ما هو المنطق الضبابي؟
Fuzzy Logic هو أسلوب لمعالجة متغير يتيح معالجة قيم متعددة من خلال نفس المتغير. يحاول المنطق المشوش حل المشكلات باستخدام مجموعة من البيانات المفتوحة غير الدقيقة التي تتيح الحصول على مجموعة من الاستنتاجات الدقيقة. تم تصميم منطق ضبابي لحل المشاكل من خلال النظر في جميع المعلومات المتاحة واتخاذ أفضل قرار ممكن في ضوء المدخلات.
الماخذ الرئيسية
- يسمح المنطق الضبابي بمعالجة أكثر دقة لشجرة القرار والتكامل الأفضل مع البرمجة المستندة إلى القواعد. ومن الناحية النظرية ، يمنح هذا النهج فرصة أكبر لتقليد ظروف الحياة الحقيقية. ويمكن استخدام المنطق الضبابي من قبل المحللين الكميين لتحسين تنفيذ خوارزمياتهم.
فهم المنطق الضبابي
ينبع المنطق الضبابي من الدراسة الرياضية للمفاهيم الغامضة التي تتضمن أيضًا مجموعات من البيانات الغامضة. قد يستخدم علماء الرياضيات مجموعة متنوعة من المصطلحات عند الإشارة إلى المفاهيم غامضة والتحليل غامض. على نطاق واسع وشامل ، يتم تصنيف هذه المصطلحات على أنها دلالات غامضة.
في الممارسة العملية ، كل هذه التركيبات تسمح بقيم متعددة للشرط "الحقيقي". بدلاً من كون True مكافئًا عدديًا لـ 1 و False مكافئًا لـ 0 (أو العكس بالعكس) ، يمكن أن يكون الشرط True أي عدد من القيم أقل من واحدة وأكبر من الصفر. وهذا يخلق فرصة للخوارزميات لاتخاذ قرارات بناءً على نطاقات بيانات الأسعار بدلاً من نقطة بيانات سرية واحدة.
اعتبارات المنطق الغامض
يتم تطوير منطق غامض بمعناه الأساسي من خلال تحليل نوع شجرة القرار. وبالتالي ، على نطاق أوسع ، فإنه يشكل الأساس لأنظمة الذكاء الاصطناعي المبرمجة من خلال الاستنتاجات المستندة إلى القواعد.
بشكل عام ، يشير مصطلح غامض إلى العدد الهائل من السيناريوهات التي يمكن تطويرها في شجرة القرارات مثل النظام. قد يتطلب تطوير بروتوكولات المنطق الغامض تكامل البرمجة القائمة على القواعد. يمكن الإشارة إلى قواعد البرمجة هذه على أنها مجموعات غامضة نظرًا لأنها يتم تطويرها وفقًا لتقدير النماذج الشاملة.
مجموعات غامضة قد تكون أيضًا أكثر تعقيدًا. في تشبيهات البرمجة الأكثر تعقيدًا ، قد يكون لدى المبرمجين القدرة على توسيع القواعد المستخدمة لتحديد إدراج واستبعاد المتغيرات. يمكن أن يؤدي هذا إلى مجموعة واسعة من الخيارات مع التفكير المنطقي القائم على قواعد أقل دقة.
دلالات غامضة في الذكاء الاصطناعي
يعد مفهوم المنطق الغامض والدلالات الغامضة عنصرا أساسيا في برمجة حلول الذكاء الاصطناعي. تستمر حلول وأدوات الذكاء الاصطناعي في التوسع في الاقتصاد عبر مجموعة من القطاعات مع توسع قدرات البرمجة من المنطق الغامض أيضًا.
يعد Watson من IBM أحد أكثر أنظمة الذكاء الاصطناعي شهرة والتي تستخدم أشكالًا مختلفة من المنطق الضبابي ودلالات غامض. على وجه التحديد في الخدمات المالية ، يتم استخدام المنطق الضبابي في أنظمة التعلم الآلي والتكنولوجيا التي تدعم مخرجات الاستخبارات الاستثمارية.
في بعض نماذج التداول المتقدمة ، يمكن أيضًا استخدام تكامل الرياضيات المنطقية المبهمة لمساعدة المحللين على إنشاء إشارات بيع وشراء آلية. تساعد هذه الأنظمة المستثمرين على الاستجابة لمجموعة واسعة من متغيرات السوق المتغيرة التي تؤثر على استثماراتهم.
في نماذج تداول البرامج المتقدمة ، يمكن للأنظمة استخدام مجموعات غامضة قابلة للبرمجة لتحليل آلاف الأوراق المالية في الوقت الفعلي وتقديم المستثمر بأفضل الفرص المتاحة. غالبًا ما يستخدم المنطق الغامض عندما يسعى التاجر إلى الاستفادة من عوامل متعددة للنظر فيها. هذا يمكن أن يؤدي إلى تحليل ضيق لقرارات التداول. قد يكون لدى المتداولين أيضًا القدرة على برمجة مجموعة متنوعة من القواعد لسن الصفقات. مثالين تشمل ما يلي:
القاعدة 1: إذا كان المتوسط المتحرك منخفضًا وكان مؤشر القوة النسبية منخفضًا ، فقم بالبيع.
القاعدة 2: إذا كان المتوسط المتحرك مرتفعًا ومؤشر القوة النسبية مرتفعًا ، فقم بالشراء.
يسمح المنطق الضبابي للمتداول ببرمجة الاستدلالات الذاتية الخاصة به في المستويات المنخفضة والعالية في هذه الأمثلة الأساسية للوصول إلى إشارات التداول الآلية الخاصة به.
