Escolar Documentos
Profissional Documentos
Cultura Documentos
DIFUSOS
1 Leandro M. Almeida
SISTEMAS DIFUSOS - COMPOSIO
So compostos pelos seguintes subsistemas:
Bloco de fuzzificao, fazendo a converso de entradas
crisp => fuzzy;
Base de regras contendo regras do tipo IF-THEN;
Base de dados contendo valores relativos s funes
de pertinncia dos conjuntos fuzzy envolvidos;
Bloco de inferncia que executa as operaes de
raciocnio fuzzy, por meio da aplicao das regras
ativadas;
Bloco de defuzzificao que condensa os resultados do
mdulo anterior, sintetizando sadas tipicamente
numricas que sero lanadas ao mundo exterior
2
como resultado final da inferncia.
SISTEMAS DIFUSOS - COMPOSIO
B Sensores entrada
RegrasC
Condicionais
Incondicionais
Inferncia
Defuzzificao
4
APLICAES DA LGICA DIFUSA
Sistemas de apoio deciso
Representam o conhecimento e a experincia
existentes sobre um determinado estado do processo
ou situao;
Capacidade de processar eficientemente informaes
imprecisas e qualitativas;
Inferem a evoluo temporal, as variaes ou mesmo
sugestes sobre as prximas aes a serem tomadas
Exemplos: Consumo de combustvel de um automvel;
expectativa da quantidade de hospedes em um hotel;
etc.
5
APLICAES DA LGICA DIFUSA
Aproximao de funes
Fuzzy para a aproximao de funes no-lineares;
Mdulo componente de um sistema mais complexo de
modelagem, tomada de deciso ou de controle;
Calculo de valores de funes ou de suas derivadas,
por no estar disponvel ou ser muito difcil;
Aproximam o comportamento de tais funes a partir
de dados prticos existentes;
6
APLICAES DA LGICA DIFUSA
Controle de processos
Processos industriais complexos apresentam
dificuldades significativas no controle automtico
no-linearidades, variantes no tempo, baixa qualidade das
medidas disponveis, altos nveis de rudos etc.
Normalmente s variveis subsidirias so
controladas, pois podem ser medidas (temperatura,
presso, etc);
Um operador responsvel pelo controle global da
qualidade e quantidade do produto produzido;
Banco de
Regras
Sistema
Converso Converso Fsico
Escalar > Mquina de Fuzzy > 7
Fuzzy inferncia Escalar
SISTEMAS DIFUSOS -
DIFICULDADES
Dificuldades:
Gerao das regras fuzzy a partir do conhecimento do
especialista;
Definio das funes de pertinncia so em geral
baseadas numa avaliao subjetiva do especialista;
Inexistncia de tcnicas de aprendizado.
Pesquisas ligadas a hibridizao com outras
tcnicas:
Introduo de um mecanismo de aprendizagem;
Reduo da dependncia do especialista;
Aumento do poder do mecanismo de raciocnio para
lidar com mudanas. 8
SISTEMAS NEUROFUZZY
Ferramenta poderosa para o desenvolvimento de
sistemas difusos;
til quando se lida com sistemas fortemente no-
lineares, de comportamento varivel no tempo,
etc;
Representaes de sistemas difusos na forma de
redes passveis de treinamento;
Viabiliza a adaptao do sistema difuso sob
treinamento a um dado training set;
Torna possvel a obteno de resultados
10
SISTEMA DIFUSO
Determinar o tempo de
irrigao de uma
plantao (em
minutos), de acordo
com a temperatura
(graus Celsius) e a
umidade do ar (%).
11
SISTEMA DIFUSO EXEMPLOS DE
REGRAS
12
ETAPAS DO RACIOCNIO
Variveis Calculadas Variveis de Comando
Inferncia
(Valores Lingusticos) (Valores Lingusticos)
Nvel
Lingustico Fuzzificao
Nvel Defuzzificao
Numrico
14
EXEMPLO DE FUZZIFICAO
15
RACIOCNIO: INFERNCIA
Sejam:
16
O MODELO ANFIS
Camada 2: as sadas das unidades so os valores
de ativao das regras (t-norm, t-conorm);
O nmero de unidades igual ao nmero de
regras
17
RACIOCNIO: INFERNCIA
19
O MODELO ANFIS
Camada 4: as sadas representam a contribuio
de cada regra na sada total e so calculadas pelo
valor da funo no conseqente da regra
ponderada pelo valor normalizado da ativao.
20
RACIOCNIO: INFERNCIA
22
RACIOCNIO: INFERNCIA
23
O MODELO ANFIS
24
O MODELO ANFIS
Na Camada de Fuzzificao cada neurnio
representa uma funo "membership" de entrada
do antecedente de uma regra fuzzy;
Na Camada de Inferncia as regras so ativadas
e os valores ao final de cada regra representam o
peso inicial da regra.
Na Camada de Defuzzificao cada neurnio
representa uma proposio conseqente;
O peso de cada sada representa o centro de
gravidade de cada sada da funo.
O ajuste feito na conexo do peso e nas funes
visando compensar o erro e produzir um novo
controle de sinal. 25
MODELAGEM DE SISTEMAS
DIFUSOS
Tarefa de identificao de parmetros do
mecanismo de inferncia de um sistema difuso
com o objetivo de atingir um comportamento
esperado.
Necessidade de encontrar um trade-off entre
acurcia e interpretabilidade
Prover uma alta preciso numrica juntamente com
baixa perda do poder descritivo;
Normalmente sistemas difusos so construdos
usando conhecimento oriundo de um especialista,
porm torna-se difcil quando:
O conhecimento incompleto ou o domnio do
problema muito abrangente; 26
Motivando o uso de abordagens automticas.
MODELAGEM DE SISTEMAS
DIFUSOS
Seguindo a representao conexionista de um
sistema difuso, os parmetros do sistema de
inferncia podem ser classificados em quatro
categorias:
Parmetros lgicos: funes e operadores que definem
o tipo de transformao sofrida por valores crisp e
fuzzy durante o processo de inferncia.
Formato das funes de pertinncia;
Os operadores difusos utilizados, AND, OR, implicao,
agregao e
Mtodo de defuzzificao.
28
MODELAGEM DE SISTEMAS
DIFUSOS
Classificao dos parmetros dos sistemas de
inferncia difusos:
Classe Parmetros
Lgico Mecanismo de raciocnio
Operadores difusos
Tipos de funes membro
Mtodo de defuzzificao
Estrutural Variveis relevantes
Quantidade de funes membro
Quantidade de regras
Conectivo Antecedentes das regras
Conseqentes das regras
Pesos das regras 29
Operacional Valores das funes membro
MODELAGEM DE SISTEMAS
DIFUSOS
Os parmetros lgicos usualmente so
predefinidos por um projetista baseado em sua
experincia e nas caractersticas do problema.
Mecanismo de raciocnio: Mamdani, Takagi-Sugeno;
Operadores difusos: mnimo, mximo, produto, soma
probabilstica, soma e produto limitados;
Funes membro: triangular, trapezoidal e sino;
Defuzzificao: centride, mdia dos mximos;
Os demais parmetros podem ser obtidos atravs
de metodologias de busca;
Geralmente o esforo computacional cresce
exponencialmente com o nmero de parmetros;
Encontrar um trade-off acurria e interpretabilidade. 30
ABORDAGENS PARA MODELAGEM
DE SISTEMAS DIFUSOS
Existe um grande nmero de mtodos para
modelagem de sistemas difusos, que diferem
quanto a:
Estratgia
de busca utilizada e;
Quantidade/tipos de parmetros que podem buscar.
Modelagem de sistemas difusos direta
Nesta abordagem, primeiro o sistema
linguisticamente definido com base no conhecimento
a priori oriundo do especialista.
Posteriormente tal definio transforma em uma
estrutura formal de modelo difuso, seguindo os
passos propostos por Zadeh: 31
ABORDAGENS PARA MODELAGEM
DE SISTEMAS DIFUSOS
Modelagem de sistemas difusos direta passos:
Seleo das variveis de entrada, estado e sadas;
Determinao do universo de discurso;
Determinao dos rtulos lingsticos dentre os quais
as variveis so particionadas;
Determinao das funes membro (pertinncia)
correspondente a cada rtulo lingstico;
Determinao das regras que descrevem o
comportamento do modelo;
Seleo de um mecanismo de raciocnio adequado;
Avaliao da adequao do modelo construdo.
Considerada mais uma arte de intuio e
experincia do que uma teoria precisa. 32
ABORDAGENS PARA MODELAGEM
DE SISTEMAS DIFUSOS
Abordagem baseada na identificao de
algoritmos clssica
Um modelo difuso um tipo especial de modelo no-
linear;
A modelagem difusa pode ser realizada atravs da
aplicao de algum mtodo de identificao clssico;
Tais mtodos trabalham com a estimao iterativa
convergente de um conjunto de parmetros
numricos, aplicados a um modelo com o objetivo de
se aproximar a um comportamento esperado
Mnimos quadrados ortogonais;
Gradiente descendente, quase-Newton, Levenberg-
especialista;
Aps, os valores das funes de pertinncia so codificados
em um gene;
Um AE utilizado para encontrar sistemas de alta
performance;
A evoluo freqentemente supera problemas de mnimos
39
ABORDAGENS PARA MODELAGEM
DE SISTEMAS DIFUSOS
Modelagem difusa evolucionria
Estrutura do aprendizado (parmetros estruturais)
Normalmente a informao disponvel sobre o sistema
composta por dados entra-sada e o conhecimento especfico
sobre a estrutura do sistema escasso;
Neste caso, AE so usados para o desenvolvimento simultneo