IA: Sistemas Fuzzy III

Prof. Msc. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br

Sumrio
Funo

de Pertinncia Fuzzificao Defuzzificao Sistemas de Inferncia Fuzzy

Propriedades das FP
As

funes de pertinncia possuem as seguintes caractersticas:

Ncleo:

regio do universo caracterizada pela completa pertinncia no conjunto A Suporte: regio do universo caracterizado pela pertinncia diferente de zero no conjunto A Limites: regio do universo contendo elementos que tm pertinncia intermediria (entre 0 e 1)

Propriedades das FP

Propriedades das FP
Conjunto

fuzzy normal: ao menos um dos elementos tem pertinncia completa ao conjunto

Propriedades das FP
Conjunto

fuzzy convexo: descrito por uma funo de pertinncia cujos valores de pertinncia so monotonicamente crescentes ou decrescentes.

Formas das FP
Formas

mais comuns: normal e convexa. Contudo, muitas operaes sobre conjuntos fuzzy (ex: unio e interseco) resultam em conjuntos fuzzy subnormais e no-convexos. Podem ser simtricas ou assimtricas Podem assumir formas irregulares

Formas das FP

Fuzzyficao
Processo

Exemplo:

de tornar fuzzy um valor crisp.

voltmetro digital gera um dado fuzzy que est sujeito a erros experimentais. Uma possvel representao desse erro associada com uma funo de pertinncia que representa sua impreciso :

Defuzzyficao
Existem

situaes em que a sada de um processo fuzzy precisa ser um nico escalar. Exemplo:
Se

a presso muito alta, ento nmero de voltas mdio

Defuzzyficao:

converso de uma quantidade fuzzy para uma quantidade precisa.

Defuzzyficao
Suponha

partes:

a sada fuzzy composta de duas

unio dessas duas funes de pertinncia:

Defuzzyficao
Dada

a unio conjuntos fuzzy, como extrair um nico crisp do conjunto resultante?

Mtodo

do mximo Mtodo do centride Mdia dos mximos

Mtodo de Mximo
a

sada defuzzyficada tomando o valor de pertinncia mais alto. Ou seja, procura-se: c (z*)c (z) para todo zZ

Mtodo do Centride
centro

de rea ou centro de gravidade:

Mtodo dos Mximos

similar

ao mtodo do mximo, aplicvel onde existe um grupo de elementos com pertinncia mxima. Nesse caso, faz-se:

Exemplo 1
Uma

estrada de ferro est sendo construda, e para tanto reas particulares onde essa estrada passar precisam ser desapropriadas. O projeto foi inspecionado por trs analistas distintos que deram seus pareceres, apresentados no prximo slide (conjuntos B1, B2 e B3). Para fins de projeto, precisa-se fazer a estimativa concreta da quantidade de terra a ser desapropriada. Estime-a utilizando o mtodo centride.

Exemplo 1

Exemplo 1

4,9 m

Sistemas de Inferncia Fuzzy

Sistemas de Inferncia Fuzzy

O

tipo de sistema de inferncia fuzzy a ser abordado chamado de Mandani. Nesse tipo de sistema tanto as entradas como as sadas devem ser mapeadas para conjuntos fuzzy.

Sistemas de Inferncia Fuzzy

Neste

Sistema de Inferncia Fuzzy, consideram-se entradas no-fuzzy. Em virtude disto, necessrio efetuar a fuzzificao das entradas. Neste estgio ocorre tambm a ativao das regras relevantes para uma dada situao.

Sistemas de Inferncia Fuzzy

Uma

vez obtido o conjunto fuzzy de sada atravs do processo de inferncia (modus ponens generalizado), no estgio de defuzzificao efetuada uma interpretao dessa informao. Isto se faz necessrio pois, em aplicaes prticas, geralmente so requeridas sadas precisas.

Sistemas de Inferncia Fuzzy

As regras podem ser fornecidas por especialistas, em forma de sentenas lingusticas, e se constituem em um aspecto fundamental no desempenho de um sistema de inferncia fuzzy. Extrair regras de especialistas na forma de sentenas do tipo se ... ento pode no ser uma tarefa fcil, por mais conhecedores que eles sejam do problema em questo. Alternativamente ao uso de especialistas para a definio da base de regras, existem mtodos de extrao de regras de dados numricos.

Sistemas de Inferncia Fuzzy

No

estgio de inferncia ocorrem as operaes com conjuntos fuzzy propriamente ditas:

combinao dos antecedentes das regras, implicao e modus ponens generalizado.

Um

aspecto importante a definio dos conjuntos fuzzy correspondentes s variveis de entrada e (s) de sada, pois o desempenho do sistema de inferncia depender do nmero e forma dos conjuntos

Sistemas de Inferncia Fuzzy

Pode-se

efetuar uma sintonia "manual" das funes de pertinncia dos conjuntos, mas mais comum empregarem-se mtodos automticos. A integrao entre sistemas de inferncia neuro-fuzzy ou algoritmos genticos tem se mostrado adequada para a sintonia de funes de pertinncia e regras.

Exemplo 2
Considere-se

o problema do estacionamento de um veculo, cuja posio determinada pelas variveis:

x - distncia no eixo horizontal; - ngulo do veculo em relao ao eixo horizontal.

varivel de sada (ngulo da roda do veculo).

Exemplo 2

Exemplo 2
A

base de regras, que constitui a estratgia de estacionamento do veculo, dada em "forma matricial":

Exemplo 2
A

leitura das regras a partir desta matriz exemplificada para a clula sombreada (PS):
Se

(x LE) e ( RB) ento ( PS)

RB,

LE e PS so os rtulos atribudos aos conjuntos fuzzy que representam os valores lingusticos de cada varivel (sete para as variveis e , e cinco para a varivel x).

Exemplo 2
Conjuntos

varivel x

fuzzy correspondentes

Exemplo 2
Conjuntos

varivel

fuzzy correspondentes

Exemplo 2
Conjuntos

varivel

fuzzy correspondentes

Exemplo 2
Os

valores de x e em um determinado instante (ou situao) so: x' = 65 m; ' = 113. As regras ativadas so aquelas com os seguintes antecedentes (com os graus de pertinncia aproximados de x' e ' nos conjuntos assinalados entre parnteses):
Para a varivel x: RI (0,2) e RC (0,7); Para a varivel : LV (0,9) e VE (0,5).

Exemplo 2
Da

base de regras, verifica-se que as regras concernentes a esta situao so as sombreadas:

Exemplo 2
Para

cada uma das regras ativadas temse, portanto:

Exemplo 2
A

seguir efetuada a unio das regras acima, por meio do conectivo fou, que conforme especificado, o max.

Exemplo 2
Este

resultado est mostrado na figura abaixo, onde ' representa o valor aps defuzzificao pelo centro de gravidade (aproximadamente):