Neaiški logika prieš neuroninį tinklą
Fuzzy Logic priklauso daugiareikšmės logikos šeimai. Jame dėmesys sutelkiamas į fiksuotą ir apytikslį samprotavimą, o ne fiksuotą ir tikslų samprotavimą. Neaiškios logikos kintamasis gali turėti tiesos reikšmių diapazoną nuo 0 iki 1, o ne tradicinėse dvejetainėse aibėse teisinga arba klaidinga. Neuroniniai tinklai (NN) arba dirbtiniai neuroniniai tinklai (ANN) yra skaičiavimo modelis, sukurtas remiantis biologiniais neuroniniais tinklais. ANN sudaro dirbtiniai neuronai, kurie jungiasi vienas su kitu. Paprastai ANN pritaiko savo struktūrą pagal į jį gaunamą informaciją.
Kas yra neaiškioji logika?
Fuzzy Logic priklauso daugiareikšmės logikos šeimai. Jame dėmesys sutelkiamas į fiksuotą ir apytikslį samprotavimą, o ne fiksuotą ir tikslų samprotavimą. Neaiškios logikos kintamasis gali turėti tiesos reikšmių diapazoną nuo 0 iki 1, o ne tradicinėse dvejetainėse aibėse teisinga arba klaidinga. Kadangi tiesos reikšmė yra diapazonas, ji gali apdoroti dalinę tiesą. Neaiškios logikos pradžia buvo pažymėta 1956 m., kai Lotfi Zadeh pristatė neaiškių aibių teoriją. Neaiškioji logika suteikia metodą, leidžiantį priimti konkrečius sprendimus, pagrįstus netiksliais ir dviprasmiškais įvesties duomenimis. Neaiškioji logika plačiai naudojama valdymo sistemose, nes ji labai panaši į tai, kaip žmogus priima sprendimą, bet greičiau. Neaiškia logika gali būti įtraukta į valdymo sistemas, pagrįstas mažais delniniais įrenginiais ir didelėmis kompiuterinėmis darbo vietomis.
Kas yra neuroniniai tinklai?
ANN yra skaičiavimo modelis, sukurtas remiantis biologiniais neuroniniais tinklais. ANN sudaro dirbtiniai neuronai, kurie jungiasi vienas su kitu. Paprastai ANN pritaiko savo struktūrą pagal į jį gaunamą informaciją. Kuriant ANN reikia laikytis sistemingų žingsnių, vadinamų mokymosi taisyklėmis, rinkinio. Be to, mokymosi procesas reikalauja mokymosi duomenų, kad būtų galima atrasti geriausią ANN veikimo tašką. ANN gali būti naudojami norint išmokti kai kurių stebimų duomenų apytikslę funkciją. Tačiau taikant ANN reikia atsižvelgti į keletą veiksnių. Modelis turi būti kruopščiai parinktas, atsižvelgiant į duomenis. Be reikalo sudėtingų modelių naudojimas apsunkintų mokymosi procesą. Taip pat svarbu pasirinkti tinkamą mokymosi algoritmą, nes kai kurie mokymosi algoritmai geriau veikia su tam tikro tipo duomenimis.
Kuo skiriasi neaiškioji logika ir neuroniniai tinklai?
Neaiškioji logika leidžia priimti konkrečius sprendimus remiantis netiksliais ar dviprasmiškais duomenimis, tuo tarpu ANN bando įtraukti žmogaus mąstymo procesą, kad išspręstų problemas, jų matematiškai nemodeliuojant. Nors abu šie metodai gali būti naudojami sprendžiant netiesines problemas ir problemas, kurios nėra tinkamai nurodytos, jie nėra susiję. Priešingai nei Fuzzy logika, ANN bando pritaikyti mąstymo procesą žmogaus smegenyse problemoms spręsti. Be to, ANN apima mokymosi procesą, kuris apima mokymosi algoritmus ir reikalauja mokymo duomenų. Tačiau yra hibridinių intelektualiųjų sistemų, sukurtų naudojant šiuos du metodus, vadinamus neaiškiu neuroniniu tinklu (FNN) arba neuro-neaiškia sistema (NFS).
