Aprendizado genético de funções de pertinência na modelagem nebulosa.

AUTOR(ES)

Matheus Giovanni Pires

DATA DE PUBLICAÇÃO

2004

RESUMO

O sucesso dos Sistemas Baseados em Regras Nebulosas deve-se à habilidade para representar o conhecimento vago e incerto e à facilidade de expressar o comportamento do sistema em uma linguagem facilmente interpretável pelos seres humanos. A aquisição de conhecimento de um Sistema Baseado em Regras Nebulosas é feita a partir de um especialista humano, a qual é conhecida como abordagem direta para aquisição do conhecimento, ou através de métodos que automaticamente extraem este conhecimento a partir de informações numéricas que representam amostras ou exemplos do problema. Algoritmos Genéticos vêm demonstrando ser uma poderosa ferramenta para a construção de bases de regras, otimização de bases de regras, geração de funções de pertinência e otimização de funções de pertinência. O principal foco de pesquisa deste trabalho é a investigação das abordagens de modelagem automática de sistemas nebulosos aplicados a problemas de classificação de padrões, através de algoritmos genéticos para a definição e sintonia dos conjuntos nebulosos que compõem as partições nebulosas dos domínios envolvidos, considerando a manutenção da interpretabilidade dos valores lingüísticos. O aprendizado genético é empregado somente na Base de Dados do sistema nebuloso, isto é, nas funções de pertinência, tanto pela maneira mais tradicional, de sintonizar as funções já definidas depois da definição das regras, como pela abordagem mais recente, de construir as funções de pertinência antes da definição das regras. Esse tipo de investigação supõe o uso de outros métodos para a geração das regras, sejam elas geradas antes ou depois da aplicação do algoritmo genético. A combinação de Sistemas Nebulosos + Algoritmos Genéticos, conhecida como Sistemas Genéticos Nebulosos, tem grande aceitação na comunidade científica, uma vez que estes sistemas são robustos e capazes de encontrar boas soluções em espaços complexos e irregulares.

ASSUNTO(S)

ajuste de funções de pertinência projeto automático de sistemas nebulosos ciencia da computacao sistema genético nebuloso aprendizado genético inteligência artificial

Documentos Relacionados

• Sistemas com aprendizado utilizando lÃgica nebulosa.
• ContribuiÃÃes à sÃntese automÃtica de processadores para lÃgica nebulosa.
• Um avaliador de cenários simulados para reseqüenciamento da produção em sistemas automatizados de manufatura usando lógica nebulosa.
• Eficiência de métodos de agrupamento de dados na modelagem nebulosa Takagi-Sugeno
• A (im)pertinência da história ao aprendizado da física (um estudo de caso)