Fuzzy Logic

Co je Fuzzy logika?

Fuzzy logika je přístup ke zpracování proměnných, který umožňuje zpracování více možných hodnot pravdy prostřednictvím stejné proměnné. Fuzzy logika se pokouší řešit problémy s otevřeným, nepřesným spektrem dat a heuristik, které umožňují získat pole přesných závěrů.

Fuzzy logika je určena k řešení problémů tím, že zváží všechny dostupné informace a udělá nejlepší možné rozhodnutí vzhledem ke vstupu.

Klíčové způsoby

Pochopení Fuzzy Logic

Fuzzy logika vychází z matematického studia multivalued logiky. Zatímco běžná logika se zabývá výroky o absolutní pravdě (například „Je tento objekt zelený?“), fuzzy logika řeší množiny subjektivními nebo relativními definicemi, například „vysoký“, „velký“ nebo „krásný“. To se pokouší napodobit způsob, jakým lidé analyzují problémy a činí rozhodnutí, a to způsobem, který se opírá o vágní nebo nepřesné hodnoty spíše než o absolutní pravdu nebo lež.

V praxi všechny tyto konstrukce počítají s parciálními hodnotami podmínky „true“. Namísto požadavku, aby všechny výroky byly absolutně pravdivé nebo absolutně nepravdivé, jako v klasické logice, mohou být pravdivé hodnoty v fuzzy logice libovolné hodnoty mezi nulou a jedničkou. To vytváří příležitost pro algoritmy, aby rozhodovaly na základě rozsahů dat oproti jednomu diskrétnímu datovému bodu.

Ve standardní logice musí mít každý výrok absolutní hodnotu: true nebo false. V fuzzy logice jsou hodnoty pravdy nahrazeny stupni „členství“ od 0 do 1, kde 1 je absolutní pravda a 0 je absolutní nepravda.

Historie Fuzzy Logic

Fuzzy logika byla poprvé navržena Lotfim Zadehem v roce 1965 v práci pro časopis Information and Control. Ve své práci nazvané „Fuzzy Sets“ se Zadeh pokusil reflektovat druh dat používaných při zpracování informací a odvodil elementární logická pravidla pro tento druh množin.

„Častěji se stává, že třídy objektů, s nimiž se setkáváme v reálném fyzickém světě, nemají přesně definovaná kritéria členství,“ vysvětlil Zadeh. „Přesto zůstává faktem, že takto nepřesně definované ‚třídy‘ hrají důležitou roli v lidském myšlení, zejména v oblastech rozpoznávání vzorů, sdělování informací a abstrakce.“

Od té doby je fuzzy logika úspěšně aplikována v systémech strojového řízení, zpracování obrazu, umělé inteligenci a dalších oblastech, které spoléhají na signály s nejednoznačnou interpretací.

Zvláštní úvahy

Fuzzy logika ve svém nejzákladnějším smyslu se vyvíjí pomocí analýzy typu rozhodovacího stromu. V širším měřítku tedy tvoří základ pro systémy umělé inteligence naprogramované pomocí odvozenin založených na pravidlech.

Obecně termín fuzzy označuje obrovské množství scénářů, které lze vyvinout v systému podobném rozhodovacímu stromu. Vývoj fuzzy logických protokolů může vyžadovat integraci programování založeného na pravidlech. Tato programovací pravidla mohou být označována jako fuzzy množiny, protože jsou vyvíjena podle uvážení komplexních modelů.

Fuzzy množiny mohou být také složitější. Ve složitějších programovacích analogiích mohou mít programátoři možnost rozšířit pravidla používaná k určení zahrnutí a vyloučení proměnných. To může vést k širšímu spektru možností s méně přesným odůvodněním založeným na pravidlech.

Fuzzy logika může být použita v obchodním softwaru, kde se používá k analýze tržních dat pro nákupní a prodejní signály.

Fuzzy sémantika v umělé inteligenci

Koncept fuzzy logiky a fuzzy sémantiky je ústřední složkou programování řešení umělé inteligence. Řešení a nástroje umělé inteligence se v ekonomice nadále rozšiřují napříč řadou odvětví, protože se rozšiřují i možnosti programování z fuzzy logiky.

Watson od IBM je jedním z nejznámějších systémů umělé inteligence využívajících variace fuzzy logiky a fuzzy sémantiky. Konkrétně ve finančních službách se fuzzy logika používá ve strojovém učení a technologických systémech podporujících výstupy investiční inteligence.

V některých pokročilých obchodních modelech lze integraci fuzzy logiky matematiky využít také k tomu, aby analytikům pomohla vytvářet automatizované signály nákupu a prodeje. Tyto systémy pomáhají investorům reagovat na širokou škálu měnících se tržních proměnných, které ovlivňují jejich investice.

Příklady Fuzzy Logic

V pokročilých softwarových obchodních modelech mohou systémy používat programovatelné fuzzy množiny k analýze tisíců cenných papírů v reálném čase a prezentovat investorovi nejlepší dostupnou příležitost. Fuzzy logika se často používá, když se obchodník snaží využít více faktorů ke zvážení. To může vést k zúžené analýze pro obchodní rozhodnutí. Obchodníci mohou mít také schopnost naprogramovat celou řadu pravidel pro uzákonění obchodů. Dva příklady zahrnují následující:

Fuzzy logika umožňuje obchodníkovi naprogramovat vlastní subjektivní závěry na nízké a vysoké v těchto základních příkladech, aby dospěl k vlastním automatizovaným obchodním signálům.

Výhody a nevýhody Fuzzy Logic

Fuzzy logika je často používána ve strojových řadičích a umělé inteligenci a může být aplikována i na obchodní software. Přestože má širokou škálu aplikací, má také podstatná omezení.

Protože fuzzy logika napodobuje lidské rozhodování, je nejužitečnější pro modelování složitých problémů s nejednoznačnými nebo zkreslenými vstupy. Vzhledem k podobnosti s přirozeným jazykem jsou fuzzy logické algoritmy snadněji kódovatelné než standardní logické programování a vyžadují méně instrukcí, čímž šetří na paměťových požadavcích.

Tyto výhody s sebou nesou i nevýhody, které vyplývají z nepřesnosti fuzzy logiky. Vzhledem k tomu, že systémy jsou navrženy pro nepřesné údaje a vstupy, musí být testovány a validovány, aby se zabránilo nepřesným výsledkům.

Fuzzy logika spíše odráží problémy reálného světa než klasická logika.

Fuzzy logické algoritmy mají nižší hardwarové nároky než klasická booleovská logika.

Fuzzyho algoritmy mohou přinášet přesné výsledky s nepřesnými nebo nepřesnými daty.

Fuzzy algoritmy vyžadují širokou validaci a verifikaci.

Fuzzy řídicí systémy jsou závislé na lidských odborných znalostech a znalostech.

Co je Fuzzy logika v datovém dolování?

Vyhledávání dat je proces identifikace významných vztahů ve velkých množinách dat, což je obor, který se překrývá se statistikou, strojovým učením a počítačovou vědou. Fuzzy logika je soubor pravidel, která lze použít k dosažení logických závěrů z fuzzy množin dat. Vzhledem k tomu, že vytěžování dat se často používá pro nepřesná měření, fuzzy logika je užitečný způsob určení relevantních vztahů z tohoto druhu dat.

Je Fuzzy logika to samé jako strojové učení?

Fuzzy logika se často slučuje se strojovým učením, ale není to totéž. Strojové učení se týká výpočetních systémů, které napodobují lidské poznávání tím, že iterativně upravují algoritmy pro řešení složitých problémů. Fuzzy logika je soubor pravidel a funkcí, které mohou pracovat na nepřesných souborech dat, ale algoritmy musí být stále kódovány lidmi. Obě oblasti mají využití v umělé inteligenci a komplexním řešení problémů.

Jaký je rozdíl mezi Fuzzy Logic a neuronovými sítěmi?

Umělá neuronová síť je výpočetní systém navržený tak, aby napodoboval postupy řešení problémů lidského nervového systému. To je odlišné od fuzzy logiky, souboru pravidel navržených tak, aby se dospělo k závěrům z nepřesných dat. Obě mají využití v informatice, ale jsou to odlišné obory.

The Bottom Line

Fuzzy logika je rozšíření klasické logiky, která zahrnuje nejistoty, které ovlivňují lidské rozhodování. Často se používá k řešení složitých problémů, kde parametry mohou být nejasné nebo nepřesné. Fuzzy logika se používá také v investičním softwaru, kde může být použita k interpretaci nejednoznačných nebo nejasných obchodních signálů.