Este documento propõe uma célula neural artificial paraconsistente (CNAP) que aprende padrões de entrada de forma paraconsistente. A CNAP remove o princípio do terceiro excluído da lógica clássica para lidar com situações incertas. A CNAP calcula o grau de contradição entre o padrão de entrada e seu estado atual e atualiza seu estado com base nesse grau usando uma equação que leva em conta o fator de aprendizagem. Resultados preliminares sugerem que a CNAP pode aprender padrões de
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Uma proposta de uma célula neural artificial paraconsistente de aprendizagem
1. CT-215 – Inteligência Artificial
Uma proposta de uma Célula Neural Artificial
Paraconsistente de Aprendizagem
Márcio de Freitas Minicz
São José dos Campos, 28 de Novembro de 2013
2. Lógica Clássica - Princípios
● Princípio da Identidade – ρ = ρ
– Toda proposição ou objeto é idêntico a si mesmo
● Princípio da Identidade Proposicional – ρ ⟶ ρ
– Toda proposição implica nela mesma
● Princípio do terceiro excluído – ρ ∨ ⌐ρ
– De duas proposições contraditórias, isto é, uma nega a outra,
uma delas é verdadeira
● Princípio da não-contradição – ⌐(ρ ∨ ⌐ρ)
– Entre duas proposições contraditórias, uma delas é falsa
3. Problema
No mundo real nem todas as situações podem
ser classificadas simplesmente como
verdadeiras ou falsas!!
O mundo não é binário!!
5. Lógica Paraconsistente Anotada
● É um classe da Lógica Paraconsistente
● Traz proposições acompanhadas de anotações em forma
de graus de evidências ou crenças
● Permite 4 possibilidades:
⊤ – Inconsistente
V – Verdadeiro
F – Falso
⊥ – Indeterminado
6. LPA2v
● Lógica Paraconsistente Anotada com anotação de Dois
valores
● Graus de Evidência:
● Grau de evidência favorável – μ [0,1]
● Grau de evidência desfavorável – λ [0,1]
μ
λ
P(0,1)
=F P(1,1)
=⊤
P(1,0)
=V
P(0,0)
=⊥
7. LPA2v
Grau de Certeza
Grau de Contradição
Grau de Certeza Real
GC=μ−λ
GCt=μ+λ−1
GCR=1−√(1−∣Gc∣)
2
+GCt
2
normalizando
Grau de Evidência
Resultante
Grau de Contradição
Normalizado
Grau de Evidência
Resultante Real
μE=
GC +1
2
=
μ−λ+1
2
μCtr=
GCt +1
2
=
μ+λ
2
μER=
GCR+1
2