Fuzzy Logic
Hva er uklar logikk?
Fuzzy logic er en tilnærming til variabel prosessering som gjør at flere mulige sannhetsverdier kan behandles gjennom samme variabel. Fuzzy logic forsøker å løse problemer med et åpent, upresist spekter av data og heuristikk som gjør det mulig å oppnå en rekke nøyaktige konklusjoner.
Fuzzy logic er designet for å løse problemer ved å vurdere all tilgjengelig informasjon og ta den best mulige avgjørelsen gitt input.
Forstå fuzzy logikk
Uklar logikk stammer fra den matematiske studien av flerverdilogikk. Mens vanlig logikk omhandler utsagn om absolutt sannhet (som "Er dette objektet grønt?"), uklare logiske adresser sett med subjektive eller relative definisjoner, for eksempel "høy", "stor" eller "vakker". Disse forsøkene på å etterligne måten mennesker analyserer problemer og tar beslutninger på, på en måte som er avhengig av vage eller upresise verdier i stedet for absolutt sannhet eller usannhet.
I praksis tillater disse konstruksjonene alle delverdier av den "sanne" tilstanden. I stedet for å kreve at alle utsagn er absolutt sanne eller absolutt usanne, som i klassisk logikk, kan sannhetsverdiene i fuzzy logic være en hvilken som helst verdi mellom null og én. Dette skaper en mulighet for algoritmer til å ta avgjørelser basert på dataområder i motsetning til ett diskret datapunkt.
I standardlogikk må hvert utsagn ha en absolutt verdi: sant eller usant. I fuzzy logic erstattes sannhetsverdier med grader av "medlemskap" fra 0 til 1, der 1 er absolutt sant og 0 er absolutt usant.
Historien om fuzzy logikk
Fuzzy logic ble først foreslått av Lotfi Zadeh i en artikkel fra 1965 for tidsskriftet Information and Control. I sin artikkel, med tittelen "Fuzzy Sets", forsøkte Zadeh å gjenspeile typen data som ble brukt i informasjonsbehandling og utledet den elementære logikken. regler for denne typen sett.
"Ofte oftere enn ikke, har ikke klassene av objekter som møtes i den virkelige fysiske verden nøyaktig definerte kriterier for medlemskap," forklarte Zadeh. "Likevel gjenstår det faktum at slike upresist definerte 'klasser' spiller en viktig rolle i menneskelig tenkning, spesielt innen domenene mønstergjenkjenning, kommunikasjon av informasjon og abstraksjon."
Siden den gang har fuzzy logic blitt brukt i maskinkontrollsystemer, bildebehandling, kunstig intelligens og andre felt som er avhengige av signaler med tvetydig tolkning.
Spesielle hensyn
Fuzzy logikk i sin mest grunnleggende forstand er utviklet gjennom analyse av beslutningstretype. Dermed danner den i bredere skala grunnlaget for kunstige intelligenssystemer programmert gjennom regelbaserte slutninger.
Generelt refererer begrepet fuzzy til det store antallet scenarier som kan utvikles i et beslutningstrelignende system. Å utvikle fuzzy logic-protokoller kan kreve integrasjon av regelbasert programmering. Disse programmeringsreglene kan bli referert til som fuzzy sett siden de er utviklet etter skjønn fra omfattende modeller.
Fuzzy sett kan også være mer komplekse. I mer komplekse programmeringsanalogier kan programmerere ha muligheten til å utvide reglene som brukes til å bestemme inkludering og ekskludering av variabler. Dette kan resultere i et bredere spekter av alternativer med mindre presise regelbaserte resonnementer.
Fuzzy logic kan brukes i handelsprogramvare, der den brukes til å analysere markedsdata for kjøps- og salgssignaler.
Fuzzy Semantics in Artificial Intelligence
Konseptet fuzzy logic og fuzzy semantikk er en sentral komponent i programmeringen av kunstig intelligens-løsninger. Løsninger og verktøy for kunstig intelligens fortsetter å ekspandere i økonomien på tvers av en rekke sektorer ettersom programmeringsmulighetene fra fuzzy logic også utvides.
IBMs Watson er et av de mest kjente kunstig intelligenssystemene som bruker variasjoner av fuzzy logikk og fuzzy semantikk. Spesielt i finansielle tjenester brukes fuzzy logic i maskinlæring og teknologisystemer som støtter utdata av investeringsintelligens.
I noen avanserte handelsmodeller kan integreringen av uklar logikk-matematikk også brukes til å hjelpe analytikere med å lage automatiserte kjøps- og salgssignaler. Disse systemene hjelper investorer til å reagere på et bredt spekter av skiftende markedsvariabler som påvirker investeringene deres.
Eksempler på Fuzzy Logic
I avanserte programvarehandelsmodeller kan systemer bruke programmerbare fuzzy-sett for å analysere tusenvis av verdipapirer i sanntid og gi investoren den beste tilgjengelige muligheten. Fuzzy logikk brukes ofte når en trader søker å benytte seg av flere faktorer for vurdering. Dette kan resultere i en innsnevret analyse for handelsbeslutninger. Traders kan også ha muligheten til å programmere en rekke regler for gjennomføring av handler. To eksempler inkluderer følgende:
Regel 1: Hvis det glidende gjennomsnittet er lavt og Relative Strength Index (RSI) er lav, så selg.
Regel 2: Hvis det glidende gjennomsnittet er høyt og Relative Strength Index (RSI) er høy, så kjøp.
Fuzzy logic lar en trader programmere sine egne subjektive slutninger på lav og høy i disse grunnleggende eksemplene for å komme frem til sine egne automatiserte handelssignaler.
Fordeler og ulemper med Fuzzy Logic
Fuzzy logic brukes ofte i maskinkontrollere og kunstig intelligens og kan også brukes på handelsprogramvare. Selv om den har et bredt spekter av bruksområder, har den også betydelige begrensninger.
Fordi uklar logikk etterligner menneskelig beslutningstaking, er den mest nyttig for å modellere komplekse problemer med tvetydige eller forvrengte inndata. På grunn av likhetene med naturlig språk, er uklare logiske algoritmer lettere å kode enn standard logisk programmering, og krever færre instruksjoner, og sparer dermed på minnelagringskrav.
Disse fordelene kommer også med ulemper, på grunn av den upresise naturen til uklar logikk. Siden systemene er designet for unøyaktige data og inndata, må de testes og valideres for å forhindre unøyaktige resultater.
TTT
Bunnlinjen
Fuzzy logic er en utvidelse av klassisk logikk som inkorporerer usikkerheten som er faktor i menneskelig beslutningstaking. Det brukes ofte til å løse komplekse problemer, der parametrene kan være uklare eller upresise. Fuzzy logic brukes også i investeringsprogramvare, hvor den kan brukes til å tolke tvetydige eller uklare handelssignaler.
##Høydepunkter
– På grunn av likhetene med vanlig språk er uklare algoritmer relativt enkle å kode, men de kan kreve grundig verifisering og testing.
– Teoretisk sett gir dette tilnærmingen større mulighet til å etterligne omstendigheter i det virkelige liv, der utsagn om absolutt sannhet eller usannhet er sjeldne.
– Fuzzy logic er en generalisering fra standard logikk, der alle utsagn har en sannhetsverdi på én eller null. I fuzzy logic kan utsagn ha en verdi av delvis sannhet, for eksempel 0,9 eller 0,5.
– Fuzzy logic er en heuristisk tilnærming som gir mulighet for mer avansert prosessering av beslutningstre og bedre integrasjon med regelbasert programmering.
- Fuzzy logic kan brukes av kvantitative analytikere for å forbedre utførelsen av deres algoritmer.
##FAQ
Er Fuzzy Logic det samme som maskinlæring?
Fuzzy logikk er ofte gruppert sammen med maskinlæring, men de er ikke det samme. Maskinlæring refererer til beregningssystemer som etterligner menneskelig kognisjon, ved iterativt å tilpasse algoritmer for å løse komplekse problemer. Fuzzy logic er et sett med regler og funksjoner som kan operere på upresise datasett, men algoritmene må fortsatt kodes av mennesker. Begge områdene har anvendelser innen kunstig intelligens og kompleks problemløsning.
Hva er uklar logikk i datautvinning?
Data mining er prosessen med å identifisere betydelige sammenhenger i store sett med data, et felt som overlapper med statistikk, maskinlæring og informatikk. Fuzzy logic er et sett med regler som kan brukes til å trekke logiske konklusjoner fra fuzzy sett med data. Siden datautvinning ofte brukes på upresise målinger, er fuzzy logic en nyttig måte å bestemme relevante forhold fra denne typen data.
Hva er forskjellen mellom fuzzy logikk og nevrale nettverk?
Et kunstig nevralt nettverk er et beregningssystem designet for å etterligne problemløsningsprosedyrene til et menneskelignende nervesystem. Dette er forskjellig fra fuzzy logic, et sett med regler designet for å trekke konklusjoner fra upresise data. Begge har applikasjoner innen informatikk, men de er forskjellige felt.
