Logique floue
La logique floue est une approche du traitement de variable qui permet de traiter plusieurs valeurs à travers la même variable. La logique floue tente de résoudre les problèmes avec un spectre de données ouvert et imprécis permettant d'obtenir un ensemble de conclusions précises. La logique floue est conçue pour résoudre les problèmes en prenant en compte toutes les informations disponibles et en prenant la meilleure décision possible en fonction de la saisie.
Points clés à retenir
- La logique floue permet un traitement plus avancé de l’arbre de décision et une meilleure intégration avec la programmation basée sur des règles.
- Théoriquement, cela donne à l'approche plus de possibilités d'imiter les circonstances de la vie réelle.
- La logique floue peut être utilisée par les analystes quantitatifs pour améliorer l'exécution de leurs algorithmes.
Comprendre la logique floue
La logique floue découle de l'étude mathématique de concepts flous qui implique également des ensembles de données flous. Les mathématiciens peuvent utiliser divers termes pour faire référence à des concepts flous et à une analyse floue. Globalement et globalement, ces termes sont classés dans la sémantique floue.
En pratique, ces constructions autorisent toutes plusieurs valeurs de la condition "vraie". Au lieu que True soit numériquement équivalent à 1 et False à 0 (ou inversement), la condition True pourrait être un nombre quelconque de valeurs inférieures à un et supérieures à zéro. Cela crée une opportunité pour les algorithmes de prendre des décisions basées sur des plages de données de prix plutôt que sur un point de données discret.
Considérations sur la logique floue
La logique floue dans son sens le plus fondamental est développée par l’analyse de type arbre de décision. Ainsi, à plus grande échelle, il constitue la base des systèmes d’intelligence artificielle programmés au moyen d’inférences fondées sur des règles.
Généralement, le terme flou fait référence au grand nombre de scénarios qui peuvent être développés dans un arbre de décision comme un système. Le développement de protocoles de logique floue peut nécessiter l’intégration d’une programmation basée sur des règles. Ces règles de programmation peuvent être appelées ensembles flous car elles sont développées à la discrétion de modèles complets.
Les ensembles flous peuvent aussi être plus complexes. Dans des analogies de programmation plus complexes, les programmeurs peuvent avoir la possibilité d’élargir les règles utilisées pour déterminer l’inclusion et l’exclusion de variables. Cela peut donner lieu à un éventail plus large d'options avec un raisonnement moins précis fondé sur des règles.
Sémantique floue en intelligence artificielle
Le concept de logique floue et de sémantique floue est un élément central de la programmation de solutions d'intelligence artificielle. Les solutions et outils d’intelligence artificielle continuent de se développer dans l’économie dans divers secteurs, parallèlement à l’augmentation des capacités de programmation issues de la logique floue.
Watson d'IBM est l'un des systèmes d'intelligence artificielle les plus connus utilisant des variations de logique floue et de sémantique floue. En particulier dans les services financiers, la logique floue est utilisée dans l'apprentissage automatique et les systèmes technologiques permettant la production d'informations intelligentes.
Dans certains modèles de trading avancés, l’intégration des mathématiques de la logique floue peut également être utilisée pour aider les analystes à créer des signaux automatisés d’achat et de vente. Ces systèmes aident les investisseurs à réagir à un large éventail de variables de marché changeantes qui affectent leurs investissements.
Dans les modèles avancés de négociation de logiciels, les systèmes peuvent utiliser des ensembles flous programmables pour analyser des milliers de titres en temps réel et présenter à l'investisseur la meilleure opportunité disponible. La logique floue est souvent utilisée lorsqu'un commerçant cherche à utiliser plusieurs facteurs à prendre en compte. Cela peut entraîner une analyse restreinte des décisions de trading. Les traders peuvent également avoir la capacité de programmer une variété de règles pour la passation de métiers. Deux exemples sont les suivants:
Règle 1: Si la moyenne mobile est basse et que l'indice de force relative est bas, alors vendez.
Règle 2: Si la moyenne mobile est élevée et que l'indice de force relative est élevé, achetez.
La logique floue permet à un opérateur de programmer ses propres inférences subjectives dans les exemples bas et haut pour obtenir ses propres signaux de négociation automatisés.
Comparaison des comptes d'investissement Nom du fournisseur Description Divulgation par l'annonceur × Les offres figurant dans ce tableau proviennent de partenariats avec lesquels Investopedia reçoit une rémunération.