Aula 19

Mtodo de inferncia de
Takagi-Sugeno.
MS580 - Introduo Teoria Fuzzy

Marcos Eduardo Valle

Departamento de Matemtica Aplicada

Instituto de Matemtica, Estatstica e Computao Cientfica
Universidade Estadual de Campinas
Nas aulas anteriores, discutimos sistemas baseados em regras
fuzzy em que tanto os antecedentes como os consequentes
so conjuntos fuzzy.

Na aula de hoje, veremos um novo tipo de sistemas baseados

em regras fuzzy em que os antecedentes so conjuntos fuzzy
mas os consequentes so funes das variveis
independentes.
Contexto Histrico

Em 1985, Takagi e Sugeno introduziram uma ferramenta para

modelagem de sistemas baseada na teoria fuzzy.

No mesmo artigo, os autores tambm discutem duas

aplicaes industriais: Uma relacionada ao tratamento de gua
e outra com respeito a produo de ferro.

Em 1988, Sugeno e Kang publicaram novos resultados e

apresentaram critrios para ajustar os parmetros do mtodo
fuzzy.

O mtodo de Takagi-Sugeno, tambm conhecido como

Takagi-Sugeno-Kang, possui aplicaes em diversas reas
incluindo: automao e controle, previso de sries temporais,
reconhecimento de padres e biomatemtica.
Exemplo: Lava Roupas

Objetivo:
Automatizar o funcionamento de uma mquina de lavar roupas
de modo a economizar gua, eletricidade, detergente, etc.

Formulao e Variveis do Problema:

Conhecido o peso aproximado das roupas e quo sujas elas
esto, determinaremos a quantidade de detergente a ser
aplicada.
Variveis independentes: Peso e sujeira.
Varivel dependente: Quantidade de detergente.

Primeiramente, definiremos conjuntos fuzzy para as variveis

independentes.
Fuzzificao - Peso

Muito Muito
1
Leve Leve Pesado Pesado

0.8

0.6

0.4

0.2

0
0 10 20 30 40 50 60 70 80 90 100
Fuzzificao - Sujeira

Quase Muito Extr.

1 Limpo Sujo Sujo Sujo

0.8

0.6

0.4

0.2

0
0 10 20 30 40 50 60 70 80 90 100
Consequente: Quantidade de detergente

Muito
Pouco Pouco Moderado Exagerado Mximo
1

0.8

0.6

0.4

0.2

0
0 10 30 60 80 100
Base de Regras Fuzzy

SE o peso muito leve e a sujeira quase limpo,

ENTO a quantidade de detergente muito pouco.
SE o peso muito leve e a sujeira sujo,
ENTO a quantidade de detergente pouco.
..
.

SE o peso pesado e a sujeira muito sujo,

ENTO a quantidade de detergente exagerado.
..
.

SE o peso muito pesado e a sujeira extremamente

sujo,
ENTO a quantidade de detergente mximo.
Base de Regras Fuzzy

Quase Muito Extr.

Sujo
limpo sujo sujo
Muito Muito
Pouco Moderado Moderado
leve pouco
Leve Pouco Pouco Moderado Exagerado
Pesado Moderado Moderado Exagerado Exagerado
Muito
Moderado Exagerado Mximo Mximo
Pesado
Observe que temos 16 regras no total.
Grfico da Mquina de Lavar Roupas
Qtd. Detergente

100

90

80

70

60

50

40

30

20

10
100
80 100
60 80
40 60
40
20
20
Sujeira 0 0
Peso
Mtodo de Inferncia
Dado que o peso p = 10 e o nvel de sujeira s = 15,
determinamos o quantidade de detergente da seguinte forma:

Passo 1
1. Calculamos a ativao de cada regra da seguinte forma:

wi = A1i (p) A2i (s), i = 1, . . . , 16.

Por exemplo, a ativao da primeira regra :

w1 = Muito Leve (p) Quase Limpo (s) = 0.5 0.25 = 0.25.

Analogamente, a ativao da segunda regra :

w2 = Muito Leve (p) Sujo (s) = 0.5 0.25 = 0.25.

Todas as outras regras tem ativao nula, ou seja, wi = 0 para

i = 3, . . . , 16.
Passo 2
A quantidade y de detergente determinada somando o
produto da ativao pelo consequente da regra e dividindo o
resultado pelo soma das ativaes, ou seja,
P16
i=1 w i Qi
y= P 16
,
i=1 wi

em que Qi {Muito Pouco, Pouco, Moderado, Exagerado, Mximo}.

Neste exemplo,

0.25 (Muito Pouco) + 0.25 (Pouco)

y=
0.5
0.25 10 + 0.25 30
= = 20.
0.5

Este um exemplo do mtodo de Takagi-Sugeno de ordem

zero!
Sistemas Baseados em Regas Fuzzy

Um sistema baseado em regras fuzzy contm trs

componentes:
Dicionrio, que define conjuntos fuzzy sobre as variveis.
Base de regras, que estabelece uma relao entre as
variveis.
Mtodo de inferncia, usado para determinar a sada
dado uma certa entrada.
Eventualmente, pode-se acrescentar uma quarta componente,
chamada defuzzificao, que transforma uma sada fuzzy em
um nmero real ou um conjunto clssico.

Esse no o caso do mtodo de inferncia de Takagi-Sugeno!

Modelo de Takagi-Sugeno
Regras Fuzzy de Takagi-Sugeno
No modelo de Takagi-Sugeno, as regras so da forma:

SE x1 A1i e x2 A2i e . . . e xn Ani , ENTO y = fi (x1 , x2 , . . . , xn ),

em que A1i , A2i , . . . , Ani so conjuntos fuzzy dos antecedentes

enquanto que o consequente uma funo das variveis de
entrada.

Observao:
Geralmente, as funes fi so polinmios.
Tem-se um modelo de Takagi-Sugeno de ordem um se fi
so polinmios de ordem 1.
Tem-se um modelo de Takagi-Sugeno de ordem zero se fi
so constantes.
Inferncia de Takagi-Sugeno
Dada uma entrada (x1 , x2 , . . . , xn ), a sada
Pk
i=1 wi fi (x1 , x2 , . . . , xn )
y= Pk ,
i=1 wi

em que

wi = A1i (x1 ) A2i (x2 ) . . . Ani (xn ), i = 1, . . . , k,

representam as ativaes de cada regra fuzzy.

Observao:

As t-normas mais utilizadas so o mnimo e o produto.

As funes de pertinncia mais utilizadas so as
triangulares e as funes em forma de sino.
 Exemplo 1 (Takagi-Sugeno com antecedentes crisp)
Considere a base de regras:
SE x pequeno, ENTO y = 0.1x + 6.4.
SE x mdio, ENTO y = 0.5x + 4.
SE x grande, ENTO y = x 2.
Considerando intervalos nos antecedentes, obtemos:
8
Funo de Pertinncia

pequeno mdio grande 7

1

0.8

Sada
5

0.6 4

3
0.4

0.2
1

0 0
-10 -8 -6 -4 -2 0 2 4 6 8 10 -10 -8 -6 -4 -2 0 2 4 6 8 10
Entrada Entrada
 Exemplo 2 (Takagi-Sugeno com antecedentes fuzzy )
Considere a base de regras:
SE x pequeno, ENTO y = 0.1x + 6.4.
SE x mdio, ENTO y = 0.5x + 4.
SE x grande, ENTO y = x 2.
Considerando conjuntos fuzzy nos antecedentes, obtemos:
8
Funo de Pertinncia

pequeno mdio grande 7

1

0.8

Sada
5

0.6 4

3
0.4

0.2
1

0 0
-10 -8 -6 -4 -2 0 2 4 6 8 10 -10 -8 -6 -4 -2 0 2 4 6 8 10
Entrada Entrada
 Exemplo 3 (Takagi-Sugeno com antecedentes fuzzy )
Considere a base de regras:
SE x pequeno E y pequeno, ENTO z = x + y + 1.
SE x pequeno E y grande, ENTO z = y + 3.
SE x grande E y pequeno, ENTO z = x + 3.
SE x grande E y grande, ENTO z = x + y + 2.
Antecedentes fuzzy:
Funo de Pertinncia

Funo de Pertinncia
pequeno grande pequeno grande
1 1

0.8 0.8

0.6 0.6

0.4 0.4

0.2 0.2

0 0
-5 -4 -3 -2 -1 0 1 2 3 4 5 -5 -4 -3 -2 -1 0 1 2 3 4 5
x y
Exemplo 3 (Takagi-Sugeno com antecedentes fuzzy )
Superfcie do modelo de Takagi-Sugeno:

10

6
z

-2
5

0
0

-5 -5
y x