Ementa: Introdução. Noções básicas. Operações com conjuntos nebulosos. Relações nebulosas e cálculo relacional. Números nebulosos. Variáveis linguísticas. Sistemas baseados em regras nebulosas; representação, inferência e algoritmos. Lógica nebulosa e raciocínio aproximado. Teoria da possibilidade e inferência possibilística. Modelagem, otimização e controle de sistemas e processos. Computação granular, redes neurais nebulosas e sistemas adaptativos. Metodologia e técnicas de desenvolvimento. Aplicações.

Bibliografia: W. Pedrycz and F. Gomide, Fuzzy Systems Engineering: Towards Human-Centric Computing, IEEE Press/Wiley International, 2007; W. Pedrycz and F. Gomide, An Introduction to Fuzzy Sets: Analysis and Design, MIT Press, 1998; G. Klir and B. Yuan, Fuzzy Sets and Fuzzy Logic, Prentice Hall, 1995; L. Barros, R. Bassanezi, W. Lodwick, A First Course in Fuzzy Logic, Fuzzy Dynamical Systems, and Biomathematics: Theory and Applications, Springer, 2017.

Conteudo Programático:  1. Introdução aos Sistemas Nebulosos Motivação para o uso da lógica nebulosa em engenharia e computação. Breve histórico da teoria da incerteza e lógica fuzzy. Comparação entre lógica clássica, probabilística e lógica nebulosa. Aplicações práticas e perspectivas tecnológicas. 2. Noções Básicas, Conceitos e Definições Conjuntos clássicos vs. conjuntos nebulosos. Funções de pertinência e seu papel na modelagem de incertezas. Operações fundamentais: união, interseção, complemento. Tipos de funções de pertinência: triangulares, trapezoidais, gaussianas, entre outras. 3. Operações com Conjuntos Nebulosos Álgebra de conjuntos nebulosos: operadores t-norma e s-norma. Agregação de informação imprecisa. Conceitos de núcleo, suporte e altura de conjuntos fuzzy. Representações gráficas e implicações computacionais. 4. Relações Nebulosas e seu Cálculo Definição e propriedades das relações fuzzy. Composição de relações: max-min, max-prod. Encadeamento de inferências por relações nebulosas. Aplicações em sistemas de tomada de decisão. 5. Números Nebulosos Representação e aritmética de números fuzzy. Operações com números nebulosos: soma, subtração, multiplicação, divisão. Intervalos α-corte e sua interpretação. Aplicações em modelagem de variáveis imprecisas. 6. Variáveis Linguísticas Definição e estrutura de variáveis linguísticas. Termos linguísticos e valores linguísticos. Hierarquias e granularidade do conhecimento. Papéis das variáveis linguísticas em inferência e controle. 7. Sistemas Baseados em Regras Nebulosas Representação de conhecimento através de regras fuzzy. Inferência fuzzy: métodos de Mamdani, Sugeno e Tsukamoto. Técnicas de defuzzificação: centro de área, centro de gravidade, máxima altura. Verificação de consistência e completude de bases de regras. 8. Lógica Nebulosa e Raciocínio Aproximado Fundamentos da lógica multivalorada. Princípios do raciocínio aproximado. Dedução e implicação fuzzy. Relações com inteligência artificial e sistemas especialistas. 9. Teoria da Possibilidade e Inferência Possibilística Conceitos de possibilidade e necessidade. Diferenças entre possibilidade e probabilidade. Modelos possibilísticos para inferência. 10. Modelagem e Controle de Sistemas e Processos Modelagem fuzzy de sistemas dinâmicos. Estabilidade de controladores fuzzy. Aplicações em análise de risco e tomada de decisão sob incerteza. Controle nebuloso de sistemas lineares e não lineares. Estudo de casos em sistemas industriais e robótica. 11. Redes Neurais Nebulosas e Sistemas Evolutivos Integração de lógica fuzzy com redes neurais (sistemas neuro-fuzzy). Arquiteturas ANFIS e seus algoritmos de treinamento. Sistemas fuzzy adaptativos. Algoritmos genéticos aplicados à otimização de sistemas fuzzy. 12. Metodologia e Técnicas de Desenvolvimento e Implementação Etapas do projeto de um sistema fuzzy. Seleção de variáveis, construção de regras, escolha da defuzzificação. Implementação computacional: ferramentas e ambientes de simulação (ex.: MATLAB Fuzzy Toolbox). Validação e testes de desempenho. 13. Aplicações Estudos de caso em engenharia elétrica, controle industrial, sistemas embarcados e automação. Aplicações em previsão de séries temporais, diagnóstico de falhas, classificação e otimização. Perspectivas futuras em computação cognitiva e sistemas autônomos.-
Obs.: Consultar Catálogo vigente na DAC.

Forma Avaliação: 2 provas escritas, P1 e P2 desenvolvimento e apresentação de projeto, PJ média final=(P1+P2+PJ)/3 exame oral se necessário