Logika rozmyta
Co to jest logika rozmyta?
Logika rozmyta to podejście do przetwarzania zmiennych, które pozwala na przetwarzanie wielu możliwych wartości prawdy przez tę samą zmienną. Logika rozmyta próbuje rozwiązywać problemy za pomocą otwartego, nieprecyzyjnego spektrum danych i heurystyk , które umożliwiają uzyskanie szeregu trafnych wniosków.
Logika rozmyta ma na celu rozwiązywanie problemów poprzez uwzględnienie wszystkich dostępnych informacji i podjęcie najlepszej możliwej decyzji na podstawie danych wejściowych.
Zrozumienie logiki rozmytej
Logika rozmyta wywodzi się z matematycznego badania logiki wielowartościowej. Podczas gdy zwykła logika zajmuje się stwierdzeniami prawdy absolutnej (np. „Czy ten obiekt jest zielony?”), logika rozmyta odnosi się do zbiorów z definicjami subiektywnymi lub względnymi, takimi jak „wysoki”, „duży” lub „piękny”. Te próby naśladowania sposobu, w jaki ludzie analizują problemy i podejmują decyzje, w sposób, który opiera się na niejasnych lub nieprecyzyjnych wartościach, a nie na absolutnej prawdzie lub fałszu.
W praktyce wszystkie te konstrukcje pozwalają na częściowe wartości warunku „prawdziwego”. Zamiast wymagać, aby wszystkie twierdzenia były absolutnie prawdziwe lub absolutnie fałszywe, jak w logice klasycznej, wartości prawdziwości w logice rozmytej mogą być dowolną wartością z zakresu od zera do jednego. Stwarza to możliwość podejmowania decyzji przez algorytmy na podstawie zakresów danych, a nie jednego dyskretnego punktu danych.
W logice standardowej każde stwierdzenie musi mieć wartość bezwzględną: prawda lub fałsz. W logice rozmytej wartości prawdy zastępuje się stopniami „przynależności” od 0 do 1, gdzie 1 jest absolutnie prawdziwe, a 0 jest absolutnie fałszywe.
Historia logiki rozmytej
Logika rozmyta została po raz pierwszy zaproponowana przez Lotfiego Zadeha w artykule opublikowanym w 1965 roku w czasopiśmie Information and Control. zasady dla tego rodzaju zestawu.
„Najczęściej klasy obiektów spotykane w rzeczywistym świecie fizycznym nie mają precyzyjnie określonych kryteriów przynależności” – wyjaśnił Zadeh. „Jednak pozostaje faktem, że takie nieprecyzyjnie zdefiniowane 'klasy' odgrywają ważną rolę w ludzkim myśleniu, szczególnie w dziedzinach rozpoznawania wzorców, przekazywania informacji i abstrakcji”.
Od tego czasu logika rozmyta jest z powodzeniem stosowana w systemach sterowania maszynami, przetwarzaniu obrazu, sztucznej inteligencji i innych dziedzinach, które opierają się na sygnałach o niejednoznacznej interpretacji.
Uwagi specjalne
Logika rozmyta w swoim najbardziej podstawowym sensie jest rozwijana poprzez analizę typu drzewa decyzyjnego. W ten sposób na szerszą skalę stanowi podstawę systemów sztucznej inteligencji zaprogramowanych za pomocą wnioskowania opartego na regułach.
Ogólnie termin rozmyty odnosi się do ogromnej liczby scenariuszy, które można opracować w systemie przypominającym drzewo decyzyjne. Opracowywanie protokołów logiki rozmytej może wymagać integracji programowania opartego na regułach. Te reguły programowania można nazwać zbiorami rozmytymi, ponieważ są one opracowywane według uznania kompleksowych modeli.
Zbiory rozmyte mogą być również bardziej złożone. W bardziej złożonych analogiach programistycznych programiści mogą mieć możliwość rozszerzenia reguł używanych do określania włączania i wyłączania zmiennych. Może to skutkować szerszym zakresem opcji z mniej precyzyjnym rozumowaniem opartym na regułach.
Logika rozmyta może być używana w oprogramowaniu transakcyjnym, gdzie jest używana do analizy danych rynkowych pod kątem sygnałów kupna i sprzedaży.
Semantyka rozmyta w sztucznej inteligencji
Koncepcja logiki rozmytej i semantyki rozmytej jest centralnym elementem programowania rozwiązań sztucznej inteligencji. Rozwiązania i narzędzia sztucznej inteligencji nadal rozwijają się w gospodarce w wielu sektorach, w miarę jak rozszerzają się możliwości programowania oparte na logice rozmytej.
Watson firmy IBM to jeden z najbardziej znanych systemów sztucznej inteligencji wykorzystujący odmiany logiki rozmytej i semantyki rozmytej. W szczególności w usługach finansowych logika rozmyta jest wykorzystywana w systemach uczenia maszynowego i technologii wspierających wyniki analizy inwestycyjnej.
W niektórych zaawansowanych modelach handlu integracja matematyki z logiką rozmytą może być również wykorzystywana do pomocy analitykom w tworzeniu automatycznych sygnałów kupna i sprzedaży. Systemy te pomagają inwestorom reagować na szeroki zakres zmieniających się zmiennych rynkowych, które wpływają na ich inwestycje.
Przykłady logiki rozmytej
W zaawansowanych modelach handlu oprogramowaniem systemy mogą wykorzystywać programowalne zestawy rozmyte do analizowania tysięcy papierów wartościowych w czasie rzeczywistym i przedstawiania inwestorowi najlepszej dostępnej okazji. Logika rozmyta jest często używana, gdy inwestor stara się wykorzystać wiele czynników do rozważenia. Może to skutkować zawężoną analizą decyzji handlowych. Handlowcy mogą również mieć możliwość zaprogramowania różnych zasad zawierania transakcji. Oto dwa przykłady:
Zasada 1: Jeśli średnia ruchoma jest niska, a wskaźnik siły względnej (RSI) jest niski, sprzedaj.
Zasada 2: Jeśli średnia ruchoma jest wysoka, a wskaźnik siły względnej (RSI) jest wysoki, kup.
Logika rozmyta pozwala traderowi na zaprogramowanie własnych subiektywnych wniosków dotyczących niskich i wysokich wartości w tych podstawowych przykładach, aby uzyskać własne automatyczne sygnały transakcyjne.
Zalety i wady logiki rozmytej
Logika rozmyta jest często używana w sterownikach maszyn i sztucznej inteligencji, a także może być stosowana w oprogramowaniu handlowym. Choć ma szeroki zakres zastosowań, ma też spore ograniczenia.
Ponieważ logika rozmyta naśladuje proces podejmowania decyzji przez człowieka, jest najbardziej przydatna do modelowania złożonych problemów z niejednoznacznymi lub zniekształconymi danymi wejściowymi. Ze względu na podobieństwa do języka naturalnego algorytmy logiki rozmytej są łatwiejsze do zakodowania niż standardowe programowanie logiczne i wymagają mniejszej liczby instrukcji, co pozwala zaoszczędzić na wymaganiach dotyczących pamięci.
Te zalety mają również wady ze względu na nieprecyzyjną naturę logiki rozmytej. Ponieważ systemy są zaprojektowane z myślą o niedokładnych danych i danych wejściowych, należy je przetestować i zweryfikować, aby zapobiec niedokładnym wynikom.
TTT
Podsumowanie
Logika rozmyta jest rozszerzeniem logiki klasycznej, która uwzględnia niepewności, które wpływają na podejmowanie decyzji przez człowieka. Jest często używany do rozwiązywania złożonych problemów, których parametry mogą być niejasne lub nieprecyzyjne. Logika rozmyta jest również stosowana w oprogramowaniu inwestycyjnym, gdzie może być używana do interpretacji niejednoznacznych lub niejasnych sygnałów transakcyjnych.
##Przegląd najważniejszych wydarzeń
Ze względu na podobieństwa do zwykłego języka, algorytmy rozmyte są stosunkowo proste do zakodowania, ale mogą wymagać dokładnej weryfikacji i testowania.
Teoretycznie daje to podejściu więcej możliwości naśladowania rzeczywistych okoliczności, w których stwierdzenia prawdy absolutnej lub fałszu są rzadkością.
Logika rozmyta jest uogólnieniem logiki standardowej, w której wszystkie zdania mają wartość prawdy równą jeden lub zero. W logice rozmytej zdania mogą mieć wartość częściowej prawdy, na przykład 0,9 lub 0,5.
Logika rozmyta to podejście heurystyczne, które pozwala na bardziej zaawansowane przetwarzanie drzewa decyzyjnego i lepszą integrację z programowaniem opartym na regułach.
Logika rozmyta może być wykorzystywana przez analityków ilościowych do poprawy wykonania swoich algorytmów.
##FAQ
Czy logika rozmyta to samo uczenie maszynowe?
Logika rozmyta jest często połączona z uczeniem maszynowym, ale to nie to samo. Uczenie maszynowe odnosi się do systemów obliczeniowych, które naśladują ludzkie procesy poznawcze, poprzez iteracyjne dostosowywanie algorytmów do rozwiązywania złożonych problemów. Logika rozmyta to zestaw reguł i funkcji, które mogą działać na nieprecyzyjnych zestawach danych, ale algorytmy nadal muszą być kodowane przez ludzi. Oba obszary mają zastosowanie w sztucznej inteligencji i rozwiązywaniu złożonych problemów.
Co to jest logika rozmyta w eksploracji danych?
Eksploracja danych to proces identyfikowania znaczących relacji w dużych zestawach danych, dziedzina, która pokrywa się ze statystykami, uczeniem maszynowym i informatyką. Logika rozmyta to zestaw reguł, których można używać do wyciągania logicznych wniosków z rozmytych zbiorów danych. Ponieważ eksploracja danych jest często stosowana do nieprecyzyjnych pomiarów, logika rozmyta jest użytecznym sposobem określania odpowiednich relacji na podstawie tego rodzaju danych.
Jaka jest różnica między logiką rozmytą a sieciami neuronowymi?
Sztuczna sieć neuronowa to system obliczeniowy zaprojektowany w celu naśladowania procedur rozwiązywania problemów ludzkiego układu nerwowego. Różni się to od logiki rozmytej, zestawu reguł zaprojektowanych w celu wyciągania wniosków z nieprecyzyjnych danych. Oba mają zastosowanie w informatyce, ale są to odrębne dziedziny.
