A Fuzzy consiste na biblioteca para trabalhar com lógica difusa

A lógica difusa é uma generalização da lógica aristotélica tradicional para o caso quando a verdade é vista como uma variável linguística. Como na lógica clássica, para a lógica difusa, são definidas suas operações de lógica difusa sobre os conjuntos difusos. Para os conjuntos difusos, existem todas as mesmas operações que para os conjuntos convencionais, com a particularidade de serem mais complexas. Observe que a composição dos conjuntos difusos também abrange um conjunto difuso.

A aproximação real ao refletir a realidade e um elevado nível de subjetividade que pode levar a erros significativos nos resultados dos cálculos durante seu uso são uma das principais características da lógica difusa que a distinguem da clássica.

O modelo (ou sistema) difuso é um modelo matemático, cuja base de cálculo é o fundamento da lógica difusa. Recorre-se à plotagem de tais modelos em caso de o objeto de estudo ter uma formalização muito fraca e sua descrição matemática ser muito complicada ou desconhecida. A qualidade das saídas desses modelos (erro de modelo) depende diretamente de perito que elaborou e definir o modelo. Para minimizar os erros, a melhor opção consiste em compilar o modelo mais completo e abrangente e, em seguida, configurá-lo usando as ferramentas de aprendizado de máquina, numa grande amostragem de treinamento.

O progresso na plotagem do modelo pode ser dividida em três fases principais:

1. Determinação dos parâmetros de entrada e de saída do modelo.
2. Construção de uma base de conhecimento.
3. Seleção de um dos métodos de inferência difusa (Mamdani ou Sugeno ou Sugeno).

Os outros dois dependem da primeira fase, uma vez que ela define o funcionamento futuro do modelo. A base de conhecimentos ou, como é também é chamada, a base de regras abrange o conjunto de regras difusas do tipo: "se, então" que definem a relação entre as entradas e saídas do objeto pesquisado. No sistema, o número de regras é determinado pelo Expert Advisor e também não é restrito. Formato generalizado de regras difusas:

Se há condição (envio) de regra, então há conclusão quanto à regra.

Se a condição da regra caracteriza o estado atual do objeto, a conclusão é como essa condição irá afetar o objeto. A visão geral das condições e conclusões não pode ser separada, uma vez que eles são determinados pela inferência difusa.

Cada regra tem um peso no sistema, é este parâmetro que caracteriza a importância da regra no modelo. Os fatores de ponderação são atribuídos à regra no intervalo [0, 1]. Em muitos dos exemplos sobre modelos difusos, que podem ser encontrados na literatura, os dados de peso não são especificados, mas isso não quer dizer que eles não existam, por outro lado, na verdade, para cada regra a partir da base de dados, em tal caso, o peso é fixo e igual a um. As condições e conclusões de cada regra podem ser de dois tipos:

1. simples – nela está envolvida uma variável difusa;
2. composta – participam várias variáveis difusas.

O sistema de inferência difuso é determinado dependendo da base de conhecimento criada para o modelo. Inferência difusa é chamada a obtenção de uma conclusão na forma de conjunto difuso correspondente aos valores atuais das entradas com uso de uma base difusa de conhecimentos e operações difusas. Há dos tipos básicos de inferência difusa, isto é, Mamdani ou Sugeno.