Fuzzy est une bibliothèque permettant de travailler avec de la logique floue

La logique floue est une synthèse de la logique aristotélicienne traditionnelle lorsque la vérité est marquée sous forme d'une variable linguistique. La logique floue, équivalente à la logique classique, possède ses propres opérations logiques floues sur des ensembles flous définis. Les mêmes opérations sur les ensembles ordinaires existent pour la logique floue, seuls leurs calculs sont, de loin, plus difficiles. Notez également que la composition d'ensembles flous constitue un autre ensemble flou.

Les grands principes de la logique floue, en la distinguant de la logique classique, sont la proximité maximale de la réflexion de la réalité et un haut niveau de subjectivité, ce qui peut mener à des erreurs significatives dans les calculs.

Le modèle (ou système) flou est un modèle mathématique dont les calculs sont basés sur la logique floue. Le construction de ce genre de modèle est applicable lorsque le sujet de l'étude a une formalisation faible et que sa description mathématique est trop complexe voire inconnue. La qualité des valeurs calculées de ces modèles (modèle d'erreur) ne dépend directement que de l'Expert Advisor ayant construit ce modèle. La meilleure option pour minimiser les erreurs est de dessiner le modèle le plus complet et le plus compréhensif et ensuite de l'ajuster en utilisant du machine learning sur un grand ensemble d'apprentissage.

L'avancée de la construction d'un modèle peut être divisée en trois étapes principales :

1. Définition des caractéristiques d'entrée et de sortie d'un modèle.
2. Construction de la base de connaissances.
3. Sélection de l'une des méthodes d'inférence floue (Mamdani ou Sugeno).

La première étape affecte directement les deux suivantes et détermine l'utilisation future du modèle. Une base de connaissances ou, comme on l'appelle parfois, une base de règles est un ensemble de règles floues : "si, alors" définissant la relation entre les entrées et les sorties de l'objet ex&miné. Le nombre de règles dans le système n'est pas limité et est déterminé par l'Expert Advisor. Le format général des régles floues est le suivant :

Si condition de la règle, alors conclusion de la règle.

La condition de la règle décrit l'état courant de l'objet, and la conclusion de la règle – comment cette condition affecte l'objet. Une vue générale des conditions et des conclusions n'est pas possible car elles sont déterminées par une inférence floue.

Chaque règle du système a son propre poids – cette caractéristique détermine l'importance d'une règle dans le modèle. Les facteurs de poids sont assignés à une règle dans l'intervalle [0, 1]. Dans de nombreux exemples sur les modèles flous, pouvant être trouvés dans la littérature correspondante, le poids n'est pas spécifié, mais cela ne signifie pas qu'il n'existe pas. De fait, dans ce cas chaque règle de la base se voit affectée un poids fixe de 1. Il peut y avoir deux types de termes et de conclusions pour chaque règle :

1. simple – inclut une seule variable floue;
2. complexe – inclut plusieurs variables floues.

Suivant la base de connaissances créée, le système d'inférence floue est déterminé par un modèle. Une inférence logique floue est un conteneur de conclusion sous la forme d'un ensemble flou correspondant à la valeur courante des entrées avec l'utilisation de la base de connaissances et des opérations floues. Les deux principaux types d'inférences floues sont Mamdani et Sugeno.