Escolar Documentos
Profissional Documentos
Cultura Documentos
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)
Histrico
Inteligncia Computacional
Sistemas Fuzzy
Redes Neurais
Sistemas Evolutivos
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
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
Cognio e Semitica
Interface de Entrada (sensores) mapeamento parcial do ambiente
Cognio e Semitica
fonte de informao signo
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
ndice
smbolo
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
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
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
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
Tipos Elementares de
Conhecimento
ocorrncia
verbo (ou predicado)
objetos (sensaes)
relatos (ou sujeitos)
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
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
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
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
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 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.
Conhecimento Aplicado
regulam o prprio estado do
sistema cognitivo
aprendizagem e adaptao
Comando
decomposto em
progressivamente
subcomandos,
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:
Conhecimento Aplicado
atuadores
sem comandos
comportamento padro
diferentes estratgias:
Veculo de formalizao
diferentes tipos de conhecimento
Objeto:
intimamente
relacionado
pensamento humano
mente humana
ao
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
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
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
Portas de
Entrada
Objeto
Funes de
Estados
Transformao Internos
Interface
Interface
de Entrada
de Sada
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
Definio Formal
Objeto
C uma classe no vazia.
c uma varivel de tipo C.
c objeto da classe C.
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
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
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
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
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 .
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
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
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.
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,
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
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
Exemplo
onde
A = v5 , m = v 6 ,
w1 = v1 , w2 = v2 , w3 = v3, = v4
- parmetros da funo.
Exemplo
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
c1 = { (0, (0,0,0,0,0,0,0,f1 ) ) }
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)}
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)}
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
c5 = {(1,x1), (3,x1)},
c6 = {(1,x2), (3,x2)},
c7 = {(1,x3), (3,x3)}
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
Exemplos
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 ) ) }
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) }
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 ) )}
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 ) )}
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
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
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
Estrutural
da
Persistncia
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.
Ferramentas de Anlise
Norma
Define-se a norma de x, | x | como
sendo:
x i (n ) .
| 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 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
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
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
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
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
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. 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
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),(2,3),(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) }
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.
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}
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
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:
Outras ocorrncias de x em x:
- v = (v1 , v2 ) = (1,3), v = (1,6), v = (4,6).
- v = (4,2) e v = (4,3).
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
x = ( x {1,3} ) T x
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.
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 = ( x {1,3} ) T x
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
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.
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
Conhecimento de Ocorrncias
Genrico
No h restries
Conhecimento Remtico
Meta-objetos unitrios
estado
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
o1
o2
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
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
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
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
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.
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:
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
i de 1 a m, ai X exemplos positivos,
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
( )
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
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
Organizao de
Sistemas Inteligentes
Elementos da Inteligncia
Existem 4 elementos sistmicos
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
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
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
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
Sistemas Inteligentes
Evoluo da Inteligncia
Sistemas Inteligentes
Parmetros
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
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
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
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
Smitica Evolutiva
Pr-Requisito Evolutivo
variabilidade gentica e
mutabilidade
populao, gerao, reproduo,
cromossoma e gene.
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
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
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
Sistemas Hbridos
Paradigmas da IC
Diferentes metodologias
Podem ser combinadas
fuso
transformao
combinao
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
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.
restries