Redes causais nebulosas.

AUTOR(ES)
DATA DE PUBLICAÇÃO

2002

RESUMO

Sistemas especialistas que lidam com mundos aleatÃrios ou condicionados por exceÃÃes sÃo de grande utilidade quando definidos por mÃtodos estatÃsticos. Seja pela melhora da seguranÃa na prediÃÃo da aleatoriedade ou pela reduÃÃo das regras que tratam as exceÃÃes, estes sistemas tem atraÃdo grande atenÃÃo de pesquisadores e da indÃstria (pois existem muito mais exceÃÃes possÃveis do que as enumeradas explicitamente). Como um dos sistemas especialistas probabilÃsticos mais difundidos atualmente, as redes bayesianas representam o conhecimento na forma de grafos e tabelas e por isto sÃo altamente intuitivas e descritivas. Apesar de sua popularidade, as redes bayesianas possuem alguns problemas conhecidos que dificultam seu uso, seja na sua modelagem ou no uso em tempo real. Esta pesquisa propÃe o formalismo de um nà codificador e decodificador que visa tratar as incertezas no conhecimento (seja por problemas de definiÃÃo ou aquisiÃÃo) e possibilitar a conexÃo entre conhecimentos heterogÃneos. à proposto tambÃm um formalismo para outro mecanismo de inferÃncia, a Rede Causal Nebulosa. AlÃm da possibilidade de uma Rede Causal Nebulosa ser usada como substituta à rede bayesiana, hà a possibilidade do uso da Rede Causal Nebulosa em controle de sistemas, no lugar dos controladores nebulosos tradicionais, possibilitando assim a modelagem de controladores nebulosos mais complexos, seja pelo acrÃscimo de: variÃveis, dependÃncias indiretas, regras ou graus de certeza. Estas adiÃÃes à rede bayesiana permitiram: Eliminar a dependÃncia de conhecimento; com o uso do nà codificador e decodificador hà a possibilidade de inserir na rede conhecimento sobre os possÃveis estados que uma variÃvel pode assumir e as funÃÃes que definem os estados. Desta forma, a necessidade do usuÃrio conhecer a modelagem da rede à removida, pois, o usuÃrio nÃo precisa mais tratar o dado bruto de forma a adequÃ-lo a entrada da rede; melhorar o uso da rede em tempo real; a remoÃÃo do tratamento dos dados para sua adequaÃÃo à interface da rede melhora o uso em tempo real; facilitar a definiÃÃo de estados Ãs variÃveis da rede; o uso de codificadores permite otimizar a definiÃÃo de estados que a variÃvel pode assumir; o aprendizado das regras e das dependÃncias nos controladores nebulosos pode ser facilitado pelo uso das redes causais nebulosas como ambiente de trabalho.

ASSUNTO(S)

sistemas especialistas lÃgica nebulosa inferÃncia estatÃstica teoria das probabilidades inteligÃncia artificial

ACESSO AO ARTIGO

Documentos Relacionados