O que é Lógica Fuzzy?

Lógica Fuzzy é uma abordagem ao processamento variável que permite que vários valores possíveis de verdade sejam processados ​​através da mesma variável. A Lógica Fuzzy tenta resolver problemas com um espectro aberto e impreciso de dados e heurísticas que possibilitam obter uma série de conclusões precisas.

Lógica Fuzzy é projetado para resolver problemas considerando todas as informações disponíveis e fazendo a melhor decisão possível dada a entrada.

Entendendo a Lógica Fuzzy

Lógica Fuzzy decorre do estudo matemático da lógica ordinária. Considerando que lógica ordinária lida com declarações de verdade absoluta, endereços lógicos Fuzzy conjuntos com definições subjetivas ou relativas, como “alto”, “grande” ou “lindas”. Isso tenta imitar a forma como os seres humanos analisam problemas e tomam decisões, de uma forma que confie em valores vagos ou imprecisos, em vez de verdade ou falsidade absoluta.

Em vez de exigir que todas as declarações sejam absolutamente verdadeiras ou absolutamente falsas, como na lógica clássica, os valores da verdade em lógica Fuzzy podem ser qualquer valor entre zero e um. Isso cria uma oportunidade para os algoritmos tomar decisões com base em intervalos de dados em oposição a um ponto de dados discreto.

Na lógica padrão, cada declaração deve ter um valor absoluto: verdadeiro ou falso. Na lógica Fuzzy, os valores de verdade são substituídos por graus de “associação” de 0 a 1, onde 1 é absolutamente verdadeiro e 0 é absolutamente falso.

História da Lógica Fuzzy

Lógica Fuzzy Foi proposta pela primeira vez pelo Lotfi Zadeh em um papel de 1965 para a revista informações e controle. Em seu papel, intitulado “Sets Fuzzy”, Zadeh tentou refletir o tipo de dados usados ​​no processamento de informações e derivou as regras lógicas elementares para esse tipo de conjunto.

“Mais frequentemente do que não, as classes de objetos encontrados no mundo físico real não têm critérios definidos precisamente de adesão “, explicou Zadeh. No entanto, o fato é que tais ‘classes’ imprecisamente definidas desempenham um papel importante no pensamento humano, particularmente nos domínios do reconhecimento de padrões, comunicação de informação e abstração. “

Desde então, a Lógica Fuzzy foi aplicada com sucesso em sistemas de controle de máquina, processamento de imagem, inteligência artificial e outros campos que dependem de sinais com interpretação ambígua.

Considerações Especiais

Lógica Fuzzy em seu sentido mais básico é desenvolvido através da análise de tipo de árvore de decisão. Assim, em uma escala mais ampla, forma a base para sistemas de inteligência artificiais programados através de inferências baseadas em regras.

Geralmente, o termo Fuzzy refere-se ao vasto número de cenários que podem ser desenvolvidos em uma árvore de decisão como sistema. O desenvolvimento de protocolos lógicos Fuzzy pode exigir a integração da programação baseada em regras. Essas regras de programação podem ser referidas como conjuntos difusos, uma vez que são desenvolvidos a critério dos modelos abrangentes.

Os conjuntos Fuzzy também podem ser mais complexos. Em analogias de programação mais complexas, os programadores podem ter a capacidade de ampliar as regras usadas para determinar a inclusão e exclusão de variáveis. Isso pode resultar em um intervalo mais amplo de opções com raciocínio baseado em regras menos precisas.

Lógica Fuzzy pode ser usada no software de negociação, onde é usado para analisar dados de mercado para sinais de compra e venda.

Fuzzy Semântica em Inteligência Artificial

O conceito de Lógica Fuzzy e semântica Fuzzy é um componente central para a programação de soluções de inteligência artificial. Soluções e ferramentas de inteligência artificial continuam a se expandir na economia através de uma gama de setores à medida que as capacidades de programação da Lógica Fuzzy também se expandem.

Watson da IBM é um dos sistemas de inteligência artificiais mais conhecidos usando variações de Lógica Fuzzy e semântica Fuzzy. Especificamente em serviços financeiros, a Lógica Fuzzy está sendo usada em sistemas de aprendizagem de máquina e tecnologia que suportam resultados de inteligência de investimento.

Em alguns modelos de negociação avançados, a integração da matemática Lógica Fuzzy também pode ser usada para ajudar os analistas a criar automatizados. Esses sistemas ajudam os investidores a reagir a uma ampla gama de variáveis ​​de mercado que afetam seus investimentos.

Exemplos de Lógica Fuzzy

Em modelos avançados de negociação de software, os sistemas podem usar conjuntos difusos programáveis ​​para analisar milhares de valores mobiliários em tempo real e apresentar o investidor com a melhor oportunidade disponível. A Lógica Fuzzy é frequentemente usada quando um comerciante procura fazer uso de vários fatores para consideração. Isso pode resultar em uma análise estreitada para decisões de negociação. Os comerciantes também podem ter a capacidade de programar uma variedade de regras para promulgar as negociações. Dois exemplos incluem o seguinte:

• Lógica Fuzzy permite que um trader programe suas próprias inferências subjetivas em baixo e alto nesses exemplos básicos para chegar aos seus próprios sinais de negociação automatizados.
• Se a média móvel é alta e o índice de força relativo (RSI) é alto, então compre.

Vantagens e Desvantagens da Lógica Fuzzy

Lógica Fuzzy é frequentemente usada em controladores de máquinas e inteligência artificial e também pode ser aplicada ao software de negociação. Embora tenha uma ampla gama de aplicações, também tem limitações substanciais.

Porque a Lógica Fuzzy imita a tomada de decisões humanas, é mais útil para modelar problemas complexos com entradas ambíguas ou distorcidas. Devido às semelhanças com linguagem natural, os algoritmos lógicos Fuzzy são mais fáceis de codificar do que a programação lógica padrão, e exigem menos instruções, economizando assim nos requisitos de armazenamento de memória.

Essas vantagens também vêm com desvantagens, devido à imprecisão da natureza da lógica Fuzzy. Como os sistemas são projetados para dados e insumos imprecisos, eles devem ser testados e validados para evitar resultados imprecisos.

Vantagens da Lógica Fuzzy:

• Lógica Fuzzy é mais provável para refletir problemas do mundo real do que da lógica clássica;
• Os algoritmos lógicos Fuzzy têm requisitos de hardware mais baixos do que a lógica booleana clássica;
• Algoritmos Fuzzy podem produzir resultados precisos com dados imprecisos;
• Algoritmos Fuzzy exigem uma ampla validação e verificação;
• Os sistemas de controle Fuzzy são dependentes da experiência humana e do conhecimento.

O que é Lógica Fuzzy na Mineração de Dados?

Mineração de dados é o processo de identificação de relacionamentos significativos em grandes conjuntos de dados, um campo que se sobrepõe com estatísticas, aprendizagem de máquinas e ciência da computação. A Lógica Fuzzy é um conjunto de regras que podem ser usadas para atingir conclusões lógicas de conjuntos difusos de dados. Como a mineração de dados é muitas vezes aplicada a medições imprecisas, a lógica Fuzzy é uma maneira útil de determinar relacionamentos relevantes a partir desse tipo de dado.

A Lógica Fuzzy é frequentemente agrupada junto com a aprendizagem da máquina, mas elas não são a mesma coisa. A aprendizagem de máquinas refere-se a sistemas computacionais que imitam a cognição humana, adaptando iterativamente os algoritmos para resolver problemas complexos. A lógica Fuzzy é um conjunto de regras e funções que podem operar em conjuntos de dados imprecisos, mas os algoritmos ainda precisam ser codificados por humanos. Ambas as áreas têm aplicações na inteligência artificial e resolução complexa de problemas.

Qual é a diferença entre a Lógica Fuzzy e as Redes Neurais?

Uma rede neural artificial é um sistema computacional projetado para imitar o procedimento de resolução de problemas de um sistema nervoso semelhante ao humano. Isso é distinto da Lógica Fuzzy, um conjunto de regras projetadas para atingir conclusões de dados imprecisos. Ambos têm aplicativos na ciência da computação, mas são campos distintos.

Lógica Fuzzy é uma extensão da lógica clássica que incorpora as incertezas que fatoram para a tomada de decisões humanas. É frequentemente usada para resolver problemas complexos, onde os parâmetros podem ser claros ou imprecisos. A lógica Fuzzy também é usada no software de investimento, onde pode ser usado para interpretar sinais de negociação ambíguos ou pouco claros.