Currículo
Introdução à Análise Difusa 04413
Contextos
Groupo: Escola de Tecnologias e Arquitetura > Optativas > Departamento de Matemática > 2º Ciclo
Groupo: Escola de Tecnologias e Arquitetura > Optativas > Departamento de Matemática > 2º Ciclo
ECTS
6.0 (para cálculo da média)
Objectivos
Pretende-se que, no final da unidade curricular, os alunos sejam capazes de: OA1: Modelar problemas em estudo, usando a teoria dos conjuntos difusos; OA2: Projetar e implementar um sistema de tomada de decisão, baseado em lógica fuzzy, usando uma ferramenta computacional; OA3: Realizar uma análise em agrupamentos difusos, validar o número de agrupamentos e integrar outras competências para conduzir uma análise post-hoc; OA4: Propor soluções ou apresentar conclusões baseadas em resultados.
Programa
1. Generalidades 2. Conjuntos Difusos 2.1. Conceitos Básicos 2.2. Funções de Pertença 2.3. Operações Lógicas 2.4. Operações Algébricas 2.5. Norma-t e Conorma-t 2.6. Relação 3. Sistema de Inferência Difusa 3.1. Variável Linguística 3.2. Componente Inferencial 3.3. Defuzzification 3.4. Método Inferencial de Mamdani 3.5. Método Inferencial de Takagi-Sugeno-Kang 4. Fuzzy Clustering 4.1. Aspetos Gerais 4.2. Decomposição Fuzzy c-Means 4.3. Decomposição por Fatorização de Matrizes 4.4. Índices Externos 4.5. Modelo GoM 5. Breve Nota sobre Big Data 5.1. Problemática 5.2. Estratégias de Clustering 5.3. Análise Fuzzy
Método de Avaliação
A avaliação é feita ao longo do semestre, e compreende:: - Exercícios semanais: 25% - Trabalho de grupo sobre lógica fuzzy, com avaliação individual: 35% - Projeto Final de grupo, com avaliação individual: 40%. O trabalho de grupo consiste na resolução de um problema de tomada de decisão, usando uma ferramenta computacional (OA2). No projeto final, os alunos deverão resolver um problema de análise de dados, em linha com OA3 e OA4. NOTA: NESTA UC NÃO HÁ LUGAR A QUALQUER TIPO DE EXAME. Na Época Especial, a avaliação será baseada na resolução computacional de dois problemas, que incidem sobre a matérias relativas aos trabalhos de grupo, seguida de prova oral. O aluno deverá assegurar uma assiduidade não inferior a 80%, sem a qual não poderá obter aprovação na UC.
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 125.0
Carga Total -
Bibliografia
Principal
- [1] C. Mohan, Fuzzy Set Theory and Fuzzy Logic, MV Learning, 2015. [2] H.T. Nguyen, N.R. Prasad, C.L. Walker, E.A. Walker, A First Course in Fuzzy and Neural Control, Chapman & Hall/CRC, 2003. [3] J.C. Bezdek, Pattern Recognition with Fuzzy Objective Function Algorithms, Plenum Press, 1981. [4] A. Suleman, Introdução à Análise Difusa (texto de apoio disponível na plataforma Moodle). [5] (The Matlab Works, Inc.) Fuzzy Logic Toolbox (FLT), User's Guide, 2014 (nota: poderá ser atualizado.) [6] K.G. Manton, K.G., M.A. Woodbury, H.D. Tolley, Statistical Applications using Fuzzy Sets, John Wiley & Sons, Inc., 1994.:
Secundária
- [1c] V. Mayer-Schönberger, K. Cukier, Big Data: A Revolution That Will Transform How We Live, Work, and Think, Houghton Mifflin Harcourt, 2013. [2c] K.H. Lee, First Course on Fuzzy Theory and Applications, Springer, 2005. [3c] A.K. Jain, N. Murty, and P.J. Flynn, "Data Clustering: A Review", ACM Computing Surveys, 31(3), 264-323, (1999). [4c] R. Babuska, "Fuzzy Clustering" (disponível na Internet). [5c] R. Babuska, Knowledge-Based Control Systems, TUDelft Delft University of Technology, 2016. (disponível na Internet):