GEnI-FR: um método para assegurar a interpretabilidade de regras fuzzy por meio de granularidade.

• Ano de defesa: 2023
• Autor(a) principal: Gonçalves, Genicleito Carvalho Beltrão
• Orientador(a): Rios, Tatiane Nogueira
• Banca de defesa: Rios, Tatiane Nogueira , Camargo, Heloisa de Arruda , Cintra, Marcos Evandro
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal da Bahia
• Programa de Pós-Graduação: Programa de Pós-Graduação em Ciência da Computação (PGCOMP)
• Departamento: Instituto de Computação - IC
• País: Brasil
• Palavras-chave em Português: Regras fuzzy; Sistemas fuzzy baseados em regras; Interpretabilidade; Granularidade e especificidade; Termos linguísticos; Inteligência artificial explicável
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: https://repositorio.ufba.br/handle/ri/38693

A representação computacional do conhecimento humano, quando composto por dados imprecisos, é uma tarefa facilitada pela utilização de sistemas que utilizam recursos da teoria de conjuntos e lógica fuzzy. Tais sistemas usam regras que permitem mapear o conhecimento obtido a partir dos dados em uma representação linguística de fácil entendimento. A base de regras fuzzy que constitui esse tipo de sistema pode ser gerada por um especialista ou por meio de métodos que consideram as características dos próprios dados, diminuindo a necessidade de um especialista neste processo de criação. Com os devidos ajustes e utilização de métodos automatizados é possível aumentar a interpretabilidade dessas regras sem reduzir a precisão do sistema. Neste sentido, a base de regras de um sistema fuzzy pode ser melhorada por meio do princípio da granularidade justificável para ajustar os conjuntos fuzzy que representam os dados. Sendo assim, nesta dissertação de mestrado é apresentado o método denominado GEnI-FR (Granularity to Ensure Interpretability of the Fuzzy Rules), o qual realiza ajustes e refinamentos nos parâmetros das funções de pertinência no processo de geração de regras fuzzy, obtendo o equilíbrio entre interpretabilidade e acurácia, ajustando conjuntos fuzzy baseando-se nas características dos próprios dados. GEnI-FR apresenta-se como um método promissor visto que proporciona uma redução da quantidade de regras fuzzy mantendo os mesmos níveis de acurácia quando comparado com outros métodos do estado da arte.