Logique floue
Qu'est-ce que la logique floue ?
La logique floue est une approche du traitement des variables qui permet de traiter plusieurs valeurs de vérité possibles via la même variable. La logique floue tente de résoudre des problèmes avec un spectre ouvert et imprécis de données et d' heuristiques qui permet d'obtenir un ensemble de conclusions précises .
La logique floue est conçue pour résoudre des problèmes en tenant compte de toutes les informations disponibles et en prenant la meilleure décision possible compte tenu de l'entrée.
Comprendre la logique floue
La logique floue découle de l'étude mathématique de la logique multivaluée. Alors que la logique ordinaire traite des déclarations de vérité absolue (telles que "Cet objet est-il vert?"), La logique floue traite des ensembles avec des définitions subjectives ou relatives, telles que "grand", "grand" ou "beau". Cela tente d'imiter la façon dont les humains analysent les problèmes et prennent des décisions, d'une manière qui s'appuie sur des valeurs vagues ou imprécises plutôt que sur la vérité ou le mensonge absolus.
En pratique, ces constructions autorisent toutes des valeurs partielles de la condition "vraie". Au lieu d'exiger que toutes les déclarations soient absolument vraies ou absolument fausses, comme dans la logique classique, les valeurs de vérité dans la logique floue peuvent être n'importe quelle valeur entre zéro et un. Cela crée une opportunité pour les algorithmes de prendre des décisions basées sur des plages de données par opposition à un point de données discret.
En logique standard, chaque énoncé doit avoir une valeur absolue : vrai ou faux. En logique floue, les valeurs de vérité sont remplacées par des degrés "d'appartenance" de 0 à 1, où 1 est absolument vrai et 0 est absolument faux.
Histoire de la logique floue
La logique floue a été proposée pour la première fois par Lotfi Zadeh dans un article de 1965 pour la revue Information and Control. Dans son article intitulé "Fuzzy Sets", Zadeh a tenté de refléter le type de données utilisées dans le traitement de l'information et a dérivé la logique élémentaire règles pour ce genre d'ensemble.
"Le plus souvent, les classes d'objets rencontrés dans le monde physique réel n'ont pas de critères d'appartenance précisément définis", a expliqué Zadeh. "Pourtant, le fait demeure que de telles" classes "définies de manière imprécise jouent un rôle important dans la pensée humaine, en particulier dans les domaines de la reconnaissance des formes, de la communication d'informations et de l'abstraction."
Depuis lors, la logique floue a été appliquée avec succès dans les systèmes de contrôle de machines, le traitement d'images, l'intelligence artificielle et d'autres domaines qui reposent sur des signaux à interprétation ambiguë.
Considérations particulières
La logique floue dans son sens le plus élémentaire est développée par une analyse de type arbre de décision. Ainsi, à plus grande échelle, il constitue la base des systèmes d'intelligence artificielle programmés par des inférences basées sur des règles.
Généralement, le terme flou fait référence au grand nombre de scénarios qui peuvent être développés dans un système de type arbre de décision. Le développement de protocoles de logique floue peut nécessiter l'intégration d'une programmation basée sur des règles. Ces règles de programmation peuvent être qualifiées d'ensembles flous car elles sont élaborées au gré de modèles compréhensifs.
Les ensembles flous peuvent également être plus complexes. Dans des analogies de programmation plus complexes, les programmeurs peuvent avoir la capacité d'élargir les règles utilisées pour déterminer l'inclusion et l'exclusion de variables. Cela peut se traduire par un plus large éventail d'options avec un raisonnement basé sur des règles moins précis.
La logique floue peut être utilisée dans les logiciels de trading, où elle est utilisée pour analyser les données du marché pour les signaux d'achat et de vente.
SĂ©mantique floue dans l'intelligence artificielle
Le concept de logique floue et de sémantique floue est un élément central de la programmation de solutions d'intelligence artificielle. Les solutions et outils d'intelligence artificielle continuent de se développer dans l'économie dans divers secteurs, à mesure que les capacités de programmation de la logique floue se développent également.
Watson d'IBM est l'un des systèmes d'intelligence artificielle les plus connus utilisant des variations de logique floue et de sémantique floue. Plus précisément dans les services financiers, la logique floue est utilisée dans l'apprentissage automatique et les systèmes technologiques prenant en charge les résultats de l'intelligence d'investissement.
Dans certains modèles de trading avancés, l'intégration des mathématiques de la logique floue peut également être utilisée pour aider les analystes à créer des signaux d'achat et de vente automatisés. Ces systèmes aident les investisseurs à réagir à un large éventail de variables changeantes du marché qui affectent leurs investissements.
Exemples de logique floue
Dans les modèles de trading logiciels avancés, les systèmes peuvent utiliser des ensembles flous programmables pour analyser des milliers de titres en temps réel et présenter à l'investisseur la meilleure opportunité disponible. La logique floue est souvent utilisée lorsqu'un trader cherche à utiliser plusieurs facteurs à prendre en compte. Cela peut entraîner une analyse restreinte des décisions de négociation. Les commerçants peuvent également avoir la capacité de programmer une variété de règles pour la mise en œuvre des transactions. Voici deux exemples :
Règle 1 : Si la moyenne mobile est faible et que l'indice de force relative (RSI) est faible, alors vendez.
Règle 2 : Si la moyenne mobile est élevée et que l' indice de force relative (RSI) est élevé, alors achetez.
La logique floue permet à un trader de programmer ses propres inférences subjectives sur bas et haut dans ces exemples de base pour arriver à ses propres signaux de trading automatisés.
Avantages et inconvénients de la logique floue
La logique floue est fréquemment utilisée dans les contrôleurs de machines et l'intelligence artificielle et peut également être appliquée aux logiciels de trading. Bien qu'il ait un large éventail d'applications, il présente également des limites importantes.
Étant donné que la logique floue imite la prise de décision humaine, elle est particulièrement utile pour modéliser des problèmes complexes avec des entrées ambiguës ou déformées. En raison des similitudes avec le langage naturel, les algorithmes de logique floue sont plus faciles à coder que la programmation logique standard et nécessitent moins d'instructions, ce qui permet d'économiser sur les besoins de stockage en mémoire.
Ces avantages s'accompagnent également d'inconvénients, dus à la nature imprécise de la logique floue. Étant donné que les systèmes sont conçus pour des données et des entrées inexactes, ils doivent être testés et validés pour éviter des résultats inexacts.
TTT
L'essentiel
La logique floue est une extension de la logique classique qui intègre les incertitudes qui influent sur la prise de décision humaine. Il est fréquemment utilisé pour résoudre des problèmes complexes, où les paramètres peuvent être peu clairs ou imprécis. La logique floue est également utilisée dans les logiciels d'investissement, où elle peut être utilisée pour interpréter des signaux de trading ambigus ou peu clairs.
Points forts
En raison des similitudes avec le langage ordinaire, les algorithmes flous sont relativement simples à coder, mais ils peuvent nécessiter une vérification et des tests approfondis.
Théoriquement, cela donne à l'approche plus de possibilités d'imiter les circonstances de la vie réelle, où les déclarations de vérité ou de mensonge absolus sont rares.
La logique floue est une généralisation de la logique standard, dans laquelle toutes les déclarations ont une valeur de vérité de un ou zéro. En logique floue, les déclarations peuvent avoir une valeur de vérité partielle, telle que 0,9 ou 0,5.
La logique floue est une approche heuristique qui permet un traitement plus avancé de l'arbre de décision et une meilleure intégration avec la programmation basée sur des règles.
La logique floue peut être utilisée par les analystes quantitatifs pour améliorer l'exécution de leurs algorithmes.
FAQ
La logique floue est-elle identique Ă l'apprentissage automatique ?
La logique floue est souvent regroupée avec l'apprentissage automatique, mais ce n'est pas la même chose. L'apprentissage automatique fait référence à des systèmes informatiques qui imitent la cognition humaine, en adaptant de manière itérative des algorithmes pour résoudre des problèmes complexes. La logique floue est un ensemble de règles et de fonctions qui peuvent fonctionner sur des ensembles de données imprécis, mais les algorithmes doivent encore être codés par des humains. Les deux domaines ont des applications en intelligence artificielle et en résolution de problèmes complexes.
Qu'est-ce que la logique floue dans l'exploration de données ?
L'exploration de données est le processus d'identification des relations significatives dans de grands ensembles de données, un domaine qui chevauche les statistiques, l'apprentissage automatique et l'informatique. La logique floue est un ensemble de règles qui peuvent être utilisées pour tirer des conclusions logiques à partir d'ensembles flous de données. Étant donné que l'exploration de données est souvent appliquée à des mesures imprécises, la logique floue est un moyen utile de déterminer les relations pertinentes à partir de ce type de données.
Quelle est la différence entre la logique floue et les réseaux de neurones ?
réseau de neurones artificiels est un système informatique conçu pour imiter les procédures de résolution de problèmes d'un système nerveux de type humain. Ceci est distinct de la logique floue, un ensemble de règles conçues pour tirer des conclusions à partir de données imprécises. Les deux ont des applications en informatique, mais ce sont des domaines distincts.
