Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

LÓGICA FUZZY APLICADA NO MÉTODO DE AVALIAÇÃO DE APRENDIZAGEM DOS ESTUDANTES

No description
by

rennan Aquino

on 28 November 2014

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of LÓGICA FUZZY APLICADA NO MÉTODO DE AVALIAÇÃO DE APRENDIZAGEM DOS ESTUDANTES

UNIVERSIDADE ESTADUAL DE MONTES CLAROS
DEPARTAMENTO DE CIÊNCIAS DA COMPUTAÇÃO
ESPECIALIZAÇÃO EM ENGENHARIA DE SISTEMAS

LÓGICA FUZZY APLICADA NO PROCESSO DE AVALIAÇÃO DISCENTE
Rennan Aquino Neri
Orientador: Prof. Dr. Nilton Alves Maia

INTRODUÇÃO
ESCOLHA DO TEMA

OBJETIVOS

METODOLOGIA

ORGANIZAÇÃO DO TRABALHO
Objetivo Geral

Desenvolvimento de um sistema de inferência fuzzy para avaliação discente.

Objetivos Específicos

• Estudo dos conceitos de lógica fuzzy;

• Modelagem do sistema fuzzy;

• Implementação da ferramenta no software Matlab™;

• Comparar os resultados obtidos.
DESENVOLVIMENTO METODOLÓGICO
LÓGICA FUZZY;


VARIÁVEIS LINGUÍSTICAS;


FUNÇÃO DE PERTINÊNCIA FUZZY.


SISTEMA DE INFERÊNCIA FUZZY
LÓGICA FUZZY
A lógica fuzzy esta no nosso dia-a-dia nos termos mais comuns:

Siga em frente "alguns metros".
O forno está "mais ou menos" quente.
O dia está "parcialmente" nublado.
A lógica fuzzy, lógica nebulosa ou lógica difusa é uma forma de gerenciamento de
incertezas
,
usada para extrair e
mensurar
conclusões baseando-se em informações vagas e imprecisas.
Lógica clássica

Lógica fuzzy


0 ou 1; Intervalo entre 0 e 1;
Verdadeiro ou Falso; Pouco, Mais ou menos,
Sim ou Não ... Quase, Talvez, Muito,
Demais, Bem, Mau ...

VARIÁVEIS LINGUÍSTICAS

Representam o vocabulário sobre o qual as regras de controle atuam.
Campos e Saito (2004), aponta que elas devem ser nomeadas e definidas como sendo de entrada ou de saída.
Além disso, deve ser definida também a faixa de valores para cada variável e a sua posição.
FUNÇÃO DE PERTINÊNCIA FUZZY
É uma função que indica um certo grau de imprecisão a um valor numérico do termo linguístico.

Associa a cada elemento pertencente a um conjunto em um número real no intervalo [0, 1].
SISTEMA DE INFERÊNCIA FUZZY
FIS - Fuzzy Inference Systems, é um bloco com estrutura e configurações que realizam funções que interpretam e codificam as entradas do mundo real para o domínio fuzzy.
Consiste em converter os sinais de entrada, valores linguísticos, definidas por funções de pertinência, em um intervalo de [0,1].

É um mapeamento do domínio de números reais para o domínio fuzzy.
FUZZIFICAÇÃO
24 pontos pode ser considerado "muito bom" ou "exelente":
75% muito bom e 25% exelente.
BASE DE CONHECIMENTO OU REGRAS
Representa o modelo do sistema a ser controlado.


Consiste de uma base de dados (Funções de Pertinência Linguísticas) e uma base de regras fuzzy linguísticas. (SHAW e SIMÕES, 1999, p.45).


É na base de conhecimento que são definidas as regras de como você quer que se comporte o seu sistema.

Regras no formato: IF <antecedente> THEN <consequente>

Nesta unidade os valores das informações de cada regra são computados e aplicados para gerar a conclusão de cada regra.
Análise da ativação das regras fuzzy a partir dos valores de entrada.
Agrega todas as regras ativadas para gerar a entrada do defuzzificador.


LÓGICA DE TOMADAS DE DECISÕES
OU INFERÊNCIA
DEFUZZIFICAÇÃO
Traduz o valor da variável linguística para um valor discreto.

Etapa no qual as regiões resultantes são convertidas em valores para a variável de saída do sistema











Figura 6 - Métodos de Defuzzificação
Fonte: O autor

Centroid (Centro da área), Bisector (Bissetriz), MOM (Media dos Máximos), LOM (Maior dos Máximos), e SOM (Menor dos máximo).
DESENVOLVIMENTO DO SISTEMA DE INFERÊNCIA FUZZY PARA AVALIAÇÃO DISCENTE
O modelo fuzzy proposto é descrito partindo da criação do sistema de inferência fuzzy através da toolbox do software Matlab.
VARIÁVEIS LINGUÍSTICA DE ENTRADA E SAÍDA
SISTEMA DE INFERÊNCIA FUZZY
1. If (A_E-1 is
REGULAR
) and (A_E-2 is
REGULAR
) and (A/T/S is
REGULAR
) then (Resultado-Final is
REPROVADO
)
26. If (A_E-1 is
MUITO-BOM
) and (A_E- 2 is
REGULAR
) and (A/T/S is
SATISFATÓRIO
) then (Resultado-Final is
RECUPERAÇÃO
)
35. If (A-E-1 is
MUITO-BOM
) and (A-E-2 is
EXCELENTE
) and ( A/T/S is
SATISFATÓRIO
) then (Resultado-Final is
APROVADO
)
Figura 1 - Variável Linguística de entrada Avaliação Escrita 1.
Fonte: o autor.
Figura 2 - Funções de pertinência para a variável de entrada Avaliação Escrita 1.
Fonte: o autor.

Figura 3 - Blocos de um Sistema de Inferência Fuzzy
Fonte: Adaptada pelo autor- Tanscheit (2014)
Figura 4 - Processo de Fuzzificação
Fonte: O autor
Figura 5 - Sistema de Inferência Fuzzy
Fonte: O autor
Figura 7 - Variáveis Linguísticas de entrada e saída
Fonte: o autor.
RESULTADOS
Observando os resultados dos 3 métodos de defuzzificação, vemos que somente os alunos 9 e 15 não permaneceram na faixa de resultados de saída
Observando os valores obtidos, o erro médio é maior para o método de defuzzificação LOM e SOM, menor para o MOM, Centroid e Bisector.
Para validação foi realizada nova simulação, conforme Tabela 2, com outros 15 casos aleatórios, onde os três métodos de defuzzificação se mantiveram com o erro absoluto próximo dos valores anteriores.
Tabela 1: Sistema de Inferência Fuzzy comparado com método avaliação tradicional.
Tabela 2: Processo de validação para o Sistema de Inferência Fuzzy comparado com método avaliação tradicional.
CONCLUSÕES
Aplicação Lógica Fuzzy;

Recursos;

Resultados;

Trabalhos futuros;
LÓGICA FUZZY APLICADA NO PROCESSO DE AVALIAÇÃO DISCENTE












Rennan Aquino Neri
rennanaquino@yahoo.com.br
Muito Obrigado!
Figura 5 - Processo de Inferência.
Fonte: O autor
Foi usado o modelo de inferência de Mamdani dos
Mínimos e Máximos
Full transcript