Lógica Difusa
A lógica difusa é uma abordagem ao processamento de variáveis que permite que vários valores sejam processados através da mesma variável. A lógica nebulosa tenta resolver problemas com um espectro aberto e impreciso de dados que possibilita 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, dada a entrada.
Principais Takeaways
- A lógica difusa permite um processamento mais avançado da árvore de decisão e melhor integração com a programação baseada em regras.
- Teoricamente, isso dá à abordagem mais oportunidade de imitar as circunstâncias da vida real.
- A lógica nebulosa pode ser usada por analistas quantitativos para melhorar a execução de seus algoritmos.
Compreendendo a lógica difusa
A lógica difusa deriva do estudo matemático de conceitos difusos, que também envolve conjuntos de dados difusos. Os matemáticos podem usar vários termos ao se referir a conceitos difusos e análise difusa. De maneira 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 Falso 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, no seu sentido mais básico, é desenvolvida através da análise do tipo de árvore de decisão. Assim, em uma escala mais ampla, forma a base para sistemas de inteligência artificial programados através de inferências baseadas em regras.
Geralmente, o termo difuso se refere ao grande número de cenários que podem ser desenvolvidos em uma árvore de decisão como um sistema. 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 nebulosos, pois são desenvolvidas a critério de modelos abrangentes.
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 um 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 vários 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, usando variações de lógica difusa e semântica difusa. Especificamente em serviços financeiros, a lógica difusa está sendo usada em sistemas de aprendizado de máquina e tecnologia que suportam resultados de inteligência de investimento.
Em alguns modelos avançados de negociação, a integração da matemática da lógica difusa também pode ser usada para ajudar os analistas a criar sinais automatizados de compra e venda. Esses sistemas ajudam os investidores a reagir a uma ampla gama de variáveis variáveis do mercado que afetam seus investimentos.
Em modelos avançados de negociação de software, os sistemas podem usar conjuntos nebulosos programáveis para analisar milhares de títulos em tempo real e apresentar ao investidor a melhor oportunidade disponível. A lógica difusa é frequentemente usada quando um profissional procura fazer uso de vários fatores para consideração. Isso pode resultar em uma análise restrita para decisões de negociação. Os comerciantes também podem ter a capacidade de programar uma variedade de regras para a realização de negociações. Dois exemplos incluem o seguinte:
Regra 1: Se a média móvel for baixa e o Índice de Força Relativa for baixo, então 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.
Compare contas de investimento Nome do provedor Descrição Divulgação do anunciante × As ofertas que aparecem nesta tabela são de parcerias das quais a Investopedia recebe remuneração.