[FIA] Lógica Difusa (Teoria)
-
Upload
eliphas-siqueira -
Category
Documents
-
view
612 -
download
0
description
Transcript of [FIA] Lógica Difusa (Teoria)
![Page 1: [FIA] Lógica Difusa (Teoria)](https://reader036.fdocumentos.tips/reader036/viewer/2022082703/5571f2c349795947648d02e7/html5/thumbnails/1.jpg)
FACULDADE DE TECNOLOGIA DE GUARATINGUETÁ
Fuzzy LogicLógica Fuzzy
Adiel LemosBruno Michael S. SantosEliphas L. G. de Siqueira
Pedro Campos
Fundamentos de Inteligência ArtificialProfessora Camila Martinelli Rocha
Guaratinguetá2009
![Page 2: [FIA] Lógica Difusa (Teoria)](https://reader036.fdocumentos.tips/reader036/viewer/2022082703/5571f2c349795947648d02e7/html5/thumbnails/2.jpg)
Conteúdo1. Definição........................................................................................................3
1.1. Lógica binária..........................................................................................3
1.2. Lógica difusa...........................................................................................3
2. Aplicação.......................................................................................................3
3. Exemplos.......................................................................................................4
3.1. Exemplo 1: Diagnóstico Diferencial de Enfermagem em Alterações na
Eliminação Urinária......................................................................................................4
3.2. Exemplo 2: Mineração de Dados............................................................5
3.3. Exemplo 3: Modelo Coppe-Cosenza de Hierarquia Fuzzy.......................5
2
![Page 3: [FIA] Lógica Difusa (Teoria)](https://reader036.fdocumentos.tips/reader036/viewer/2022082703/5571f2c349795947648d02e7/html5/thumbnails/3.jpg)
1. Definição
1.1.Lógica binária
A Lógica Digital, mais tarde conhecida como Lógica Ocidental, ou ainda Lógica
Binária, criada por Aristóteles, era baseada em premissas e conclusões. Assim, uma
afirmação poderia ser somente Verdadeira ou Falsa, sem poder ser parcialmente
verdadeira ou parcialmente falsa.
1.2.Lógica difusa
Por volta de 1965, Lofti A. Zadeh começa a contradizer essa lógica, afirmando
que as coisas podem e devem coexistir com seu oposto, o que faz da Lógica Difusa uma
maneira natural de raciocínio.
2. Aplicação
Colocando ambas as Lógicas frente-a-frente, pode-se notar que a lógica ocidental
não pode responder a grande parte das experiências humanas, pois grande parte delas
não pode ser classificada como sim ou não, ou ainda como verdadeira ou falsa.
A maioria dessas experiências necessitam de respostas não-quantificáveis, como
quando queremos saber se um homem é alto ou baixo, ou se uma taxa de risco é
grande ou pequena.
Para isso, a Lógica Fuzzy, como também é conhecida, utiliza graus de associação
entre as possíveis respostas. Veja o exemplo: ao invés dizermos que a casa é grande,
dizemos que ela é 0.8 grande, 0.2 média e 0.0 pequena. Dizendo de outra maneira,
temos que a casa tem a probabilidade de 80% de ser grande, 20% de ser média e 0%
de ser pequena.
Dessa forma podemos incluir em computadores umaa capacidade mais ampla de
raciocínio lógico, que passa de binária para estatística. Ou seja, ela continua numérica,
mas passa a ser mais abrangente.
3
![Page 4: [FIA] Lógica Difusa (Teoria)](https://reader036.fdocumentos.tips/reader036/viewer/2022082703/5571f2c349795947648d02e7/html5/thumbnails/4.jpg)
3. Exemplos
Apresentamos agora alguns exemplos da aplicação da lógica difusa em sistemas
de inteligência artificial.
3.1. Exemplo 1: Diagnóstico Diferencial de Enfermagem em
Alterações na Eliminação Urinária
Os diagnósticos de enfermagem relativos a alterações na eliminação urinária requerem
diferentes intervenções, e as enfermeiras que não são especialistas necessitam de
suporte para o diagnóstico e manejo de pacientes com distúrbios na eliminação de
urina. O objetivo deste trabalho foi apresentar um modelo baseado em lógica fuzzy
para o diagnóstico diferencial de alterações na eliminação urinária, considerando os
diagnósticos de enfermagem aprovados pela North American Nursing Diagnosis
Association - International (NANDA-I), 2001 - 2002. A composição máximo-mínimo
fuzzy foi usada para desenvolver esse modelo. Ele foi testado em 195 casos de uma
base de dados de um estudo prévio. O modelo foi capaz de determinar o diagnóstico
em total concordância com um painel de três especialistas em 79,5% dos casos. O
modelo diagnosticou 19% dos casos com concordância parcial com o painel de
especialistas. Somente em 3 casos (1.5%) o modelo apresentou diagnósticos
diferentes. Conclui-se que o modelo aqui proposto, a despeito de sua simplicidade,
apresenta bom desempenho. No entanto, recomendam-se mais testes antes de ser
amplamente usado como suporte para a decisão clínica.
Fonte:
LOPES, Maria Helena Baena de Moraes. Modelo Baseado em Lógica Fuzzy para oDiagnóstico Diferencial de Enfermagem em Alterações na Eliminação Urinária. Disponível em < http://www.sbis.org.br/cbis/arquivos/1040.pdf> Acesso em 20 de março de 2009.
4
![Page 5: [FIA] Lógica Difusa (Teoria)](https://reader036.fdocumentos.tips/reader036/viewer/2022082703/5571f2c349795947648d02e7/html5/thumbnails/5.jpg)
3.2. Exemplo 2: Mineração de Dados
As empresas atualmente dispõem de um grande volume de informações sobre
transações comerciais que podem ser extraídas através do uso de mineradores de
dados, com a finalidade de descobrir e associar características e comportamentos
relacionados a seus clientes, de maneira a possibilitar melhorias no relacionamento
com os mesmos e permitir a sua fidelização. A utilização da Lógica Fuzzy nos
algoritmos de data mining evita o comprometimento da confiabilidade dos resultados,
caso se trate de termos imprecisos, visto que o retorno de informações da mineração
realizada abrangerá dados que seriam desprezados ao empregar a lógica clássica. Este
artigo apresenta a comparação dos resultados obtidos entre um minerador de dados
utilizando a lógica difusa ou nebulosa e um data mining de algoritmo Apriori.
Fonte:
AZEVEDO, Denise; DEMASI, Pedro. Consulta a Banco de Dados Utilizando Conceitos Nebulosos. Disponível em <http://www.nce.ufrj.br/labic/downloads/ricim_out_2000.pdf> Acesso em: 20 de março de 2009.
3.3. Exemplo 3: Modelo Coppe-Cosenza de Hierarquia Fuzzy
As aplicações da Lógica Fuzzy se expandiram em várias direções. A interpretação
através da lógica fuzzy de uma estrutura de dados é um caminho muito natural e
intuitivamente plausível para a formulação e resolução de problemas. O Modelo
Coppe-Cosenza de Hierarquia Fuzzy tem a Lógica Fuzzy em suas bases. Os sistemas
fuzzy são capazes de utilizar, em sua modelagem, informações imprecisas e ambíguas
e tornam este modelo capaz de trabalhar com uma vasta maioria de problemas de
hierarquização que têm por característica a sua complexibilidade e a não exigência de
precisão.
Fonte:
TOLEDO, Olga Moraes. Um caso de aplicação da Lógica Fuzzy – o Modelo Coppe-Cosenza de Hierarquia Fuzzy. Out. 2003. Disponível em <http://www.abepro.org.br/biblioteca/ENEGEP2003_TR0608_0657.pdf> Acesso em: 20 de março de 2009.
5
![Page 6: [FIA] Lógica Difusa (Teoria)](https://reader036.fdocumentos.tips/reader036/viewer/2022082703/5571f2c349795947648d02e7/html5/thumbnails/6.jpg)
6