Fuzzy Logic
Fuzzy Logic ist ein Ansatz zur Variablenverarbeitung, mit dem mehrere Werte über dieselbe Variable verarbeitet werden können. Die Fuzzy-Logik versucht, Probleme mit einem offenen, ungenauen Datenspektrum zu lösen, das es ermöglicht, eine Reihe genauer Schlussfolgerungen zu ziehen. Die Fuzzy-Logik wurde entwickelt, um Probleme zu lösen, indem alle verfügbaren Informationen berücksichtigt und anhand der eingegebenen Daten die bestmögliche Entscheidung getroffen werden.
Die zentralen Thesen
- Die Fuzzy-Logik ermöglicht eine erweiterte Verarbeitung des Entscheidungsbaums und eine bessere Integration in die regelbasierte Programmierung.
- Theoretisch bietet dies dem Ansatz mehr Möglichkeiten, die realen Umstände nachzuahmen.
- Fuzzy-Logik kann von quantitativen Analysten verwendet werden, um die Ausführung ihrer Algorithmen zu verbessern.
Grundlegendes zur Fuzzy-Logik
Die Fuzzy-Logik beruht auf der mathematischen Untersuchung von Fuzzy-Konzepten, die auch Fuzzy-Datensätze umfasst. Mathematiker können eine Vielzahl von Begriffen verwenden, wenn sie sich auf Fuzzy-Konzepte und Fuzzy-Analysen beziehen. Allgemein und umfassend werden diese Begriffe als Fuzzy-Semantik klassifiziert.
In der Praxis erlauben diese Konstrukte alle mehrere Werte der "wahren" Bedingung. Anstelle von Wahr, das numerisch gleich 1 ist, und Falsch, das gleich 0 ist (oder umgekehrt), kann die Bedingung Wahr eine beliebige Anzahl von Werten sein, die kleiner als eins und größer als null sind. Dies schafft die Möglichkeit für Algorithmen, Entscheidungen auf der Grundlage von Preisdatenbereichen im Gegensatz zu einem diskreten Datenpunkt zu treffen.
Überlegungen zur Fuzzy-Logik
Die Fuzzy-Logik im einfachsten Sinne wird durch die Analyse des Entscheidungsbaumtyps entwickelt. Im weiteren Sinne bildet es somit die Grundlage für künstliche Intelligenzsysteme, die durch regelbasierte Schlussfolgerungen programmiert werden.
Im Allgemeinen bezieht sich der Begriff Fuzzy auf die große Anzahl von Szenarien, die in einem entscheidungsbaumartigen System entwickelt werden können. Die Entwicklung von Fuzzy-Logik-Protokollen kann die Integration einer regelbasierten Programmierung erfordern. Diese Programmierregeln können als Fuzzy-Mengen bezeichnet werden, da sie nach Ermessen umfassender Modelle entwickelt werden.
Fuzzy-Mengen können auch komplexer sein. In komplexeren Programmieranalogien haben Programmierer möglicherweise die Möglichkeit, die Regeln zu erweitern, die zum Bestimmen des Einschlusses und Ausschlusses von Variablen verwendet werden. Dies kann zu einer größeren Auswahl an Optionen mit weniger präzisen regelbasierten Überlegungen führen.
Fuzzy-Semantik in der künstlichen Intelligenz
Das Konzept der Fuzzy-Logik und der Fuzzy-Semantik ist ein zentraler Bestandteil der Programmierung künstlicher Intelligenzlösungen. Lösungen und Tools für künstliche Intelligenz nehmen in der Wirtschaft in einer Reihe von Sektoren weiter zu, da auch die Programmierfunktionen von Fuzzy Logic zunehmen.
IBMs Watson ist eines der bekanntesten Systeme für künstliche Intelligenz, das Variationen von Fuzzy-Logik und Fuzzy-Semantik verwendet. Insbesondere bei Finanzdienstleistungen wird Fuzzy-Logik in maschinellen Lern- und Technologiesystemen verwendet, die die Ausgabe von Investment Intelligence unterstützen.
In einigen fortgeschrittenen Handelsmodellen kann die Integration von Fuzzy-Logik-Mathematik auch verwendet werden, um Analysten bei der Erstellung automatisierter Kauf- und Verkaufssignale zu helfen. Diese Systeme helfen Anlegern, auf eine Vielzahl sich ändernder Marktvariablen zu reagieren, die sich auf ihre Anlagen auswirken.
In fortgeschrittenen Software-Handelsmodellen können Systeme programmierbare Fuzzy-Sets verwenden, um Tausende von Wertpapieren in Echtzeit zu analysieren und dem Anleger die beste verfügbare Gelegenheit zu bieten. Fuzzy-Logik wird häufig verwendet, wenn ein Händler mehrere Faktoren zur Berücksichtigung heranziehen möchte. Dies kann zu einer engeren Analyse der Handelsentscheidungen führen. Händler haben möglicherweise auch die Möglichkeit, eine Vielzahl von Regeln für das Durchführen von Trades zu programmieren. Zwei Beispiele sind die folgenden:
Regel 1: Wenn der gleitende Durchschnitt niedrig und der Relative Strength Index niedrig ist, dann verkaufen Sie.
Regel 2: Wenn der gleitende Durchschnitt hoch und der Relative Strength Index hoch ist, dann kaufen Sie.
Die Fuzzy-Logik ermöglicht es einem Händler, seine eigenen subjektiven Schlussfolgerungen in diesen grundlegenden Beispielen auf niedrig und hoch zu programmieren, um zu ihren eigenen automatisierten Handelssignalen zu gelangen.
Vergleich von Anlagekonten Name des Anbieters Beschreibung Angaben zum Werbetreibenden × Die in dieser Tabelle aufgeführten Angebote stammen von Partnerschaften, von denen Investopedia eine Vergütung erhält.