Définition de la logique floue
Qu’est-ce que la logique floue ?
La logique floue est une approche du traitement des variables qui permet de traiter plusieurs valeurs de vérité possibles via la même variable. La logique floue tente de résoudre des problèmes avec un spectre ouvert et imprécis de données et d’heuristiques qui permet d’obtenir un éventail de conclusions précises.
La logique floue est conçue pour résoudre des problèmes en tenant compte de toutes les informations disponibles et en prenant la meilleure décision possible compte tenu de l’entrée.
Points clés à retenir
- La logique floue est une approche heuristique qui permet un traitement d’arbre de décision plus avancé et une meilleure intégration avec la programmation basée sur des règles.
- La logique floue est une généralisation de la logique standard, dans laquelle toutes les déclarations ont une valeur de vérité de un ou de zéro. Dans la logique floue, les déclarations peuvent avoir une valeur de vérité partielle, telle que 0,9 ou 0,5.
- Théoriquement, cela donne à l’approche plus d’opportunités d’imiter des circonstances de la vie réelle, où les déclarations de vérité absolue ou de fausseté sont rares.
- La logique floue peut être utilisée par les analystes quantitatifs pour améliorer l’exécution de leurs algorithmes.
- En raison des similitudes avec le langage ordinaire, les algorithmes flous sont relativement simples à coder, mais ils peuvent nécessiter une vérification et des tests approfondis. .
Comprendre la logique floue
La logique floue découle de l’étude mathématique de la logique multivaluée. Alors que la logique ordinaire traite des déclarations de vérité absolue (telles que « cet objet est-il vert ? »), la logique floue traite des ensembles avec des définitions subjectives ou relatives, telles que « grand », « grand » ou « beau ». Cela tente d’imiter la façon dont les humains analysent les problèmes et prennent des décisions, d’une manière qui repose sur des valeurs vagues ou imprécises plutôt que sur la vérité ou le mensonge absolu.
En pratique, ces constructions autorisent toutes des valeurs partielles de la condition « vraie ». Au lieu d’exiger que toutes les déclarations soient absolument vraies ou absolument fausses, comme dans la logique classique, les valeurs de vérité en logique floue peuvent prendre n’importe quelle valeur entre zéro et un. Cela crée une opportunité pour les algorithmes de prendre des décisions basées sur des plages de données plutôt que sur un point de données discret.
Dans la logique standard, chaque énoncé doit avoir une valeur absolue : vrai ou faux. Dans la logique floue, les valeurs de vérité sont remplacées par des degrés d’« appartenance » de 0 à 1, où 1 est absolument vrai et 0 est absolument faux.
Histoire de la logique floue
La logique floue a été proposée pour la première fois par Lotfi Zadeh dans un article de 1965 pour le journal Informations et contrôle. Dans son article intitulé « Ensembles flous », Zadeh a tenté de refléter le type de données utilisées dans le traitement de l’information et a dérivé les règles logiques élémentaires pour ce type d’ensemble.
« Le plus souvent, les classes d’objets rencontrés dans le monde physique réel n’ont pas de critères d’appartenance définis avec précision », a expliqué Zadeh. « Pourtant, le fait demeure que de telles « classes » définies de manière imprécise jouent un rôle important dans la pensée humaine, en particulier dans les domaines de la reconnaissance des formes, de la communication d’informations et de l’abstraction. «
Depuis lors, la logique floue a été appliquée avec succès dans les systèmes de contrôle de machines, le traitement d’images, l’intelligence artificielle et d’autres domaines qui reposent sur des signaux à interprétation ambiguë. Une revue de 2013 a trouvé 26 revues de recherche consacrées à la théorie ou à l’application de la logique floue, des dizaines de milliers de publications dans diverses bases de données scientifiques, 16 898 brevets ou demandes de brevet aux États-Unis et 7 149 autres brevets ou demandes de brevet au Japon.
Considérations particulières
La logique floue dans son sens le plus basique est développée à travers une analyse de type arbre de décision. Ainsi, à plus grande échelle, il constitue la base des systèmes d’intelligence artificielle programmés par des inférences basées sur des règles.
Généralement, le terme flou fait référence au grand nombre de scénarios qui peuvent être développés dans un système de type arbre de décision. 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 également 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 des variables. Cela peut se traduire par un plus large éventail d’options avec un raisonnement basé sur des règles moins précis.
La logique floue peut être utilisée dans les logiciels de trading, où elle est utilisée pour analyser les données du marché pour les signaux d’achat et de vente.
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, à mesure que les capacités de programmation de la logique floue se développent également.
Watson d’IBM est l’un des systèmes d’intelligence artificielle les plus connus utilisant des variations de logique floue et de sémantique floue. Plus précisément dans les services financiers, la logique floue est utilisée dans les systèmes d’apprentissage automatique et technologiques prenant en charge les sorties de renseignements sur les investissements.
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 d’achat et de vente automatisés. Ces systèmes aident les investisseurs à réagir à un large éventail de variables de marché changeantes qui affectent leurs investissements.
Exemples de logique floue
Dans les modèles de trading logiciels avancés, 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 trader cherche à prendre en compte plusieurs facteurs. Cela peut entraîner une analyse restreinte des décisions de trading. Les commerçants peuvent également avoir la possibilité de programmer une variété de règles pour adopter des métiers. Voici deux exemples :
La logique floue permet à un trader de programmer ses propres inférences subjectives sur bas et haut dans ces exemples de base pour arriver à ses propres signaux de trading automatisés.
Avantages et inconvénients de la logique floue
La logique floue est fréquemment utilisée dans les contrôleurs de machines, l’intelligence artificielle et peut également être appliquée aux logiciels de trading. Bien qu’il ait un large éventail d’applications, il présente également des limitations substantielles.
Parce que la logique floue imite la prise de décision humaine, elle est très utile pour modéliser des problèmes complexes avec des entrées ambiguës ou déformées. En raison des similitudes avec le langage naturel, les algorithmes de logique floue sont plus faciles à coder que la programmation logique standard et nécessitent moins d’instructions, économisant ainsi sur les besoins de stockage en mémoire.
Ces avantages s’accompagnent également d’inconvénients, en raison de la nature imprécise de la logique floue. Étant donné que les systèmes sont conçus pour des données et des entrées inexactes, ils doivent être testés et validés pour éviter des résultats inexacts.
-
Plus susceptible de refléter des problèmes du monde réel que la logique classique.
-
Les algorithmes de logique floue ont des exigences matérielles inférieures à celles de la logique booléenne classique.
-
Les algorithmes flous peuvent produire des résultats précis avec des données imprécises ou inexactes.
La ligne de fond
La logique floue est une extension de la logique classique qui intègre les incertitudes qui interviennent dans la prise de décision humaine. Il est fréquemment utilisé pour résoudre des problèmes complexes, où les paramètres peuvent être flous ou imprécis. La logique floue est également utilisée dans les logiciels d’investissement, où elle peut être utilisée pour interpréter des signaux de trading ambigus ou peu clairs.
FAQ sur la logique floue
Qu’est-ce que la logique floue dans l’exploration de données ?
L’exploration de données est le processus d’identification des relations significatives dans de grands ensembles de données, un domaine qui chevauche les statistiques, l’apprentissage automatique et l’informatique. La logique floue est un ensemble de règles qui peuvent être utilisées pour tirer des conclusions logiques à partir d’ensembles de données flous. Étant donné que l’exploration de données est souvent appliquée à des mesures imprécises, la logique floue est un moyen utile de déterminer les relations pertinentes à partir de ce type de données.
La logique floue est-elle identique à l’apprentissage automatique ?
La logique floue est souvent regroupée avec l’apprentissage automatique, mais ce n’est pas la même chose. L’apprentissage automatique fait référence à des systèmes informatiques qui imitent la cognition humaine, en adaptant de manière itérative des algorithmes pour résoudre des problèmes complexes. La logique floue est un ensemble de règles et de fonctions qui peuvent fonctionner sur des ensembles de données imprécis, mais les algorithmes doivent toujours être codés par des humains. Les deux domaines ont des applications dans l’intelligence artificielle et la résolution de problèmes complexes.
Quelle est la différence entre la logique floue et les réseaux de neurones ?
Un réseau de neurones artificiels est un système informatique conçu pour imiter les procédures de résolution de problèmes d’un système nerveux de type humain. Ceci est distinct de la logique floue, un ensemble de règles conçues pour tirer des conclusions à partir de données imprécises. Les deux ont des applications en informatique, mais ce sont des domaines distincts.