Se connecter
Logique floue
Introduite par le biais de la théorie des ensembles flous en 1965 par Lofti Zadeh à l’université de Berkley en Californie, la logique floue (au sens « ambiguë » du terme) a été développée pour contourner l’impossibilité ou la difficulté extrême de modélisation de certains problèmes. En opposition avec la logique booléenne qui ne tolère pas d’états intermédiaires, l’idée est alors de déterminer la véracité d’une proposition comme étant un nombre réel situé dans l’intervalle [0,1]. Elle s’inspire du raisonnement humain classique qui repose le plus souvent sur des données incomplètes. On dit alors que la logique floue permet de faire le lien entre modélisation symbolique et modélisation numérique. Utilisée en intelligence artificielle, la logique floue trouve également des applications dans des domaines aussi variés que la robotique, la sismologie, la médecine, la météorologie notamment ou encore le marketing. En matière de classification par exemple, certains individus se retrouvent dans des zones d’intersection de classes, ce qui crée un problème pour l’analyse. Nguyen Phuong Tam, Gérard Cliquet, Adilson Borges et Frédéric Leray expliquent alors que : « De nouvelles approches de classification ont été proposées pour essayer de surmonter ce problème parmi lesquelles on peut noter l’approche par la logique floue avec l’introduction du concept de degré d’appartenance qui détermine la “force” avec laquelle un individu appartient aux différentes classes. Cela repose sur le fait que le concept de logique floue ne cherche pas un point de rupture x qui décide de l’appartenance d’un individu à une classe, mais qu’elle raisonne plutôt sur la base d’un intervalle de valeurs. »
Agence Receptive : Définition et exemples marketing
Dashboard marketing : Définition, principe et exemples
Click and collect : Définition et exemples marketing
L'Institut Gustave Roussy déploie une campagne dans laquelle le Père Noël est confronté au cancer
Lancement de la nouvelle formule d' e-marketing.fr
KPI marketing : la liste des indicateurs à suivre en priorité
Qu'est ce que l'Intelligence Artificielle, le Machine Learning, le Deep Learning ?
