MC5002 – Lógicas não clássicas - Bacharelado em Ciência da

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