GAMBCODES

LÓGICA FUZZY

Olá amigos conectados! Nesse post falarei sobre a LÓGICA FUZZY.

Quem não se lembra das noções de lógica “FALSO” e “VERDADEIRO”? Mas e como fica a classificação daquilo que não é de todo FALSO e não é de todo VERDADEIRO? A Lógica Fuzzy, utilizando os conceitos da teoria dos conjuntos veio para resolver e classificar aquilo que não está dentro nem no conjunto do verdadeiro ou no conjunto do falso ou ainda, aquilo que está nos dois conjuntos.

No futuro, assim que estiver com tempo e livre da faculdade, pretendo desenvolver um sistema em software classificatório para análise de livros. Mas primeiro, vamos falar sobre a LÓGICA FUZZY que é assunto quase que desconhecido pelos alunos desse nosso país tão carente de conhecimento matemático…

logicafuzzyAs primeiras noções da lógica dos conceitos “vagos” foi desenvolvida por um lógico polonês Jan Lukasiewicz (1878-1956) em 1920 que introduziu conjuntos com graus de pertinência sendo 0 , ½ e 1 e, mais tarde, expandiu para um número infinito de valores entre 0 e 1.

A primeira publicação sobre lógica “fuzzy” data de 1965, quando recebeu este nome. Seu autor foi Lotfi Asker Zadeh (Zah-da) , professor em Berkeley, Universidade da California.

Zadeh criou a lógica “fuzzy” combinando os conceitos da lógica clássica e os conjuntos de Lukasiewicz, definindo graus de pertinência.Entre 1970 e 1980 as aplicações industriais da lógica “fuzzy” aconteceram com maior importância na Europa e após 1980, o Japão iniciou seu uso com aplicações na indústria. Algumas das primeiras aplicações foram em um tratamento de água feito pela Fuji Electric em 1983 e pela Hitachi em um sistema de metrô inaugurado em 1987. Por volta de 1990 é que a lógica “fuzzy” despertou um maior interesse em empresas dos Estados Unidos.

Logica Conjuntos E Funçoes

Devido ao desenvolvimento e as inúmeras possibilidades práticas dos sistemas “fuzzy” e o grande sucesso comercial de suas aplicações, a lógica “fuzzy” é considerada hoje uma técnica “standard” e tem uma ampla aceitação na área de controle de processos industriais.

Lógica Fuzzy é baseada na teoria dos Conjuntos Fuzzy. Esta é uma generalização da teoria dos Conjuntos Tradicionais para resolver os paradoxos gerados à partir da classificação “verdadeiro ou falso” da Lógica Clássica. Tradicionalmente, uma proposição lógica tem dois extremos: ou

“completamente verdadeiro” ou “completamente falso”. Entretanto, na Lógica Fuzzy, uma premissa

varia em grau de verdade de 0 a 1, o que leva a ser parcialmente verdadeira e parcialmente falsa.

Devido as suas características intrínsecas, a Lógica Fuzzy é capaz de incorporar tanto o conhecimento objetivo (a partir de dados numéricos) quanto o conhecimento subjetivo (a partir de informações linguísticas).

Zadeh, o criador da Lógica Fuzzy, afirmou em [Zadeh 1989] que essa teoria é uma metodologia para solução de problemas com variáveis e enunciados ambíguos, com expressões contendo imprecisões.

Com base na pesquisa, tentarei desenvolver um aplicativo simples que usando as regras da lógica difusa gere um “perfil de usuário” e verificar a possibilidade desse software ser usado em outros ambientes e contextos como alternativa para análise de perfis e captação de dados sem o conhecimento ou imposição explícita ao usuário (que nem sempre está disposto a responder pesquisas que vão gerar bases de informações valiosas para as empresas ou governos) .

Demonstração

Usando uma linguagem de POO e regras do sistema Fuzzy, desenvolver um software simples em que o usuário, escolhendo em uma lista alguns títulos de livros (cliques em botões) que ele já leu ou que ele tivesse interesse, o sistema classificaria o “nível de leitura” do usuário em:

*baixo-nível (escapista:leitura de pseudo-literatura;exemplo: literatura de massa);

*médio-nível (técnico:livros técnicos;exemplo:livros técnico acadêmicos);

*alto-nível (literatura:clássicos) ;

*indefinido (eclético?);

*hermético (obras de correntes filosóficas que exigem muita abstração e conhecimento enciclopédico e de mundo;exemplo:Fenomenologia do Espirito;O Capital; James Joyce);

Explicando: geralmente, quanto menos complexo e tendo como alvo um grande público massificado, um livro de temática simples enquanto produto destinado as massas tem como características poucas páginas e temas “digeríveis” para um público leigo,então cada título receberia valores numéricos (definidos segundo critérios subjetivos e objetivos) para: o número total de páginas do volume e complexidade do assunto , o sistema cruzando esses valores, faria a comparação com um score (conjuntos nebulosos) e assim retornaria a classificação de acordo com os valores.

Conclusão

Com esse trabalho pretendo fazer uma abordagem resumida da Lógica Fuzzy e assim contribuir para sua divulgação, para que mais estudantes de cursos relacionados a computação de dados e desenvolvimentos de sistemas inteligentes tenham interesse em aplicar os conceitos apresentados na pesquisa.

Resolvi implementar o software “classificatório” de perfis quando percebi que minha caixa de e-mails (quando eu usava sistema Windows) sempre estava repleta de spams contendo mensagens que divulgavam produtos e serviços que eu tinha pouco ou nenhum interesse: analisando meu histórico no navegador e pesquisando, percebi que essas empresas que alimentavam minha caixa de e-mail não faziam a classificação correta do meu perfil. Recentemente, sinto o mesmo “desconforto” em relação a redes sociais que utilizo: publicam no meu profile marketing de produtos e serviços que ao invés de aguçar meu interesse, apenas me ofendem ou me aborrecem e confirmam o que eu penso: precisamos de sistemas captadores de dados e classificatórios mais inteligentes, seja na web, seja em outros ambientes.

HOMERO OLIVEIRA 25/07/2015

Bibliografia

Fundamentos de matemática elementar (por) Gelson Iezzi (e outros) São Paulo, Atual

Ed., 1977

Sites:

http://users.femanet.com.br/~fabri/fuzzy.htm

MARTINS TÔRRES,JOSÉ JULIO

Download de arquivo PDF: Conjuntos Fuzzy e Lógica Fuzzy

Teses:

Profa. Dra. Mariangela Amendola

Msc. Anderson Luiz de Souza

Prof. Dr. Laécio Carvalho Barros

FEAGRI & IMECC/ UNICAMP

Manual do uso da teoria dos

conjuntos Fuzzy no MATLAB 6.5. arquivo PDF

SOUTO, KELLING CABRAL

Sistema Especialista com Lógica Nebulosa

para o Cálculo em Tempo Real de Indicadores

de Desempenho e Segurança na Monitoração de

Usinas Nucleares [Rio de Janeiro] 2005

VIII, 175 p. 29,7 cm (COPPE/UFRJ, D.Sc.,

Engenharia Nuclear, 2005)

Tese – Universidade Federal do Rio de

Janeiro, COPPE.

1 – Sistema Especialista Nebuloso

2 – Indicadores de Desempenho e Segurança

I. COPPE/UFRJ II. Título (série)

Comments

comments

Categories:   FILOSOFIA, MATEMÁTICA E LÓGICA

Comments