Нечеткая логика

Что такое нечеткая логика?

Нечеткая логика — это подход к обработке переменных, который позволяет обрабатывать несколько значений через одну и ту же переменную. Нечеткая логика пытается решить проблемы с открытым, неточным спектром данных, что позволяет получить массив точных выводов. Нечеткая логика предназначена для решения проблем путем рассмотрения всей доступной информации и принятия наилучшего возможного решения с учетом входных данных.

Понимание нечеткой логики

Нечеткая логика проистекает из математического изучения нечетких понятий, которое также включает нечеткие наборы данных. Математики могут использовать различные термины, говоря о нечетких концепциях и нечетком анализе. В широком смысле эти термины классифицируются как нечеткая семантика.

На практике все эти конструкции допускают множественные значения «истинного» условия. Вместо того, чтобы значение True было численно эквивалентно 1, а значение False равно 0 (или наоборот), условием True могло быть любое количество значений меньше единицы и больше нуля. Это создает возможность для алгоритмов принимать решения на основе диапазонов ценовых данных, а не одной дискретной точки данных.

Вопросы нечеткой логики

Нечеткая логика в ее самом основном смысле разрабатывается посредством анализа типа дерева решений. Таким образом, в более широком масштабе он формирует основу для систем искусственного интеллекта, запрограммированных с помощью выводов на основе правил.

Как правило, термин нечеткий относится к огромному количеству сценариев, которые могут быть разработаны в системе, подобной дереву решений. Разработка протоколов нечеткой логики может потребовать интеграции программирования на основе правил. Эти правила программирования можно назвать нечеткими множествами, поскольку они разрабатываются по усмотрению всеобъемлющих моделей.

Нечеткие множества также могут быть более сложными. В более сложных аналогиях программирования программисты могут иметь возможность расширить правила, используемые для определения включения и исключения переменных. Это может привести к более широкому диапазону вариантов с менее точным обоснованием, основанным на правилах.

Нечеткая семантика в искусственном интеллекте

Концепция нечеткой логики и нечеткой семантики является центральным компонентом программирования решений искусственного интеллекта. Решения и инструменты искусственного интеллекта продолжают расширяться в экономике в целом ряде секторов, так как расширяются возможности программирования на основе нечеткой логики.

IBM Watson — одна из самых известных систем искусственного интеллекта, использующая вариации нечеткой логики и нечеткой семантики. В частности, в финансовых услугах нечеткая логика используется в машинном обучении и технологических системах, поддерживающих результаты инвестиционной разведки.

В некоторых продвинутых торговых моделях интеграция математики нечеткой логики также может использоваться, чтобы помочь аналитикам создавать автоматические сигналы покупки и продажи. Эти системы помогают инвесторам реагировать на широкий спектр изменяющихся рыночных переменных, влияющих на их инвестиции.

В передовых моделях торговли программным обеспечением системы могут использовать программируемые нечеткие наборы для анализа тысяч ценных бумаг в режиме реального времени и предоставления инвестору наилучших доступных возможностей. Нечеткая логика часто используется, когда трейдер пытается учесть несколько факторов. Это может привести к ограниченному анализу торговых решений. Трейдеры также могут иметь возможность программировать различные правила для заключения сделок. Два примера включают следующее:

Правило 1. Если скользящая средняя низкая и индекс относительной силы низкий, то продавайте.

Правило 2: Если скользящая средняя высокая, а индекс относительной силы высокий, покупайте.

Нечеткая логика позволяет трейдеру запрограммировать свои собственные субъективные выводы на низком и высоком уровне в этих базовых примерах, чтобы прийти к своим собственным автоматическим торговым сигналам.