 = 2 e v2 = 5 dado por
x = { (2 , 1) , (5 , 3) }.
Instncia de x, fazendo-se v1 = 1 e v2 = 4 dada por
x = {(1 , (1,a)), (4 , (3,a))}.

Conhecimento Remtico
Ocorrncia de um Meta-Objeto em um
Objeto
objeto o de uma classe X,
meta-objeto o de uma classe X,
Uma ocorrncia o de o em o dada por um objeto
o tal que o ao mesmo tempo um sub-objeto de
uma instncia de o e uma restrio temporal de um
sub-objeto de o.

Exemplos:

objeto x de tipo X, x = { (1,(1,a)) , (2,(3,b)) , (3,(3,a)), (4,

(1,c)) , (5,(2,b)), (6,(3,a)).
x - ocorrncia de x em x, fazendo-se as atribuies :
v1 = 1 e v2 = 2,

x = { (1,1), (2,3) } restrio temporal do sub-objeto x X1 a N = {1,2}.

Outras ocorrncias de x em x:
- v = (v1 , v2 ) = (1,3), v = (1,6), v = (4,6).
- v = (4,2) e v = (4,3).

meta-objeto x tambm ocorre em x.

- v = (1,3) e v = (1,6).

Conhecimento Remtico
Se conjunto de restries R diferente de vazio
restries nos domnios
equaes/inequaes algbricas

Exemplo
restrio: v2 = v1 + 1.
ocorrncia de x em x para
- v = (1,2),
meta-objeto x no ocorre em x.
restrio: v2 > v1 .
casos no intuitivos
v = (4,2) e v = (4,3)
eliminados

Conhecimento Remtico
Ocorrncia de Meta-Objeto em
um Objeto Genrico
Seja um objeto genrico x de uma classe X, e
um meta-objeto x de uma classe X. Uma
ocorrncia x do meta-objeto x em x
corresponde a um objeto x tal que x uma
ocorrncia para algum caso de x.

Ocorrncia de Meta-Objeto em
Objeto Fuzzy
Seja um objeto fuzzy o de uma classe X, e um
meta-objeto o de uma classe X, Uma
ocorrncia o do meta-objeto o em o dada
por um objeto fuzzy o tal que o corresponde
interseo de um sub-objeto de uma instncia
de o, descrito como um objeto fuzzy por meio
de singletons, e uma restrio temporal de um
sub-objeto fuzzy de o.

Conhecimento Remtico

Exemplo: Sejam os conjuntos fuzzy

a1 = {1/0.2, 2/0.8, 3/0.6 }, a2 = {1/0.1, 2/0.2, 3/0.9 }, a3 = {1/0, 2/0.15,
3/0.3 },
b1 = { 5/0.3, 6/0.4, 7/0.1 }, b2 = { 5/0.4, 6/0.4, 7/0.8 }, b3 = { 5/0.1, 6/0.9,
7/0.8 },
c1 = { 15/0.2, 18/0.9 }, c2 = { 15/0.3, 18/0.8 }, c 3 = { 15/0.7, 18/0.1 }
e o objeto fuzzy x = { (1,(a1,b1,c1)), (2,(a2 ,b2 ,c2)), (3,(a3 ,b3 ,c3)), e o metaobjeto
x = { (v1 , (2,5,15)) , (v2 , (3,7,18)) }.
Fazendo-se v1 = 1 e v2 = 3, tem-se uma instncia do meta-objeto x, dada
por
x = { (1 , (2,5,15)) , (3 , (3,7,18)) }.
Utilizando-se ento
a1 = {1/0, 2/1, 3/0 }, b1 = {5/1, 6/0, 7/0 } e c1 = {15/1, 18/0 },
a2 = {1/0, 2/0, 3/1 }, b2 = {5/0, 6/0, 7/1 } e c2 = {15/0, 18/1 } tem-se a
representao de x por meio de um objeto fuzzy, dado por

x = { (1, (a1 , b1 , c1 )) , (3, (a2 , b2 , c2 )) }

Uma ocorrncia de x em x, nesse caso, pode ser calculada fazendo-se

x = ( x {1,3} ) T x

x = { (1, (a1 , b1 , c1 )) , (3, (a2 , b2 , c2 )) }, onde, utilizando-se

o mnimo como norma triangular tem-se:

a1 = a1 T a1 = {1/0, 2/0.8, 3/0 }

b1 = b1 T b1 ={5/0.3, 6/0, 7/0 }
c1 = c1 T c1 = {15/0.2, 18/0 }
a2 = a3 T a2 = {1/0, 2/0, 3/0.3 }
b2 = b3 T b2 = {5/0, 6/0, 7/0.8 }
c2 = c3 T c2 = {15/0, 18/0.1 }

Conhecimento Remtico
Meta-Objeto Genrico
Sejam:
N um conjunto enumervel, onde cada n denota um
elemento de N,
V um conjunto enumervel, onde cada v V uma
varivel de tipo N,
R um conjunto de restries sobre as variveis de V
(possivelmente vazio),
X uma classe.
Define-se um meta-objeto genrico x de tipo X
como uma funo
x : V 2X.

Caso de um Meta-Objeto
Genrico
Seja x um meta-objeto genrico de uma classe X.
Um meta-objeto x de tipo X dito um caso do
objeto genrico x, se v V, x(v) x(v).

Conhecimento Remtico
Ocorrncia de um Meta-Objeto Genrico
em um Objeto
Sejam x um meta-objeto genrico de tipo X e x um objeto
de tipo X. Uma ocorrncia x de x em x dada por um
objeto x, tal que x uma ocorrncia de algum caso de x
em x.

Ocorrncia de um Meta-Objeto Genrico

em um Objeto Genrico
Sejam x um meta-objeto genrico de tipo X e x um objeto
genrico de tipo X. Uma ocorrncia x de x em x dada
por um objeto genrico x, tal que x dado pela unio de
todas as ocorrncias de algum caso de x em casos de x.

Ocorrncia de um Meta-Objeto Genrico

em um Objeto Fuzzy
Sejam x um meta-objeto genrico de tipo X e x um objeto
fuzzy de tipo X. Uma ocorrncia x de x em x dada por
um objeto fuzzy x, tal que x dado pela interseo de um
sub-objeto de x, descrito como um objeto fuzzy, e uma
restrio temporal de um sub-objeto de x.

Conhecimento Remtico
Exemplo: Sejam os conjuntos fuzzy
a1 = {1/0.2, 2/0.8, 3/0.6 }, a2 = {1/0.1, 2/0.2, 3/0.9 }, a3 = {1/0.1, 2/0.15,
3/0.3 },
b1 = { 5/0.3, 6/0.4, 7/0.1 }, b2 = { 5/0.4, 6/0.4, 7/0.8 }, b3 = { 5/0.1, 6/0.9,
7/0.8 },
c1 = { 15/0.2, 18/0.9 }, c2 = { 15/0.3, 18/0.8 }, c3 = { 15/0.7, 18/0.1 }
e o objeto fuzzy x = { (1,(a1,b1,c1)), (2,(a2 ,b2 ,c2)), (3,(a3 ,b3 ,c3)), e o metaobjeto genrico x = { (v1 , ([2,3],[5,6],15)) , (v2 , ([1,2],[6,7],18)) }.
Fazendo-se v1 = 1 e v2 = 3, tm-se uma instncia do meta-objeto genrico
x, dada por
x = { (1 , ([2,3],[5,6],15)) , (3 , ([1,2],[6,7],18)) }.
Utilizando-se ento
a1 = {1/0, 2/1, 3/1 }, b1 = {5/1, 6/1, 7/0 } e c1 = {15/1, 18/0 },
a2 = {1/1, 2/1, 3/0 }, b2 = {5/0, 6/1, 7/1 } e c2 = {15/0, 18/1 } tem-se a
representao de x por meio de um objeto fuzzy, dado por

x = { (1, (a1 , b1 , c1 )) , (3, (a2 , b2 , c2 )) }

Uma ocorrncia de x em x, nesse caso, pode ser calculada fazendo-se

x = ( x {1,3} ) T x

x = { (1, (a1 , b1 , c1 )) , (3, (a2 , b2 , c2 )) }, onde, utilizando-se

o mnimo como norma triangular tem-se:

a1 = a1 T a1 = {1/0, 2/0.8, 3/0.6 }

b1 = b1 T b1 ={5/0.3, 6/0.4, 7/0 }
c1 = c1 T c1 = {15/0.2, 18/0 }
a2 = a3 T a2 = {1/0.1, 2/0.15, 3/0 }
b2 = b3 T b2 = {5/0, 6/0.9, 7/0.8 }
c2 = c3 T c2 = {15/0, 18/0.1 }

Conhecimento Remtico
Meta-Objeto Fuzzy
Sejam:
N um conjunto enumervel, onde cada
n denota um elemento de N.
V um conjunto enumervel, onde cada
v V uma varivel de tipo N.
R um conjunto de restries sobre as
variveis de V (possivelmente vazio).
X uma classe.
~
X ~um conjunto fuzzy definido sobre X.
X
2

o conjunto de todos os conjunto

fuzzy definidos sobre X.
Define-se um meta-objeto fuzzy x~ de
X
tipo X como uma funo x : V 2 .

Conhecimento Remtico
Ocorrncia de um Meta-Objeto Fuzzy em
um Objeto
Sejam x um meta-objeto fuzzy de tipo X e x um objeto de
tipo X. Uma ocorrncia x de x em x dada por um
objeto fuzzy x, tal que x dado pela interseo de um
sub-objeto de x, e uma restrio temporal de um sub-objeto
de x descrito como um objeto fuzzy.

Ocorrncia de um Meta-Objeto Fuzzy em

um Objeto Genrico
Sejam x um meta-objeto fuzzy de tipo X e x um objeto
genrico de tipo X. Uma ocorrncia x de x em x dada
por um objeto fuzzy x, tal que x dado pela interseo
de um sub-objeto de x, e uma restrio temporal de um
sub-objeto de x descrito como um objeto fuzzy.

Ocorrncia de um Meta-Objeto Fuzzy em

um Objeto Fuzzy
Sejam x um meta-objeto fuzzy de tipo X e x um objeto
fuzzy de tipo X. Uma ocorrncia x de x em x dada
por um objeto fuzzy x, tal que x dado pela interseo
de um sub-objeto de x, e uma restrio temporal de um
sub-objeto de x.

Conhecimento Remtico
Conhecimento de Ocorrncias
Especfico
Meta-objetos, Meta-objetos
Genricos e Meta-objetos Fuzzy
R - restrio s variveis v V
equaes algbricas de atribuio
fixa instncia temporal

Instncias de Meta-objetos, Metaobjetos genricos e Meta-objetos

fuzzy

Conhecimento de Ocorrncias
Genrico
No h restries

Conhecimento Remtico
Meta-objetos unitrios
estado

Meta-objeto com 2 elementos

eventos

Meta-objetos com + de 2
elementos
tendncias
comportamentos monotnicos
comportamentos peridicos

Conhecimento Remtico
Converso de Meta-objetos em
objetos
objeto com memria

meta-objeto

t 1 t 2 t 3 t4 t 5 t 6 t7 t 8
a

meta-objeto transformado
t1 t 2 t 3 t 4 t 5 t 6 t 7 t 8

Memria de Nvel Superior

ocorrncias
relevantes

o1

o2

memria do objeto no instante t16

t1 t2 t3 t4 t5 t6 t7 t8 t9 t10 t11 t12 t13 t14 t15 t16
a

o1 o1 o2 o1 o1 o2
memria de nvel superior no instante t 16

Conhecimento Dicente
Conhecimento Lgico
expresses contendo proposies
e conectivos lgicos
valor verdade
a partir de outras proposies
a partir do conhecimento remtico

Proposies
primitivas
icnicas
simblicas

compostas

Relao Remtico/Dicente
2 formas

Conhecimento Dicente
IA Clssica
proposies remticas no so
consideradas
falta de fundamento simblico
(symbol grounding problem)
fundamento implcito
(interpretao humana)

Modelo Apresentado
considera a interao entre
conhecimentos remticos e
dicentes

Conhecimento Dicente
Expresso
Define-se uma expresso E como uma sequncia de
smbolos
e1 , e2 , ... , en .

Proposio Icnica
S - conh. remticos sensoriais, S = { s1 , ... , sk }.
B - conh. remticos de objetos, B = { b1 , ... , bl }.
O - conh.remticos de ocorrncias, O = {o1 , ... , om}.
N o conjunto dos nmeros naturais.
Define-se uma proposio icnica p como uma
expresso formada do seguinte modo:
p = a (c1 , ... , cn ) / f , r
onde

n {1, 2, 3, ... },
a O, chamado de verbo,
ci S ou ci B, i = 1, ... , n so chamados de relatos,
f uma funo f : N N N - mapeia cada campo da
classe correspondendo ao verbo em um par (x 1, x2 ),
x1 {1, ... , n} relato, e
x2 campo da classe correspondendo ao relato x 1

r um conjunto de restries,

Conhecimento Dicente
Exemplo:
Sejam:
os objetos o1 e o2 representando dois conhecimentos
remticos de objeto.
o meta-objeto m1 representando um conhecimento
remtico de ocorrncia.
uma funo f dada por f(1) = (1,2) e f(2) = (2,1).
um conjunto vazio de restries r, r = .

Supondo que:
a classe referente a o1 A = A1 A2 A3
a classe referente a o2 B = B1 B2 B3
a classe referente a m1 C = C1 C2
A2 = C1 e B1 = C2
o1 A2 = o1
o2 B1 = o2
m1 (v1 ) = (o1 (t6 ) , o2 (t6 ) )
m1 (v2 ) = (o1 (t8 ) , o2 (t8 ) )
m1 (v3 ) = (o1 (t9 ) , o2 (t9 ) )

Conhecimento Dicente
Proposio Icnica com MetaObjeto
m1

t1

t2

t3

t4

t5

t6

t7

t8

t9

t10

t11

v1

v2

v3

t12

o2
t1

t2

t3

t4

t5

t6

t7

t8

t9

t10

t11

t12

o1

Proposio Icnica com MetaObjeto Genrico

m1

t1

t2

t3

t4

t5

t6

t7

t8

t9

t10

t11

v1

v3

v4

v5

t12

o2
t1

o1

v2

t2

t3

t4

t5

t6

t7

t8

t9

t10

t11

t12

Conhecimento Dicente
Proposio Simblica
Define-se uma proposio simblica como uma
expresso contendo um nico smbolo, que no
corresponde a nenhum conhecimento remtico.

Proposio Primitiva
Define-se uma proposio primitiva como sendo ou
uma proposio icnica ou uma proposio
simblica.

Valor Verdade
Um valor verdade um valor definido entre 0 e 1,
correspondendo ao grau de verdade de uma
determinada proposio. Um valor verdade 0
corresponde a uma total falsidade e um valor verdade
1 corresponde a uma total verdade. Do mesmo modo,
pode ser feita a associao: valor verdade = 0
falso, valor verdade = 1 verdadeiro. Valores
verdade entre 0 e 1 no so nem totalmente
verdadeiro nem totalmente falso. Um valor verdade
igual a 0.5 corresponde total indeterminao.

Conhecimento Dicente
Determinao do Valor Verdade de uma
Proposio Icnica segundo seu
Conhecimento Remtico

Seja uma proposio icnica p = a (c1 , ... , cn ) / f , r.

O valor-verdade de p, V(p) pode ser calculado a partir do
conhecimento remtico associado a ela, do seguinte modo:
V(p) = v1 T ... T vn

onde vi ser igual a:

1. Se existirem m ocorrncias oim de a em ci segundo f e r que

so objetos fuzzy:
vi =

sup sup o im

m ocorrncia o de a em c segundo
2. Se existir pelo menos uma
i
i
f e r que um objeto ou objeto genrico:

vi = 1
3. Se no existir nem uma ocorrncia de a em c i ,
vi = 0

Conhecimento Dicente
Proposio
Sejam:
um conjunto P de proposies primitivas
um conjunto L1 de operadores lgicos unrios.
um conjunto L2 de operadores lgicos binrios.
Uma expresso R chamada de uma proposio se e
somente se:
1. R uma proposio primitiva, ou
2. R pode ser decomposta em R1 l2 R2 , onde l2 L2 e
R1 e R2 so proposies, ou

3. R pode ser decomposta em l1 R1 , onde l1 L1 e R1

uma proposio.
Normalmente se utilizam
L1 = {~ (negao) }

L2 = { (conjuno), (disjuno), (implicao) }

V(~a) = 1 - V(a)
V(ab) = V(a) T V(b)
V(ab) = V(a) S V(b)
V(ab) = V(~a b) ou V(ab) = V(a b)

Conhecimento Dicente
Proposies com o operador
proposies condicionais,
regras.

Classe
de
Dicentes

Conhecimentos

D = {(E,V)}
E - expresso correspondente ao
conhecimento dicente
V - valor verdade da expresso

Modelo p/ Conh. Dicente

Objetos da classe D

Conhecimento Argumentativo
Argumento Dedutivo
Sejam:
uma classe ativa A, contendo
nuplas do tipo (a1 , ... , an , f ).
um argumento a : T A.
P o conjunto de premissas de a.
C o conjunto de concluses de a.
Se f, p/ cada instncia de a, tal
que os conhecimentos contidos
em C esto includos na unio dos
conhecimentos contidos em P
(C P), ento o argumento a
chamado de dedutivo, ou
analtico.

Conhecimento Argumentativo
Argumento Sinttico
Sejam:
uma classe ativa A, contendo
nuplas do tipo (a1 , ... , an , f ).
um argumento a : T A.
P o conjunto de premissas de a.
C o conjunto de concluses de a.
Se f tal que nos conhecimentos
contidos em C, existe algum
conhecimento no contido na
unio dos conhecimentos contidos
em P (P C), ento o argumento
a chamado de sinttico.

Conhecimento Argumentativo
Argumento Indutivo
Sejam:
uma classe ativa A, contendo nuplas
do tipo (a1 , ... , an , f ).
um argumento sinttico a : T A.
P o conjunto de premissas de a.
C o conjunto de concluses de a.
Se f for tal que os conhecimentos
contidos em C e no contidos na unio
dos conhecimentos em P (C-P) sejam
gerados utilizando-se conhecimentos
contidos em P, de tal forma que possam
ser comparados com conhecimentos
contidos em P, em termos de um
critrio de distncia, ento o argumento
a ser dito indutivo.

Conhecimento Argumentativo
Argumento Abdutivo
Sejam:
uma classe ativa A, contendo nuplas do
tipo (a1 , ... , an , f ).
um argumento sinttico a : T A.
P o conjunto de premissas de a.
C o conjunto de concluses de a.
pl funo de plausibilidade, determinada a partir
dos conhecimentos em P,
mede se um determinado conhecimento no
est em contradio com os conhecimentos
em P.

Se f for tal que (C-P), independente da

forma por que sejam gerados, so
validados por meio de pl, ento o
argumento a ser dito abdutivo

Conhecimento Argumentativo
Argumento Indutivo p/ Gerao de Conhecimento
Remtico Sensorial Genrico a partir de
Conhecimentos Remticos Sensoriais Especficos,
c/ exemplos somente positivos

Sejam:
uma classe passiva X = X1 ... Xn .
P = {p1 , ... , pm } um conjunto de m objetos pi do tipo X.
c um objeto genrico de tipo X (inicialmente vazio).
uma classe ativa A, formada por elementos (a 1 , ... , am ,
am+1 , f1 ), onde para i = 1, ... , m, a i X, e am+1 X. A
funo f1 : Xm 2X pode ser descrita algoritmicamente
do seguinte modo:

f1 (a1 , ... , am , am+1)

am+1 =
Para i = 1 ... m
am+1 = am+1 {ai}

a um objeto ativo de tipo A.

Conhecimento Argumentativo
Argumento Indutivo-Abdutivo para a Gerao de
Conhecimento Remtico Sensorial Genrico a
partir de Conhecimentos Remticos Sensoriais
Especficos, com Exemplos Positivos e Negativos

uma classe passiva X = X1 ... Xn .

P = {p1 , ... , pm } um conjunto de m objetos pi do tipo X.

N = {n1 , ... , no } um conjunto de o objetos n i do tipo X.

i de 1 a m, ai X exemplos positivos,

i de m+1 a m+o, ai X exemplos negativos

am+o+1 X. A funo f : X2m 2X

algoritmicamente do seguinte modo:

c um objeto genrico de tipo X (inicialmente vazio).

A = { (a1 , ... , am , am+1 , ... , am+o , am+o+1 , f ) }

pode ser descrita

f1 (a1 , ... , am+o , am+o+1)

am+o+1 =
Para i = 1 ... m
am+o+1 = am+o+1 {ai}
Para i = 1 ...
Gerar aleatoreamente bi X.
Se pl(bi , a1 , ... , am+o ) > 0.5
am+o+1 = am+o+1 {bi}

Conhecimento Argumentativo
pl(b, a1 , ... , am+o )
Se para algum i entre 1 e m, b == ai
retorne (1);
Se para algum i entre m+1 e m+o, b == ai
retorne(0);
Seno
Para i {1,...,m} encontre = min{b-ai }
Para i {m+1,...,m+o} encontre = min{b1
ai}
retorne (

1 e

( )

Seja a um objeto ativo de tipo A.

(tk , p1) = ... = (tk , pm ) = (tk , n1) = ... = (tk , no) =

1 ,
(tk , c) = 2 ,
(tk , a) = 3 .

Organizao de
Sistemas Inteligentes
Definio de Inteligncia
Existem nveis, ou graus de
inteligncia, que so
determinados por:
poder computacional do sistema
sofisticao dos algoritmos
utilizados p/

processamento sensorial
modelagem do ambiente
gerao de comportamento
julgamento de valores
comunicao global

conhecimento (informao e
valores) armazenados na memria

Organizao de
Sistemas Inteligentes
Origens e Funes da
Inteligncia
Inteligncia natural e sistema que
a desenvolve
resultados de um processo evolutivo

Para cada indivduo

gerao do comportamento mais
biologicamente vantajoso

Para cada grupo de indivduos

gerao de comportamento
cooperativo (vantagem p/ grupo)

Inteligncia
Mecanismo encontrado por algumas
espcies para garantir sobrevivncia

Organizao de
Sistemas Inteligentes
Comunicao e Linguagem
Comunicao:
Transmisso de informao entre
sistemas inteligentes

Linguagem:
Meio pelo qual informao
codificada para propsitos de
comunicao

Para cada espcie:

linguagem se desenvolve para
suportar a complexidade das
mensagens geradas por seu nvel
de inteligncia

Organizao de
Sistemas Inteligentes
Elementos da Inteligncia
Existem 4 elementos sistmicos

processamento sensorial (SP)

modelagem do ambiente (WM)
gerao de comportamento (BG)
julgamento de valor (VJ)

Elementos

formam ns operacionais
trabalham em paralelo
organizados hierarquicamente
mltiplos nveis de resoluo

Decomposio
temporal
espacial

Organizao de
Sistemas Inteligentes
Na arquitetura proposta:
A cada nvel hierrquico:
banda de controle cai de uma ordem
de magnitude
resoluo perceptiva de padres
espao-temporais cai de uma ordem
de magnitude
metas aumentam em escopo de uma
ordem de magnitude
horizonte de planejamento aumenta
no espao e tempo de uma ordem de
magnitude
modelos do ambiente e memria de
eventos caem em resoluo e
aumentam em escopo espaotemporal - uma ordem de magnitude

Organizao de
Sistemas Inteligentes
Gerao de Comportamento
Comportamento o resultado da
execuo de uma srie de tarefas
Tarefa parte de um trabalho a
ser efetuado, ou atividade a ser
desenvolvida

Em um sistema inteligente
Vocabulrio de tarefas

Meta
Evento que termina uma tarefa

Comando
instruo para executar uma tarefa

Organizao de
Sistemas Inteligentes
Task frame
estrutura que armazena o conhecimento
utilizado na execuo da tarefa

Mdulos BG
Job Assignment
Planner
Executor
Entradas
comandos e prioridades (BG)
avaliaes (VJ)
informaes sobre estado passado,
presente e futuro (previso) (WM)
Sadas
Sub-tarefas (BG )
Queries para WM

Organizao de
Sistemas Inteligentes
Modelagem do Ambiente
Representao interna do mundo
externo
Melhor estimativa da realidade
Informao necessria para
permitir o raciocnio sobre
objetos
tempo
espao

Rudo
Sensoreamento Intermitente
Diferentes fontes de informao

Organizao de
Sistemas Inteligentes
Mdulos WM
Base de Conhecimento
manter atual e consistente

Faz predies de estados futuros

Sincroniza predies com
observaes
Confiabilidade da informao
What is ?
What if ?

Representao do Conhecimento
Espao Geomtrico
Mapas (distribuio de entidades
no espao)

Organizao de
Sistemas Inteligentes
Processamento Sensorial
Mecanismo da Percepo
Estabelecimento e manuteno da
correspondncia entre o modelo
interno do mundo e o mundo
externo conhecido por sensores
extrai informao sobre:

entidades
eventos
estados
relaes

Medida de Superfcies
Contnuo Discreto

Organizao de
Sistemas Inteligentes
Reconhecimento e Deteco
estabelecimento de
correspondncia entre entidade do
mundo real e entidade modelada

Contexto da Percepo
Mdulos SP

Comparao
Integrao Temporal
Integrao Espacial
Reconhecimento/Deteco

Mecanismos de Ateno
Gerado por BG

Organizao de
Sistemas Inteligentes
Julgamento de Valor
Avalia custos, riscos, benefcios,
de planos e aes
Avalia desejabilidade, atratividade
e incerteza de objetos e eventos

Variveis de estado de valor

Emoes
estimativa bom/ruim (default)

Prioridades
estimativa de importncia

Drives
estimativa de necessidade

Organizao de
Sistemas Inteligentes
Aprendizado

SP
WM
VJ
BG

Mecanismos de Aprendizado
Repetio
Reforo
realimentao sobre os resultados de
uma ao

Correo de Erros

Sistemas Inteligentes
Sistemas Inteligentes
possvel distingu-los de
sistemas no inteligentes ?

Respostas de Pesquisadores
Turing
Zadeh
Gerador Automtico de Abstracts

Anlise de fotografias
Artistas e suas obras

Avaliaes Prticas
Gerao e Seleo de Alternativas
Anlise de Dados Experimentais

Sistemas Inteligentes
Descrio de Propriedades da
Inteligncia (Newell)
Reconhecer e Entender uma Cena
Entender uma Sentena
Construir a resposta correta para
uma situao detectada
Formar uma sentena que seja
compreensvel e associada ao
significado da resposta
Representar internamente
situaes externas
Realizar tarefas que demandem a
descoberta de conhecimentos
relevantes

Sistemas Inteligentes
Respostas de Cientistas
Pragmticos
Utiliza Lgica Fuzzy
Utiliza Redes Neurais

Respostas Cognitivistas e AntiCognitivistas

Albus
Newell - Knowledge Level
Inteligncia Cognio
Associada aos efeitos causados no
ambiente

Sistemas Inteligentes
Respostas que evitam o
problema
Se parece inteligente, ento
inteligente !
Uso comercial do termo
inteligente

Respostas No-usuais
Sistema capaz de implementar
symbol grounding
Sistema que possa ser
considerado mais inteligente que
os atuais sistemas inteligentes
Sistemas semiticos ?

Sistemas Inteligentes
Mitos
Redes Neurais Inteligente,
mais cedo ou mais tarde
Emergncia, a partir de coleo de
agentes reativos

Enganos Persistentes
Plano Comportamento Reativo
Predio ?

Esperana em Milagres
Comportamento Emergente
Inteligncia sem Representao

Sistemas Inteligentes
Mquinas de Subsistncia
Generalizada (GSM)
Sistema unificado pela meta de
existir como uma entidade
Subsistemas que tambm so
GSM
Postulados
Unidade - no compromete sua
integridade mesmo participando de
outros GSM
Recurso - GSM parte de um
GSM, que parte de um GSM
Dualidade Existencial - Satisfao
de metas (GSMG) e subsistncia
(GSMS)

Sistemas Inteligentes
Dois grupos Funcionais:
Goal Directed Functioning (GDF)
Regular Subsistence Functioning
(RSF)

Sistema Inteligente
Prov o funcionamento adequado
de um GSM em um mundo real.

Identificao de Entidades
Descoberta de individuais no
mundo

Realidade contm
Entidades conhecidas
Continuum

Sistemas Inteligentes
Mundo Catico
Diferentes tipos de meios
uniformes

Formao de Singularidades
gravitao de unidades
elementares de caos em reas do
continuum em maior densidade

Escala
Observador

Resoluo
Determinada pelo tamanho da
menor zona de distino (pixel,
voxel espacial)

Sistemas Inteligentes
Nveis de Resoluo
Unidades em nvel
emerge a partir da formao de
singularidades em nvel superior de
resoluo

Meio Uniforme
coleo de unidades nouniformes em nvel de maior
resoluo

Escopo de Interesse
Zona do Meio Uniforme

Escopo de Ateno
Janela imaginria (menor)

Sistemas Inteligentes
Janela se move sobre todo o
escopo de interesse
Varredura Completa, Espiral,
Randmica
Foco de Ateno

Agrupamento
formao de entidades

Busca
Comando p/ foco de ateno

Observador
Percebe mltiplas zonas de
uniformidade, em vrios nveis
Agrupa em classes

Sistemas Inteligentes
Processo Horizontal
checa consistncia c/ modelo
cria (e atualiza) modelo do mundo

Nveis em Diferentes
Hierarquias
Comunicao (no-uniforme)

Unidade Elementar de
Inteligncia (GFACS)
Semelhana c/ processos de
estruturao e representao na
natureza
Semelhana com algoritmos de
estruturao

Sistemas Inteligentes
Algoritmo Generalizado
Passo 1 - Informao do maior nvel de
resoluo
Passo 1.1 - Investiga propriedades de
uniformidade
Foco de Ateno
Agrupamento dentro do foco de ateno
Passo 1.2 Agrupamento dentro do escopo geral
Passo 1.3 - Checa consistncia - marca
inconsistncias
Passo 1.4 - Registra resultados como
Representao neste nvel
Passo 1.5 - Se nenhum novo cluster, v/ para
passo 2, seno passo 1
Passo 2 - Envia representaes de todos os
nveis de resoluo para o sistema global de
representaes

Sistemas Inteligentes
Gerao de Comportamento
Processos Temporais
Estrutura Multi-resolucional

Algoritmo
Determinar (ou selecionar) uma
meta
Processo eficiente que chega a
meta, simula e busca pela soluo
Sequncia de aes que segue a
trajetria, simula e busca solues
Executa a trajetria
comandos p/ nveis mais baixos
monitora resultados e desvios
compensa desvios

Sistemas Inteligentes
Nveis de Inteligncia
Base de Dados + GFACS =
Modelo do Mundo
Sistemas sensoriais + GFACS =
Percepo
Sistema de Controle/Planej.
Multi-Resoluo + GFACS =
Gerao de Comportamento

GFACS

Unidade elementar de inteligncia

Foco de Ateno
Agrupamento
Busca Combinatorial

Sistemas Inteligentes
Evoluo da Inteligncia

Estgio a - selecionando regra

Estgio b - combinao de regras
Estgio c - gerao de regras
Estgio d - classes de regras e
novos nveis de resoluo
Estgio e - sntese de estados e
aes
Estgio f - sntese de contextos
Estgio g - sntese de paradigmas

Variao nos parmetros

mais importante que novas
capacidades

Sistemas Inteligentes
Parmetros

grau de importncia das entidades

tamanho da janela de FA
escopo de interesse
resoluo
similaridade, distncia
coesividade de grupos
avaliao da qualidade de
alternativas

Grupos de Sistemas Inteligentes

Automao
Inteligncia Adaptativa
Intelecto de suporte a deciso

Sistemas Inteligentes
Semiose
Processo de busca de significado

Leis do Signo
Significado, Definio, Rtulo

Semitica
rea terica que analisa e
desenvolve mtodos formais para
a aquisio, representao,
organizao, gerao, melhoria,
comunicao e utilizao do
conhecimento

Reflexo e Conscincia

Sistemas Semiticos
Semitica Aplicada (Applied
Semiotics)
Pospelov e grupo na Rssia

Bases de Conhecimento
Semitico
Rede Semitica
S - conjunto de signos, ou semes
R - conjunto de relaes em S
F - conjunto de funes parciais
de S em S, onde
S - conjunto finito de
composies de relaes em R

Sistemas Semiticos
Rede Semitica
W = <S,R,F>

Composio de Relaes
R1 = { (a,b,c), (k,d,a), (g,k,i) }
R2 = { (c,i,g), (a,b,k), (j,l,m) }
R1R2 = {(a,b,i,g), (k,d,b,k) }

Seme
unidade mental associada a um
denotatum do mundo real
4 constituintes

imagem mental
conceito
nome
ao

Sistemas Semiticos
Mundo Mental
Conceito
S2

S1
S3

Nome
S4

Ao

Imagem
Mental

Denotatum

Mundo Real

Sistemas Semiticos
Imagem Mental
armazena informaes sobre o denotatum,
obtidas a partir de experincia perceptiva
prpria

Conceito
informao ainda associada imagem mental,
mas mediada de alguma forma (e.g. por
generalizao)
contm conjunto de caractersticas que
possibilitam a identificao do seme

Nome
rtulo que diferencia o seme de outros semes

Ao
informao sobre as aes a serem prescritas
quando o seme interage com outros semes, de
modo a tornar o evento observvel

Sistemas Semiticos
Descrio do Seme
Incompleta, na maioria dos casos
Somente alguns dos 4 constituintes

Redes Conotativas
somente nomes e conceitos esto disponveis
semes em S definidos por seus nomes e
conceitos (conjunto de atributos com devidos
limites superiores e inferiores)
Relaes em R so transformadas em
relaes descritas conotativamente (definidas
por suas propriedades ou processos
gerativos, ao invs de listar um conjunto de
nuplas)
Funes de F so definidas por meio de seus
procedimentos algortmicos, especificandose seus possveis parmetros e suas
descries

Sistemas Semiticos
Redes Denotativas
somente imagens mentais e aes
esto disponveis
Semes em S possuem apenas
imagem mental
Relaes em R correspondem a
nuplas de imagens mentais onde
relaes particulares so definidas
Funes em F correspondem a
aes sobre imagens mentais
Mais prximas ao mundo mental
que as redes conotativas

Sistemas Semiticos
Redes denotativas:
modelos mentais do mundo

Redes conotativas:
modelos de conhecimentos

Podem existir
redes conotativas definidas sem
uma rede denotativa associada
vrias redes denotativas em
correspondncia com uma rede
conotativa
cada uma delas refletindo uma
viso particular do mundo real

Sistemas Semiticos
Sistema de Software
mantendo redes denotativas
base de conhecimentos denotativos

mantendo redes conotativas

base de conhecimentos conotativos

mantendo ambos tipos de redes e

seus interrelacionamentos
base de conhecimentos semitica

Fragmentos de Redes Semiticas

elementos de S
utilizados para representar
conhecimentos sobre determinado
assunto e atividades relacionadas

Sistemas Semiticos
Cada FSN uma rede cujos
ns so semes
arcos caracterizam relaes
definidas entre os semes ou seus
componentes

Nvel de Programao
seme um frame associativo
acesso possvel por:
seu nome
contedo de seus slots

Relaes entre ns
entre semes
entre constituintes de semes

Sistemas Semiticos
Estrutura Hierrquica
nveis correspondem a descrio
multi-resolucional

Operaes em Bases de
Conhecimento Semiticas

A = <{F*},PM,U,I,In,Rm,L,D,R>
{F*}- conjunto de FSN
PM - Pattern Matching
U - Unio
I - Interseco
In - Insero
Rm - Remoo
L - Likeness (similaridade)
D - Diferena

Sistemas Semiticos
Operaes entre nveis multiresolucionais distintos
generalizao
instanciao

lgebra de FSNs
fuzzy (L,D)
no possui operao de
complemento
Particionamento de uma FSN em
dois FSN resulta em perda
informao (arcos que conectam
as partes)

Semitica Evolutiva
Inteligncia:
capacidade de manipulao do
conhecimento para a soluo de
problemas
modelos lgico-simblicos
design top-down
capacidade de aprender e adaptarse a mudanas no ambiente
modelos evolutivo-conexionistas
design bottom-up
Necessidade de um modelo
sistmico - integrao de vrias
abordagens

Semitica Evolutiva
Estratgias Integradas
(Sinergticas)
inteligncia computacional
computao flexvel
semitica evolutiva

Diferentes Semiticas
Saussure, Peirce
Jakobson - seis funes da
comunicao
referencial, expressiva, conativa,
ftica, esttica e meta-lingustica
diferentes esquemas e construes

Tringulo de Frege
signifier, signified and sense

Semitica Evolutiva
Semitica Aplicada
desenvolvimento de modelos semiticos para
vrias aplicaes
Grupos lxicos bsicos
objetos controlados
procedimentos de controle
situaes
Tripla conceito-relao-conceito
Escalas Polares
sujeito-objeto, ser-fazer, modal-descritivo
Princpios de Representao
natureza situativa dos modelos de
conhecimento
natureza ativa dos conhecimentos situativos
antecipao subjetiva
caracterstica local do conhecimento
associado s escalas oposicionais
assimetria do conhecimento (experincias
negativas mais marcantes)

Semitica Evolutiva

Sistemas Semiticos

sistemas abertos
aspectos semnticos e pragmticos
multi-resoluo
no-monotonicidade
senso comum

Procedimentos de Argumentao Paralela

pesos relativos de argumentos
contra-argumentos

Semiosis
fator crtico para emergncia de sistemas inteligentes

Sintaxe
estrutura do conhecimento

Semntica
sentido do conhecimento (gerador)

Pragmtica
uso do conhecimento (consumidor)

Semitica Evolutiva
Modelagem Evolutiva de
Sistemas Sgnicos
uso de approach neo-darwiniano
em semitica aplicada
tcnicas de sistemas evolutivos em
sistemas semiticos

Vida Artificial
anlise funcional, modelagem e
simulao de sistemas vivos
abstrao de propriedades cruciais
auto-reproduo
auto-conservao
auto-regulao

Processos Vivos

Semitica Evolutiva
Essncia da Vida
modos de organizao de
unidades funcionais e processos
independentes do substrato
material

Origens
C.Langton, 1987 - Los Alamos Workshop interdisciplinar sobre
sntese e simulao de sistemas
vivos

von Neumman autmatos auto-reproduzveis

Kolmogorov
teoria da complexidade

Semitica Evolutiva
Organizao
autnomia, homeostase e autopoiese

Autonomia
recursividade
procedimentos recursivos afetam a si
prprios
efeitos produzidos so necessrios ao
processo que o originou

circularidade
concatenao de processos
habilitam o fechamento operacional

Homeostase
mecanismo de auto-conservao
manuteno de parmetros crticos do
ambiente

Semitica Evolutiva
Autopoiese
auto-reproduo
baseado em autonomia e homeostase
substituio de seus componentes
internos de modo a compensar as
perturbaes do ambiente
auto-reengenharia

Semitica Evolutiva
organizao auto-poitica
rede de processos produzindo seus
prprios componentes
contnua regenerao
interaes
transformaes

compe um sistema autnomo como uma

entidade no espao-tempo
domnio topolgico

Smitica Evolutiva
Pr-Requisito Evolutivo
variabilidade gentica e
mutabilidade
populao, gerao, reproduo,
cromossoma e gene.

Nveis de considerao sistmica

macro
objetivos da espcie

micro
objetivos do indivduo

Fator de Controle
luta pela sobrevivncia

Fator de Transformao
seleo natural

Semitica Evolutiva
Semitica Terica
interaes recursivas entre
significante, significado e sentido
transformaes nas relaes do
tringulo de Frege
evoluo da sociedade

Diferentes meios de produo

de signos
diferentes tipos de semitica

Semiose Tribal (Manual)

signo e objeto se confundem
produo individual de signos
presena de signos

Semitica Evolutiva
Semitica de Representao
produo serial de signos (escrita)
separao do signo e autor

Semitica de Mercado
produo e reproduo de signos
em massa
anulao do sentido
degradao da carga semntica e
pragmtica dos signos
semitica de iluses
signo: vrus tentando se replicar e
lutando pela sobrevivncia
(atividade)

Semitica Evolutiva
Semitica Virtual
signos: sistemas ativos
espao scio-semitico
reconstruvel como uma realidade
virtual
passvel de manipulao

seres humanos, signos e coisas

esto em uma relao dinmica de
mtua participao
vida artificial
semitica de emergncia

Semitica Evolutiva
Modelo Evolutivo

Problema da Argumentao
Populao de Argumentos
Funes de Avaliao
Criao de novos argumentos e
contra-argumentos na populao
mutao, crossover, etc

Pesos dos argumentos

Limiar de Deciso
Criatividade

Sistemas Hbridos
Paradigmas da IC
Diferentes metodologias
Podem ser combinadas
fuso
transformao
combinao

Sistemas Inteligentes Hbridos

Conhecimento
explcito
implcito

Estratgias
bottom/up
top/down

Sistemas Hbridos
Arquitetura Associativa
nvel estrutural (de tarefas)
determina a estrutura genrica em
termos de tarefas e mtodos para
cumprir as tarefas

nvel computacional
determina o contedo dos
conhecimentos necessrios para
efetivar a arquitetura a nvel
estrutural

nvel de programao
determina os detalhes de programas,
sub-rotinas e estruturas de dados
necessrios para implementar a
arquitetura computacional

Sistemas Hbridos
Perspectivas
filosficas
IA simblica (reducionismo)
Conexionismo (holismo)

de controle neuro-biolgico
diferentes nveis de abstrao

da cincia da cognio
nveis de granularidade
tempo e espao
seres humanos existem no mundo

da inteligncia
artificial/computacional
IA + IC = IB

Sistemas Hbridos
Perspectivas
dos sistemas fsicos
abstrao e hierarquia
sistemas de energia, telecomunicaes

dos sistemas fuzzy

impreciso e imcompletude

das formas de conhecimento

conhecimentos sub-simblicos,
simblico/no-formal, simblico/formal

do aprendizado
nvel estrutural permitindo automodificao

do usurio
aceitabilidade e efetividade

Sistemas Hbridos
Arquitetura TSL
fases de processamento de
informao
Pr-processamento Global,
Decomposio, Controle, Deciso e
Ps-processamento.

tarefas a serem cumpridas em

cada fase
estratgia TD/BU utilizada
mtodos inteligentes
hibridizao utilizada:
combinao, transformao, fuso

restries