Hist rico
Download
1 / 249

Histórico - PowerPoint PPT Presentation


  • 127 Views
  • Uploaded on

Histórico. Precursores Platão Turing Wiener - Cibernética Década de 60 Inteligência Artificial Lógica Matemática Anos 70 e 80 Newell - Sistema de Símbolos Físicos Nível do Conhecimento. Histórico. 85 - KL-One (Brachman & Schmolze) 87 - SOAR (Laird) 89 - ACT* e PUPS (Anderson)

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' Histórico' - zora


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
Hist rico
Histórico

  • Precursores

    • Platão

    • Turing

    • Wiener - Cibernética

  • Década de 60

    • Inteligência Artificial

    • Lógica Matemática

  • Anos 70 e 80

    • Newell - Sistema de Símbolos Físicos

    • Nível do Conhecimento


Hist rico1
Histórico

  • 85 - KL-One (Brachman & Schmolze)

  • 87 - SOAR (Laird)

  • 89 -

    • ACT* e PUPS (Anderson)

    • Inferência Plausível (Collins & Michalski)

  • 91 -

    • Protótipo de uma Teoria da Inteligência (Albus)

    • Inteligência sem representação e sem inferência (Brooks)


Histórico

  • Inteligência Computacional

    • Sistemas Fuzzy

    • Redes Neurais

    • Sistemas Evolutivos

  • Nas Ciências Humanas:

    • Piaget, Peirce, Morris

  • 95

    • InteligênciaEmocional (Goleman)

  • 96

    • Semiótica Computaciona (Gudwin)

    • Análise Semiótica (Meystel)


Semiótica e Sistemas Inteligentes

  • Inteligência / Sistemas Inteligentes:

    • termos vagos e amplos

  • Fenômeno da Inteligência

    • Estudado nas ciências exatas e nas ciências humanas

  • Ciências Exatas :

    • Inteligência Artificial

    • Cibernética

    • Inteligência Computacional

  • Ciências Humanas:

    • Semiótica

    • Semiologia


Semiótica e Sistemas Inteligentes

  • Semiótica:

    • Cognição

    • Comunicação

  • Cognição: apreensão e compreensão dos fenômenos que ocorrem no ambiente

  • Comunicação: estuda como os fenômenos apreendidos e compreendidos podem ser transmitidos entre os seres inteligentes


Semiótica e Sistemas Inteligentes

  • Signo (ou representâmem) -

    • qualquer coisa que, sob certo aspecto ou modo, representa algo para alguém (Peirce).

  • Semiótica estuda:

    • Como os signos são formados

    • Como representam os diferentes aspectos dos fenômenos

    • Como podem ser utilizados para o armazenamento e transmissão de informação.


Semiótica e Sistemas Inteligentes

  • Inteligência Artificial e Semiótica:

    • caminhos distintos

    • IA: Criar estruturas matemáticas que emulassem características particulares da inteligência -> sistemas computacionais exibindo comportamento inteligente

    • S: Identificar, classificar e sistematizar as diferentes características que, em conjunto, podem ser chamadas de inteligência.


Semiótica e Sistemas Inteligentes

  • Dois tipos de modelos:

    • IA: Modelo Formal (estrutural)

    • S: modelo descritivo

  • Modelos da IA

    • mais exatos

  • Modelos da S

    • mais amplos, porém intuitivos e vagos

  • Mapeamento entre modelos


Cognição e Semiótica

  • Fundamentos:

    • Mundo: povoado por objetos

    • Objetos:

      • criados ou destruídos

      • caracterizados por seus atributos -> modificáveis

  • Sistema cognitivo:

    • A partir da interface de entrada, consegue identificar objetos do mundo

    • modelo por representação interna


Cognição e Semiótica

  • Detecta

    • modificações nos atributos dos objetos,

    • criação de novos objetos e destruição de objetos

    • atualização do modelo

  • A partir dos modelos internos

    • planeja uma alteração nos objetos do mundo e

    • atua sobre o mundo, por meio da interface de saída


Cognição e Semiótica

  • Interface de Entrada (sensores) -

    • mapeamento parcial do ambiente

  • Sistema cognitivo -

    • objeto do ambiente

    • modelo de si próprio

  • Identificação de objetos -

    • a partir dos dados sensoriais

  • Interpretação -

    • reconhecimento de um objeto

    • evoca um modelo interno de objeto


Cognição e Semiótica

  • fonte de informação -

    • signo

  • representação interna -

    • interpretante

  • Interpretante -

    • pode ser um signo

    • cadeia de interpretantes

  • processo sígnico (semiosis) -

    • (signo, objeto, interpretante)

  • fenômeno cognitivo -

    • dinâmico (adaptação/aprendizagem)


Cognição e Semiótica

  • (signo, objeto, interpretante) x (modelo de representação, fenômeno, conhecimento)

    • analogia parcial

  • problema:

    • interpretante é também signo

  • solução:

    • estrutura  representa conhecimento  gera novas estruturas  conhecimento argumentativo


Classificação dos Signos

  • Signo em relação a seu aspecto como signo:

    • qualissigno

    • sinsigno

    • legissigno

  • Signo em relação ao seu objeto

    • ícone

      • imagem

      • diagrama

      • metáfora

    • índice

    • símbolo


Classificação dos Signos

  • Signo em relação ao seu interpretante

    • rema (termo)

    • dicente (proposição)

    • argumento

      • dedução

        • necessária

        • provável

      • indução

      • abdução

      • analogia (indução + dedução)


Tipos Elementares de Conhecimento

  • Signo  Conhecimento

  • fenômenos do ambiente -

    • diferentes naturezas

    • diferentes tipos de conhecimentos

    • diferentes estruturas de representação

  • taxonomia dos tipos elementares de conhecimento


Tipos Elementares de Conhecimento

  • Conhecimento Remático

    • interpretação de remas, ou termos

    • significado das palavras

  • conh. remático simbólico

    • nome

  • conhecimento remático indicial

    • referência relativa, a partir de outro fenômeno previamente identificado

  • conhecimento remático icônico

    • modelo direto do fenômeno


Tipos Elementares de Conhecimento

  • Conh. remáticos icônicos: (específicos ou genéricos)

    • sensorial,

    • objetos

    • ocorrências Conhecimento sensorial: signo que adentra interface de entrada -> padrão conhecido

  • exemplos:

    • redes neurais artificiais, sistemas de controle fuzzy


Tipos Elementares de Conhecimento

  • Conhecimento sensorial específico:

    • padrão sensorial em uma instância particular e temporal

  • conhecimento sensorial genérico:

    • classe de conhecimentos sensoriais específicos com características comuns (semelhança)


Tipos Elementares de Conhecimento

  • conhecimento de objetos:

    • conhecimentos sensoriais sugerem a existência de um objeto

  • conh. de objetos específico:

    • instância particular e temporal

  • conh. de objetos genérico:

    • classe de conhecimentos de objetos específicos com características comuns.

  • exemplo:

    • canal de comunicação e o caracter “$”


Tipos Elementares de Conhecimento

  • conhecimento de ocorrências (ações):

    • conhecimento dos valores dos atributos dos objetos do mundo, mudança desses valores em função do tempo, geração e destruição de objetos.

  • ocorrências em conhecimentos sensoriais

    • corporificados como objetos


Tipos Elementares de Conhecimento

  • conhecimento específico:

    • instância particular e temporal

  • conhecimento genérico:

    • classe de ocorrências específicas

  • objetos (ou sensações)

    • específicos ou genéricos

  • exemplo:

    • trajetória de veículo autônomo

  • ocorrências

    • referenciar múltiplos objetos

    • exemplo: veículo transporta peça


Tipos Elementares de Conhecimento

  • Conhecimento Dicente

    • interpretação de proposições (termos+valor-verdade)

    • conhecimento do significado das frases

  • valor-verdade:

    • medida da crença que o sistema cognitivo tem de que uma proposição é verdadeira

    • valor entre 0 e 1.


Tipos Elementares de Conhecimento

  • proposições

    • proposições primitivas

    • conectivos lógicos

  • proposições primitivas:

    • proposições icônicas

    • proposições simbólicas

  • proposição icônica:

    • composição de termos formando uma sentença

    • cada termo :

      • conhecimento remático icônico


Tipos Elementares de Conhecimento

  • sentença -

    • uma ocorrência e um ou mais objetos ou conhecimentos sensoriais

  • valor verdade da sentença

    • crença que o sistema cognitivo tem de que o conhecimento contido na proposição icônica efetivamente representa o que ocorreu no mundo real.


Tipos Elementares de Conhecimento

  • ocorrência

    • verbo (ou predicado)

  • objetos (sensações)

    • relatos (ou sujeitos)

  • número de relatos necessário

    • aridade da ocorrência

  • proposicões simbólicas

    • nomes associados a outras proposições


Tipos Elementares de Conhecimento

  • valor-verdade

    • pode ser determinado a partir da interação com outras proposições

  • proposição simples

    • não pode ser decomposta

    • proposição primitiva

  • proposição composta

    • proposições primitivas ligadas por conectivos lógicos

  • proposição condicional

    • SE (proposição antecedente)

    • ENTÃO (proposição consequente)


Tipos Elementares de Conhecimento

  • conhecimento dicente utilizando proposições simbólicas

    • muito utilizado na lógica clássica

    • dispensa detalhes semânticos dos conhecimentos remáticos contidos nas proposições icônicas

  • conhecimento dicente utilizando proposições icônicas

    • resolve o problema conhecido na IA como symbol grounding

    • mais complexa


Tipos Elementares de Conhecimento

  • Conhecimento Argumentativo

    • argumento

      • analíticos

      • sintéticos

    • agente de transformação de conhecimento

    • transforma um conjunto de conhecimentos (premissa) em um novo conhecimento (conclusão)

  • transformação

    • função argumentativa

    • caracteriza o tipo de argumento


Tipos Elementares de Conhecimento

  • argumentos analíticos:

    • conhecimento nas conclusões já se encontra implícito nas premissas

    • argumento dedutivo

    • conclusões nunca entram em contradição com o conhecimento das premissas

  • argumentos sintéticos:

    • sintetizam um conhecimento novo, baseado no conhecimento existente nas premissas.


Tipos Elementares de Conhecimento

  • argumento sintético

    • pode haver contradição nas conclusões

    • utilizado por seres humanos

    • aprendizagem e refinamento de conhecimento pre-existente

  • Podem ser de duas naturezas

    • indutivo

    • abdutivo


Tipos Elementares de Conhecimento

  • argumento indutivo

    • construtivo

    • conhecimento nas premissas é utilizado como base para a geração do conhecimento nas conclusões, por meio de pequenas modificações.

  • exemplo:

    • conclusão a respeito da cor dos feijões em um saco baseada em uma amostra.


Tipos Elementares de Conhecimento

  • argumento abdutivo

    • destrutivo

    • conhecimento nas premissas é utilizado para refutar possíveis conhecimentos candidatos (gerados por qualquer método que seja) e selecionar dentre estes, os melhores candidatos.

  • exemplo:

    • descoberta da equação que rege o movimento dos planetas, por Kepler.


Tipos Elementares de Conhecimento

  • argumentos indutivos e abdutivos

    • podem atuar cooperativamente

  • conhecimentos nas premissas e conclusões

    • podem ser de quaisquer tipo.

  • argumentos dedutivos, indutivos e abdutivos

    • utilizados implicitamente em todos os sistemas que envolvem aprendizado.


Conhecimento Aplicado

  • Classificação ortogonal

  • Finalidade do conhecimento em um sistema cognitivo

  • Conceitos introduzidos por Charles Morris

    • estudo dos interpretantes

  • Tipos de Interpretantes

    • designativo

    • apraisivo

    • prescritivo


Conhecimento Aplicado

  • Conhecimento Designativo

    • conhecimento utilizado para modelar o mundo real

    • conhecimento descritivo

  • originado por percepção sensorial + memória

  • pode utilizar qualquer tipo elementar de conhecimento

  • tipo de conhecimento mais usualmente utilizado


Conhecimento Aplicado

  • Conhecimento Apraisivo

    • utilizado como uma avaliação, um juízo, um julgamento, uma apreciação, diante de um propósito

  • Sistemas naturais

    • propósitos gerais

      • reprodução,

      • sobrevivência do indivíduo,

      • sobrevivência da espécie,

      • aumento de conhecimento sobre o mundo


Conhecimento Aplicado

  • Múltiplas formas:

    • desejo, repulsa, medo, cobiça, ódio, amor, prazer, dor, conforto, desconforto, etc.

    • inteligência emocional

  • sensação, objeto ou ocorrência

    • boa ou ruim para o propósito relacionado

  • sistemas artificiais

    • propósitos podem ser quaisquer


Conhecimento Aplicado

  • característica inata

    • capaz de aprendizagem

    • balizada pelo conhecimento inato

  • associado a sensações

    • avaliação não vinculada a nenhum objeto (intuição)

  • relacionado a algum objeto

    • objeto é fonte de prazer ou desprazer

  • relacionado a ocorrência

    • determinada ação evoca o conhecimento apraisivo


Conhecimento Aplicado

  • Múltiplos propósitos

    • conhecimento apraisivo ambíguo

    • conhecimento apraisivo global

    • ponderação

  • Conjunto de conhecimentos apraisivos

    • sistema de valores

    • fundamental para que o sistema cognitivo atinja seus propósitos.


Conhecimento Aplicado

  • Conhecimento Prescritivo

    • conhecimento para atuar sobre o mundo real

    • traçar planos de ação e atuar efetivamente, por meio dos atuadores do sistema.

  • Relação com outros conhecimentos

    • julgados por conhecimentos apraisivos

    • determinados por conhecimentos designativos


Conhecimento Aplicado

  • regulam o próprio estado do sistema cognitivo

    • aprendizagem e adaptação

  • Comando

    • decomposto em subcomandos, progressivamente

  • Comando de alto nível

    • diversos comandos a nível de atuadores

  • execução

    • tempo de latência

    • problemas de sincronismo


Conhecimento Aplicado

  • exemplo:

    • comando enviado para atuação e em seguida, enquanto está sendo processado vem um segundo comando

  • estratégias:

    • abortar o primeiro comando

    • comandos em fila

    • prioridades nos comandos e filas

    • comandos em paralelo


Conhecimento Aplicado

  • atuadores

    • sem comandos

    • comportamento padrão

  • diferentes estratégias:

    • manter valor anterior

    • valor padrão

    • trajetória periódica

    • valores aleatórios

    • modificações aleatórias

    • programável

    • previsão do comportamento futuro do sistema


Teoria dos Objetos

  • Modelo formal

    • conceito de objetos

  • Veículo de formalização

    • diferentes tipos de conhecimento

  • Teoria Geral dos Objetos

    • sistemas orientados a objetos

  • Objeto:

    • intimamente relacionado ao pensamento humano

    • mente humana

      • preparada para identificar, representar e utilizar objetos


Teoria dos objetos
Teoria dos Objetos

  • Uso de objetos pela mente humana

    • aplicações orientadas a objetos

    • sistemas orientados a objetos

    • linguagens orientadas a objetos

  • Objetivo

    • modelar idéia de objetos em estruturas de programação

  • Conceitos

    • mais próximos do modo como a mente humana os usa.

    • Maior facilidade na elaboração de programas


Teoria dos objetos1
Teoria dos Objetos

  • Apesar de largamente utilizados

    • inexistência de um modelo formal adequado

  • Propostas

    • Wang, 1989

      • carece de um embasamento simples, claro e consistente

    • Wolczko, 1988

      • especificação de uma semântica uniforme para linguagens de programação - meta-linguagem

    • Gudwin, 1996

      • modelo formal baseado na teoria de conjuntos


Defini es preliminares
Definições Preliminares

  • Função

    • f: A  B

    • f  A  B

  • Ênupla

    • q = (q1 , q2 , ... , qn )

    • produto cartesiano = conjunto de ênuplas

    • ênupla não é um conjunto

    • componente da ênupla : qi

  • Ênuplas Complexas

    • q = (q1 , (q21 , q22 , q23 ), q3 , q4 )

    • q2 = (q21 , q22 , q23 )

    • q = (q1 , q2 , q3 , q4 )


Defini es preliminares1
Definições Preliminares

  • Ênupla Unária

    • (q) = q

  • Aridade de uma ênupla

    • diz respeito à ênupla principal e não a ênuplas internas

    • q = (q1 , q2 , ... , qn )

    • Ar(q) = n

  • Exemplos

    • q = (a,b,c), Ar(q) = 3

    • q = (a,(b,c),d), Ar(q) = 3

    • q = ((a,b,c),(d,(e,f),g)), Ar(q) = 2


Defini es preliminares2
Definições Preliminares

  • Índice de Referência

    • utilizado para a localização de uma componente em uma ênupla

  • Exemplos

    • s = (a,b,c), S = SA SB SC i=1  si = a, Si = SA i=2  si = b, Si = SB i=3  si = c, Si = SC

    • c = (a,(b,d)), C = CA (CB CC ) i=1ci = a, Ci = CA i=2ci =(b,d), Ci = CB CC i=(2,1) ci =b, Ci = CB i=(2,2) ci = d, Ci = CC

    • c = (a,(b,(s,d,(e,f),g),h) ), C = CA(CB (CC CD (CE CF )  CG ) CH ) i=(2,1)ci = b, Ci = CB i=(2,2,3)  ci = (e,f) , Ci = CE CF i=(2,2,3,2)  ci = f, Ci = CF i=(2,3)  ci = h , Ci = CH i=2 ci = (b,(s,d,(e,f),g),h) , Ci = CB (CC CD (CE CF )  CG )  CH


Defini es preliminares3
Definições Preliminares

  • Fórmula de Indução:

    • Sejam uma ênupla q = (q1 , q2 , ... , qn ) e k uma expressão definida pela seguinte sintaxe:

      • k  [ i ]

      • i  i , i

      • i  [ i , i ]

    • i é um índice de referência de q.

    • A expressão k é chamada de uma fórmula de indução

  • Exemplos:

    • k = [ i1 , [ i2 , i3 , i4 ] , i5 ]

    • k = [ [i1 , i2 ], [i3 , [i4 , i5 ] ] ]

    • k = [i1 , i2 , i3 ]


Defini es preliminares4
Definições Preliminares

  • Indução de uma ênupla

    • geração de uma nova ênupla a partir de uma ênupla original e de uma fórmula de indução

  • Exemplos

    • q = (a,b,c,d), Q = Q1  Q2 Q3 Q4, k = [1,3,4,2 ],q(k) = (a,c,d,b), Q(k) = Q1 Q3 Q4 Q2

    • q = (a,b,c,d), Q = Q1  Q2 Q3 Q4 , k = [4,1], q(k) = (d,a), Q(k) = Q4 Q1

    • q = (a,b,c,d), k = [ 1, [2, 3] , 4] , q(k) = (a, (b,c), d), Q(k) = Q1(Q2 Q3 )Q4

    • q = (a,(b,c),d), Q = Q1(Q2 Q3 )Q4 ,k = [1,(2,1),(2,2),3], q(k) = (a,b,c,d), Q(k) = Q1  Q2  Q3 Q4

    • q = (a, (b,c), d), Q = Q1(Q2 Q3 )Q4 , k = [3,2], q(k) = (d,(b,c)), Q(k) = Q4 (Q2 Q3 )

    • q = (a, (b,c), d), Q = Q1(Q2 Q3 )Q4 , k = [3,2,(2,1)], q(k) = (d,(b,c),b), Q(k) = Q4 (Q2 Q3 )  Q2


Defini es preliminares5
Definições Preliminares

  • Sub-ênupla

    • Sejam q uma ênupla e k uma fórmula de indução

    • uma ênupla q(k) formada pela indução de q segundo k é chamada de uma sub-ênupla de q se

      • cada índice em k é um índice unário

      • aparece uma única vez na fórmula

      • fórmula só possui um par de colchetes


Defini es preliminares6
Definições Preliminares

  • Relação

    • R1 , ... , Rn conjuntos

    • R = { (ri1 , ... , rin ) } , i = 1, ... , M, n > 1 tal quei  {1, ... ,M}, k  {1, ... , n}, rik Rk ,

    • R, R  R1 ...  Rn é uma relação em R1 ...  Rn,


Defini es preliminares7
Definições Preliminares

  • Projeção

    • R = {ri }, ri = (ri1 , ... , rin ) é uma relação em U = R1 ...  Rn

    • k é uma fórmula de indução com índices unários k = [k1,k2,...,km], ki {1, ... , n}, ki kj, se i  j, i = 1,...,m , j = 1,...,m, m  n.

    • A projeção de R em U(k), R U(k) (ou R(k)) é a relação obtida pela união de todas as sub-ênuplas ri(k) de R originadas pela indução das ênuplas ri de R segundo k

    • R(k) =  ri(k).


Defini es preliminares8
Definições Preliminares

  • Exemplo de Projeção:

    • A = {1, 2}

    • B = {a,b,c}

    • C = {, , ).

    • R={(1,a,),(2,c,),(2,b,),(2,c,)}

    • R  A  C = {(1,),(2,),(2, )}

    • R  C  B = {(,a),(,c),(,b),(,c)}


Defini es preliminares9
Definições Preliminares

  • Projeção Livre

    • R = {ri }, ri = (ri1 , ... , rin ) é uma relação em U = R1 ...  Rn

    • k é uma fórmula de indução

    • A projeção livre de R em U(k) , R  U(k) (ou R(k) ) é a relação obtida pela união de todas as sub-ênuplas ri(k) originadas pela indução das ênuplas ri de R segundo k.

    • R(k) =  ri(k)


Defini es preliminares10
Definições Preliminares

  • Extensão Cilíndrica

    • R = { (ri1 , ri2 , ... , rin ) } é uma relação em U = R1 ...  Rn

    • A extensão cilíndrica P de R em P1...  Pm , P = R P1... Pm , onde k  {1, ... , n} Pj = Rk , 1  j  m, é a maior (no sentido de maior número de elementos) relação P  P1...  Pm tal que P  R1 ...  Rn = R.


Defini es preliminares11
Definições Preliminares

  • Exemplo de Extensão Cilíndrica

    • A = {1, 2}

    • B = {a,b,c}

    • C = {, , ).

    • R = { (1,a), (2,c) }

    • R  A  B  C = { (1,a,), (2,c,), (1,a,), (2,c,), (1,a,), (2,c,) }

    • R  C  A  B = { (,1,a), (,2,c), (,1,a), (,2,c,), (,1,a,), (,2,c,).


Defini es preliminares12
Definições Preliminares

  • Junção de Relações

    • R e S duas relações em R1... Rn e S1 ...  Sm , respectivamente, e P = P1 ...  Po um universo onde i  {1, ... , n} Pk = Ri , e j  {1, ... , m} Ph = Sj , o  n + m

    • Junção de R e S sob P

      • R * S |P

    • R * S |P = R P  S  P.

    • Observação: Se i,j , Ri  Sj , então R * S |P R1 ...  Rn = R e R * S |P S1 ...  Sm = S.


Defini es preliminares13
Definições Preliminares

  • Exemplos de Junção:

    • A = {1, 2}

    • B = {a,b,c}

    • C = {, , ).

    • R = { (1,a), (2,c) }

    • S = {(a,), (b,)}

    • R * S |A B C = { (1,a,) }

    • R * S |A B B C = {(1,a,a,), (1,a,b,), (2,c,a,), (2,c,b,) }


Defini es preliminares14
Definições Preliminares

  • Variável

    • N = {n} - conjunto enumerável relacionado a alguma medida de tempo

    • U - universo, e X  U.

    • Uma variável x de tipo X é uma função x : N  X .

    • Note que uma função é também uma relação, e por isso pode ser expressa por meio de um conjunto. Portanto: x  N  X.


Defini es preliminares15
Definições Preliminares

  • Exemplos de Variáveis:

    • N = {1, 2, 3}, X = {a, b, c },

    • x(1) = a, x(2) = b, x(3) = c

    • x = { (1, a), (2, b), (3, c) }

    • N = {1, 2, 3, … }, X = {a, b, c }

    • x(1) = a, x(2) = b, x(3) = c, ...

    • x = { (1, a), (2, b), (3, c), ... }


Defini es preliminares16
Definições Preliminares

  • Variável Composta

    • Seja x uma variável de tipo X. Se os elementos de X são ênuplas não unárias, a variável x é chamada uma variável composta ou estrutura

  • Exemplos:

    • N={1, 2, 3},X1={a,b}, X2 = {c,d} X=X1X2={(a,c),(a,d),(b,c),(b,d)}

    • x = {(1,(a,c)), (2,(a,d)), (3, (a,d))}

    • x  N  X1 = {(1,a) , (2,a), (3, a)}

    • x  N  X2 = {(1,c) , (2,d), (3, d)}


Caracter sticas dos objetos
Características dos Objetos

  • Os objetos são únicos e identificados por seu nome.

  • Cada objeto possui um conjunto de atributos e/ou partes.

  • Um objeto pode possuir um conjunto de funções de transformação.

  • Um objeto do sistema pode consumir outro objeto do sistema.


Características dos Objetos

  • Um objeto do sistema pode gerar outro objeto do sistema.

  • Os objetos podem ser classificados hierarquicamente em função de seus atributos e funções de transformação.

  • A interação entre objetos se limita ao consumo e geração de novos objetos por objetos do sistema.


Características dos Objetos

  • Segundo Snyder

    • Os objetos são abstrações

    • Os objetos provêm serviços

    • Objetos clientes fazem requisições de serviços

    • Os objetos são encapsulados

    • As requisições identificam os métodos a serem utilizados

    • As requisições podem referenciar seus objetos de origem

    • Novos objetos podem ser criados

    • Métodos podem ser genéricos

    • Objetos podem ser classificados em termos de seus serviços

    • Objetos podem ter uma implementação comum

    • Objetos podem partilhar a implementação parcialmente


Atividade dos objetos
Atividade dos Objetos

Portas de Saída

Portas de Entrada

Objeto

Funções de Transformação

Estados Internos

Interface de Entrada

Interface de Saída


Intera o entre objetos
Interação entre Objetos

  • Objetos Distintos

  • Mesmo Objeto

Objeto já existente

Objeto novo


Defini o formal
Definição Formal

  • Classe

    • Uma classe C é um conjunto cujos elementos ci são ênuplas do tipo:

      • (v1, v2 , ... , vn , f1, f2 , ... , fm ) ,n  0, m  0

    • onde vi Vi , e fj são funções

      • fj :

    • Pj  {1, ... , n} e Qj {1, ... , n} são definidos para cada função fj , p/ cada ênupla (v1, v2 , ... , vn )  V1 ...  Vn deve existir uma ênupla correspondente em C.


Defini o formal1
Definição Formal

  • Objeto

    • C é uma classe não vazia.

    • c é uma variável de tipo C.

    • c é objeto da classe C.

  • Objeto Primitivo: n = 1, m=0

  • Objeto Ativo: m > 0

  • Objeto Passivo: m = 0

  • Atributos e Partes

    • Vi é uma classe  parte

  • Unicidade

    • nome


Defini o formal2
Definição Formal

  • Instância de um Objeto

    • c um objeto de uma classe C.

    • instância de um objeto em um instante n:

      • o valor de c nesse instante: c(n).

    • Lembrando-se que C é um conjunto de ênuplas, a instância de um objeto será um elemento de C, no caso, uma ênupla.

    • Observe que a instância de um objeto c em um instante n é um elemento de C.


Defini o formal3
Definição Formal

  • Superclasse e Subclasse

    • C é uma classe e k é uma fórmula de indução somente com índices unários

    • D = C(k) , D é uma classe

    • D é uma superclasse de C.

    • C é uma subclasse de D.

    • Classe

      • definida a partir de uma ou mais classes primitivas.

      • gerada por

        • extensão cilíndrica de uma classe,

        • junção de diversas classes

        • extensão cilíndrica da junção de diversas classes.


Defini o formal4

Classe Vazia

P

P

EC

P

EC

EC

Classe C

Classe A

Classe B

J+EC

P

P

P

EC

P

P

EC

EC

Classe F

Classe E

Classe G

Classe D

J+EC

P

Legenda

EC - Extensão CilíndricaP - ProjeçãoJ - Junção

P

Classe H

Definição Formal

  • Hierarquia de Classes

    • definição de classe, projeção, extensão cilíndrica e junção induzem uma hierarquia de classes


Defini o formal5
Definição Formal

  • Sub-objeto

    • c é um objeto de uma classe C

    • d é um objeto de uma classe D,

    • D é uma superclasse de C, determinada por uma fórmula de indução k.

    • Se para todos os instantes n,

      • d(n) = c(n)(k)

    • d é um sub-objeto de c.

    • d corresponde à projeção livre de c em N  D

    • d = c  N  D.


Defini o formal6
Definição Formal

  • Interface de Entrada

    • c - objeto ativo de uma classe C

    • I - superclasse de C, definida por:

    • Define-se a interface de entrada i do objeto c, como o objeto passivo gerado pela projeção livre de c em N  I, ou seja,

    • i = c  N  I


Defini o formal7
Definição Formal

  • Interface de Entrada Específica a Função

    • c - objeto ativo de uma classe C

    • i a interface de entrada de c

    • Ij - superclasse de I e de C:

    • ij - interface de entrada específica à função j de c,

    • ij = c  N  Ij = i  N  Ij

    • Tendo C, m funções, existem m interfaces de entrada específicas a função.

    • Cada ij - sub-objeto de i e de c.


Defini o formal8
Definição Formal

  • Interface de Saída

    • c objeto ativo de uma classe C

    • O - superclasse de C definida por:

    • Define-se a interface de saída o do objeto c, como o objeto passivo gerado pela projeção livre de c em N  O, ou seja,

    • o = c  N  O.


Defini o formal9
Definição Formal

  • Interface de Saída Específica a Função

    • c - objeto de uma classe ativa C,

    • o - interface de saída de c

    • Oj uma superclasse de O e de C:

    • oj - interface de saída específica à função j de c,

    • oj = c  N  Oj = o  N  Oj

    • Tendo C, m funções, existem m interfaces de saída específicas a função. Além disso, cada oj é um sub-objeto de o e de c.


Defini o formal10
Definição Formal

  • Existência de um objeto

    • Um objeto c é dito existir em um instante n, se a função que mapeia as instâncias de c em C é definida para n  N .

  • Geração e Consumo de objetos

    • Um objeto é dito gerado em um instante n, se ele não existe em n e existe em n+1. Um objeto é consumido em n, se ele existe em n e não existe em n+1.


Defini o formal11
Definição Formal

  • Escopo Habilitante de uma Função

    • um objeto ativo c de uma classe C = { (v1, v2 , ... , vn , f1, f2 , ... , fm )}.

    • fj , componente dos elementos de C

    • ij a interface de entrada específica à função fj

    •  - aridade das instâncias de ij .

    • gi - função de indexação de entrada p/ fj mapeando cada componente das instâncias de ij em uma componente nas instâncias de c.

    • gi : {1, ... ,  }  {1, ... , n}

    • B = {0,1}.

    • Um escopo habilitante para esta função será um conjunto de ênuplas H = {(ht ,bt )}, t = 1, ... , , onde ht é um objeto de classe Vgi(t) e bt B é um valor indicando se o objeto ht deve (bt = 1) ou não (bt = 0) ser consumido no disparo de c.


Defini o formal12
Definição Formal

  • Escopo Gerativo de Uma Função

    • um objeto ativo c de uma classe C = { (v1, v2 , ... , vn , f1, f2 , ... , fm )}

    • fj , componente dos elementos de C

    • oj a interface de saída específica à função fj

    •  - aridade das instâncias de oj

    • go - função de indexação de saída p/ fj mapeando cada componente das instâncias de oj em um componente nas instâncias de c

    • go : {1, ... ,  }  {1, ... , n},

    • Um escopo gerativo para esta função será um conjunto de objetos

    • S = {su }, u = 1, ... ,  , onde su é um objeto de classe Vgo(u).


Defini o formal13
Definição Formal

  • Habilitação de um Objeto Ativo

    • todos os objetos pertencentes a um escopo habilitante de uma de suas funções fj existem em n.

    • A função fj é dita estar habilitada em n.

  • Disparo de um Objeto Ativo

    • um objeto c de uma classe C.

    • c(n) = (v1 (n), ... , vn (n), f1 (n), ... , fm (n) ).

    • fj de c em n, habilitada por H = {(ht ,bt )}.

    • S = {su } para fj , tal que, se s  S, ou s não existe em n, ou s  H.


Defin o formal
Definção Formal

  • Disparo de um Objeto Ativo

    • o número de valores p para os quais k Pj, k = 1, ... , n.

    • função de indexação de domínio gd : (1, ... , p }  {1 , ... , n} para a função fj que mapeia para cada componente do domínio de fj um componente em c .

    • a projeção de f(.) em Vk , f(.)Vk.

    • , , gi e go

    • O disparo do objeto no instante n corresponde a:

      • c(n+1) = f( c(n), h1(n), … , ht (n) )


Defini o formal14
Definição Formal

  • Disparo de um Objeto Ativo

    • vi (n+1) =

    • onde

    • bt = 1  ht (n+1) = não definido se (ht , bt )  H.

    • Se su(n) = não definido, definir su(n+1)

    • su (n+1) = vgo(u) (n+1)


Defini o formal15
Definição Formal

  • Sistema de Objetos

    • ci objetos de classe Ci , i = 1, ... , 

    • C = {ci } .

    • i = { 0, ... , mi }, onde mi é o número de funções do objeto ci

    • B = {0,1}.

    • i , 0  i ,  > 0, funções de seleçãoi : N  2C x B 2CIprovendo:

      • Hi, um escopo habilitante

      • Si, um escopo gerativo

      • índice da função (fi) a ser executada pelo objeto


Defini o formal16
Definição Formal

  • Restrições em i :

    • (c,b)  Hi ,

      • se b = 0  (k  i)((c,1)  Hk )

      • se b = 1  (k  i)

        • (c,0)  Hk

        • (c,1)  Hk

    • c  Si ,

      • (k  i)(c  Sk )

      • (k)((c,1)  Hk )

    • Hi é um escopo habilitante e Si é um escopo gerativo p/i (n) i .

    • Se ci é passivo ou, Hi ou Si, ou (k  i) ((ci ,1)  Hk ): i (n) = ( , , 0 ).


Defini o formal17
Definição Formal

  • Um sistema de objetos é um conjunto de pares {i }

    • i = (ci ,i ), tal que :

    • ci sejam definidas em um mesmo N.

    • Para n=0, exista pelo menos um i com objeto ci definido.

    • Para n>0, todos os objetos ativos ci com i (n)  ( , , 0 ), ou seja, com i(n)=(Hi,Si,j) sejam disparados, conforme Hi e Si , utilizando fj.

    • Para n>0, todos os objetos ci existentes em n com suas instâncias (n+1) não afetados pelo ítem anterior sejam regenerados:

      • ci (n+1) = ci (n).


Defini o formal18
Definição Formal

  • Sistema de Objetos

  • Propriedade Desejável:

    • Computabilidade

    • Natureza recursiva não garante a computabilidade


Defini o formal19
Definição Formal

  • Computabilidade de um Sistema de Objetos

    • Seja  um sistema de objetos, definido em N.

    • Se,

      •  tiver um número finito de elementos i e,

      • todas as funções de seleção i de i forem computáveis e,

      • todas as funções internas dos objetos ci de i forem computáveis,

    • então  será computável.

  • Condições suficientes

    • não necessárias


Redes de objetos
Redes de Objetos

  • Tipo especial de sistema de objetos

    • restrições são colocadas

    • função de seleção

  • Objetos

    • associados a lugares

  • Lugares

    • conectados por arcos

    • arcos de entrada e saída

    • objetos do mesmo tipo



Redes de objetos2
Redes de Objetos

  • Definição Formal

    • conjunto de classes  = {Ci }

    • conjunto de objetos C = {ci }, ci objetos de classe Ci ,Ci, 0  i ,  > 0.

    •  = { i } conjunto de lugares i

    • A um conjunto de arcos A = {ai }

    •  - função de nó  : A 

    •  uma função de localização : N C, que associa para cada objeto c C, em um instante n, um lugar .


Redes de objetos3
Redes de Objetos

  • Definição Formal

    • F() :  2 , F() = k onde k  K, K = {k |  aj A tal que (aj) = (k,) }.

    • V() :  2 ,V() = k onde k  K, K = {k |  aj A tal que (aj) = (,k) }.

    • X():2, X()=F()  V().

    •  =  () : , 

      • p/ cada vi da i.e. de objetos de classe (), vi um objeto de classe C, k, k F(), tal que (k ) = C, e

      • p/ cada vi da i.s. de objetos de classe (), vi um objeto de classe C k, k V(), tal que (k ) = C.


Redes de objetos4
Redes de Objetos

  • Definição Formal

    • ii a i.e. de objeto de classe (i ).

    • oi a i.s.de objeto de classe (i ).

    • i o número de campos de ii

    • i o número de campos de oi

    • fpii : {1, ... , i }  A- função de atribuição de portas de entrada p/ objetos em i , fpi = {fpii }.

    • fpoi :{ 1, ... , i } A- função de atribuição de portas de saída p/ objetos em i , fpo = {fpoi }

    • i = { 0, ... , mi }, onde mi é o número de funções do objeto ci


Redes de objetos5
Redes de Objetos

  • Definição Formal

    •  = { i } , 0  i ,  > 0, i são funções de seleçãoi : N  2C x B 2Ci

      • p/ cada ci , em n, Hi , Si e fi , restritos por:

      • (c,b)  Hi ,

        • (n,c) = ,  F((n,ci ) ),

        • se b = 1, (k  i)((c,1)  Hk )

      • c  Si

        • (n,c) = ,  V((n,ci ) ),

        • (k  i)(c  Sk )

        • (k)((c,1)  Hk ).

      • Hi , Si fk , k = i (n) i .

      • Se ci é passivo ou Hi ou Si, i (n) = ( , , 0 ).


Redes de objetos6
Redes de Objetos

  • Definição Formal

    • Rede de Objetos

      • =(, , , A, , fpi, fpo, C , ,  ),

      • Sistema de objetos  = { (ci , i ) } seja determinado fazendo-se ciC e i, 0  i , e

      • p/ cada ciC com fj disparada em n, se (n,ci ) = , então (n+1,sik ) = k, k é tal que

        •  ( fpo (k’) ) = (,k )

        • k’é o índice do k-ésimo campo da interface de saída específico à função fi de ci referenciado na interface de saída de ci .


Redes de objetos7
Redes de Objetos

  • Rede de Objetos

    • Especificação

  • Redes de Objetos Computáveis

    • Determinada a partir de uma sequência de redes de objetos 0 , 1 , ... , onde cada i contém um número finito de objetos, definidos sobre um domínio Ni incremental.

  • 0 - Núcleo da Rede

    • Objetos e funções de localização estão definidos somente para n=0

    • ’ algoritmo descrevendo 


Redes de objetos8
Redes de Objetos

  • Núcleo de uma Rede de Objetos

    • 0=(,,,A,,fpi,fpo,C0,0,), onde

    • , , , A,  , fpi e fpo sejam conforme a definição de rede de objetos e

    • C0 = {ci’} - conjunto de objetos definidos apenas para n=0.

    • 0 - função 0 : N C0 , definida apenas em n=0.

    •  - função de seleção computável, determinada a partir de um algoritmo ’.


Redes de objetos9
Redes de Objetos

  • Exemplo de Evolução de Sequência


Redes de objetos10
Redes de Objetos

  • procedimento Principal:{Define-se C , composto pelos objetos ci dados em C 0 . Define-se a função de localização , composto pelas ênuplas em 0 Define-se  =  Faça n variar de n=0 até n=final {Aplique ’ para determinar (n) e atualize . Para todos os objetos ativos ci existentes no instante n: {Calcule i (n) = (Hi , Si , f ). Se Hi = , vá p/ próximo objeto Se Hi : {execute a função f, gerando uma nova instância ci(n+1) atualize a definição de ci : ci = ci (n)  ci (n+1). Para todo sik Si {Se sikC gere um novo objeto vazio e acrescente a C calcule o valor de sik (n+1) a partir de ci (n+1) e atualize o objeto sik . determine  (n+1,sik )  V( (n,ci )) e atualize . } } } Para todos os objetos ci tais que (ci ,1) não consta de nenhum escopo habilitante e ci não consta de nenhum escopo gerativo. ci (n+1) = ci (n). }}


Redes de objetos11
Redes de Objetos

  • Procedimento ’{Para cada objeto ativo ci {Para cada função fj do objeto ativo ci {Gere um escopo habilitante vazio para a função fj Para cada campo k da interface de entrada correspondentes a fj {verifique se no arco apontado por fpo(k) existe: nenhum objeto, um objeto ou mais de um objeto Se não existir nenhum objeto, destrua o(s) escopo(s) habilitante(s) e vá p/ próxima função Se existir apenas um objeto, incorpore-o no(s) escopo(s) habilitante(s). Se existirem mais de um objeto, para cada escopo habilitante, faça tantas cópias deste quanto forem os objetos e incorpore um objeto a cada cópia. } Para cada escopo habilitante, calcule um índice de desempenho } } Para cada objeto ativo ci {Faça uma lista ordenada pelo índice de desempenho, contendo a função e o escopo habilitante respectivo} Para cada objeto ativo ci {Escolha o primeiro elemento da lista como a função e escopo habilitante p/ o objeto Verifique se a escolha não conflita com as escolhas dos outro objetos. Se houver conflito, use um critério de desempate. O perdedor passa a escolher o próximo de sua lista. Se o próprio objeto ci pertencer ao escopo habilitante de outro objeto, cancele seu escopo habilitante e reorganize a lista.}Para cada objeto ativo ci com escopo habilitante diferente de vazio {Crie um escopo gerativo vazio para ci Para cada campo k da interface de saída específica à função fj escolhida {Se houver um objeto em C não definido para n-1 e n da classe desejada, coloque-o no escopo gerativo, caso contrário crie um novo objeto e inclúa-o.} } Retorne p/ cada objeto, o escopo habilitante, o escopo gerativo e a função escolhidas}


Exemplos
Exemplos

  • Rede de Petri

    • 2 classes

      • C1 = {t} - classe dos tokens

      • C2 = {(v1 , v2 , v3 , f1 )} - classe das transições de 2 entradas,

        • v1 , v2 C1 - interface de entrada,

        • v3  C1 - interface de saída

        • f1 : C1 C1 C1 , f1 (a,b) = t


Exemplos1
Exemplos

  • Rede de Petri

    • 0 = (,,,A,,fpi,fpo,C0,0,)

      •  = {C1 , C2 },

      •  = { 1 , 2 , 3 , 4 , 5 , 6 , 7 },

      •  = { (1 ,C1 ), (2 ,C1 ), (3 ,C2 ), (4 ,C1 ), (5 ,C2 ), (6 ,C1 ), (7 , C1 ) }

      • A = { a1 , a2 , a3 , a4 , a5 , a6 },

      •  = { (a1 , (1, 3)) , (a2 , (2, 3)), (a3 , (3, 7)) , (a4 , (4, 5)), (a5 , (5, 6)) , (a6 , (7, 5)) }

      • fip3 (1) = a1,fip3 (2) = a2,

      • fop3 (1) = a3, fip5 (1) = a4

      • fip5 (2) = a6, fop5 (1) = a5

      • C 0 = { c1 , c2 , c3 , c4 , c5 },


Exemplo
Exemplo

  • Rede de Petri

    • c1 = c2 = { (0, (t,t,t,f1 ) ) } ,

    • c3 = c4 = c5 = { (0,t) }

    • 0 = { (0,c1,3), (0,c2,5) ,(0,c3,1), (0,c4 ,2) , (0,c5,4) }

    • ’ é um algoritmo

  •  = {1, … , 5 }

  • 1(0) = ({(c3 ,1) , (c4 ,1)}, {c6 }, 1)

  • 2(0)= 3(0)= 4(0)= 5(0)= (, , 0)

  • 1 = (,,,A,,fpi,fpo,C,,)

    • ,,,A,,fpi,fpo, como em 0

    • C,, - alterados


Exemplo1
Exemplo

  • Rede de Petri

    • C = { c1 , c2 , c3 , c4 , c5, c6 }

      • c1 = c2 = { (0, (t,t,t,f1 ) ), (1, (t,t,t,f1 ) ) } ,

      • c3 = c4 = { (0,t) }

      • c5 = { (0,t), (1,t) }

      • c6 = { (1,t) }

      •  = { (0,c1,3), (0,c2,5) ,(0,c3,1), (0,c4 ,2) , (0,c5,4), (1,c1,3), (1,c2,5) ,(1,c5,4), (1,c6,7)}

      • 2 (1) = ( {(c5 ,1) , (c6 ,1)}, {c7 }, 1)

      • 1(1)= 3(1)= 4(1)= 5(1), 6(1)=(, , 0)

    • 2 = (,,,A,,fpi,fpo,C,,)

      • ,,,A,,fpi,fpo, como em 0

      • C,, - alterados


Exemplo2
Exemplo

  • Rede de Petri

    • C = { c1 , c2 , c3 , c4 , c5, c6, c7 }

      • c1 = c2 = { (0, (t,t,t,f1 ) ), (1, (t,t,t,f1 ) ), (2, (t,t,t,f1 ) ) }

      • c3 = c4 = { (0,t) }

      • c5 = { (0,t), (1,t) }

      • c6 = { (1,t) }

      • c7 = { (2,t) }

      •  = { (0,c1,3), (0,c2,5) ,(0,c3,1), (0,c4 ,2) , (0,c5,4), (1,c1,3), (1,c2,5) ,(1,c5,4), (1,c6,7), (2,c1,3), (2,c2,5), (2,c7,6) }

    • 1(2)= 2(2)= 3(2)= 4(2)= 5(2), 6(2)= 7(2)=(, , 0)

    • 3 = (,,,A,,fpi,fpo,C,,)

      • ,,,A,,fpi,fpo, como em 0

      • C,, - alterados


Exemplos2
Exemplos

  • Rede de Petri

    • C = { c1 , c2 , c3 , c4 , c5, c6, c7 }

      • c1 = c2 = { (0, (t,t,t,f1 ) ), (1, (t,t,t,f1 ) ), (2, (t,t,t,f1 ) ), (3, (t,t,t,f1 ) )}

      • c3 = c4 = { (0,t) }, c5 = { (0,t), (1,t) }

      • c6 = { (1,t) }, c7 = { (2,t), (3,t) }

      •  = { (0,c1,3), (0,c2,5) ,(0,c3,1), (0,c4 ,2) , (0,c5,4), (1,c1,3), (1,c2,5) ,(1,c5,4), (1,c6,7), (2,c1,3), (2,c2,5), (2,c7,6), (3,c1,3), (3,c2,5), (3,c7,6) }

    • 1(3)= 2(3)= 3(3)= 4(3)= 5(3), 6(3)= 7(3)=(, , 0)

    • 4 = (,,,A,,fpi,fpo,C,,)

      • ,,,A,,fpi,fpo, como em 0

      • C,, - alterados


Exemplo3
Exemplo

  • Rede de Petri

    • C = { c1 , c2 , c3 , c4 , c5, c6, c7 }

      • c1 = c2 = { (0, (t,t,t,f1 ) ), (1, (t,t,t,f1 ) ), (2, (t,t,t,f1 ) ), (3, (t,t,t,f1 ) ), (4, (t,t,t,f1 ) ) }

      • c3 = c4 = { (0,t) }, c5 = { (0,t), (1,t) }

      • c6 = { (1,t) }, c7 = { (2,t), (3,t), (4,t) }

      •  = { (0,c1,3), (0,c2,5) ,(0,c3,1), (0,c4 ,2) , (0,c5,4), (1,c1,3), (1,c2,5) ,(1,c5,4), (1,c6,7), (2,c1,3), (2,c2,5), (2,c7,6), (3,c1,3), (3,c2,5), (3,c7,6), (4,c1,3), (4,c2,5), (4,c7,6)}

    • 1(4)= 2(4)= 3(4)= 4(4)= 5(4), 6(4)= 7(4)=(, , 0)

    • 5, 6, 7, … - equivalentemente


Exemplo4
Exemplo

  • Rede Neural

  • C1 - {(v1 , v2 , v3 , v4 , v5 , v6 , v7 , f1 ) } - classe dos geradores de amostra.

    • v1 ,  representa o tempo

    • v2 , v3 ,v4, v5 , v6 e v7 interface de saída

    • f1 :  - função que para cada instante de tempo coloca uma entrada diferente na rede neural, e atualiza o campo interno de tempo.


Exemplo5
Exemplo

  • C2 - classe dos números reais = 

  • C3={(v1 , v2 , v3 , v4 , v5 , v6 , v7 , v8 , v9 , v10 , f1 )} - classe dos neurônios com três entradas.

    • v1, v2 e v3 pesos correspondentes à cada entrada do neurônio, e

    • v4 é o offset do neurônio.

    • v5 e v6 são os parâmetros da sigmóide, (amplitude e velocidade de subida)

    • v7, v8 e v9 - interface de entrada do objeto, representando cada entrada do neurônio.

    • v10 - interface de saída do objeto, correspondendo à saída do neurônio.

    • f1 :  :

    • f1 (x1 , x2 , x3) =

  • onde

    • A = v5 , m = v6 , w1 = v1 , w2 = v2 , w3 = v3,  = v4- parâmetros da função.


Exemplo6
Exemplo

  • C4 = {(v1 , v2 , v3 , v4 , v5 , v6 , v7 , v8 , f1 )}, - classe dos neurônios com duas entradas.

  • v1 e v2 são os pesos correspondentes à cada entrada do neurônio

  • v3 é o offset do neurônio

  • v4 e v5 são os parâmetros da sigmóide, (amplitude e velocidade de subida)

  • v6 e v7 - interface de entrada do objeto, representando cada entrada do neurônio

  • v8 - interface de saída do objeto, correspondendo à saída do neurônio

  • f1 : 

  • f1 (x1 , x2 ) =

  • onde

    • A = v4 , m = v5 , w1 = v1 , w2 = v2 ,  = v3parâmetros da função.


Exemplo7
Exemplo

  • 0 = (,,,A,,fpi,fpo,C0,0,)

  •  = {C1 , C2 , C3 , C4 },

  •  = { 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 , 10 },

  •  = { (1 ,C1 ), (2 ,C2 ), (3 ,C2 ), (4 ,C2 ), (5 ,C3 ), (6 ,C3 ), (7 ,C2 ), (8 ,C2 ), (9 ,C4 ), (10 ,C2 ), }

  • A = {a1, a2, a3, a4, a5, a6, a7, a8, a9, a10 , a11 , a12 ,a13 , a14 },

  •  = {(a1, (1, 2)), (a2, (1, 3)),(a3, (1, 4)),(a4, (2, 5)), (a5,(2, 6)), (a6, (3, 5)),(a7, (3, 6)),(a8 , (4, 5)), (a9,(4, 6)),(a10, (5, 7)),(a11,(6, 8)),(a12,(7,9)), (a13 , (8, 9)) , (a14 , (9, 10)) }

  • fop1 (1) = a1, fop1 (2) = a2, fop1 (3) = a3, fop1 (4) = a1fop1 (5) = a2, fop1 (6) = a3, fip5 (1) = a4, fip5 (2) = a6

  • fip5 (3) = a8, fop5 (1) = a10, fip6 (1) = a5, fip6 (2) = a7

  • fip6 (3) = a9, fop6 (1) = a11, fip9 (1) = a12, fip9 (2) = a13

  • fop9 (1) = a14

  • 0 = { (0, c1 , 1 ) , (0,c2 , 5 ) , (0, c3, 6 ) , (0, c4 , 9 ) }

  • C 0 = { c1 , c2 , c3 , c4 },

    • c1 = { (0, (0,0,0,0,0,0,0,f1 ) ) }

    • c2 = { (0, (w11 , w21 , w31 , 1 , A1, m1 , 0,0,0,0 ) ) }

    • c3 = { (0, (w12 , w22 , w32 , 2 , A2, m2 , 0,0,0,0 ) ) }

    • c4 = { (0, (w’11 , w’21 , 3, A3, m3 , 0,0,0 ) ) }


Exemplos3
Exemplos

  • 1(0) = (, {c5, c6, c7 }, 1)

  • 2(0)= 3(0)= 4(0) = (, , 0)

  • 1 = (,,,A,,fpi,fpo,C,,)

    • ,,,A,,fpi,fpo, como em 0

    • C,, - alterados

  • C = { c1 , c2 , c3 , c4 , c5 , c6 , c7 },

    • c1 = { (0, (0,0,0,0,f1 ) ), (1, (1, x1,x2,x3,f1 ) ) }

    • c2 = { (0, (w11 , w21 , w31 , 1 , A1, m1 , 0,0,0,0 ) ), (1, (w11 , w21 , w31 , 1 , A1, m1 , 0,0,0,0 ) ) }

    • c3 = { (0, (w12 , w22 , w32 , 2 , A2, m2 , 0,0,0,0 ) ), (1, (w11 , w21 , w31 , 1 , A1, m1 , 0,0,0,0 ) ) }

    • c4 = { (0, (w’11 , w’21 , 3, A3, m3 , 0,0,0 ) ), (1, (w’11 , w’21 , 3, A3, m3 , 0,0,0 ) ) }

    • c5 = {(1,x1)}, c6 = {(1,x2)}, c7 = {(1,x3)}

  •  = { (0, c1 , 1 ) , (0,c2 , 5 ) , (0, c3, 6 ) , (0, c4 , 9 ), (1, c1 , 1 ) , (1,c2 , 5 ) , (1, c3, 6 ) , (1, c4 , 9 ), (1, c5 , 2 ) , (1,c6 , 3 ) , (1, c7, 4 ) }

  • 1(1) = (, {c8, c9, c10 }, 1)2(1) = ({ (c5 ,0), (c6 ,0), (c7 ,0)}, {c11}, 1)3(1) = ({ (c5 ,1), (c6 ,1), (c7 ,1)}, {c12}, 1)4(1)= 5(1)= 6(1) = 7(1) = (, , 0)


  • Exemplos4
    Exemplos

    • 2 = (,,,A,,fpi,fpo,C,,)

      • ,,,A,,fpi,fpo, como em 0

      • C,, - alterados

  • C = { c1 , c2 , c3 , c4 , c5 , c6 , c7 , c8 , c9 , c10 , c11 , c12 },

  • c1 = { (0,(0,0,0,0,f1 )), (1,(1, x1,x2,x3,f1 )), (2,(2, x’1,x’2,x’3,f1 )) }

  • c2 = { (0, (w11 , w21 , w31 , 1 , A1, m1 , 0,0,0,0 ) ), (1, (w11 , w21 , w31 , 1 , A1, m1 , 0,0,0,0 ) ), (2, (w11 , w21 , w31 , 1 , A1, m1 , x1,x2,x3, y1) ) }

  • c3 = { (0, (w12 , w22 , w32 , 2 , A2, m2 , 0,0,0,0 ) ), (1, (w12 , w22 , w32 , 2 , A2, m2 , 0,0,0,0 ) ), (2, (w12 , w22 , w32 , 2 , A2, m2 , x1,x2,x3, y2 ) ) }

  • c4 = { (0, (w’11 , w’21 , 3, A3, m3 , 0,0,0 ) ), (1, (w’11 , w’21 , 3, A3, m3 , 0,0,0 ) ) } (2, (w’11 , w’21 , 3, A3, m3 , 0,0,0 ) ) }

  • c5 = {(1,x1)}, c6 = {(1,x2)}, c7 = {(1,x3)}

  • c8 = {(2,x’1)}, c9 = {(2,x’2)}, c10 = {(2,x’3)},

  • c11 = {(2,y1)} , c12 = {(2,y2)}


  • Exemplos5
    Exemplos

    •  = { (0, c1 , 1 ) , (0,c2 , 5 ) , (0, c3, 6 ) , (0, c4 , 9 ), (1, c1 , 1 ) , (1,c2 , 5 ) , (1, c3, 6 ) , (1, c4 , 9 ), (1, c5 , 2 ) , (1,c6 , 3 ) , (1, c7, 4 ), (2, c1 , 1 ) , (2,c2 , 5 ) , (2, c3, 6 ) , (2, c4 , 9 ), (2, c8 , 2 ) , (2,c9 , 3 ) , (2, c10, 4 ), (2,c11 , 7 ) , (2, c12, 8 ) }

    • 1(2) = (, {c5, c6, c7 }, 1)2(2) = ({ (c8 ,0), (c9 ,0), (c10 ,0)}, {c13}, 1)3(2) = ({ (c8 ,1), (c9 ,1), (c10 ,1)}, {c14}, 1)4(2) = ({ (c11 ,1), (c12 ,1)}, {c15}, 1)5(2) = 6(2) = 7(2) 8(2)= 9(2)= 10(2) = 11(2) = 12(2) = (, , 0)

    • 3 = (,,,A,,fpi,fpo,C,,)

      • ,,,A,,fpi,fpo, como em 0

      • C,, - alterados

  • C = { c1 , c2 , c3 , c4 , c5 , c6 , c7 , c8 , c9 , c10 , c11 , c12 , c13 , c14 , c15 }

  • c1 = { (0,(0,0,0,0,f1 )), (1,(1, x1,x2,x3,f1 )), (2,(2, x’1,x’2,x’3,f1 )), (3,(3, x’’1,x’’2,x’’3,f1 )) }


  • Exemplos6
    Exemplos

    • c2 = { (0, (w11 , w21 , w31 , 1 , A1, m1 ,0,0,0,0 ) ), (1, (w11 , w21 , w31 , 1 , A1, m1 ,0,0,0,0 ) ), (2, (w11 , w21 , w31 , 1 , A1, m1, x1,x2,x3, y1 )), (3, (w11 , w21 , w31 , 1, A1, m1, x’1,x’2,x’3, y’1 ))}

    • c3 = { (0, (w12 , w22 , w32 , 2 , A2, m2 ,0,0,0,0 ) ), (1, (w12 , w22 , w32 , 2 , A2, m2 ,0,0,0,0 ) ), (2, (w12 , w22 , w32 , 2 , A2, m2, x1,x2,x3, y2 )), (3, (w12 , w22 , w32 , 2 , A2, m2, x’1,x’2,x’3, y’2 ))}

    • c4 = { (0, (w’11 , w’21 , 3, A3, m3 , 0,0,0 ) ), (1, (w’11 , w’21 , 3, A3, m3 , 0,0,0 ) ) } (2, (w’11 , w’21 , 3, A3, m3 , 0,0,0 ) ) } (3, (w’11 , w’21 , 3, A3, m3 , y1, y2, z1 ) ) }

    • c5 = {(1,x1), (3,x’’1)},

    • c6 = {(1,x2), (3,x’’2)},

    • c7 = {(1,x3), (3,x’’3)}

    • c8 = {(2,x’1)}, c9 = {(2,x’2)}, c10 = {(2,x’3)},

    • c11 = {(2,y1)} , c12 = {(2,y2)}

    • c13 = {(3,y’1)} , c14 = {(3,y’2)}

    • c15 = {(3,z1)}


    Exemplos7
    Exemplos

    •  = { (0, c1 , 1 ) , (0,c2 , 5 ) , (0, c3, 6 ) , (0, c4 , 9 ), (1, c1 , 1 ) , (1,c2 , 5 ) , (1, c3, 6 ) , (1, c4 , 9 ), (1, c5 , 2 ) , (1,c6 , 3 ) , (1, c7, 4 ), (2, c1 , 1 ) , (2,c2 , 5 ) , (2, c3, 6 ) , (2, c4 , 9 ), (2, c8 , 2 ) , (2,c9 , 3 ) , (2, c10, 4 ), (2,c11 , 7 ) , (2, c12, 8 ), (3, c1 , 1 ) , (3,c2 , 5 ) , (3, c3, 6 ) , (3, c4 , 9 ), (3, c5 , 2 ) , (3,c6 , 3 ) , (3, c7, 4 ), (3,c13 , 7 ) , (3, c14, 8 ), (3, c15, 10 ) }

    • 1(3) = (, {c8, c9, c10 }, 1)2(3) = ({ (c5 ,0), (c6 ,0), (c7 ,0)}, {c11}, 1)3(3) = ({ (c5 ,1), (c6 ,1), (c7 ,1)}, {c12}, 1)4(3) = ({ (c13 ,1), (c14 ,1)}, {c16}, 1)5(3) = 6(3) = 7(3) 8(3) = 9(3) = 10(3) = 11(3) = 12(3) = 13(3) = 14(3) = 15(3) = (, , 0)

    • 3, 4, 5, … de maneira equivalente


    Exemplos8
    Exemplos

    • Sistema Adaptativo

      • C1 , C2 , C3 - classes das peças.

      • C1 = {a}

      • C2 = {b}

      • C3 = {c}.

      • Objetos destas classes funcionam somente como tokens.


    Exemplos9
    Exemplos

    • C4 = {(v1 , v2 , v3 , v4 , f1 )} - fornecedores de peças.

      • v1 - tempo

      • v2 C1 , v3 C2 e v4 C3 interface de saída.

      • f1 :  C1 C2 C3

    • C5 = {(v1 , v2 , v3 , v4 , v5 , f1 )} - máquinas.

      • v1 C1 , v2 C2 e v3 C3 - interface de entrada

      • v4 C5 interface de saída

      • v5 {0,1} flag interno indicando se objeto já produziu alguma máquina

      • f1 : C1 C2 C3 C5 - função de geração do objeto, que a partir das peças monta uma nova máquina e seta um flag interno do objeto indicando que ele já produziu uma máquina.

    • C6 ={(v1 , v2 , f1 )} - despachadores,

      • v1 C5 - interface de entrada

      • v2 C5 - interface de saída,

      • f1 : C5 C5 - função de armazenamento, que transfere os objetos de 5 para 7. Observe que, neste caso, a função só transporta o objeto de lugar.


    Exemplos10
    Exemplos

    • 0 = (,,,A,,fpi,fpo,C0,0,)

      •  = {C1 , C2 , C3 , C4 , C5 , C6},

      •  = { 1 , 2 , 3 , 4 , 5 , 6 , 7 },

      •  = { (1 ,C4 ), (2 ,C1 ), (3 ,C2 ), (4 ,C3 ), (5 ,C5 ),

      • (6 ,C6 ), (7 ,C5 ) }

      • A = { a1 , a2 , a3 , a4 , a5 , a6 , a7 , a8 , a9 },

      •  = { (a1 , (1, 2)) , (a2 , (1, 3)) , (a3 , (1, 4)) , (a4 , (2, 5)) , (a5 , (3, 5)) , (a6 , (4, 5)), (a7 , (5, 5)) , (a8 , (5, 6)) , (a9 , (6, 7)) }

      • fpo1={(1, a1), (2, a2), (3, a3) }

      • fpi5 = {(1, a4), (2, a5), (3, a6) }, fpo5 = {(1, a7) }

      • fpi6 = { (1, a8) }, fpo6 = {(1, a9) }

      • C 0 = { c1 , c2 , c3 },

        • c1 = { (0, (0,0,a,b,c,f1 ) ) }

        • c2 = { (0, (a,b,c, NULL ,0,f1 ) ) }

        • c3 = { (0, (NULL,NULL,f1 ) ) }

      • 0 = { (0, c1 , 1 ), (0, c2 , 5 ) , (0, c3 , 6 ) }

      •  = {1 , 2 , 3 }1(0) = (, {c4 , c5 , c6 }, 1)2(0) = 3(0) = (, , 0)


    Exemplos11
    Exemplos

    • 1 = (,,,A,,fpi,fpo,C,,)

      • ,,,A,,fpi,fpo, como em 0

      • C,, - alterados

    • Seja Nu  C5 , Nu = (a,b,c,Nu,0, f1)

    • C = { c1 , c2 , c3 , c4 , c5 , c6 },

      • c1 = { (0, (0,a,b,c,f1 ) ), (1, (1,a,b,c,f1 ) ) }

      • c2 = { (0, (a,b,c, Nu ,0,f1 ) ), (1, (a,b,c, Nu ,0,f1 ) ) }

      • c3 = { (0, (Nu,Nu,f1 ) ), (1, (Nu,Nu,f1 ) ) }

      • c4 = { (1,a) }

      • c5 = { (1,b) }

      • c6 = { (1,c) }

    •  = { (0, c1 , 1 ), (0, c2 , 5 ) , (0, c3 , 6 ), (1, c1 , 1 ), (1, c2 , 5 ) , (1, c3 , 6 ), (1, c4 , 2 ), (1, c5 , 3 ) , (1, c6 , 4 ) }

    •  = {1 , 2 , 3 , 4 , 5 , 6 }1(1) = (, {c7 , c8 , c9 }, 1)2(1) = ({(c4, 1),(c5 ,1) , (c6 , 1)}, {c10}, 1) 3(1) = 4(1) = 5(1) = 6(1) =(, , 0)


    Exemplos12
    Exemplos

    • 2 = (,,,A,,fpi,fpo,C,,)

      • ,,,A,,fpi,fpo, como em 0

      • C,, - alterados

    • C = { c1 , c2 , c3 , c4 , c5 , c6 , c7 , c8 , c9 , c10},

      • c1 = { (0, (0,a,b,c,f1 ) ), (1, (1,a,b,c,f1 ) ), (2, (2,a,b,c,f1 ) ) }

      • c2 = { (0, (a,b,c, Nu ,0,f1 ) ), (1, (a,b,c, Nu ,0,f1 ) ), (2, (a,b,c, Nu ,1,f1 ) ) }

      • c3 = { (0,(Nu,Nu,f1 )),(1,(Nu,Nu,f1 )),(2,(Nu,Nu,f1 ))}

      • c4 = { (1,a) }, c5 = { (1,b) }, c6 = { (1,c) }

      • c7 = { (2,a) }, c8 = { (2,b) }, c9 = { (2,c) }

      • c10 = {(2, (a,b,c, Nu ,0,f1 ) )}

    •  = {(0, c1 , 1 ), (0, c2 , 5 ) , (0, c3 , 6 ), (1, c1 , 1 ), (1, c2 , 5 ) , (1, c3 , 6 ), (1, c4 , 2 ), (1, c5 , 3 ) , (1, c6 , 4 ), (2, c1 , 1 ), (2, c2 , 5 ) , (2, c3 , 6 ), (2, c7 , 2 ),(2, c8 , 3 ),(2, c9 , 4 ), (2, c10, 5)}

    •  = {1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 , 10 }1(2) = (, {c4 , c5 , c6 }, 1)3(2) = ({(c2, 0), {c2},1} 2(2)= 4(2)= 5(2)= 6(2)= 7(2)= 8(2)= 9(2) =(, , 0)10(2) = ({(c7, 1),(c8 ,1) , (c9 , 1)}, {c11 }, 1)


    Exemplos13
    Exemplos

    • 3 = (,,,A,,fpi,fpo,C,,)

      • ,,,A,,fpi,fpo, como em 0 , C,,- alterados

      • C = { c1 , c2 , c3 , c4 , c5 , c6 , c7 , c8 , c9 , c10 , c11},

        • c1 = { (0, (0,a,b,c,f1 ) ), (1, (1,a,b,c,f1 ) ), (2, (2,a,b,c,f1 ) ), (3, (3,a,b,c,f1 ) ) }

        • c2 = { (0, (a,b,c, Nu ,0,f1 ) ), (1, (a,b,c, Nu ,0,f1 ) ), (2, (a,b,c, Nu ,1,f1 ) ), (3, (a,b,c, Nu ,1,f1 ) ) }

        • c3 = { (0,(Nu,Nu,f1 )),(1,(Nu,Nu,f1 )), (2,(Nu,Nu,f1 )), (3, (Nu,Nu,f1 )) }

        • c4 = {(1,a),(3,a)}, c5 = {(1,b),(3,b)}, c6 = {(1,c),(3,b)}

        • c7 = { (2,a) }, c8 = { (2,b) }, c9 = { (2,c) }

        • c10 = {(2, (a,b,c, Nu ,0,f1 ) ), (3, (a,b,c, Nu ,1,f1 ) )}

        • c11 = {(3, (a,b,c, Nu ,0,f1 ) )}

      •  = {(0, c1 , 1 ), (0, c2 , 5 ) , (0, c3 , 6 ), (1, c1 , 1 ), (1, c2 , 5 ) , (1, c3 , 6 ), (1, c4 , 2 ), (1, c5 , 3 ) , (1, c6 , 4 ), (2, c1 , 1 ), (2, c2 , 5 ) , (2, c3 , 6 ), (2, c7 , 2 ),(2, c8 , 3 ),(2, c9 , 4 ), (2, c10, 5), (3, c1 , 1 ), (3, c2 , 7 ) , (3, c3 , 6 ), (3, c4 , 2 ),(3, c5 , 3 ),(3, c6 , 4 ), (3, c10, 5), (3, c11, 5)}


    Exemplos14
    Exemplos

    •  = {1 , 2 , 3 , 4 , 5 , 6 , 6 , 7 , 8 , 9 , 10 , 11}1(3) = (, {c7 , c8 , c9 }, 1)3(2) = ({(c10, 0), {c10},1} 2(3) = 4(3)= 5(3)=6(3)= 7(3)= 8(3)= 9(3) = 10(3) = (, , 0)11(3) = ({(c4, 1),(c5 ,1) , (c6 , 1)}, {c12 }, 1)

  • 4, 5 , 6 , …

  • Sistema atípico,

    • Produtor em 5 : sempre renovado

  • Outros sistemas como este

    • alunos virando professores

    • programas que geram programas

    • reações químicas auto-catalíticas

    • bactérias gerando bactérias

    • vírus atacando células

    • sistemas autônomos c/ aprendizado


  • Ferramentas de an lise
    Ferramentas de Análise

    • Classes Ativas e Passivas

    • Lugares Ativos e Passivos

    • Lugares de Parâmetros

      • objetos ocupantes representam parâmetros do sistema sendo modelado

    • Lugares de Estado

      • objetos ocupantes estão associados a estados do sistema sendo modelado

    • Objetos Móveis e Imóveis

    • Objetos Constantes


    Ferramentas de an lise1
    Ferramentas de Análise

    • Objetos Persistentes

      • c - objeto de classe C.

      • c é dito persistente se, caso ele exista em n1 N, ele também existe para todo n > n1 , n  N.

    • Teorema Básico da Persistência

      • Se n N e ciC , (c,1)  Hi (n), então o objeto c é persistente.

    • Teorema da Persistência Estrutural

      • Se n tal que (n,c) = * e  V(* ),  é um lugar passivo, c é um objeto persistente.


    Ferramentas de an lise2
    Ferramentas de Análise

    • Sistema Adaptativo

      • um sistema que altera seus próprios parâmetros, de modo que seu comportamento seja modificado diante destas alterações. Um sistema que não é adaptativo é dito ser um sistema não adaptativo.

    • Teorema da Adaptabilidade

      • Seja R uma rede de objetos.Se todos os objetos ci da rede que se encontram em lugares de parâmetros são persistentes, imóveis, constantes, e pertencem ao núcleo de R, então o sistema representado por R é não adaptativo. Caso contrário, o sistema é adaptativo.


    Ferramentas de an lise3
    Ferramentas de Análise

    • 2° Teorema da Adaptabilidade

      • Em uma rede de objetos R, se não existem (i,j) tal que (i , j )  e i e j são lugares ativos e, além disso, todos os lugares de parâmetros são lugares ativos, então o sistema é não adaptativo.

    • Estado de uma Rede

      • Seja R uma rede de objetos. Define-se x(n), um vetor onde cada componente xi (n) corresponde ao número de objetos em um lugar i em um determinado passo n  N como o estado da rede R em n.


    Ferramentas de an lise4
    Ferramentas de Análise

    • Norma

      • Define-se a norma de x, | x | como sendo:| x (n) | = .

    • Observando a trajetória de x(n)

      • define-se um critério de estabilidade p/ o sistema representado por R

      • São identificados 4 tipos de comportamento associados à trajetória x(n)


    Ferramentas de an lise5
    Ferramentas de Análise

    • Trajetória Estável com Ponto de Equilíbrio

      • A partir de algum n finito:

        • x(n+1) = x(n), xi (n) 

    • Trajetória Estável com Ciclo Periódico

      • A partir de algum n finito:

        • x(n+) = x(n) , xi (n) ,  > 1

    • Trajetória Estável Não-Periódica

      • a  | x(n) |  b , 0 < a < b < + 

  • Trajetória Instável


  • Ferramentas de an lise6
    Ferramentas de Análise

    • Trajetórias Estáveis

      • sistemas são computáveis com uma quantidade limitada de recursos

    • Trajetórias Instáveis

      • Apesar de computáveis, demandam uma quantidade crescente de recursos

      • Limite no tempo de computação

    • Estáveis com ponto de Equilíbrio

      • objetos persistentes, tornam-se imóveis e constantes - deadlock - cessa a atividade

      • objetos não-persistentes - atividade não cessa - ciclo


    Ferramentas de an lise7
    Ferramentas de Análise

    • Algums critérios em Redes de Petri - mapeados em R.O.

    • Limitabilidade (boundedness)

      • trajetórias estáveis

      • limita o n. de objetos na rede

    • Sobrevivência (liveness)

      • trajetórias sem ponto de equilíbrio

      • traj. com ponto de equilíbrio com objetos não persistentes, móveis ou não-constantes

    • Reversibilidade

      • trajetórias estáveis com ciclo periódico


    Ferramentas de an lise8
    Ferramentas de Análise

    • Atingibilidade (reachability)

      • a partir de um estado inicial : pode-se atingir um determinado estado por meio de número finito de disparos de objetos

    • Seguridade (safeness)

      • existência de no máximo um objeto em cada lugar da rede, durante toda a trajetória

    • Cobertura (cover.ability)

      • habilitação de objetos ativos

      • existe, nos estados atingíves a partir do estado inicial, estado onde, p/ todos os lugares, existe um número maior ou igual de objetos em tais lugares, relativamente ao estado sendo analisado.


    Ferramentas de an lise9
    Ferramentas de Análise

    • Não-Interferência

      • p/ todos os objetos da rede, o disparo de um objeto não desabilita nenhum outro objeto habilitado da rede

    • Algumas Propriedades

      • inferidas a partir do núcleo de uma rede de objetos

    • Exemplos

      • redes não adaptativas sem objetos fonte terão sempre trajetória estável com pto. de equilíbrio

      • Redes que para todos os lugares passivos tenham, dentre seus lugares adjacentes de saída somente um lugar ativo, serão sempre não-interferentes.

      • Redes adaptativas onde, para algum lugar ativo, haja um arco realimentando o próprio lugar, e sem nenhum outro lugar ativo adjacente (que possa consumir os objetos gerados), terá uma trajetória instável.


    Discuss o
    Discussão

    • Teoria dos objetos

      • formalização do conceito de objeto encontrado na literatura

      • modelagem de sistemas que modificam sua própria estrutura

    • Presente estado da teoria

      • pontos em aberto

    • Objetos

      • comportamento vai além do estabelecido por uma máquina de Turing

      • Processamento de mensagem enquanto recebe outra


    Discuss o1
    Discussão

    • Presente modelo

      • não apresenta problemas, pois:

        • objetos não necessitam de uma definição recursiva e/ou computável

        • quando definidos recursivamente, considera disparos discretos e instantâneos

      • extensão p/ disparos temporizados

        • maix complexa, envolvendo prioridades

      • extensão p/ tempo contínuo

        • poderia ser problemática

        • exigiriam uma completa reformulação de alguns conceitos (e.g. disparo de uma transição)


    Discuss o2
    Discussão

    • Questões de Implementação

      • não são consideradas na formalização

    • Exemplos:

      • conflitos com nomes de variáveis e métodos durante herança múltipla

      • variáveis e métodos públicos, privados e protegidos - tipos de herança.

    • Wolczko, 1988

      • hierarquia é simplesmente uma conveniência na elaboração das classes - reutilização


    Discuss o3
    Discussão

    • Objetos compostos

      • não é trivial

      • exigiriam

        • disparos temporizados

        • mais de um disparo por instante de tempo, por um mesmo objeto

    • Destruição de Objetos

      • auto-destruição

      • destruição externa

      • violação do encapsulamento

    • Acesso a variáveis internas

      • violação do encapsulamento

      • excessão necessária


    Discuss o4
    Discussão

    • Mensagens são objetos ?

      • Possível solução

    • Sim

      • como destruir uma mensagem sem violar o encapsulamento ?

    • Não

      • perde-se poder de representação

    • Escolha

      • excessão no princípio do encapsulamento

      • poder de representação (qualquer objeto pode ser uma mensagem)


    Discuss o5
    Discussão

    • Classes Primitivas e Métodos Primitivos

      • variáveis numéricas são classes

      • operadores são métodos

    • Soma de dois números:

      • acionar o método de soma de um deles e enviar o outro como mensagem

    • Implementação

      • não é feito desta forma

    • Modelo apresentado

      • não apresenta distinções


    Discuss o6
    Discussão

    • Atendimento de mensagens

      • método síncrono

      • método assíncrono

      • questão de implementação

    • Destaques do Modelo

      • permite fácil implementação em linguagens orientadas a objeto

      • facilita implementação dos sistemas em estudo

      • idéia intuitiva de objeto facilita elicitação do sistema


    Discuss o7
    Discussão

    • Redes de Petri x Redes de Objetos

      • R.P. mais elaborada ?

      • Extensão ?

      • Estrutura bem semelhante

      • Redes de Petri de Alto nível

        • Redes Predicado Transição

        • Redes Coloridas

        • Redes Orientadas a Objeto

      • R. P. de Design Adaptativo

    • Diferenças fundamentais

      • estrutura variável

      • tokens individualizados


    Discuss o8
    Discussão

    • Redes Auto-Modificáveis (Valk, 1978, 1981)

      • estrutura fixa

      • parâmetros dos arcos dependentes do n. de tokens em outros lugares

    • Redes de Objetos

      • exploram toda a potencialidade desta idéia

    • Autômatos adaptativos

      • modificam estrutura

      • não permitem paralelismo e concorrência


    Discuss o9
    Discussão

    • Ferramentas de Análise

      • permitem obtenção de características dos sistemas

      • ainda incipientes

    • Possibilidades de Adaptação:

      • árvore de cobertura (coverability tree)

      • métodos algébricos

      • método dos invariantes


    Conhecimento rem tico
    Conhecimento Remático

    • Conhecimento Sensorial Específico

      • Relacionado à interface de entrada (sensorial) de um sistema

      • Espaço Sensorial

      • S = S1 S2 ...  Sk

      • objeto passivo o , o : N  S.

    • Estilos de Representação

      • único objeto sem memória

      • único objeto com memória

      • múltiplos objetos

        • com obsolescência

        • sem obsolescência


    Conhecimento rem tico1
    Conhecimento Remático

    • Único Objeto

    • Múltiplos Objetos

    • Memória


    Conhecimento rem tico2
    Conhecimento Remático

    • Restrição Temporal de Objetos

      • Seja N um conjunto de instantes, S uma classe e o : N S um objeto de tipo S. Seja N’  N . Uma restrição do objeto o a N’, denotado por o  N’ , corresponde ao objeto o’ : N’  S, tal que se (n,s)  o e n  N’ , (n,s)  o’. Caso contrário, (n,s) o’.

    • Exemplo:

      • N = { n1 , n2 , n3 }, S = 3 ,o = { (n1 , (0,0,0) ) , (n2 , (0,1,0) ) , (n3 , (1,2,2) ) }. N’ = { n2 , n3 } o’ = { (n2 , (0,1,0) ) , (n3 , (1,2,2) ) }.


    Conhecimento rem tico3
    Conhecimento Remático

    • Exemplos de Conhecimentos Sensoriais Específicos

      • x1, x2 e x3 X = {0,1,2} ,

      • T = { t1 , t2 , t3 }.

      • Em t1 , x1 = 0, x2 = 0 e x3 = 0.

      • Em t2 , x1 = 0, x2 = 1 e x3 = 0.

      • Em t3 , x1 = 1, x2 = 2 e x3 = 2.

      • o = {(t1 , (0,0,0) ) , (t2 , (0,1,0) ) , (t3 , (1,2,1) ) }.

      •  = [ 1, (2,3), (2,2) ].

      • o() = { (t1 , (0,0) ) , (t2 , (0,1) ) , (t3 , (1,2) ) }

      • T’ = { t1 , t3 }

      • o’ = o  T’ = { (t1 , (0,0,0) ) , (t3 , (1,2,1) ) }

      • o’’ = o() T’ = { (t1 , (0,0) ) , (t3 , (1,2) ) }.

      • T’’ = {t2 }

      • o’’’ = o  T’’ = { (t2 , (0,1,0) ) }


    Conhecimento rem tico4
    Conhecimento Remático

    • Conhecimento Sensorial Genérico

      • abstração de um conhecimento sensorial específico

      • capaz de representar diversos conhecimentos sensoriais específicos

      • compactação de informação

      • Modelo Formal

        • objeto genérico

        • objeto fuzzy


    Conhecimento rem tico5
    Conhecimento Remático

    • Variável de Conjunto

      • Sejam:

        • N = {n) - conjunto enumerável,

        • X  U - subconjunto de universo U.

      • Define-se uma variávelde conjunto x de tipo X como uma função x : N  2X .

    • Exemplos:

    • N = {1,2,3} e X = {1,2,3,4} .

    • x = { (1, {1,2} ) , (2, {2,3,4} ) , (3, {1,3} ) }

    • x’ = { (1, { (1,2),(2,3),(2,4),(3,3) } ) , (2,{(2,3),(4,1),(1,1)}) , (3, {(1,3),(2,1) }) }

    • R1 = { (1,2),(2,3),(2,4),(3,3) }

    • R2 = {(2,3),(4,1),(1,1)}

    • R3 = {(1,3),(2,1) }

    • x’ = { (1,R1 ) , (2,R2 ), (3, R3 ) }


    Conhecimento rem tico6
    Conhecimento Remático

    • Objeto Genérico

      • Seja C uma classe não vazia. Seja c uma variável de conjunto de tipo C. A variável c é chamada então de um objeto genérico da classe C.

    • Caso de um Objeto Genérico

      • Seja c um objeto genérico de uma classe C. Um objeto c’ de tipo C é dito um caso do objeto genérico c, se n  N, c’(n)  c(n).


    Conhecimento rem tico7
    Conhecimento Remático

    • Objeto Fuzzy

      • Sejam:

      • N = {n} - conjunto enumerável,

      • X uma classe.

      • um conjunto fuzzy definido sobre X.

      • o conjunto de todos os conjunto fuzzy definidos sobre X.

      • Define-se um objeto fuzzy x de tipo X como uma função

      • x : N 


    Conhecimento rem tico8
    Conhecimento Remático

    • Observações

      • X - classe passiva,

        • relação fuzzy m-ária.

      • X - classe ativa,

        • campos não funcionais

      • qualquer objeto

        • o = { (n,x) | n  N, x  X}

      • pode ser descrito por um objeto fuzzy,

        • o = { (n, ) | n  N,  }

      • descrito como um (singleton) em x  X.

      • operações envolvendo objetos fuzzy.


    Conhecimento rem tico9
    Conhecimento Remático

    • União de Objetos Fuzzy

      • x’ e x’’ - objetos fuzzy de tipo X, definidos em N, tal que n  N, se x’(n) é definido, x’’(n) também é definido, e vice-versa.

      • A união de x de x’ e x’’ é um objeto fuzzy tal que n  N,

        • x(n) = x’(n) S x’’(n)

      • onde

        • S é um operador matricial que aplica uma co-norma triangular elemento a elemento nas matrizes m-árias. O operador S terá validade somente nos campos das ênuplas que não sejam funções.


    Conhecimento rem tico10
    Conhecimento Remático

    • Interseção de Objetos Fuzzy

      • x’ e x’’ - objetos fuzzy de tipo X, definidos em N, tal que n  N, se x’(n) é definido, x’’(n) também é definido, e vice-versa.

      • A interseção de x de x’ e x’’ é um objeto fuzzy tal que n  N,

        • x(n) = x’(n) T x’’(n)

      • onde

        • T é um operador matricial que aplica uma norma triangular elemento a elemento nas matrizes m-árias. O operador T terá validade somente nos campos das ênuplas que não sejam funções.


    Conhecimento rem tico11
    Conhecimento Remático

    • Conhecimento Sensorial

      • Específico

        • objeto passivo

      • Genérico

        • objeto genérico passivo

        • objeto fuzzy passivo

    • Diferentes maneiras de especificar relações

      • método do protótipo

      • método da função discriminante

    • Implementação

      • objetos genéricos e objetos fuzzy podem ser convertidos em objetos


    Conhecimento rem tico12
    Conhecimento Remático

    • Conhecimento de Objeto Específico

      • estruturalmente semelhante ao conhecimento sensorial específico

      • classes dos objetos não têm ligação direta com sensores

      • abstração (abdutiva) de conhecimentos sensoriais

    • Conhecimento de Objeto Genérico

      • estruturalmente semelhante ao conhecimento sensorial genérico

      • abstração de conhecimentos de objetos específicos


    Conhecimento rem tico13
    Conhecimento Remático

    • Conhecimento de Ocorrências

      • descrever conceitualmente trechos do histórico de um ou mais objetos

    • Trajetória temporal de objetos

      • sequência de instâncias da classe ao qual o objeto é associado

    • Sequências

      • podem conter sub-sequências

      • única vez ou repetidas vezes

    • Sub-sequências

      • ocorrências

      • mascaramento de campos


    Conhecimento rem tico14
    Conhecimento Remático

    • Meta-Objeto

      • Sejam:

      • N = {n} - conjunto enumerável,

      • V = {v} - conjunto enumerável,

      • v - variável de tipo N, definida sobre um espaço de ocorrências T, v : T  N.

      • R um conjunto de restrições sobre os valores das variáveis de V (possivelmente vazio).

      • X uma classe.

      • Define-se um meta-objeto x de tipo X como uma função

        • x : V  X .


    Conhecimento rem tico15
    Conhecimento Remático

    • Exemplos de Meta-objetos

    • Sejam

      • T = { 1,2, ... } ,

      • N = {1,2,3,4,5,6},

      • V = { v1 , v2 , v3 },

      • v1 , v2 , v3 : T  N ,

      • R = ,

      • X = X1 X2 ,

      • X1 = {1,2,3,4}, X2 = {a,b,c}.

    • x’ = { (v1 , 1) , (v2 , 3) }.

    • x’’ = { (v1 , (1,a) ) , (v2 , (3,a) ) }.


    Conhecimento rem tico16
    Conhecimento Remático

    • Instância de um Meta-Objeto

      • x um meta-objeto x de tipo X.

      • Define-se uma instância de x como um objeto x’ dado pela substituição das variáveis em x, pelos valores dados por instâncias específicas destas variáveis no espaço de ocorrências.

    • Exemplos:

      • x’ e x’’ como exemplo anterior

      • Instância de x’, fazendo-se v1 = 1 e v2 = 2 é dada por x’’’ = { (1 , 1) , (2 , 3) }.

      • Outra , fazendo-se v1 = 2 e v2 = 5 é dado por x’’’ = { (2 , 1) , (5 , 3) }.

      • Instância de x’’, fazendo-se v1 = 1 e v2 = 4 é dada por x’’’ = {(1 , (1,a)), (4 , (3,a))}.


    Conhecimento rem tico17
    Conhecimento Remático

    • Ocorrência de um Meta-Objeto em um Objeto

      • objeto o de uma classe X,

      • meta-objeto o’ de uma classe X’,

      • Uma ocorrência o’’ de o’ em o é dada por um objeto o’’ tal que o’’ é ao mesmo tempo um sub-objeto de uma instância de o’ e uma restrição temporal de um sub-objeto de o.

    • Exemplos:

    • objeto x de tipo X, x = { (1,(1,a)) , (2,(3,b)) , (3,(3,a)), (4,(1,c)) , (5,(2,b)), (6,(3,a)).

      • x’’’ - ocorrência de x’ em x, fazendo-se as atribuições :v1 = 1 e v2 = 2,

    • x’’’ = { (1,1), (2,3) } -

      • restrição temporal do sub-objeto x  X1 a N = {1,2}.

    • Outras ocorrências de x’ em x:- v = (v1 , v2 ) = (1,3), v = (1,6), v = (4,6). - v = (4,2) e v = (4,3).

    • meta-objeto x’’ também ocorre em x. - v = (1,3) e v = (1,6).


    Conhecimento rem tico18
    Conhecimento Remático

    • Se conjunto de restrições R - diferente de vazio

      • restrições nos domínios

      • equações/inequações algébricas

    • Exemplo

      • restrição: v2 = v1 + 1.

      • ocorrência de x’ em x para - v = (1,2),

      • meta-objeto x’’ não ocorre em x.

      • restrição: v2 > v1 .

        • casos não intuitivos v = (4,2) e v = (4,3)

        • eliminados


    Conhecimento rem tico19
    Conhecimento Remático

    • Ocorrência de Meta-Objeto em um Objeto Genérico

      • Seja um objeto genérico x de uma classe X, e um meta-objeto x’ de uma classe X’. Uma ocorrência x’’ do meta-objeto x’ em x corresponde a um objeto x’’ tal que x’’ é uma ocorrência para algum caso de x.

    • Ocorrência de Meta-Objeto em Objeto Fuzzy

      • Seja um objeto fuzzy o de uma classe X, e um meta-objeto o’ de uma classe X’, Uma ocorrência o’’ do meta-objeto o’ em o é dada por um objeto fuzzy o’’ tal que o’’ corresponde à interseção de um sub-objeto de uma instância de o’, descrito como um objeto fuzzy por meio de singletons, e uma restrição temporal de um sub-objeto fuzzy de o.


    Conhecimento rem tico20
    Conhecimento Remático

    • Exemplo: Sejam os conjuntos fuzzy a1 = {1/0.2, 2/0.8, 3/0.6 }, a2 = {1/0.1, 2/0.2, 3/0.9 }, a3 = {1/0, 2/0.15, 3/0.3 }, b1 = { 5/0.3, 6/0.4, 7/0.1 }, b2 = { 5/0.4, 6/0.4, 7/0.8 }, b3 = { 5/0.1, 6/0.9, 7/0.8 },c1 = { 15/0.2, 18/0.9 }, c2 = { 15/0.3, 18/0.8 }, c3 = { 15/0.7, 18/0.1 } e o objeto fuzzy x = { (1,(a1,b1,c1)), (2,(a2 ,b2 ,c2)), (3,(a3 ,b3 ,c3)), e o meta-objetox’ = { (v1 , (2,5,15)) , (v2 , (3,7,18)) }. Fazendo-se v1 = 1 e v2 = 3, tem-se uma instância do meta-objeto x’, dada porx’’ = { (1 , (2,5,15)) , (3 , (3,7,18)) }.Utilizando-se entãoa’1 = {1/0, 2/1, 3/0 }, b’1 = {5/1, 6/0, 7/0 } e c’1 = {15/1, 18/0 },a’2 = {1/0, 2/0, 3/1 }, b’2 = {5/0, 6/0, 7/1 } e c’2 = {15/0, 18/1 } tem-se a representação de x’’ por meio de um objeto fuzzy, dado por

    • x’’’ = { (1, (a’1 , b’1 , c’1 )) , (3, (a’2 , b’2 , c’2 )) }

    • Uma ocorrência de x’ em x, nesse caso, pode ser calculada fazendo-se

    • x’’’’ = ( x  {1,3} ) T x’’’

    • x’’’’ = { (1, (a’’1 , b’’1 , c’’1 )) , (3, (a’’2 , b’’2 , c’’2 )) }, onde, utilizando-se o mínimo como norma triangular tem-se:

    • a’’1 = a1T a’1 = {1/0, 2/0.8, 3/0 }b’’1 = b1T b’1 ={5/0.3, 6/0, 7/0 }c’’1 = c1T c’1 = {15/0.2, 18/0 }a’’2 = a3T a’2 = {1/0, 2/0, 3/0.3 }b’’2 = b3T b’2 = {5/0, 6/0, 7/0.8 }c’’2 = c3T c’2 = {15/0, 18/0.1 }


    Conhecimento rem tico21
    Conhecimento Remático

    • Meta-Objeto Genérico

      • Sejam:

      • N um conjunto enumerável, onde cada n denota um elemento de N,

      • V um conjunto enumerável, onde cada v  V é uma variável de tipo N,

      • R um conjunto de restrições sobre as variáveis de V (possivelmente vazio),

      • X uma classe.

      • Define-se um meta-objeto genérico x de tipo X como uma função x : V  2X.

    • Caso de um Meta-Objeto Genérico

      • Seja x um meta-objeto genérico de uma classe X. Um meta-objeto x’ de tipo X é dito um caso do objeto genérico x, se v  V, x’(v)  x(v).


    Conhecimento rem tico22
    Conhecimento Remático

    • Ocorrência de um Meta-Objeto Genérico em um Objeto

      • Sejam x um meta-objeto genérico de tipo X e x’ um objeto de tipo X’. Uma ocorrência x’’ de x em x’ é dada por um objeto x’’, tal que x’’ é uma ocorrência de algum caso de x em x’.

    • Ocorrência de um Meta-Objeto Genérico em um Objeto Genérico

      • Sejam x um meta-objeto genérico de tipo X e x’ um objeto genérico de tipo X’. Uma ocorrência x’’ de x em x’ é dada por um objeto genérico x’’, tal que x’’ é dado pela união de todas as ocorrências de algum caso de x em casos de x’.

    • Ocorrência de um Meta-Objeto Genérico em um Objeto Fuzzy

      • Sejam x um meta-objeto genérico de tipo X e x’ um objeto fuzzy de tipo X’. Uma ocorrência x’’ de x em x’ é dada por um objeto fuzzy x’’, tal que x’’ é dado pela interseção de um sub-objeto de x, descrito como um objeto fuzzy, e uma restrição temporal de um sub-objeto de x’.


    Conhecimento rem tico23
    Conhecimento Remático

    • Exemplo: Sejam os conjuntos fuzzy a1 = {1/0.2, 2/0.8, 3/0.6 }, a2 = {1/0.1, 2/0.2, 3/0.9 }, a3 = {1/0.1, 2/0.15, 3/0.3 }, b1 = { 5/0.3, 6/0.4, 7/0.1 }, b2 = { 5/0.4, 6/0.4, 7/0.8 }, b3 = { 5/0.1, 6/0.9, 7/0.8 },c1 = { 15/0.2, 18/0.9 }, c2 = { 15/0.3, 18/0.8 }, c3 = { 15/0.7, 18/0.1 } e o objeto fuzzy x = { (1,(a1,b1,c1)), (2,(a2 ,b2 ,c2)), (3,(a3 ,b3 ,c3)), e o meta-objeto genérico x’ = { (v1 , ([2,3],[5,6],15)) , (v2 , ([1,2],[6,7],18)) }. Fazendo-se v1 = 1 e v2 = 3, têm-se uma instância do meta-objeto genérico x’, dada porx’’ = { (1 , ([2,3],[5,6],15)) , (3 , ([1,2],[6,7],18)) }.Utilizando-se entãoa’1 = {1/0, 2/1, 3/1 }, b’1 = {5/1, 6/1, 7/0 } e c’1 = {15/1, 18/0 },a’2 = {1/1, 2/1, 3/0 }, b’2 = {5/0, 6/1, 7/1 } e c’2 = {15/0, 18/1 } tem-se a representação de x’’ por meio de um objeto fuzzy, dado por

    • x’’’ = { (1, (a’1 , b’1 , c’1 )) , (3, (a’2 , b’2 , c’2 )) }

    • Uma ocorrência de x’ em x, nesse caso, pode ser calculada fazendo-se

    • x’’’’ = ( x  {1,3} ) T x’’’

    • x’’’’ = { (1, (a’’1 , b’’1 , c’’1 )) , (3, (a’’2 , b’’2 , c’’2 )) }, onde, utilizando-se o mínimo como norma triangular tem-se:

    • a’’1 = a1T a’1 = {1/0, 2/0.8, 3/0.6 }b’’1 = b1T b’1 ={5/0.3, 6/0.4, 7/0 }c’’1 = c1T c’1 = {15/0.2, 18/0 }a’’2 = a3T a’2 = {1/0.1, 2/0.15, 3/0 }b’’2 = b3T b’2 = {5/0, 6/0.9, 7/0.8 }c’’2 = c3T c’2 = {15/0, 18/0.1 }


    Conhecimento rem tico24
    Conhecimento Remático

    • Meta-Objeto Fuzzy

      • Sejam:

      • N um conjunto enumerável, onde cada n denota um elemento de N.

      • V um conjunto enumerável, onde cada v  V é uma variável de tipo N.

      • R um conjunto de restrições sobre as variáveis de V (possivelmente vazio).

      • X uma classe.

      • um conjunto fuzzy definido sobre X.

      • o conjunto de todos os conjunto fuzzy definidos sobre X.

      • Define-se um meta-objeto fuzzy x de tipo X como uma função x : V  .


    Conhecimento rem tico25
    Conhecimento Remático

    • Ocorrência de um Meta-Objeto Fuzzy em um Objeto

      • Sejam x um meta-objeto fuzzy de tipo X e x’ um objeto de tipo X’. Uma ocorrência x’’ de x em x’ é dada por um objeto fuzzy x’’, tal que x’’ é dado pela interseção de um sub-objeto de x, e uma restrição temporal de um sub-objeto de x’ descrito como um objeto fuzzy.

    • Ocorrência de um Meta-Objeto Fuzzy em um Objeto Genérico

      • Sejam x um meta-objeto fuzzy de tipo X e x’ um objeto genérico de tipo X’. Uma ocorrência x’’ de x em x’ é dada por um objeto fuzzy x’’, tal que x’’ é dado pela interseção de um sub-objeto de x, e uma restrição temporal de um sub-objeto de x’ descrito como um objeto fuzzy.

    • Ocorrência de um Meta-Objeto Fuzzy em um Objeto Fuzzy

      • Sejam x um meta-objeto fuzzy de tipo X e x’ um objeto fuzzy de tipo X’. Uma ocorrência x’’ de x em x’ é dada por um objeto fuzzy x’’, tal que x’’ é dado pela interseção de um sub-objeto de x, e uma restrição temporal de um sub-objeto de x’.


    Conhecimento rem tico26
    Conhecimento Remático

    • Conhecimento de Ocorrências Específico

      • Meta-objetos, Meta-objetos Genéricos e Meta-objetos Fuzzy

      • R - restrição às variáveis v V

        • equações algébricas de atribuição

        • fixa instância temporal

      • Instâncias de Meta-objetos, Meta-objetos genéricos e Meta-objetos fuzzy

    • Conhecimento de Ocorrências Genérico

      • Não há restrições


    Conhecimento rem tico27
    Conhecimento Remático

    • Meta-objetos unitários

      • estado

    • Meta-objeto com 2 elementos

      • eventos

    • Meta-objetos com + de 2 elementos

      • tendências

      • comportamentos monotônicos

      • comportamentos periódicos


    Conhecimento rem tico28
    Conhecimento Remático

    • Conversão de Meta-objetos em objetos

    • Memória de Nível Superior


    Conhecimento dicente
    Conhecimento Dicente

    • Conhecimento Lógico

      • expressões contendo proposições e conectivos lógicos

      • valor verdade

        • a partir de outras proposições

        • a partir do conhecimento remático

    • Proposições

      • primitivas

        • icônicas

        • simbólicas

      • compostas

    • Relação Remático/Dicente

      • 2 formas


    Conhecimento dicente1
    Conhecimento Dicente

    • IA Clássica

      • proposições remáticas não são consideradas

      • falta de fundamento simbólico (symbol grounding problem)

      • fundamento é implícito (interpretação humana)

    • Modelo Apresentado

      • considera a interação entre conhecimentos remáticos e dicentes


    Conhecimento dicente2
    Conhecimento Dicente

    • Expressão

      • Define-se uma expressão E como uma sequência de símbolos e1 , e2 , ... , en .

    • Proposição Icônica

      • S - conh. remáticos sensoriais, S = { s1 , ... , sk }.

      • B - conh. remáticos de objetos, B = { b1 , ... , bl }.

      • O - conh.remáticos de ocorrências, O = {o1 , ... , om}.

      • N o conjunto dos números naturais.

      • Define-se uma proposição icônica p como uma expressão formada do seguinte modo:

      • p = a (c1 , ... , cn ) / f , r

      • onde

        • n  {1, 2, 3, ... },

        • a  O, é chamado de verbo,

        • ci S ou ci B, i = 1, ... , n são chamados de relatos,

        • f é uma função f : N  N  N - mapeia cada campo da classe correspondendo ao verbo em um par (x1, x2 ),

          • x1 {1, ... , n} relato, e

          • x2 campo da classe correspondendo ao relato x1

        • r é um conjunto de restrições,


    Conhecimento dicente3
    Conhecimento Dicente

    • Exemplo:

      • Sejam:

        • os objetos o1 e o2 representando dois conhecimentos remáticos de objeto.

        • o meta-objeto m1 representando um conhecimento remático de ocorrência.

        • uma função f dada por f(1) = (1,2) e f(2) = (2,1).

        • um conjunto vazio de restrições r, r = .

      • Supondo que:

        • a classe referente a o1 é A = A1 A2 A3

        • a classe referente a o2 é B = B1 B2 B3

        • a classe referente a m1 é C = C1 C2

        • A2 = C1 e B1 = C2

        • o1 A2 = o’1

        • o2 B1 = o’2

        • m1 (v1 ) = (o’1 (t6 ) , o’2 (t6 ) )

        • m1 (v2 ) = (o’1 (t8 ) , o’2 (t8 ) )

        • m1 (v3 ) = (o’1 (t9 ) , o’2 (t9 ) )


    Conhecimento dicente4
    Conhecimento Dicente

    • Proposição Icônica com Meta-Objeto

    • Proposição Icônica com Meta-Objeto Genérico


    Conhecimento dicente5
    Conhecimento Dicente

    • Proposição Simbólica

      • Define-se uma proposição simbólica como uma expressão contendo um único símbolo, que não corresponde a nenhum conhecimento remático.

    • Proposição Primitiva

      • Define-se uma proposição primitiva como sendo ou uma proposição icônica ou uma proposição simbólica.

    • Valor Verdade

      • Um valor verdade é um valor definido entre 0 e 1, correspondendo ao grau de verdade de uma determinada proposição. Um valor verdade 0 corresponde a uma total falsidade e um valor verdade 1 corresponde a uma total verdade. Do mesmo modo, pode ser feita a associação: valor verdade = 0  falso, valor verdade = 1  verdadeiro. Valores verdade entre 0 e 1 não são nem totalmente verdadeiro nem totalmente falso. Um valor verdade igual a 0.5 corresponde à total indeterminação.


    Conhecimento dicente6
    Conhecimento Dicente

    Determinação do Valor Verdade de uma Proposição Icônica segundo seu Conhecimento Remático

    • Seja uma proposição icônica p = a (c1 , ... , cn ) / f , r.

    • O valor-verdade de p, V(p) pode ser calculado a partir do conhecimento remático associado a ela, do seguinte modo:

      V(p) = v1T ... T vn

    • onde vi será igual a:

      1. Se existirem m ocorrências oim de a em ci segundo f e r que são objetos fuzzy:

      vi = .

      2. Se existir pelo menos uma ocorrência oi de a em ci segundo f e r que é um objeto ou objeto genérico:

      vi = 1

      3. Se não existir nem uma ocorrência de a em ci ,

      vi = 0


    Conhecimento dicente7
    Conhecimento Dicente

    • Proposição

      • Sejam:

      • um conjunto P de proposições primitivas

      • um conjunto L1 de operadores lógicos unários.

      • um conjunto L2 de operadores lógicos binários.

      • Uma expressão R é chamada de uma proposição se e somente se:

        1. R é uma proposição primitiva, ou

        2. R pode ser decomposta em R1 l2 R2 , onde l2 L2 e R1 e R2 são proposições, ou

        3. R pode ser decomposta em l1 R1 , onde l1 L1 e R1 é uma proposição.

    • Normalmente se utilizam

    • L1 = {~ (negação) }

    • L2 = {  (conjunção),  (disjunção),  (implicação) }

      • V(~a) = 1 - V(a)

      • V(ab) = V(a) T V(b)

      • V(ab) = V(a) S V(b)

      • V(ab) = V(~a  b) ou V(ab) = V(a  b)


    Conhecimento dicente8
    Conhecimento Dicente

    • Proposições com o operador 

      • proposições condicionais,

      • regras.

    • Classe de Conhecimentos Dicentes

      • D = {(E,V)}

      • E - expressão correspondente ao conhecimento dicente

      • V - valor verdade da expressão

    • Modelo p/ Conh. Dicente

      • Objetos da classe D


    Conhecimento argumentativo
    Conhecimento Argumentativo

    • Argumento Dedutivo

      • Sejam:

      • uma classe ativa A, contendo ênuplas do tipo (a1 , ... , an , f ).

      • um argumento a : T  A.

      • P o conjunto de premissas de a.

      • C o conjunto de conclusões de a.

      • Se f, p/ cada instância de a, é tal que os conhecimentos contidos em C estão incluídos na união dos conhecimentos contidos em P (C  P), então o argumento a é chamado de dedutivo, ou analítico.


    Conhecimento argumentativo1
    Conhecimento Argumentativo

    • Argumento Sintético

      • Sejam:

      • uma classe ativa A, contendo ênuplas do tipo (a1 , ... , an , f ).

      • um argumento a : T  A.

      • P o conjunto de premissas de a.

      • C o conjunto de conclusões de a.

      • Se f é tal que nos conhecimentos contidos em C, existe algum conhecimento não contido na união dos conhecimentos contidos em P (P  C), então o argumento a é chamado de sintético.


    Conhecimento argumentativo2
    Conhecimento Argumentativo

    • Argumento Indutivo

      • Sejam:

      • uma classe ativa A, contendo ênuplas do tipo (a1 , ... , an , f ).

      • um argumento sintético a : T  A.

      • P o conjunto de premissas de a.

      • C o conjunto de conclusões de a.

      • Se f for tal que os conhecimentos contidos em C e não contidos na união dos conhecimentos em P (C-P) sejam gerados utilizando-se conhecimentos contidos em P, de tal forma que possam ser comparados com conhecimentos contidos em P, em termos de um critério de distância, então o argumento a será dito indutivo.


    Conhecimento argumentativo3
    Conhecimento Argumentativo

    • Argumento Abdutivo

      • Sejam:

      • uma classe ativa A, contendo ênuplas do tipo (a1 , ... , an , f ).

      • um argumento sintético a : T  A.

      • P o conjunto de premissas de a.

      • C o conjunto de conclusões de a.

      • pl -

        • função de plausibilidade, determinada a partir dos conhecimentos em P,

        • mede se um determinado conhecimento não está em contradição com os conhecimentos em P.

      • Se f for tal que (C-P), independente da forma por que sejam gerados, são validados por meio de pl, então o argumento a será dito abdutivo


    Conhecimento argumentativo4
    Conhecimento Argumentativo

    Argumento Indutivo p/ Geração de Conhecimento Remático Sensorial Genérico a partir de Conhecimentos Remáticos Sensoriais Específicos, c/ exemplos somente positivos

    • Sejam:

    • uma classe passiva X = X1 ...  Xn .

    • P = {p1 , ... , pm } um conjunto de m objetos pi do tipo X.

    • c um objeto genérico de tipo X (inicialmente vazio).

    • uma classe ativa A, formada por elementos (a1 , ... , am , am+1 , f1 ), onde para i = 1, ... , m, ai X, e am+1 X. A função f1 : Xm 2X pode ser descrita algoritmicamente do seguinte modo:

      f1 (a1 , ... , am , am+1) am+1 = 

      Para i = 1 ... m

      am+1 = am+1 {ai}

    • a um objeto ativo de tipo A.


    Conhecimento argumentativo5
    Conhecimento Argumentativo

    Argumento Indutivo-Abdutivo para a Geração de Conhecimento Remático Sensorial Genérico a partir de Conhecimentos Remáticos Sensoriais Específicos, com Exemplos Positivos e Negativos

    • uma classe passiva X = X1 ...  Xn .

    • P = {p1 , ... , pm } um conjunto de m objetos pi do tipo X.

    • N = {n1 , ... , no } um conjunto de o objetos ni do tipo X.

    • c um objeto genérico de tipo X (inicialmente vazio).

    • A = { (a1 , ... , am , am+1 , ... , am+o , am+o+1 , f ) }

    • i de 1 a m, ai X exemplos positivos,

    • i de m+1 a m+o, ai X exemplos negativos

    • am+o+1 X. A função f : X2m 2X pode ser descrita algoritmicamente do seguinte modo:

      f1 (a1 , ... , am+o , am+o+1) am+o+1 = 

      Para i = 1 ... m

      am+o+1 = am+o+1 {ai}

      Para i = 1 ... 

      Gerar aleatoreamente bi X.

      Se pl(bi , a1 , ... , am+o ) > 0.5

      am+o+1 = am+o+1 {bi}


    Conhecimento argumentativo6
    Conhecimento Argumentativo

    pl(b, a1 , ... , am+o )

    Se para algum i entre 1 e m, b == ai

    retorne (1);

    Se para algum i entre m+1 e m+o, b == ai

    retorne(0);

    Senão

    Para i  {1,...,m} encontre  = min{b-ai }

    Para i  {m+1,...,m+o} encontre  = min{b-ai}

    retorne ( )

    • Seja a um objeto ativo de tipo A.

    • (tk , p1) = ... = (tk , pm ) = (tk , n1) = ... = (tk , no) = 1 ,

    • (tk , c) = 2 ,

    •  (tk , a) = 3 .


    Organiza o de sistemas inteligentes
    Organização de Sistemas Inteligentes

    • Definição de Inteligência

      • Existem níveis, ou graus de inteligência, que são determinados por:

        • poder computacional do sistema

        • sofisticação dos algoritmos utilizados p/

          • processamento sensorial

          • modelagem do ambiente

          • geração de comportamento

          • julgamento de valores

          • comunicação global

        • conhecimento (informação e valores) armazenados na memória


    Organiza o de sistemas inteligentes1
    Organização deSistemas Inteligentes

    • Origens e Funções da Inteligência

      • Inteligência natural e sistema que a desenvolve

        • resultados de um processo evolutivo

      • Para cada indivíduo

        • geração do comportamento mais biologicamente vantajoso

      • Para cada grupo de indivíduos

        • geração de comportamento cooperativo (vantagem p/ grupo)

      • Inteligência

        • Mecanismo encontrado por algumas espécies para garantir sobrevivência


    Organiza o de sistemas inteligentes2
    Organização deSistemas Inteligentes

    • Comunicação e Linguagem

      • Comunicação:

        • Transmissão de informação entre sistemas inteligentes

      • Linguagem:

        • Meio pelo qual informação é codificada para propósitos de comunicação

    • Para cada espécie:

      • linguagem se desenvolve para suportar a complexidade das mensagens geradas por seu nível de inteligência


    Organiza o de sistemas inteligentes3
    Organização deSistemas Inteligentes

    • Elementos da Inteligência

      • Existem 4 elementos sistêmicos

        • processamento sensorial (SP)

        • modelagem do ambiente (WM)

        • geração de comportamento (BG)

        • julgamento de valor (VJ)

      • Elementos

        • formam nós operacionais

        • trabalham em paralelo

        • organizados hierarquicamente

        • múltiplos níveis de resolução

      • Decomposição

        • temporal

        • espacial


    Organiza o de sistemas inteligentes4
    Organização deSistemas Inteligentes

    • Na arquitetura proposta:

      • A cada nível hierárquico:

        • banda de controle cai de uma ordem de magnitude

        • resolução perceptiva de padrões espaço-temporais cai de uma ordem de magnitude

        • metas aumentam em escopo de uma ordem de magnitude

        • horizonte de planejamento aumenta no espaço e tempo de uma ordem de magnitude

        • modelos do ambiente e memória de eventos caem em resolução e aumentam em escopo espaço-temporal - uma ordem de magnitude


    Organiza o de sistemas inteligentes5
    Organização deSistemas Inteligentes

    • Geração de Comportamento

      • Comportamento é o resultado da execução de uma série de tarefas

      • Tarefa é parte de um trabalho a ser efetuado, ou atividade a ser desenvolvida

    • Em um sistema inteligente

      • Vocabulário de tarefas

    • Meta

      • Evento que termina uma tarefa

    • Comando

      • instrução para executar uma tarefa


    Organiza o de sistemas inteligentes6
    Organização de Sistemas Inteligentes

    • Task frame

      • estrutura que armazena o conhecimento utilizado na execução da tarefa

    • Módulos BG

      • Job Assignment

      • Planner

      • Executor

    • Entradas

      • comandos e prioridades (BG)

      • avaliações (VJ)

      • informações sobre estado passado, presente e futuro (previsão) (WM)

    • Saídas

      • Sub-tarefas (BG )

      • Queries para WM


    Organiza o de sistemas inteligentes7
    Organização de Sistemas Inteligentes

    • Modelagem do Ambiente

      • Representação interna do mundo externo

      • Melhor estimativa da realidade

      • Informação necessária para permitir o raciocínio sobre

        • objetos

        • tempo

        • espaço

      • Ruído

      • Sensoreamento Intermitente

      • Diferentes fontes de informação


    Organiza o de sistemas inteligentes8
    Organização de Sistemas Inteligentes

    • Módulos WM

      • Base de Conhecimento

        • manter atual e consistente

      • Faz predições de estados futuros

      • Sincroniza predições com observações

      • Confiabilidade da informação

      • What is ?

      • What if ?

    • Representação do Conhecimento

      • Espaço Geométrico

      • Mapas (distribuição de entidades no espaço)


    Organiza o de sistemas inteligentes9
    Organização deSistemas Inteligentes

    • Processamento Sensorial

      • Mecanismo da Percepção

      • Estabelecimento e manutenção da correspondência entre o modelo interno do mundo e o mundo externo conhecido por sensores

      • extrai informação sobre:

        • entidades

        • eventos

        • estados

        • relações

      • Medida de Superfícies

        • Contínuo  Discreto


    Organiza o de sistemas inteligentes10
    Organização deSistemas Inteligentes

    • Reconhecimento e Detecção

      • estabelecimento de correspondência entre entidade do mundo real e entidade modelada

    • Contexto da Percepção

    • Módulos SP

      • Comparação

      • Integração Temporal

      • Integração Espacial

      • Reconhecimento/Detecção

    • Mecanismos de Atenção

      • Gerado por BG


    Organiza o de sistemas inteligentes11
    Organização de Sistemas Inteligentes

    • Julgamento de Valor

      • Avalia custos, riscos, benefícios, de planos e ações

      • Avalia desejabilidade, atratividade e incerteza de objetos e eventos

    • Variáveis de estado de valor

    • Emoções

      • estimativa bom/ruim (default)

    • Prioridades

      • estimativa de importância

    • Drives

      • estimativa de necessidade


    Organiza o de sistemas inteligentes12
    Organização deSistemas Inteligentes

    • Aprendizado

      • SP

      • WM

      • VJ

      • BG

    • Mecanismos de Aprendizado

      • Repetição

      • Reforço

        • realimentação sobre os resultados de uma ação

      • Correção de Erros


    Sistemas inteligentes
    Sistemas Inteligentes

    • Sistemas Inteligentes

      • É possível distinguí-los de sistemas não inteligentes ?

    • Respostas de Pesquisadores

      • Turing

      • Zadeh

        • Gerador Automático de Abstracts

      • Análise de fotografias

        • Artistas e suas obras

      • Avaliações Práticas

        • Geração e Seleção de Alternativas

        • Análise de Dados Experimentais


    Sistemas inteligentes1
    Sistemas Inteligentes

    • Descrição de Propriedades da Inteligência (Newell)

      • Reconhecer e Entender uma Cena

      • Entender uma Sentença

      • Construir a resposta correta para uma situação detectada

      • Formar uma sentença que seja compreensível e associada ao significado da resposta

      • Representar internamente situações externas

      • Realizar tarefas que demandem a descoberta de conhecimentos relevantes


    Sistemas inteligentes2
    Sistemas Inteligentes

    • Respostas de Cientistas Pragmáticos

      • Utiliza Lógica Fuzzy

      • Utiliza Redes Neurais

    • Respostas Cognitivistas e Anti-Cognitivistas

      • Albus

      • Newell - Knowledge Level

      • Inteligência  Cognição

      • Associada aos efeitos causados no ambiente


    Sistemas inteligentes3
    Sistemas Inteligentes

    • Respostas que evitam o problema

      • Se parece inteligente, então é inteligente !

      • Uso comercial do termo “inteligente”

    • Respostas Não-usuais

      • Sistema capaz de implementar symbol grounding

      • Sistema que possa ser considerado mais inteligente que os atuais sistemas inteligentes

      • Sistemas semióticos ?


    Sistemas inteligentes4
    Sistemas Inteligentes

    • Mitos

      • Redes Neurais  Inteligente, mais cedo ou mais tarde

      • Emergência, a partir de coleção de agentes reativos

    • Enganos Persistentes

      • Plano  Comportamento Reativo

      • Predição ?

    • Esperança em Milagres

      • Comportamento Emergente

      • Inteligência sem Representação


    Sistemas inteligentes5
    Sistemas Inteligentes

    • Máquinas de Subsistência Generalizada (GSM)

      • Sistema unificado pela meta de existir como uma entidade

      • Subsistemas que também são GSM

      • Postulados

        • Unidade - não compromete sua integridade mesmo participando de outros GSM

        • Recursão - GSM é parte de um GSM, que é parte de um GSM …

        • Dualidade Existencial - Satisfação de metas (GSMG) e subsistência (GSMS)


    Sistemas inteligentes6
    Sistemas Inteligentes

    • Dois grupos Funcionais:

      • Goal Directed Functioning (GDF)

      • Regular Subsistence Functioning (RSF)

    • Sistema Inteligente

      • Provê o funcionamento adequado de um GSM em um mundo real.

    • Identificação de Entidades

      • Descoberta de individuais no mundo

    • Realidade contém

      • Entidades conhecidas

      • Continuum


    Sistemas inteligentes7
    Sistemas Inteligentes

    • Mundo Caótico

      • Diferentes tipos de meios uniformes

    • Formação de Singularidades

      • gravitação de unidades elementares de caos em áreas do continuum em maior densidade

    • Escala

      • Observador

    • Resolução

      • Determinada pelo tamanho da menor zona de distinção (pixel, voxel espacial)


    Sistemas inteligentes8
    Sistemas Inteligentes

    • Níveis de Resolução

      • Unidades em nível

        • emerge a partir da formação de singularidades em nível superior de resolução

    • Meio Uniforme

      • coleção de unidades não-uniformes em nível de maior resolução

    • Escopo de Interesse

      • Zona do Meio Uniforme

    • Escopo de Atenção

      • Janela imaginária (menor)


    Sistemas inteligentes9
    Sistemas Inteligentes

    • Janela se move sobre todo o escopo de interesse

      • Varredura Completa, Espiral, Randômica

      • Foco de Atenção

    • Agrupamento

      • formação de entidades

    • Busca

      • Comando p/ foco de atenção

    • Observador

      • Percebe múltiplas zonas de uniformidade, em vários níveis

      • Agrupa em classes


    Sistemas inteligentes10
    Sistemas Inteligentes

    • Processo Horizontal

      • checa consistência c/ modelo

      • cria (e atualiza) modelo do mundo

    • Níveis em Diferentes Hierarquias

      • Comunicação (não-uniforme)

    • Unidade Elementar de Inteligência (GFACS)

      • Semelhança c/ processos de estruturação e representação na natureza

      • Semelhança com algoritmos de estruturação


    Sistemas inteligentes11
    Sistemas Inteligentes

    • Algoritmo Generalizado

    • Passo 1 - Informação do maior nível de resolução

    • Passo 1.1 - Investiga propriedades de uniformidade

      • Foco de Atenção

      • Agrupamento dentro do foco de atenção

    • Passo 1.2 Agrupamento dentro do escopo geral

    • Passo 1.3 - Checa consistência - marca inconsistências

    • Passo 1.4 - Registra resultados como Representação neste nível

    • Passo 1.5 - Se nenhum novo cluster, v/ para passo 2, senão passo 1

    • Passo 2 - Envia representações de todos os níveis de resolução para o sistema global de representações


    Sistemas inteligentes12
    Sistemas Inteligentes

    • Geração de Comportamento

      • Processos Temporais

      • Estrutura Multi-resolucional

    • Algoritmo

      • Determinar (ou selecionar) uma meta

      • Processo eficiente que chega a meta, simula e busca pela solução

      • Sequência de ações que segue a trajetória, simula e busca soluções

      • Executa a trajetória

        • comandos p/ níveis mais baixos

        • monitora resultados e desvios

        • compensa desvios


    Sistemas inteligentes13
    Sistemas Inteligentes

    • Níveis de Inteligência

      • Base de Dados + GFACS = Modelo do Mundo

      • Sistemas sensoriais + GFACS = Percepção

      • Sistema de Controle/Planej. Multi-Resolução + GFACS = Geração de Comportamento

    • GFACS

      • Unidade elementar de inteligência

      • Foco de Atenção

      • Agrupamento

      • Busca Combinatorial


    Sistemas inteligentes14
    Sistemas Inteligentes

    • Evolução da Inteligência

      • Estágio a - selecionando regra

      • Estágio b - combinação de regras

      • Estágio c - geração de regras

      • Estágio d - classes de regras e novos níveis de resolução

      • Estágio e - síntese de estados e ações

      • Estágio f - síntese de contextos

      • Estágio g - síntese de paradigmas

    • Variação nos parâmetros

      • mais importante que novas capacidades


    Sistemas inteligentes15
    Sistemas Inteligentes

    • Parâmetros

      • grau de importância das entidades

      • tamanho da janela de FA

      • escopo de interesse

      • resolução

      • similaridade, distância

      • coesividade de grupos

      • avaliação da qualidade de alternativas

    • Grupos de Sistemas Inteligentes

      • Automação

      • Inteligência Adaptativa

      • Intelecto de suporte a decisão


    Sistemas inteligentes16
    Sistemas Inteligentes

    • Semiose

      • Processo de busca de significado

    • Leis do Signo

      • Significado, Definição, Rótulo

    • Semiótica

      • área teórica que analisa e desenvolve métodos formais para a aquisição, representação, organização, geração, melhoria, comunicação e utilização do conhecimento

    • Reflexão e Consciência


    Sistemas semi ticos
    Sistemas Semióticos

    • Semiótica Aplicada (Applied Semiotics)

      • Pospelov e grupo na Rússia

    • Bases de Conhecimento Semiótico

    • Rede Semiótica

      • S - conjunto de signos, ou semes

      • R - conjunto de relações em S

      • F - conjunto de funções parciais de S em S, onde

      • S - conjunto finito de composições de relações em R


    Sistemas semi ticos1
    Sistemas Semióticos

    • Rede Semiótica

      • W = <S,R,F>

    • Composição de Relações

      • R1 = { (a,b,c), (k,d,a), (g,k,i) }

      • R2 = { (c,i,g), (a,b,k), (j,l,m) }

      • R1R2 = {(a,b,i,g), (k,d,b,k) }

    • Seme

      • unidade mental associada a um denotatum do mundo real

      • 4 constituintes

        • imagem mental

        • conceito

        • nome

        • ação


    Sistemas semi ticos2
    Sistemas Semióticos

    Mundo Mental

    Conceito

    S2

    S1

    Nome

    S3

    Imagem Mental

    S4

    Ação

    Denotatum

    Mundo Real


    Sistemas semi ticos3
    Sistemas Semióticos

    • Imagem Mental

      • armazena informações sobre o denotatum, obtidas a partir de experiência perceptiva própria

    • Conceito

      • informação ainda associada à imagem mental, mas mediada de alguma forma (e.g. por generalização)

      • contém conjunto de características que possibilitam a identificação do seme

    • Nome

      • rótulo que diferencia o seme de outros semes

    • Ação

      • informação sobre as ações a serem prescritas quando o seme interage com outros semes, de modo a tornar o evento observável


    Sistemas semi ticos4
    Sistemas Semióticos

    • Descrição do Seme

      • Incompleta, na maioria dos casos

      • Somente alguns dos 4 constituintes

    • Redes Conotativas

      • somente nomes e conceitos estão disponíveis

      • semes em S definidos por seus nomes e conceitos (conjunto de atributos com devidos limites superiores e inferiores)

      • Relações em R são transformadas em relações descritas conotativamente (definidas por suas propriedades ou processos gerativos, ao invés de listar um conjunto de ênuplas)

      • Funções de F são definidas por meio de seus procedimentos algorítmicos, especificando-se seus possíveis parâmetros e suas descrições


    Sistemas semi ticos5
    Sistemas Semióticos

    • Redes Denotativas

      • somente imagens mentais e ações estão disponíveis

      • Semes em S possuem apenas imagem mental

      • Relações em R correspondem a ênuplas de imagens mentais onde relações particulares são definidas

      • Funções em F correspondem a ações sobre imagens mentais

      • Mais próximas ao mundo mental que as redes conotativas


    Sistemas semi ticos6
    Sistemas Semióticos

    • Redes denotativas:

      • modelos mentais do mundo

    • Redes conotativas:

      • modelos de conhecimentos

    • Podem existir

      • redes conotativas definidas sem uma rede denotativa associada

      • várias redes denotativas em correspondência com uma rede conotativa

      • cada uma delas refletindo uma visão particular do mundo real


    Sistemas semi ticos7
    Sistemas Semióticos

    • Sistema de Software

      • mantendo redes denotativas

        • base de conhecimentos denotativos

      • mantendo redes conotativas

        • base de conhecimentos conotativos

      • mantendo ambos tipos de redes e seus interrelacionamentos

        • base de conhecimentos semiótica

    • Fragmentos de Redes Semióticas

      • elementos de S

      • utilizados para representar conhecimentos sobre determinado assunto e atividades relacionadas


    Sistemas semi ticos8
    Sistemas Semióticos

    • Cada FSN é uma rede cujos

      • nós são semes

      • arcos caracterizam relações definidas entre os semes ou seus componentes

    • Nível de Programação

      • seme é um frame associativo

      • acesso possível por:

        • seu nome

        • conteúdo de seus slots

    • Relações entre nós

      • entre semes

      • entre constituintes de semes


    Sistemas semi ticos9
    Sistemas Semióticos

    • Estrutura Hierárquica

      • níveis correspondem a descrição multi-resolucional

    • Operações em Bases de Conhecimento Semióticas

      • A = <{F*},PM,U,I,In,Rm,L,D,R>

      • {F*}- conjunto de FSN

      • PM - Pattern Matching

      • U - União

      • I - Intersecção

      • In - Inserção

      • Rm - Remoção

      • L - Likeness (similaridade)

      • D - Diferença


    Sistemas semi ticos10
    Sistemas Semióticos

    • Operações entre níveis multi-resolucionais distintos

      • generalização

      • instanciação

    • Álgebra de FSN’s

      • fuzzy (L,D)

      • não possui operação de complemento

      • Particionamento de uma FSN em dois FSN resulta em perda informação (arcos que conectam as partes)


    Semi tica evolutiva
    Semiótica Evolutiva

    • Inteligência:

      • capacidade de manipulação do conhecimento para a solução de problemas

      • modelos lógico-simbólicos

      • design “top-down”

      • capacidade de aprender e adaptar-se a mudanças no ambiente

      • modelos evolutivo-conexionistas

      • design “bottom-up”

      • Necessidade de um modelo sistêmico - integração de várias abordagens


    Semi tica evolutiva1
    Semiótica Evolutiva

    • Estratégias Integradas (Sinergéticas)

      • inteligência computacional

      • computação flexível

      • semiótica evolutiva

    • Diferentes Semióticas

      • Saussure, Peirce

      • Jakobson - seis funções da comunicação

        • referencial, expressiva, conativa, fática, estética e meta-linguística

        • diferentes esquemas e construções

      • Triângulo de Frege

        • signifier, signified and sense


    Semi tica evolutiva2
    Semiótica Evolutiva

    • Semiótica Aplicada

      • desenvolvimento de modelos semióticos para várias aplicações

      • Grupos léxicos básicos

        • objetos controlados

        • procedimentos de controle

        • situações

      • Tripla conceito-relação-conceito

      • Escalas Polares

        • sujeito-objeto, ser-fazer, modal-descritivo

      • Princípios de Representação

        • natureza situativa dos modelos de conhecimento

        • natureza ativa dos conhecimentos situativos

        • antecipação subjetiva

        • característica local do conhecimento associado às escalas oposicionais

        • assimetria do conhecimento (experiências negativas mais marcantes)


    Semi tica evolutiva3
    Semiótica Evolutiva

    • Sistemas Semióticos

      • sistemas abertos

      • aspectos semânticos e pragmáticos

      • multi-resolução

      • não-monotonicidade

      • senso comum

    • Procedimentos de Argumentação Paralela

      • pesos relativos de argumentos

      • contra-argumentos

    • Semiosis

      • fator crítico para emergência de sistemas inteligentes

    • Sintaxe

      • estrutura do conhecimento

    • Semântica

      • sentido do conhecimento (gerador)

    • Pragmática

      • uso do conhecimento (consumidor)


    Semi tica evolutiva4
    Semiótica Evolutiva

    • Modelagem Evolutiva de Sistemas Sígnicos

      • uso de approach neo-darwiniano em semiótica aplicada

      • técnicas de sistemas evolutivos em sistemas semióticos

    • Vida Artificial

      • análise funcional, modelagem e simulação de sistemas vivos

      • abstração de propriedades cruciais

        • auto-reprodução

        • auto-conservação

        • auto-regulação

      • Processos Vivos


    Semi tica evolutiva5
    Semiótica Evolutiva

    • Essência da Vida

      • modos de organização de unidades funcionais e processos

      • independentes do substrato material

    • Origens

      • C.Langton, 1987 - Los Alamos -

        • Workshop interdisciplinar sobre síntese e simulação de sistemas vivos

      • von Neumman -

        • autômatos auto-reproduzíveis

      • Kolmogorov

        • teoria da complexidade


    Semi tica evolutiva6
    Semiótica Evolutiva

    • Organização

      • autônomia, homeostase e autopoiese

    • Autonomia

      • recursividade

        • procedimentos recursivos afetam a si próprios

        • efeitos produzidos são necessários ao processo que o originou

      • circularidade

        • concatenação de processos

        • habilitam o fechamento operacional

    • Homeostase

      • mecanismo de auto-conservação

      • manutenção de parâmetros críticos do ambiente


    Semi tica evolutiva7
    Semiótica Evolutiva

    • Autopoiese

      • auto-reprodução

      • baseado em autonomia e homeostase

      • substituição de seus componentes internos de modo a compensar as perturbações do ambiente

      • auto-reengenharia

    • Semiótica Evolutiva

      • organização auto-poiética

      • rede de processos produzindo seus próprios componentes

        • contínua regeneração

          • interações

          • transformações

        • compõe um sistema autônomo como uma entidade no espaço-tempo

          • domínio topológico


    S mi tica evolutiva
    Sémiótica Evolutiva

    • Pré-Requisito Evolutivo

      • variabilidade genética e mutabilidade

        • população, geração, reprodução, cromossoma e gene.

      • Níveis de consideração sistêmica

        • macro

          • objetivos da espécie

        • micro

          • objetivos do indivíduo

    • Fator de Controle

      • luta pela sobrevivência

    • Fator de Transformação

      • seleção natural


    Semi tica evolutiva8
    Semiótica Evolutiva

    • Semiótica Teórica

      • interações recursivas entre significante, significado e sentido

      • transformações nas relações do triângulo de Frege

      • evolução da sociedade

    • Diferentes meios de produção de signos

      • diferentes tipos de semiótica

    • Semiose Tribal (Manual)

      • signo e objeto se confundem

      • produção individual de signos

      • presença de signos


    Semi tica evolutiva9
    Semiótica Evolutiva

    • Semiótica de Representação

      • produção serial de signos (escrita)

      • separação do signo e autor

    • Semiótica de Mercado

      • produção e reprodução de signos em massa

      • anulação do sentido

      • degradação da carga semântica e pragmática dos signos

      • semiótica de ilusões

      • signo: vírus tentando se replicar e lutando pela sobrevivência (atividade)


    Semi tica evolutiva10
    Semiótica Evolutiva

    • Semiótica Virtual

      • signos: sistemas ativos

      • espaço sócio-semiótico

        • reconstruível como uma realidade virtual

        • passível de manipulação

      • seres humanos, signos e coisas estão em uma relação dinâmica de mútua participação

      • vida artificial

      • semiótica de emergência


    Semi tica evolutiva11
    Semiótica Evolutiva

    • Modelo Evolutivo

      • Problema da Argumentação

      • População de Argumentos

      • Funções de Avaliação

      • Criação de novos argumentos e contra-argumentos na população

        • mutação, crossover, etc

      • Pesos dos argumentos

      • Limiar de Decisão

      • Criatividade


    Sistemas h bridos
    Sistemas Híbridos

    • Paradigmas da IC

      • Diferentes metodologias

      • Podem ser combinadas

        • fusão

        • transformação

        • combinação

      • Sistemas Inteligentes Híbridos

    • Conhecimento

      • explícito

      • implícito

    • Estratégias

      • bottom/up

      • top/down


    Sistemas h bridos1
    Sistemas Híbridos

    • Arquitetura Associativa

      • nível estrutural (de tarefas)

        • determina a estrutura genérica em termos de tarefas e métodos para cumprir as tarefas

      • nível computacional

        • determina o conteúdo dos conhecimentos necessários para efetivar a arquitetura a nível estrutural

      • nível de programação

        • determina os detalhes de programas, sub-rotinas e estruturas de dados necessários para implementar a arquitetura computacional


    Sistemas h bridos2
    Sistemas Híbridos

    • Perspectivas

      • filosóficas

        • IA simbólica (reducionismo)

        • Conexionismo (holismo)

      • de controle neuro-biológico

        • diferentes níveis de abstração

      • da ciência da cognição

        • níveis de granularidade

        • tempo e espaço

        • seres humanos existem no mundo

      • da inteligência artificial/computacional

        • IA + IC = IB


    Sistemas h bridos3
    Sistemas Híbridos

    • Perspectivas

      • dos sistemas físicos

        • abstração e hierarquia

        • sistemas de energia, telecomunicações

      • dos sistemas fuzzy

        • imprecisão e imcompletude

      • das formas de conhecimento

        • conhecimentos sub-simbólicos, simbólico/não-formal, simbólico/formal

      • do aprendizado

        • nível estrutural permitindo auto-modificação

      • do usuário

        • aceitabilidade e efetividade


    Sistemas h bridos4
    Sistemas Híbridos

    • Arquitetura TSL

      • fases de processamento de informação

        • Pré-processamento Global, Decomposição, Controle, Decisão e Pós-processamento.

      • tarefas a serem cumpridas em cada fase

      • estratégia TD/BU utilizada

      • métodos inteligentes

      • hibridização utilizada:

        • combinação, transformação, fusão

      • restrições


    ad