O que é Fuzzy Logic?
A lógica difusa é uma abordagem para o processamento de variáveis que permite que vários valores sejam processados por meio da mesma variável. A lógica difusa tenta resolver problemas com um espectro de dados aberto e impreciso que torna possível obter uma série de conclusões precisas. A lógica difusa é projetada para resolver problemas considerando todas as informações disponíveis e tomando a melhor decisão possível com base na entrada.
Principais vantagens
- A lógica difusa permite um processamento de árvore de decisão mais avançado e uma melhor integração com a programação baseada em regras.
- Teoricamente, isso dá à abordagem mais oportunidade de imitar as circunstâncias da vida real.
- A lógica fuzzy pode ser usada por analistas quantitativos para melhorar a execução de seus algoritmos.
Compreendendo a Lógica Fuzzy
A lógica fuzzy deriva do estudo matemático de conceitos fuzzy que também envolve conjuntos de dados fuzzy. Os matemáticos podem usar uma variedade de termos ao se referir a conceitos fuzzy e análise fuzzy. De forma ampla e abrangente, esses termos são classificados como semântica difusa.
Na prática, todas essas construções permitem vários valores da condição “verdadeira”. Em vez de True ser numericamente equivalente a 1 e False ser equivalente a 0 (ou vice-versa), a condição True pode ser qualquer número de valores menor que um e maior que zero. Isso cria oportunidade para os algoritmos tomarem decisões com base em intervalos de dados de preços, em oposição a um ponto de dados discreto.
Considerações sobre lógica difusa
A lógica fuzzy em seu sentido mais básico é desenvolvida por meio da análise do tipo de árvore de decisão. Assim, em uma escala mais ampla, ele forma a base para sistemas de inteligência artificial programados por meio de inferências baseadas em regras.
Geralmente, o termo fuzzy se refere ao grande número de cenários que podem ser desenvolvidos em um sistema semelhante a uma árvore de decisão. O desenvolvimento de protocolos de lógica fuzzy pode exigir a integração de programação baseada em regras. Essas regras de programação podem ser chamadas de conjuntos fuzzy, uma vez que são desenvolvidas a critério de modelos abrangentes.
Os conjuntos difusos 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 uma gama mais ampla de opções com raciocínio baseado em regras menos preciso.
Semântica Fuzzy em Inteligência Artificial
O conceito de lógica fuzzy e semântica fuzzy é um componente central para a programação de soluções de inteligência artificial. As soluções e ferramentas de inteligência artificial continuam a se expandir na economia em uma variedade de setores, à medida que os recursos de programação da lógica fuzzy também se expandem.
O Watson da IBM é um dos sistemas de inteligência artificial mais conhecidos que usa variações de lógica e semântica difusa. Especificamente em serviços financeiros, a lógica fuzzy está sendo usada em sistemas de aprendizagem de máquina e tecnologia que dão suporte a resultados de inteligência de investimento.
Em alguns modelos de negociação avançados, a integração da matemática da lógica difusa também pode ser usada para ajudar os analistas a criar sinais de compra e venda automatizados. Esses sistemas ajudam os investidores a reagir a uma ampla gama de variáveis de mercado variáveis que afetam seus investimentos.
Em modelos avançados de negociação de software, os sistemas podem usar conjuntos fuzzy programáveis para analisar milhares de títulos em tempo real e apresentar ao investidor a melhor oportunidade disponível. A lógica difusa é freqüentemente usada quando um trader procura fazer uso de vários fatores para consideração. Isso pode resultar em uma análise restrita das decisões de negociação. Os comerciantes também podem ter a capacidade de programar uma variedade de regras para a decretação de negociações. Dois exemplos incluem o seguinte:
Regra 1: Se a média móvel estiver baixa e o Índice de Força Relativa estiver baixo, venda.
Regra 2: Se a média móvel for alta e o Índice de Força Relativa for alto, compre.
A lógica difusa permite que um negociante programe suas próprias inferências subjetivas em baixa e alta nesses exemplos básicos para chegar a seus próprios sinais de negociação automatizados.