MC5002 – Lógicas não clássicas - Bacharelado em Ciência da
Transcrição
Universidade Federal do ABC Rua Santa Adélia, 166 - Bairro Bangu Santo André - SP - Brasil CEP 09.210-170 - Telefone/Fax: +55 11 4996-3166 1 1. CÓDIGO E NOME DA DISCIPLINA MC5002 - LÓGICAS NÃO CLÁSSICAS 2. DISCIPLINA REQUISITO (RECOMENDAÇÃO) Lógica Básica 4. CURSO BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO 6. QUADRIMESTRE IDEAL 3. INDICAÇÃO DE CONJUNTO (BCC) Opção Limitada 5. CRÉDITOS T P I: 4-0-4 7. NÍVEL Graduação 8. Nº. MÁXIMO DE ALUNOS POR TURMA TEORIA: 60 LABORATÓRIO: 30 9. OBJETIVOS Introduzir conceitos teóricos relacionados a lógicas clássicas e não clássicas, em geral Apresentar princípios e conceitos relacionados à Teoria dos Conjuntos Fuzzy, visando estabelecer a base conceitual da Teoria Fuzzy Apresentar princípios e conceitos relacionados a sistemas baseado em conhecimento, modelados com os princípios da Lógica Fuzzy, permitindo desta forma o modo aproximado de raciocínio Apresentar ferramentas computacionais para o desenvolvimento de sistemas que trabalhem com Lógica Fuzzy Apresentar aplicações da Lógica Fuzzy 10. COMPETÊNCIAS A disciplina deverá permitir o aluno ser capaz de: Reconhecer as categorias de problemas em que a modelagem com Lógica Fuzzy é particularmente adequada Modelar sistemas baseado em conhecimento, tendo como base os princípios e conceitos da Lógica Fuzzy Implementar os sistemas modelados com Lógica Fuzzy em um ambiente computacional 11. PROGRAMA RESUMIDO Fundamentos de Lógica Clássica. Conceitos e definições básicas de Lógica Fuzzy. Conjuntos clássicos (Crisp) versus conjuntos fuzzy. Conjuntos fuzzy: propriedades e características, representação, operações em conjuntos fuzzy. Variáveis lingüísticas. Operadores semânticos (hedges). Relações e composições fuzzy. Lógica Fuzzy. proposições e conetivos fuzzy, T-Norma e T-Conorma, implicações fuzzy, regras de inferência fuzzy. Sistemas Nebulosos: interface de fuzzificação, base de regras, motor de inferência, interface de defuzzificação. Aplicações. 12. PROGRAMA 1. Introdução 1.1 Histórico e Princípios da Lógica Clássica 1.2 Princípios das Lógicas Não Clássicas 1.3 Conceitos e Terminologias Básicos da Lógica Fuzzy 1.4 Tipos de informação: determinista, probabilística e possibilista 2. Conjuntos Nebulosos 2.1 Conceitos e Definições 2.1.1 Conjuntos Crisp e Funções Característica 2.1.2 Conjuntos Nebulosos e Funções de Pertinência 2.2 Propriedades e Características dos Conjuntos Nebulosos 2.2.1 Altura e Normalização 2.2.2 Domínio e Universo de Discurso 2.2.3 Suporte e alfa-cut 2.3 Representações dos Conjuntos Nebulosos: Linear, Trapezoidal, Triangular, Formato-S, Formato-Z, PI, Gaussiana, Irregulares 2.4 Operações em Conjuntos Fuzzy 2.4.1 Interseção, União e Complemento 2.4.2 Princípio da Não-Contradição e Princípio da Mútua Exclusão 2.5 Variáveis Lingüísticas 2.6 Operadores Semânticos (Hedges) 2.6.1 Intensificadores: muito, extremamente 2.6.2 Diluidores: pouco, mais ou menos 2.6.3 Restrição de uma região fuzzy: acima, abaixo 2.6.4 Aproximadores: em torno, aproximadamente, quase 2.7 Relações e Composições Fuzzy 3. Lógica Fuzzy 3.1 Revisão da Lógica Clássica 3.1.1 Proposições e Raciocínio Lógico 3.1.2 Combinações de Proposições: Conjunção, Disjunção, Negação, Implicação e Equivalência 3.1.3 Modus Ponens e Modus Tollens 3.2 Lógica Fuzzy 3.2.1 Proposições Fuzzy 3.2.2 Conectivos Fuzzy OU e E 3.2.3 T-Conorma e T-Norma 3.2.4 Implicações Fuzzy 3.2.4.1 Implicação de Dienes-Rescher 3.2.4.2 Implicação de Zadeh 3.2.4.3 Implicação de Godel 3.2.4.4 Implicação de Mamdami 3.2.5 Regras de Inferência Fuzzy: Modus Ponens Generalizado 4. Sistemas Fuzzy 4.1 Interface de Fuzzificação 4.2 Base de Regras 4.3 Motor de Inferência 4.4 Interface de Defuzzificação 4.4.1 Método do Centro de área (gravidade) 4.4.2 Método da Média dos Máximos 5. Aplicações 13. MÉTODOS UTILIZADOS Os conteúdos da disciplina serão apresentados através de aulas expositivas, com o uso de recursos quadro-negro/branco, além de recursos áudio-visuais e computacionais disponíveis. Realização de atividades individuais ou em grupos, para maior compreensão dos tópicos abordados: resolução de exercícios, desenvolvimento de programas, simulações, solução de problemas, estudo de caso, etc 14. ATIVIDADES DISCENTES Além do acompanhamento das aulas expositivas e de laboratório, as principais atividades a serem desenvolvidas pelos alunos são: resolução de exercícios extraídos da bibliografia básica ou elaborados pelo professor, desenvolvimento de trabalhos de implementação, desenvolvimento de trabalhos de experimentação de técnicas, leitura e estudo de artigos, de capítulos de livros e de material elaborado pelo professor. 15. CARGA HORÁRIA AULAS TEÓRICAS: 24hs AULAS PRÁTICAS: 24hs TOTAL: 48hs RECOMENDADO PARA DEDICAÇÃO INDIVIDUAL: 4h por semana 2 16. CRITÉRIOS DE AVALIAÇÃO DE APRENDIZAGEM * Parte teórica (40%) - Duas provas teóricas (PT1, PT2) Média Prova: (PT1+PT2)/2 - Avaliações durante as aulas (testes, leitura de artigos, exercícios, etc) * Parte prática (60%) - Um projeto computacional modelado com o uso de Lógica Fuzzy * Conceito Final = 0,4*ConceitoTeoria + 0,6*ConceitoPrática 17. NORMAS DE RECUPERAÇÃO (CRITÉRIOS DE APROVAÇÃO E ÉPOCAS DE REALIZAÇÃO DAS PROVAS OU TRABALHOS) As avaliações serão baseadas por conceito, conforme estabelecido pelas normas internas da UFABC. Alunos que não atingiram um nível de aprendizado adequado, e sem reprovação por presença, poderão fazer uma prova de exame para mais uma oportunidade de avaliação. A prova de exame será realizada após as provas normais, no final do trimestre. 18. BIBLIOGRAFIA RECOMENDADA BIBLIOGRAFIA BÁSICA 1. MORTARI, Cezar A. Introdução à lógica. São Paulo: UNESP, 2001. 2. NGUYEN, Hung T; WALKER, Elbert A. A first course in fuzzy logic. 3 ed. Boca Raton: Chapman & Hall / CRC, 2006. 3. REZENDE, Solange Oliveira. Sistemas Inteligentes: Fundamentos e Aplicações. Manole, 2002. BIBLIOGRAFIA COMPLEMENTAR 1. HUTH, Michael; RYAN, Mark. Logic in computer science: modelling and reasoning about systems. 2nd ed. Cambridge [U.K.]: Cambridge University Press, 2004. 2. KLIR, George J. Uncertainty and information: foundations of generalized information theory. Hoboken, N.J: Wiley, 2006. 3. MORTARI, Cezar A. Introdução à lógica. São Paulo: Editora da Unesp, 2001. 393 p. 4. CHELLAS, Brian F. Modal Logic: an introduction. New York: Cambridge University Press, 1980. 295 p. 5. BLACKBURN, Patrick; RIJKE, Maarten de; VENEMA, Yde. Modal Logic. Cambridge: Cambridge University Press, c2001. 554 p. 19. PLANO SUGERIDO PARA AS AULAS (em semanas letivas) Aula 01: Apresentação da disciplina. Fundamentos de Lógica Clássica e Lógicas não Clássicas Aula 02: Conceitos e definições básicos da Lógica Fuzzy Aula 03: Conjuntos clássicos (crisp) versus conjuntos nebulosos. Propriedades e características dos conjuntos nebulosos Aula 04: Representações dos conjuntos nebulosos. Operações em conjuntos nebulosos: união e intersecção Aula 05: Operações em conjuntos nebulosos: complemento. Princípio da não-contradição e princípio da mútua exclusão Aula 06: Variáveis lingüísticas. Operadores semânticos: intensificadores e diluidores Aula 07: Operadores semânticos: restrição de uma área e aproximadores Aula 08: Relações e composição fuzzy Aula 09: Revisão de Lógica Clássica Aula 10: Lógica Fuzzy: proposições e conectivos fuzzy, T-norma e T-Conorma Aula 11: Aula de exercícios Aula 12: Prova 1 Aula 13: Implicações e regras de inferência fuzzy Aula 14: Conceitos e definições básicos de sistemas baseados em conhecimento e de sistemas Fuzzy Aula 15: Sistemas Fuzzy: interface de fuzzificação Aula 16: Sistemas Fuzzy: base de regras Aula 17: Sistemas Fuzzy: motor de inferência Aula 18: Sistemas Fuzzy: motor de inferência Aula 19: Aula de exercícios Aula 20: Sistemas Fuzzy: interface de defuzzificação Aula 21: Sistemas Fuzzy: interface de defuzzificação Aula 22: Aplicações Aula 23: Prova 2 Aula 24: Apresentação de projetos. Prova substitutiva 20. PROFESSOR(A) RESPONSÁVEL Maria das Graças Marietto
Documentos relacionados
Clique Aqui Para Baixar o Arquivo
Mas em 1965 foi introduzido o conceito de Conjunto Fuzzy, por Lofti A. Zadeh (Universidade da Califórnia, Berkeley), que observou que os recursos tecnológicos disponíveis eram incapazes de automati...
Leia maislógica nebulosa
Em lugar de manipular medidas, o ser humano manipula inteligências. Com base em conceitos de sistemas nebulosos, é possível tratar proposições derivadas de linguagem natural como objetos de computa...
Leia maisSistema de Apoio à Decisão na Concessão de Crédito
2- LÓGICA FUZZY As primeiras noções da Lógica Fuzzy foram desenvolvidas por Jan Lukasiewicz ( 1878 – 1956 ) em 1920. Ao invés de usar regras rígidas, e uma linha de raciocínio lógico baseado em pre...
Leia maisLÓGICA DIFUSA
Natália Jeremias Fernandes Resumo. O artigo apresenta um estudo referente à Lógica Difusa. Descrevendo um breve histórico de seu surgimento, conceitos, características, teoria dos conjuntos fuzzy, ...
Leia maisTeoria Fuzzy Intervalar - DIMAP - Departamento de Informática e
[Moore 1966] Moore, R. E. (1966). Interval Analysis. Prentice Hall, New Jersey. [Moore 1979] Moore, R. E. (1979). Methods and Applications of Interval Analysis. SIAM. [Mukaidono 1999] Mukaidono, M....
Leia mais