Apakah Logik Fuzzy?
Logik kabur adalah pendekatan kepada pemprosesan berubah-ubah yang membolehkan pelbagai nilai diproses melalui pembolehubah yang sama. Pencapaian logik kabur untuk menyelesaikan masalah dengan spektrum data terbuka dan tidak tepat yang memungkinkan untuk mendapatkan kesimpulan yang tepat. Logik fuzzy direka untuk menyelesaikan masalah dengan mempertimbangkan semua maklumat yang ada dan membuat keputusan yang terbaik berdasarkan input.
Takeaways Utama
- Logik kabur membolehkan proses pemprosesan keputusan yang lebih maju dan integrasi yang lebih baik dengan pengaturcaraan berasaskan peraturan. Secara teori, ini memberikan pendekatan lebih banyak peluang untuk meniru keadaan kehidupan sebenar. Logik yang jelas boleh digunakan oleh penganalisis kuantitatif untuk meningkatkan pelaksanaan algoritma mereka.
Memahami Logik Kabur
Logik fuzzy berpunca dari kajian matematik konsep fuzzy yang juga melibatkan set data fuzzy. Ahli matematik boleh menggunakan pelbagai istilah apabila merujuk kepada konsep fuzzy dan analisis kabur. Secara umum dan menyeluruh istilah ini diklasifikasikan sebagai semantik kabur.
Dalam amalan, semua ini membina bagi membolehkan nilai-nilai yang berlainan bagi keadaan "benar". Daripada Sebenar yang setara bersamaan dengan 1 dan Palsu bersamaan dengan 0 (atau sebaliknya), keadaan Benar boleh menjadi bilangan nilai yang kurang daripada satu dan lebih besar daripada sifar. Ini mewujudkan peluang bagi algoritma untuk membuat keputusan berdasarkan rentang data harga berbanding satu titik data bijak.
Pertimbangan Logik Kabur
Logik kabur dalam erti kata yang paling asasnya dibangunkan melalui analisis jenis pokok keputusan. Oleh itu, pada skala yang lebih luas ia menjadi asas bagi sistem perisikan buatan yang diprogramkan melalui kesimpulan berasaskan peraturan.
Pada umumnya, istilah fuzzy merujuk kepada sebilangan besar senario yang boleh dibangunkan dalam pokok keputusan seperti sistem. Membangunkan protokol logik fuzzy memerlukan pengintegrasian pengaturcaraan berasaskan peraturan. Peraturan pengaturcaraan ini boleh dirujuk sebagai set fuzzy kerana ia dibangunkan mengikut budi bicara model komprehensif.
Set kabur mungkin lebih rumit. Dalam analogi pengaturcaraan yang lebih kompleks, pengaturcara mungkin mempunyai keupayaan untuk meluaskan peraturan yang digunakan untuk menentukan kemasukan dan pengecualian pembolehubah. Ini boleh menghasilkan pilihan yang lebih luas dengan penalaran berasaskan peraturan kurang tepat.
Semantik Fuzzy dalam Kecerdasan Buatan
Konsep logik fuzzy dan semantik fuzzy adalah komponen utama untuk memprogramkan penyelesaian kecerdasan buatan. Penyelesaian kecerdasan buatan dan alat terus berkembang di dalam ekonomi dalam berbagai sektor karena keupayaan pengaturcaraan dari logika kabur juga berkembang.
Watson IBM adalah salah satu sistem kecerdasan buatan yang paling terkenal menggunakan variasi logika fuzzy dan semantik fuzzy. Khususnya dalam perkhidmatan kewangan, logik kabur digunakan dalam pembelajaran mesin dan sistem teknologi yang menyokong output kecerdasan pelaburan.
Dalam beberapa model dagangan maju, integrasi matematik logik fuzzy juga boleh digunakan untuk membantu para penganalisis untuk membuat isyarat membeli dan menjual automatik. Sistem-sistem ini membantu para pelabur untuk bertindak balas terhadap pelbagai perubahan pembolehubah pasaran yang mempengaruhi pelaburan mereka.
Dalam model dagangan perisian canggih, sistem boleh menggunakan set kabur yang boleh diprogram untuk menganalisis beribu-ribu sekuriti dalam masa nyata dan membentangkan pelabur dengan peluang terbaik yang tersedia. Logik kabur sering digunakan apabila seorang peniaga berusaha untuk menggunakan pelbagai faktor untuk dipertimbangkan. Ini boleh menyebabkan analisis sempit untuk keputusan perdagangan. Peniaga juga mungkin mempunyai keupayaan untuk memprogram pelbagai peraturan untuk membuat perdagangan. Dua contoh termasuk yang berikut:
Kaedah 1: Jika purata bergerak rendah dan Indeks Kekuatan Relatif rendah, maka jual.
Kaedah 2: Jika purata bergerak tinggi dan Indeks Kekuatan Relatif tinggi, maka beli.
Logik kabur membolehkan pedagang untuk memprogram kesimpulan subjektif mereka sendiri pada tahap rendah dan tinggi dalam contoh asas ini untuk mencapai isyarat dagangan automatik mereka sendiri.
