Fuzzy Logic
Wat is Fuzzy Logic?
Fuzzy Logic is een benadering voor het verwerken van variabelen waarmee meerdere waarden via dezelfde variabele kunnen worden verwerkt. Fuzzy logic probeert problemen op te lossen met een open, onnauwkeurig spectrum van gegevens dat het mogelijk maakt om een reeks nauwkeurige conclusies te trekken. Fuzzy logic is ontworpen om problemen op te lossen door alle beschikbare informatie in overweging te nemen en de best mogelijke beslissing te nemen op basis van de input.
Belangrijkste leerpunten
- Fuzzy logic zorgt voor geavanceerdere verwerking van de beslissingsboom en betere integratie met op regels gebaseerd programmeren.
- Theoretisch geeft dit de benadering meer gelegenheid om de werkelijke omstandigheden na te bootsen.
- Fuzzy logic kan door kwantitatieve analisten worden gebruikt om de uitvoering van hun algoritmen te verbeteren.
Fuzzy Logic begrijpen
Fuzzy logic komt voort uit de wiskundige studie van vage concepten waarbij ook vage sets gegevens betrokken zijn. Wiskundigen kunnen verschillende termen gebruiken bij het verwijzen naar vage concepten en vage analyse. Deze termen worden grofweg en uitvoerig geclassificeerd als vage semantiek.
In de praktijk laten deze constructies allemaal meerdere waarden toe van de “ware” voorwaarde. In plaats van dat True numeriek gelijk is aan 1 en False gelijk is aan 0 (of vice versa), kan de voorwaarde True een willekeurig aantal waarden zijn kleiner dan één en groter dan nul. Dit creëert de mogelijkheid voor algoritmen om beslissingen te nemen op basis van prijsreeksen in plaats van één discreet datapunt.
Overwegingen met betrekking tot vage logica
Fuzzy logic in de meest elementaire zin wordt ontwikkeld door middel van analyse van het beslissingsboomtype. Op grotere schaal vormt het dus de basis voor kunstmatige-intelligentiesystemen die zijn geprogrammeerd via op regels gebaseerde gevolgtrekkingen.
Over het algemeen verwijst de term fuzzy naar het enorme aantal scenario’s dat kan worden ontwikkeld in een beslissingsboomachtig systeem. Het ontwikkelen van fuzzy logic-protocollen kan de integratie van op regels gebaseerd programmeren vereisen. Deze programmeerregels kunnen fuzzy-sets worden genoemd, omdat ze zijn ontwikkeld naar goeddunken van uitgebreide modellen.
Fuzzy-sets kunnen ook complexer zijn. In complexere programmeeranalogieën kunnen programmeurs de mogelijkheid hebben om de regels die worden gebruikt om de opname en uitsluiting van variabelen te bepalen, uit te breiden. Dit kan resulteren in een breder scala aan opties met minder nauwkeurige, op regels gebaseerde redeneringen.
Fuzzy Semantics in Artificial Intelligence
Het concept van vage logica en vage semantiek is een centraal onderdeel van het programmeren van kunstmatige intelligentie-oplossingen. Oplossingen en tools voor kunstmatige intelligentie blijven zich in de economie uitbreiden in een reeks sectoren, terwijl de programmeermogelijkheden van fuzzy logic ook toenemen.
IBM’s Watson is een van de bekendste kunstmatige-intelligentiesystemen die gebruikmaakt van variaties op vage logica en vage semantiek. Met name in de financiële dienstverlening wordt fuzzy logic gebruikt in machine learning en technologiesystemen die de output van investeringsinformatie ondersteunen.
In sommige geavanceerde handelsmodellen kan de integratie van fuzzy logic-wiskunde ook worden gebruikt om analisten te helpen bij het creëren van geautomatiseerde koop- en verkoopsignalen. Deze systemen helpen beleggers om te reageren op een breed scala aan veranderende marktvariabelen die van invloed zijn op hun beleggingen.
In geavanceerde software-handelsmodellen kunnen systemen programmeerbare fuzzy-sets gebruiken om duizenden effecten in realtime te analyseren en de belegger de best beschikbare kans te bieden. Fuzzy logic wordt vaak gebruikt wanneer een handelaar gebruik wil maken van meerdere factoren ter overweging. Dit kan resulteren in een vernauwde analyse voor handelsbeslissingen. Handelaren kunnen ook de mogelijkheid hebben om een verscheidenheid aan regels te programmeren voor het uitvoeren van transacties. Twee voorbeelden zijn de volgende:
Regel 1: Als het voortschrijdend gemiddelde laag is en de relatieve sterkte-index laag, verkoop dan.
Regel 2: Als het voortschrijdend gemiddelde hoog is en de relatieve sterkte-index hoog, koop dan.
Met fuzzy logic kan een handelaar zijn eigen subjectieve gevolgtrekkingen op laag en hoog programmeren in deze basisvoorbeelden om tot zijn eigen geautomatiseerde handelssignalen te komen.