[FIA] Lógica Difusa (Teoria)
-
Upload
eliphas-siqueira -
Category
Documents
-
view
612 -
download
0
description
Transcript of [FIA] Lógica Difusa (Teoria)
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
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
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
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
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
6