Размита логика срещу невронни мрежи
Fuzzy Logic принадлежи към семейството на многозначната логика. Той се фокусира върху фиксирани и приблизителни разсъждения, за разлика от фиксирани и точни разсъждения. Една променлива в размитата логика може да приеме диапазон на стойност на истината между 0 и 1, за разлика от вземането на true или false в традиционните двоични комплекти. Невронните мрежи (NN) или изкуствените невронни мрежи (ANN) са изчислителен модел, разработен въз основа на биологичните невронни мрежи. ANN се състои от изкуствени неврони, които се свързват един с друг. Обикновено ANN адаптира своята структура въз основа на информацията, която идва до нея.
Какво е Fuzzy Logic?
Fuzzy Logic принадлежи към семейството на многозначната логика. Той се фокусира върху фиксирани и приблизителни разсъждения, за разлика от фиксирани и точни разсъждения. Една променлива в размитата логика може да приеме диапазон на стойност на истината между 0 и 1, за разлика от вземането на true или false в традиционните двоични комплекти. Тъй като стойността на истината е диапазон, тя може да обработва частична истина. Началото на размитата логика е отбелязано през 1956 г. с въвеждането на теорията на размитите множества от Лотфи Заде. Размитата логика предоставя метод за вземане на категорични решения въз основа на неточни и двусмислени входни данни. Размитата логика се използва широко за приложения в системите за управление, тъй като много прилича на това как човек взема решение, но по по-бърз начин. Размитата логика може да бъде включена в системи за управление, базирани на малки ръчни устройства до големи компютърни работни станции.
Какво са невронни мрежи?
ANN е изчислителен модел, разработен въз основа на биологичните невронни мрежи. ANN се състои от изкуствени неврони, които се свързват един с друг. Обикновено ANN адаптира своята структура въз основа на информацията, която идва до нея. При разработването на ANN трябва да се следва набор от систематични стъпки, наречени правила за обучение. Освен това процесът на обучение изисква данни за обучение, за да открие най-добрата работна точка на ANN. ANN могат да се използват за научаване на апроксимационна функция за някои наблюдавани данни. Но когато прилагате ANN, трябва да вземете предвид няколко фактора. Моделът трябва да бъде внимателно подбран в зависимост от данните. Използването на ненужно сложни модели би затруднило процеса на обучение. Изборът на правилния алгоритъм за обучение също е важен, тъй като някои алгоритми за обучение работят по-добре с определени типове данни.
Каква е разликата между Fuzzy Logic и невронните мрежи?
Размитата логика позволява вземането на категорични решения въз основа на неточни или двусмислени данни, докато ANN се опитва да включи процеса на човешкото мислене за решаване на проблеми, без да ги моделира математически. Въпреки че и двата метода могат да се използват за решаване на нелинейни проблеми и проблеми, които не са правилно определени, те не са свързани. За разлика от размитата логика, ANN се опитва да приложи мисловния процес в човешкия мозък за решаване на проблеми. Освен това ANN включва процес на обучение, който включва алгоритми за обучение и изисква данни за обучение. Но има хибридни интелигентни системи, разработени с помощта на тези два метода, наречени Fuzzy Neural Network (FNN) или Neuro-Fuzzy System (NFS).
