Fuzzy Logic em Android

FUZZY LOGICLuan Scudeler

TÓPICOS

O que é Lógica Nebulosa (Fuzzy Logic)? Como surgiu? Características; Aplicações; Resultados.

PERGUNTA DA PESQUISAComo resolver problemas que apresentam características nebulosas e incertas?

METODOLOGIA DE PESQUISA

Quantitativa experimental.

O QUE É? Lógica nebulosa é uma ferramenta matemática

para lidar com a incerteza.

Provê métodos para reduzir e explicar a complexidade de sistemas.

Tem como base o uso de variáveis linguísticas. Tais como “muito”, “baixo”,

“frequentemente”, “alguns”.

Ao contrário a teoria tradicional dos conjuntos binários ela usa a teoria da probabilidade.

COMO SURGIU? Lofit A. Zadeh inventou a Lógica Nebulosa,

apresentada pela primeira vez em 1965. Nascido em Baku, Azerbaijão. Se formou na

Universidade de Teerã, Irã em 1942 Conseguiu o seu Ph.D. na Universidade de

Comlumbia, Nova York 1949.

EXEMPLO

Para definirmos se um alimento pertence ou não ao conjunto das frutas.

A associação para cada elemento da figura acima pode ser descrita com verdadeiro ou falso.

EXEMPLO

Abordando o mesmo conjunto com o conceito da lógica nebulosa.

Com um conjunto nebuloso é possível descrever uma associação parcial, como a do tomate e a da uva no conjunto de frutas.

SISTEMA DE LÓGICA NEBULOSA (FLS) Consiste em quatro etapas: fuzificador, base de

regras, mecanismo de inferência e defuzificador.

Define ações de controle em função das diversas faixas de valores que as variáveis podem assumir.

Sistemas baseados na lógica nebulosa têm mostrado grande utilidade em uma variedade tarefas.

A utilidade de conjuntos nebulosos reside na sua capacidade de modelar dados incertos ou ambíguos.

CONJUNTOS NEBULOSOS (FUZZY SETS) São funções que mapeiam valores que podem

se tornar membro de um conjunto entre um número de 0 a 1.

0 : valor não faz parte do conjunto,1: valor faz completamente parte do

conjunto.

CONJUNTOS NEBULOSOS (FUZZY SETS) Conjuntos Nebulosos são altamente

dependentes do modelo em que se aplicam.

A natureza da informação nebulosa está em valores (elementos) poderem pertencer a vários níveis de conjuntos ao mesmo tempo.

Tem como base o uso de variáveis linguísticas para estabelecer qualificadores e modificadores (posteriormente aplicado na base de regras do sistema).

BASE DE REGRAS

SE veículo.velocidade é alta ENTÃO parada.duração É longa

Maioria dos projetos longos estão geralmente atrasados Importante para sistemas “time-series-based”

BASE DE REGRAS Uma base de regras é construída para

controlar a variável de saída do sistema. A saída do sistema também consiste em um

conjunto nebuloso

A base de regras do sistema é avaliada e então combinam-se os resultados de cada regra para gerar uma saída.

Curto Médio Alto

: 5.21 seg

DEFUZIFICAÇÃO A defuzificação é realizada de acordo com a

associação função da variável de saída. Primeiro Máximo (SOM) Método da Média dos Máximos (MOM) Método do Centro da Área (COA)

Video mostrando o comportamento de um

FLS

PROTÓTIPO

RUN RUN RUN

SIMULAÇÃO

APLICAÇÃO FINAL

Objetivos Utilizar um sistema de Lógica nebulosa para

calcular o preço de um carro usado, com base na avalição da qualidade do seu estado.

Receber a avalição do carro através de variáveis linguísticas.

Executar o sistema de Lógica nebulosa para gerar o preço final do carro.

APLICAÇÃO FINAL

AUTOMÓVEL VALOR (R$)

Carro Modelo Aplicativo WebMotors.com.br mercadolivre.com.br

FiatUno 1.3 CS 8V

Álcool 2P 1989/1989

4.890,43 4.000,00 a 4.450,00 4.500,00 a 6.500,00

RenaultClio 1.6 RL Álcool 2P

1996/19966.010,36 6.000,00 6.800,00

Volkswagen

Gol City 1.0 Mi Álcool 4P

2003/200414.143,63 12.000,00 a

14.700,00 12.900,00 a 14.900,00

Chevrolet

Celta Life 1.0 MPFI 8V

FlexPower 2p 2013/2013

22.050,43 16.900,00 a 23.000,00 16.900,00 a 21.980,00

Análise dos dados obtidos




Volkswagen

Gol City 1.0 Mi Álcool 4P

2003/200414.143,63 12.000,00 a

14.700,00 12.900,00 a 14.900,00




ChevroletCelta Life 1.0

MPFI 8V FlexPower 2p

2013/2013

22.050,43 16.900,00 a 23.000,00 16.900,00 a 21.980,00

REFERÊNCIAS GUIMARÃES, R. et al. “Lógica Fuzzy ou Lógica Nebulosa”. Projeto Robótica, Colégio

Nobel [Salvador, BA], 2002. Disponível em: <http://www.colegionobel.com.br/robo tica/nebula.html>. Acesso em: 22 dez. 2014.

J. MENDEL. Fuzzy logic systems for engineering: a tutorial. Proceedings of the IEEE, Vol. 83, 1995.

LAUDARES, L. A. Lógica Nebulosa: Uma abordagem filosófica e aplicada (UFSC), Brasil, 2002.

SIVANANDAM, S.N.; S. SUMATHI; DEEPA S.N. Introduction to Fuzzy Logic using MATLAB(Springer), 2007.

SANDRI, SANDRA.; CORREA, CLÁUDIO. Lógica Nebulosa, 1999. Disponível em <http://www.deti.ufc.br/~guilherme/PAPERS/curso_ERN99_fuzzy.pdf>. Acesso em: 30 dez. 2014.

OBRIGADO…

Fuzzy Logic em Android

Software

Transcript of Fuzzy Logic em Android