REDE NEURAL ARTIFICIAL E LÓGICA
PARACONSISTENTE ANOTADA
Lógica Clássica
•
•
•
•
•
•
Desenvolvimento da lógica
Conceitos:
1-Princípio de identidade proposicional:
P->p -> Toda proposição é implicada por ela mesma.
2-Princípio do terceiro excluído:
P v ¬p -> de duas proposições contraditórias uma delas é
verdade.
• 3-Princípio da contradição:
• ¬(p^¬p) -> entre duas proposições contraditórias,uma é
falsa.
Lógica Para Consistente Anotada
• Com a descoberta da lógica para consistente anotada
(Introduzida por Subrahmanian) foi descoberto uma
forma de aplicar os conceitos teóricos da lógica
paraconsistente nos mais variados campos.
• diagrama de Hasse
• Observando o diagrama da
figura, pode-se chegar às
variáveis px que virão
associadas a constantes
valoradas, desse modo:
• pT remete inconsistência à
proposição p;
• pF remete falsidade à
proposição p;
• pV remete verdade à
proposição p;
• p⊥ remete paracompleteza à
proposição p;
•
Reticulado de 6 vértices
• Neste reticulado de seis
vértices, além das constantes a
notacionais presentes no
reticulado de quatro vértices,
duas novas anotações são
consideradas:
• pqV remete o valor de “quaseVerdadeiro” à proposição p;
• pqF remete o valor de “quaseFalso” à proposição p;
Lógica Paraconsistente Anotada com
dois valores
• LPA2V é uma classe de Logica Paraconsistente
Anotada que trabalha com evidencias que
admite contradição de modo não trivial. Nesta
lógica as anotações são representativas de
graus de crença e de descrença atribuídos a
proposição dando-lhe conotações de
valoração.
• As definições para as anotações e para o operador ~ vêm a seguir:
se p é uma fórmula básica e o operador ~ : |τ | → |τ | é definido
como: ~ [(µ1, µ2)] = ((µ2, µ1) onde, ( µ1, µ2 ∈ { x ∈ ℜ | 0 ≤ x ≤ 1},
considera-se (µ1, µ2) como uma anotação de p. As coordenadas µ1
e µ2 podem ser lidas como “o grau de crença” atribuído a p e o
“grau de descrença” atribuído a p, respectivamente. Os valores dos
graus de crença µ1 e dos graus de descrença µ2 são completamente
independentes. Portanto, como um valor não depende
absolutamente do outro é possível qualquer variação dos valores
no intervalo real fechado entre 0 e 1.
Rede Neural Artificial
•
•
RNA (Rede Neural Artificial) é uma estrutura logica que tenta simular a forma, o
comportamento e as funções de um neurônio biológico. Assim sendo, detritos
foram substituídos por entradas, cujas as ligações com o corpo celular artificial são
realizadas através de elementos chamados de peso (simulando sinapses). Os
estímulos captados nas entradas são processados pela função de soma, e o limiar
de disparo do neurônio biológico foi substituído pela função de transferência.
Combinando diversos neurônios artificiais podemos formar o que é chamado de
rede neural artificial. As entradas, simulando uma área de captação de estímulos,
podem ser conectadas em muitos neurônios, resultando, assim, em uma série de
saídas, onde cada neurônio representa uma saída. Essas conexões, em
comparação com o sistema biológico, representam o contato dos dendritos com
outros neurônios, formando assim as sinapses. A função da conexão em si é tornar
o sinal de saída de um neurônio em um sinal de entrada de outro, ou ainda,
orientar o sinal de saída para o mundo externo. As diferentes possibilidades de
conexões entre as camadas de neurônios podem gerar n números de estruturas
diferentes.
Tipos de redes neurais
• Redes de Kohonen
• Rede Neural Artificial de Rosenblatt,
Rummelhart, Hilton e Williams
• Rede Neural Artificial de Widrow
• Rede Neural Artificial de Hopfield
• Conforme sugere Haykin define um neurônio artificial como segue:
• Wkn = ligações entre cada neurônio (sinapses);
• Σ = Combinador Linear ou Junção Aditiva que faz a integração dos sinais que
chegam até o neurônio;
• ϕ = Função de ativação, tem o papel de limitar a amplitude da saída do
neurônio, normalmente [0,1] ou [-1,1];
• bias = ajuste aplicado externamente produzindo o efeito de aumentar ou
diminuir a entrada da função de ativação.
Célula Artificial Paraconsistente
Básica (CAPb)
• A Célula Artificial Paraconsistente básica é a
célula mãe que origina a família de Células
Neurais Artificiais Paraconsistentes, é o menor
componente da rede neural artificial
Paraconsistente com função comportamental
definida. A função desenvolvida por cada tipo de
CNAP vai contribuir para um comportamento de
analises e definir comportamentos semelhantes
ao funcionamento do cérebro humano. A partir
das considerações originadas da CNAB, são
estabelecidos os critérios e fundamentos que irão
possibilitar a implementação das CNAP’s.
• Fluxograma
Funcionamento:
• Grau de Crença Resultante.
• Operador da Negação Lógica (Operador NOT).
• O operador da Complementação Lógica (Operador
Complemento).
• A transformação do grau de descrença μ1 em grau
de crença μ1.