Inteligência Artificial

Isaías Lima · Capítulo 42 de 45

Páginas do PDF

Inteligência Artificial

5.3 Vantagens e desvantagens dos sistemas Neuro-Fuzzy

5.3 Vantagens e desvantagens dos sistemas

Neuro-Fuzzy

Como vantagens dos sistemas Neuro-Fuzzy pode-se citar:

• tratamento de vários tipos de informações (numérica, linguística etc.); • capacidade de lidar com incertezas;

• colaboração e agregação das características dos modelos fuzzy e neurais; • capacidade de auto-aprendizado e de auto-organização; • não necessidade de conhecimentos prévios sobre os dados de treinamento.

Como desvantagem dos sistemas Neuro-Fuzzy pode-se citar:

• mais complexidade nas implantações dos modelos correspondentes.

 

5.4 Arquitetura Neuro-Fuzzy

Um sistema Neuro-Fuzzy (Figura 5.1) consiste de componentes convencionais de um sistema fuzzy, em que a computação de cada estágio é realizada por

uma camada de neurônios associada (Oliveira et al., 2011).

 

FIGURA 5.1 Diagrama de um sistema Neuro-Fuzzy. Fonte: Oliveira et

al., 2011.

 

Um sistema Neuro-Fuzzy típico pode ser dividido basicamente em três

camadas: camada de fuzificação; camada de inferência; camada de defuzificação. Na camada de fuzificação, cada neurônio representa uma função de pertinência (membership) associada a uma informação de entrada do sistema. Na camada de inferência, as regras são ativadas, e os valores ao final de cada regra representam o peso inicial da regra que será ajustado via treinamento. A camada de regras contém um nó, onde para cada regra são aplicadas operações fuzzy como AND/MIN e OR/MAX. Os operadores AND

e OR podem ser implementados em camadas diferentes (Lee et al., 1996; Lin

e Lu, 1995), ou na mesma camada (Higgins e Goodman, 1994). Na camada defuzificação, cada neurônio representa uma proposição consequente associada à regra correspondente do modelo, e suas funções de pertinência podem ser modeladas combinando uma ou duas funções de ativação lineares ou não. A camada de saída transforma a informação nebulosa correspondente conforme a estratégia de defuzificação utilizada. O peso de cada saída representa o centro de gravidade de cada função de pertinência ativada. A