अस्पष्ट तर्क

फ़ज़ी लॉजिक क्या है?

फ़ज़ी लॉजिक चर प्रसंस्करण के लिए एक दृष्टिकोण है जो एक ही चर के माध्यम से कई संभावित सत्य मूल्यों को संसाधित करने की अनुमति देता है। फ़ज़ी लॉजिक डेटा और हेयुरिस्टिक्स के एक खुले, सटीक स्पेक्ट्रम के साथ समस्याओं को हल करने का प्रयास करता है जिससे सटीक निष्कर्षों की एक सरणी प्राप्त करना संभव हो जाता है।

फ़ज़ी लॉजिक को सभी उपलब्ध सूचनाओं पर विचार करके और इनपुट दिए गए सर्वोत्तम संभव निर्णय लेने के द्वारा समस्याओं को हल करने के लिए डिज़ाइन किया गया है।

फ़ज़ी लॉजिक को समझना

फ़ज़ी लॉजिक मल्टीवैल्यूड लॉजिक के गणितीय अध्ययन से उपजा है। जबकि साधारण तर्क पूर्ण सत्य के बयानों से संबंधित है (जैसे, "क्या यह वस्तु हरी है?"), अस्पष्ट तर्क पते व्यक्तिपरक या सापेक्ष परिभाषाओं के साथ सेट होते हैं, जैसे "लंबा," "बड़ा," या "सुंदर।" मनुष्य जिस तरह से समस्याओं का विश्लेषण करता है और निर्णय लेता है, उसकी नकल करने का ये प्रयास एक तरह से पूर्ण सत्य या झूठ के बजाय अस्पष्ट या सटीक मूल्यों पर निर्भर करता है।

व्यवहार में, ये सभी निर्माण "सत्य" स्थिति के आंशिक मूल्यों की अनुमति देते हैं। सभी कथनों को बिल्कुल सही या बिल्कुल गलत होने की आवश्यकता के बजाय, जैसा कि शास्त्रीय तर्क में होता है, फ़ज़ी लॉजिक में सत्य मान शून्य और एक के बीच कोई भी मान हो सकता है। यह एल्गोरिदम के लिए एक अलग डेटा बिंदु के विपरीत डेटा की श्रेणियों के आधार पर निर्णय लेने का अवसर बनाता है।

मानक तर्क में, प्रत्येक कथन का एक निरपेक्ष मान होना चाहिए: सत्य या असत्य। फ़ज़ी लॉजिक में, सत्य मानों को 0 से 1 तक "सदस्यता" की डिग्री से बदल दिया जाता है, जहां 1 बिल्कुल सत्य है और 0 बिल्कुल गलत है।

अस्पष्ट तर्क का इतिहास

फ़ज़ी लॉजिक को पहली बार 1965 में लोटफ़ी ज़ादेह द्वारा पत्रिका **सूचना और नियंत्रण के लिए प्रस्तावित किया गया था। ** अपने पेपर में, "फ़ज़ी सेट्स" शीर्षक से, ज़ादेह ने सूचना प्रसंस्करण में उपयोग किए जाने वाले डेटा के प्रकार को प्रतिबिंबित करने का प्रयास किया और मौलिक तार्किक व्युत्पन्न किया। इस तरह के सेट के लिए नियम।

"अक्सर नहीं, वास्तविक भौतिक दुनिया में सामना की जाने वाली वस्तुओं के वर्गों में सदस्यता के सटीक परिभाषित मानदंड नहीं होते हैं," ज़ादेह ने समझाया। "फिर भी, तथ्य यह है कि इस तरह के सटीक परिभाषित 'वर्ग' मानव सोच में एक महत्वपूर्ण भूमिका निभाते हैं, विशेष रूप से पैटर्न मान्यता, सूचना के संचार और अमूर्तता के क्षेत्र में।"

तब से, मशीन नियंत्रण प्रणाली, छवि प्रसंस्करण, कृत्रिम बुद्धिमत्ता और अन्य क्षेत्रों में अस्पष्ट तर्क के साथ संकेतों पर भरोसा करने वाले फ़ज़ी लॉजिक को सफलतापूर्वक लागू किया गया है।

विशेष ध्यान

फ़ज़ी लॉजिक अपने सबसे बुनियादी अर्थों में निर्णय ट्री प्रकार विश्लेषण के माध्यम से विकसित किया गया है। इस प्रकार, व्यापक पैमाने पर, यह नियम-आधारित अनुमानों के माध्यम से क्रमादेशित कृत्रिम बुद्धिमत्ता प्रणालियों के लिए आधार बनाता है।

आम तौर पर, फ़ज़ी शब्द उन बड़ी संख्या में परिदृश्यों को संदर्भित करता है जिन्हें निर्णय वृक्ष जैसी प्रणाली में विकसित किया जा सकता है। फ़ज़ी लॉजिक प्रोटोकॉल विकसित करने के लिए नियम-आधारित प्रोग्रामिंग के एकीकरण की आवश्यकता हो सकती है। इन प्रोग्रामिंग नियमों को फ़ज़ी सेट के रूप में संदर्भित किया जा सकता है क्योंकि इन्हें व्यापक मॉडल के विवेक पर विकसित किया गया है।

फ़ज़ी सेट अधिक जटिल भी हो सकते हैं। अधिक जटिल प्रोग्रामिंग उपमाओं में, प्रोग्रामर के पास चर के समावेश और बहिष्करण को निर्धारित करने के लिए उपयोग किए जाने वाले नियमों को विस्तृत करने की क्षमता हो सकती है। इसके परिणामस्वरूप कम सटीक नियम-आधारित तर्क के साथ विकल्पों की एक विस्तृत श्रृंखला हो सकती है।

फ़ज़ी लॉजिक का उपयोग ट्रेडिंग सॉफ़्टवेयर में किया जा सकता है, जहाँ इसका उपयोग सिग्नल खरीदने और बेचने के लिए बाज़ार डेटा का विश्लेषण करने के लिए किया जाता है।

आर्टिफिशियल इंटेलिजेंस में फजी सिमेंटिक्स

फ़ज़ी लॉजिक और फ़ज़ी सिमेंटिक्स की अवधारणा कृत्रिम बुद्धिमत्ता समाधानों की प्रोग्रामिंग का एक केंद्रीय घटक है। आर्टिफिशियल इंटेलिजेंस सॉल्यूशंस और टूल्स का अर्थव्यवस्था में कई क्षेत्रों में विस्तार जारी है क्योंकि फ़ज़ी लॉजिक से प्रोग्रामिंग क्षमताओं का भी विस्तार होता है।

आईबीएम का वाटसन फजी लॉजिक और फजी सिमेंटिक्स की विविधताओं का उपयोग करते हुए सबसे प्रसिद्ध कृत्रिम बुद्धिमत्ता प्रणालियों में से एक है। विशेष रूप से वित्तीय सेवाओं में, फ़ज़ी लॉजिक का उपयोग मशीन लर्निंग और प्रौद्योगिकी प्रणालियों में किया जा रहा है जो निवेश खुफिया के आउटपुट का समर्थन करते हैं।

कुछ उन्नत ट्रेडिंग मॉडल में, फ़ज़ी लॉजिक गणित के एकीकरण का उपयोग विश्लेषकों को स्वचालित खरीद और बिक्री सिग्नल बनाने में मदद करने के लिए भी किया जा सकता है। ये सिस्टम निवेशकों को उनके निवेश को प्रभावित करने वाले बदलते बाजार चर की एक विस्तृत श्रृंखला पर प्रतिक्रिया करने में मदद करते हैं।

फ़ज़ी लॉजिक के उदाहरण

उन्नत सॉफ्टवेयर ट्रेडिंग मॉडल में, सिस्टम वास्तविक समय में हजारों प्रतिभूतियों का विश्लेषण करने के लिए प्रोग्राम योग्य फजी सेट का उपयोग कर सकते हैं और निवेशक को सर्वोत्तम उपलब्ध अवसर प्रदान कर सकते हैं। फ़ज़ी लॉजिक का उपयोग अक्सर तब किया जाता है जब कोई व्यापारी विचार के लिए कई कारकों का उपयोग करना चाहता है। इसके परिणामस्वरूप व्यापारिक निर्णयों के लिए एक संकुचित विश्लेषण हो सकता है। ट्रेडर्स के पास ट्रेडों को लागू करने के लिए कई तरह के नियमों को प्रोग्राम करने की क्षमता भी हो सकती है। दो उदाहरणों में निम्नलिखित शामिल हैं:

• नियम 1: यदि मूविंग एवरेज कम है और रिलेटिव स्ट्रेंथ इंडेक्स (आरएसआई) कम है, तो बेचें।

• नियम 2: यदि मूविंग एवरेज अधिक है और रिलेटिव स्ट्रेंथ इंडेक्स (आरएसआई) अधिक है, तो खरीदें।

फ़ज़ी लॉजिक एक व्यापारी को अपने स्वयं के स्वचालित ट्रेडिंग सिग्नल पर पहुंचने के लिए इन बुनियादी उदाहरणों में निम्न और उच्च पर अपने स्वयं के व्यक्तिपरक अनुमानों को प्रोग्राम करने की अनुमति देता है।

फ़ज़ी लॉजिक के फ़ायदे और नुकसान

फ़ज़ी लॉजिक का उपयोग अक्सर मशीन नियंत्रकों और कृत्रिम बुद्धिमत्ता में किया जाता है और इसे ट्रेडिंग सॉफ़्टवेयर पर भी लागू किया जा सकता है। हालाँकि इसमें अनुप्रयोगों की एक विस्तृत श्रृंखला है, लेकिन इसकी पर्याप्त सीमाएँ भी हैं।

क्योंकि फजी लॉजिक मानव निर्णय लेने की नकल करता है, यह अस्पष्ट या विकृत इनपुट के साथ जटिल समस्याओं के मॉडलिंग के लिए सबसे उपयोगी है। प्राकृतिक भाषा के साथ समानता के कारण, फ़ज़ी लॉजिक एल्गोरिदम को मानक लॉजिकल प्रोग्रामिंग की तुलना में कोड करना आसान होता है, और इसके लिए कम निर्देशों की आवश्यकता होती है, जिससे मेमोरी स्टोरेज आवश्यकताओं की बचत होती है।

फ़ज़ी लॉजिक की सटीक प्रकृति के कारण, ये फायदे कमियां भी लेकर आते हैं। चूंकि सिस्टम गलत डेटा और इनपुट के लिए डिज़ाइन किए गए हैं, इसलिए गलत परिणामों को रोकने के लिए उनका परीक्षण और सत्यापन किया जाना चाहिए।

TTT

तल - रेखा

फ़ज़ी लॉजिक शास्त्रीय तर्क का एक विस्तार है जो उन अनिश्चितताओं को शामिल करता है जो मानव निर्णय लेने में कारक हैं। इसका उपयोग अक्सर जटिल समस्याओं को हल करने के लिए किया जाता है, जहां पैरामीटर अस्पष्ट या गलत हो सकते हैं। फ़ज़ी लॉजिक का उपयोग निवेश सॉफ़्टवेयर में भी किया जाता है, जहाँ इसका उपयोग अस्पष्ट या अस्पष्ट व्यापारिक संकेतों की व्याख्या करने के लिए किया जा सकता है।

##हाइलाइट

• सामान्य भाषा के साथ समानता के कारण, फ़ज़ी एल्गोरिदम कोड के लिए अपेक्षाकृत सरल होते हैं, लेकिन उन्हें पूरी तरह से सत्यापन और परीक्षण की आवश्यकता हो सकती है।

• सैद्धांतिक रूप से, यह दृष्टिकोण को वास्तविक जीवन की परिस्थितियों की नकल करने का अधिक अवसर देता है, जहां पूर्ण सत्य या झूठ के बयान दुर्लभ हैं।

• फ़ज़ी लॉजिक मानक तर्क से एक सामान्यीकरण है, जिसमें सभी कथनों का सत्य मान एक या शून्य होता है। फ़ज़ी लॉजिक में, कथनों में आंशिक सत्य का मान हो सकता है, जैसे 0.9 या 0.5।

• फ़ज़ी लॉजिक एक अनुमानी दृष्टिकोण है जो अधिक उन्नत निर्णय-पेड़ प्रसंस्करण और नियम-आधारित प्रोग्रामिंग के साथ बेहतर एकीकरण की अनुमति देता है।

• मात्रात्मक विश्लेषकों द्वारा अपने एल्गोरिदम के निष्पादन में सुधार के लिए फ़ज़ी लॉजिक का उपयोग किया जा सकता है।

##सामान्य प्रश्न

क्या फ़ज़ी लॉजिक मशीन लर्निंग के समान है?

फ़ज़ी लॉजिक को अक्सर मशीन लर्निंग के साथ समूहीकृत किया जाता है, लेकिन वे एक ही चीज़ नहीं हैं। मशीन लर्निंग कम्प्यूटेशनल सिस्टम को संदर्भित करता है जो जटिल समस्याओं को हल करने के लिए एल्गोरिदम को पुनरावृत्त रूप से अनुकूलित करके मानव संज्ञान की नकल करता है। फ़ज़ी लॉजिक नियमों और कार्यों का एक सेट है जो सटीक डेटा सेट पर काम कर सकता है, लेकिन एल्गोरिदम को अभी भी मनुष्यों द्वारा कोडित करने की आवश्यकता है। दोनों क्षेत्रों में कृत्रिम बुद्धिमत्ता और जटिल समस्या-समाधान में अनुप्रयोग हैं।

डाटा माइनिंग में फजी लॉजिक क्या है?

डेटा माइनिंग डेटा के बड़े सेटों में महत्वपूर्ण संबंधों की पहचान करने की प्रक्रिया है, एक ऐसा क्षेत्र जो सांख्यिकी, मशीन लर्निंग और कंप्यूटर विज्ञान के साथ ओवरलैप करता है। फ़ज़ी लॉजिक नियमों का एक समूह है जिसका उपयोग डेटा के फ़ज़ी सेट से तार्किक निष्कर्ष तक पहुँचने के लिए किया जा सकता है। चूंकि डेटा माइनिंग को अक्सर सटीक माप के लिए लागू किया जाता है, इस तरह के डेटा से प्रासंगिक संबंधों को निर्धारित करने के लिए फ़ज़ी लॉजिक एक उपयोगी तरीका है।

फ़ज़ी लॉजिक और न्यूरल नेटवर्क में क्या अंतर है?

एक कृत्रिम तंत्रिका नेटवर्क एक कम्प्यूटेशनल प्रणाली है जिसे मानव जैसे तंत्रिका तंत्र की समस्या-समाधान प्रक्रियाओं की नकल करने के लिए डिज़ाइन किया गया है। यह फ़ज़ी लॉजिक से अलग है, नियमों का एक सेट जिसे सटीक डेटा से निष्कर्ष तक पहुंचने के लिए डिज़ाइन किया गया है। दोनों के पास कंप्यूटर विज्ञान में अनुप्रयोग हैं, लेकिन वे अलग-अलग क्षेत्र हैं।