Upload
minicz
View
75
Download
2
Embed Size (px)
DESCRIPTION
CNAPap
Citation preview
CT-215 – Inteligência Artificial
Uma proposta de uma Célula Neural Artificial Paraconsistente de Aprendizagem
Márcio de Freitas Minicz
São José dos Campos, 28 de Novembro de 2013
Lógica Clássica - Princípios
● Princípio da Identidade – ρ = ρ– Toda proposição ou objeto é idêntico a si mesmo
● Princípio da Identidade Proposicional – ρ ⟶ ρ
– Toda proposição implica nela mesma
● Princípio do terceiro excluído – ρ ∨ ⌐ρ– De duas proposições contraditórias, isto é, uma nega a outra,
uma delas é verdadeira
● Princípio da não-contradição – ⌐(ρ ∨ ⌐ρ)
– Entre duas proposições contraditórias, uma delas é falsa
Problema
No mundo real nem todas as situações podem ser classificadas simplesmente como
verdadeiras ou falsas!!
O mundo não é binário!!
Lógica Paraconsistente
Remove o 3º Princípio (Terceiro excluído)
– Consequência ● Contradição
● Incerteza
Lógica Paraconsistente Anotada
● É um classe da Lógica Paraconsistente
● Traz proposições acompanhadas de anotações em forma de graus de evidências ou crenças
● Permite 4 possibilidades:
⊤ – InconsistenteV – Verdadeiro
F – Falso
⊥ – Indeterminado
LPA2v
● Lógica Paraconsistente Anotada com anotação de Dois valores
● Graus de Evidência:● Grau de evidência favorável – μ [0,1]● Grau de evidência desfavorável – λ [0,1]
μ
λ
P(0,1)=F P(1,1)=⊤
P(1,0)=VP(0,0)=⊥
LPA2v
Grau de Certeza
Grau de Contradição
Grau de Certeza Real
GC=μ−λ
GCt=μ+λ−1
GCR=1−√(1−∣Gc∣)2+GCt
2
normalizando
Grau de Evidência Resultante
Grau de Contradição Normalizado
Grau de Evidência Resultante Real
μE=GC+1
2=
μ−λ+12
μCtr=GCt+1
2=
μ+λ
2
μER=GCR+1
2
Rede Neural Artificial Paraconsistente
Operadores
Negação Lógica Complementação Lógica
Células Neurais Artificiais Paraconsistentes (CNAP)
Analítica Analítica Real
Passagem Conexão Lógica Simples
Conexão Lógica Seletiva Complementação
Detecção de Igualdade Decisão
Passagem e Decisão Aprendizado
CNAPap - Objetivo
Ser treinada para aprender qualquer padrão de entrada na velocidade definida pelo Fator de
Aprendizagem
CNAPap – Equações da Literatura
Equação 1:
Equação 2:
μE (k +1)=(μ1−μE (k )C⋅F A)+1
2
μE (k +1)=(μ1−μE (k )C)⋅F A+1
2
CNAPapFA
FDA
μ1
μE
C
Equação 1 - Resultados
μE(k +1)=(μ1−μE (k)C⋅F A)+1
2
Equação 2 - Resultados
μE(k +1)=(μ1−μE (k)C )⋅F A+1
2
Nova CNAPap - PROPOSTA
Baseado no Grau de Contradição:
CNAPapFA
FDA
μ1
μE
C
μEC=1−μE
GCt=μ1+μEC−1
μE (k +1)=μE (k )+GCt⋅F A
Resultados
μE (k +1)=μE (k )+GCt⋅F A
Algoritmo Completo
1 Início – célula virgem: Ue := 0,5
2 Entra com o valor do padrão: U1
3 Complementação lógica: Uec := 1 – Ue
4 Calcula o Grau de Contradição: Gct := U1 – Uec + 1
5 Se U1 > Ue então: Ue := Ue + Gct * Fa
6 Se U1 < Ue então: Ue := Ue + Gct * Fda
7 Volta para 2.
Resultados
Resultados
O que vem depois?
O que vem depois?