22 Junho 2021 22:06

Lógica Fuzzy

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 fuzzy 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 difusa pode ser usada por analistas quantitativos para melhorar a execução de seus algoritmos.

Compreendendo a lógica difusa

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 difusa 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 difuso 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 difusa 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 difusa 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 difusa 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 difusa está sendo usada em sistemas de aprendizado de máquina e tecnologia que dão suporte a resultados de inteligência de investimento.

Em alguns modelos de negociação avançados, a integração da matemática de 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 em mudança 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 trader programe suas próprias inferências subjetivas em baixa e alta nesses exemplos básicos para chegar a seus próprios sinais de negociação automatizados.