Acompanha Pós: IA861 - Sistemas Nebulosos

Ementa: Introdução. Noções básicas, conceitos e definições. Operações com conjuntos nebulosos. Relações nebulosas e seu cálculo. Números nebulosos. Variáveis linguísticas. Sistemas baseados em regras nebulosas; representação, interferência e consistência. Lógica nebulosa e raciocínio aproximado. Teoria da possibilidade e inferência possibilística. Rough sets. Modelagem de sistemas e processos. Redes neurais nebulosas; sistemas evolutivos. Metodologia e técnicas de desenvolvimento de aplicações. Estudos de casos. Aplicações.

Conteúdo Programático: 1. Introdução aos Sistemas Nebulosos Motivação para o uso da lógica nebulosa em engenharia e computação. Breve histórico da teoria da incerteza e lógica fuzzy. Comparação entre lógica clássica, probabilística e lógica nebulosa. Aplicações práticas e perspectivas tecnológicas. 2. Noções Básicas, Conceitos e Definições Conjuntos clássicos vs. conjuntos nebulosos. Funções de pertinência e seu papel na modelagem de incertezas. Operações fundamentais: união, interseção, complemento. Tipos de funções de pertinência: triangulares, trapezoidais, gaussianas, entre outras. 3. Operações com Conjuntos Nebulosos Álgebra de conjuntos nebulosos: operadores t-norma e s-norma. Agregação de informação imprecisa. Conceitos de núcleo, suporte e altura de conjuntos fuzzy. Representações gráficas e implicações computacionais. 4. Relações Nebulosas e seu Cálculo Definição e propriedades das relações fuzzy. Composição de relações: max-min, max-prod. Encadeamento de inferências por relações nebulosas. Aplicações em sistemas de tomada de decisão. 5. Números Nebulosos Representação e aritmética de números fuzzy. Operações com números nebulosos: soma, subtração, multiplicação, divisão. Intervalos α-corte e sua interpretação. Aplicações em modelagem de variáveis imprecisas. 6. Variáveis Linguísticas Definição e estrutura de variáveis linguísticas. Termos linguísticos e valores linguísticos. Hierarquias e granularidade do conhecimento. Papéis das variáveis linguísticas em inferência e controle. 7. Sistemas Baseados em Regras Nebulosas Representação de conhecimento através de regras fuzzy. Inferência fuzzy: métodos de Mamdani, Sugeno e Tsukamoto. Técnicas de defuzzificação: centro de área, centro de gravidade, máxima altura. Verificação de consistência e completude de bases de regras. 8. Lógica Nebulosa e Raciocínio Aproximado Fundamentos da lógica multivalorada. Princípios do raciocínio aproximado. Dedução e implicação fuzzy. Relações com inteligência artificial e sistemas especialistas. 9. Teoria da Possibilidade e Inferência Possibilística Conceitos de possibilidade e necessidade. Diferenças entre possibilidade e probabilidade. Modelos possibilísticos para inferência. Aplicações em análise de risco e tomada de decisão sob incerteza. 10. Modelagem e Controle de Sistemas e Processos Modelagem fuzzy de sistemas dinâmicos. Controle nebuloso de sistemas lineares e não lineares. Estabilidade de controladores fuzzy. Estudo de casos em sistemas industriais e robótica. 11. Redes Neurais Nebulosas e Sistemas Evolutivos Integração de lógica fuzzy com redes neurais (sistemas neuro-fuzzy). Arquiteturas ANFIS e seus algoritmos de treinamento. Sistemas fuzzy adaptativos. Algoritmos genéticos aplicados à otimização de sistemas fuzzy. 12. Metodologia e Técnicas de Desenvolvimento e Implementação Etapas do projeto de um sistema fuzzy. Seleção de variáveis, construção de regras, escolha da defuzzificação. Implementação computacional: ferramentas e ambientes de simulação (ex.: MATLAB Fuzzy Toolbox). Validação e testes de desempenho. 13. Aplicações Estudos de caso em engenharia elétrica, controle industrial, sistemas embarcados e automação. Aplicações em previsão de séries temporais, diagnóstico de falhas, classificação e otimização. Perspectivas futuras em computação cognitiva e sistemas autônomos.

Plano de Desenvolvimento: n/a

---

Conforme IN CCG nº 02/2025 - Cláusula de Honestidade e Lisura Acadêmica

Todas as atividades relacionadas às disciplinas devem ser realizadas em conformidade com as orientações fornecidas pelos docentes e com o devido rigor ético.

Caso o(a) docente responsável, no exercício de sua liberdade de cátedra, forme convicção acerca da ausência de lisura ou de condições adequadas para a realização da atividade avaliativa, poderá atribuir nota zero, seja para a atividade única ou, conforme o caso, para o conjunto de atividades do semestre. A ocorrência deverá ser fundamentada e comunicada à Coordenação de Curso de Graduação, podendo o(a) estudante estar sujeito a processo administrativo.

Bibliografia: Pedrycz, W. and Gomide, F. "Fuzzy Systems Engineering: Toward Human-Centric Computing" Wiley Interscience-IEEE Press, 2007. Pedrycz, W. and Gomide, F. "An Introduction to Fuzzy Sets: Analysis and Design" , MIT Press, 1998. Yager and Filev, "Essentials of Fuzzy Modeling and Control", Wiley, 1994. G. Klir and B. Yuan, Fuzzy Sets and Fuzzy Logic, Prentice Hall, 1995. Bibliografia Complementar (Atualizada) Zadeh, L. A. Fuzzy Sets and Applications: Selected Papers. Wiley-Interscience, 1996. Ross, T. J. Fuzzy Logic with Engineering Applications. Wiley, 4th ed., 2020. Cox, E. The Fuzzy Systems Handbook. AP Professional, 1994. Jang, J.-S. R.; Sun, C.-T.; Mizutani, E. Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence. Prentice Hall, 1997. Mendel, J. M. Uncertain Rule-Based Fuzzy Systems: Introduction and New Directions. Springer, 2nd ed., 2017.

Critério de Avaliação: 2 provas escritas, P1 e P2 desenvolvimento e apresentação de projeto, PJ média final=(P1+P2+PJ)/3 exame oral se necessário

Bibliografia complementar: n/a