什麼是模糊邏輯？
模糊邏輯是一種變量處理方法，允許通過同一個變量處理多個可能的真值。模糊邏輯試圖用開放的、不精確的數據範圍和啓發式方法來解決問題，從而有可能獲得一系列準確的結論。
模糊邏輯旨在通過考慮所有可用信息並在給定輸入的情況下做出最佳決策來解決問題。
重點
- 模糊邏輯是一種啓發式方法，它允許更高級的決策樹處理並與基於規則的編程更好地集成。
- 模糊邏輯是標準邏輯的概括，其中所有語句的真值都爲 1 或 0。在模糊邏輯中，陳述可以具有部分真實的值，例如 0.9 或 0.5。
- 從理論上講，這使該方法有更多機會模仿現實生活中的情況，在這種情況下，絕對真實或虛假的陳述很少見。
- 定量分析師可以使用模糊邏輯來改進算法的執行。
- 由於與普通語言的相似性，模糊算法的編碼相對簡單，但可能需要徹底的驗證和測試。
理解模糊邏輯
模糊邏輯源於對多值邏輯的數學研究。普通邏輯處理絕對真理的陳述（例如，“這個物體是綠色的嗎？”），而模糊邏輯處理帶有主觀或相對定義的集合，例如“高”、“大”或“美麗”。這試圖模仿人類分析問題和做出決策的方式，這種方式依賴於模糊或不精確的價值觀，而不是絕對的真理或虛假。
實際上，這些構造都允許“真”條件的部分值。與經典邏輯中要求所有陳述絕對正確或絕對錯誤不同，模糊邏輯中的真值可以是 0 和 1 之間的任何值。這爲算法提供了一個機會，可以根據數據範圍而不是一個離散數據點做出決策。
在標準邏輯中，每個語句都必須有一個絕對值：真或假。在模糊邏輯中，真值被從 0 到 1 的“隸屬度”程度替換，其中 1 絕對正確，0 絕對錯誤。
模糊邏輯的歷史
模糊邏輯由 Lotfi Zadeh 在 1965 年爲《信息與控制》雜誌撰寫的論文中首次提出。在他的題爲“模糊集”的論文中，Zadeh 試圖反映信息處理中使用的數據類型，並推導出這種集合的基本邏輯規則。
“通常情況下，現實物理世界中遇到的對象類別並沒有精確定義的成員資格標準，”Zadeh 解釋說。 “然而，事實仍然是，這些定義不準確的‘類’在人類思維中發揮着重要作用，特別是在模式識別、信息交流和抽象領域。”
此後，模糊邏輯已成功應用於機器控制系統、圖像處理、人工智能等依賴於具有模糊解釋的信號的領域。
特別注意事項
最基本意義上的模糊邏輯是通過決策樹類型分析開發的。因此，在更廣泛的範圍內，它構成了通過基於規則的推理進行編程的人工智能系統的基礎。
通常，術語模糊是指可以在類似決策樹的系統中開發的大量場景。開發模糊邏輯協議可能需要集成基於規則的編程。這些編程規則可以稱爲模糊集，因爲它們是在綜合模型的判斷下開發的。
模糊集也可能更復雜。在更復雜的編程類比中，程序員可能有能力擴大用於確定變量包含和排除的規則。這可能會導致選擇範圍更廣，但基於規則的推理不太精確。
模糊邏輯可用於交易軟件，用於分析市場數據以獲取買賣信號。
人工智能中的模糊語義
模糊邏輯和模糊語義的概念是人工智能解決方案編程的核心組成部分。隨着模糊邏輯的編程能力也在擴展，人工智能解決方案和工具在經濟中的各個領域繼續擴展。
IBM 的 Watson 是最著名的人工智能系統之一，它使用模糊邏輯和模糊語義的變體。特別是在金融服務領域，模糊邏輯被用於支持投資情報輸出的機器學習和技術系統。
在一些高級交易模型中，模糊邏輯數學的集成也可用於幫助分析師創建自動買賣信號。這些系統幫助投資者對影響其投資的廣泛變化的市場變量做出反應。
模糊邏輯的例子
在先進的軟件交易模型中，系統可以使用可編程模糊集實時分析數千種證券，併爲投資者提供最佳機會。當交易者試圖利用多個因素進行考慮時，通常會使用模糊邏輯。這可能導致交易決策的分析範圍縮小。交易者也可能有能力編寫各種交易規則。兩個例子包括：
模糊邏輯允許交易者在這些基本示例中對低位和高位的主觀推斷進行編程，以得出他們自己的自動交易信號。
模糊邏輯的優缺點
模糊邏輯經常用於機器控制器和人工智能，也可以應用於交易軟件。雖然它的應用範圍很廣，但也有很大的侷限性。
因爲模糊邏輯模仿人類決策，所以它最適用於對具有模糊或扭曲輸入的複雜問題進行建模。由於與自然語言的相似性，模糊邏輯算法比標準邏輯編程更容易編碼，並且需要更少的指令，從而節省內存存儲需求。
由於模糊邏輯的不精確性，這些優點也伴隨着缺點。由於系統是爲不準確的數據和輸入而設計的，因此必須對其進行測試和驗證以防止結果不準確。
模糊邏輯的優勢
模糊邏輯比經典邏輯更可能反映現實世界的問題。
模糊邏輯算法比經典布爾邏輯具有更低的硬件要求。
模糊算法可以用不精確或不準確的數據產生準確的結果。
模糊邏輯的缺點
模糊算法需要廣泛的驗證和驗證。
模糊控制系統依賴於人類的專業知識和知識。
什麼是數據挖掘中的模糊邏輯？
數據挖掘是在大量數據中識別重要關係的過程，該領域與統計學、機器學習和計算機科學重疊。模糊邏輯是一組規則，可用於從模糊數據集得出邏輯結論。由於數據挖掘通常應用於不精確的測量，因此模糊邏輯是從此類數據中確定相關關係的有用方法。
模糊邏輯和機器學習一樣嗎？
模糊邏輯通常與機器學習組合在一起，但它們並不是一回事。機器學習是指模擬人類認知的計算系統，通過迭代調整算法來解決複雜問題。模糊邏輯是一組規則和函數，可以對不精確的數據集進行操作，但算法仍然需要人工編碼。這兩個領域在人工智能和複雜問題解決方面都有應用。
模糊邏輯和神經網絡有什麼區別？
人工神經網絡是一種計算系統，旨在模仿類人神經系統的問題解決程序。這與模糊邏輯不同，模糊邏輯是一組旨在從不精確數據中得出結論的規則。兩者都在計算機科學中有應用，但它們是不同的領域。
結論
模糊邏輯是經典邏輯的擴展，它結合了人類決策中的不確定性因素。它經常用於解決參數可能不清楚或不精確的複雜問題。模糊邏輯也用於投資軟件，可用於解釋模棱兩可或不清楚的交易信號。