Co jsou neurčité neuronové sítě?
Fuzzy neuronové sítě jsou softwarové systémy, které se snaží přiblížit způsob fungování lidského mozku. Dělají to využitím dvou klíčových výzkumných oblastí v oblasti výpočetní techniky - fuzzy logického vývoje softwaru a architektury zpracování neuronové sítě. Fuzzy logický software se pokouší zohlednit šedé oblasti reálného světa v rozhodovací struktuře počítačových softwarových programů, které jdou nad rámec jednoduchých možností ano nebo ne. Umělý design neuronových sítí vytváří softwarové uzly, které napodobují funkčnost a komplexnost interakce neuronů v lidském mozku. Společně konstrukce fuzzy logiky a neuronové sítě vytváří neurofuzzy systém, který vědci používají pro experimentování se složitými problémy, jako je změna klimatu, nebo pro vývoj robotiky umělé inteligence.
Průměrný mikropočítač od roku 2011 provádí výpočty neuvěřitelnou rychlostí miliard instrukcí za sekundu. To představuje exponenciální zvýšení rychlosti zpracování od raných dnů vývoje počítačů, i když takový růst neprokázal schopnost uvažovat složitými způsoby, které dělají i jednoduché biologické organismy. To je částečně způsobeno základními omezeními, kterým počítačové zpracování stále čelí, a fuzzy neuronové sítě jsou pokusem obejít tato omezení.
Odhaduje se, že průměrný lidský mozek provádí každou sekundu 100 000 000 000 000 instrukcí pomocí své nervové struktury, která je analogická fungování mikroprocesorů. Naproti tomu průměrný počítačový systém od roku 1999 byl 24 000krát pomalejší než tento, a raný model od roku 1981 byl při provádění výpočtů 3 500 000krát pomalejší než lidský mozek. Přibližování rychlosti průměrného lidského mozku by vyžadovalo 8 000 osobních počítačů složitě propojených s 2,1 gigahertzovými procesory dostupnými na trhu v roce 2011. Superpočítač, který dokáže provádět výpočty tak rychle, jako lidský mozek, by se však při analýze konfliktních dat ze skutečného světa, což je místo, kde se začnou hrát fuzzy neuronové sítě, nemohl rovnat stejné úvaze.
Klíčové prvky, díky nimž jsou fuzzy neuronové sítě jedinečné z jiných typů počítačového zpracování, jsou jejich schopnost rozpoznávání vzorců vzhledem k nedostatečným datům, aby bylo možné vyvodit konečné závěry, a schopnost přizpůsobit se prostředí. Fuzzy neuronové sítě používají neuronové algoritmy, které jsou navrženy tak, aby se změnily a rostly, když naráží na nové soubory dat, které se mají zpracovat. Dělají to tak, že přistupují k problémům ze dvou odlišných hledisek a kombinují výsledky do smysluplných řešení problémů.
Fuzzy software je založen na programovacích pravidlech, která umožňují odhadnout úrovně pravdy, když vzniknou rozpory v datech, která jsou zjevná z lidské perspektivy. Určení toho, kdo je „vysoký“ versus kdo je „krátký“ ve skupině lidí, například pomocí tradičního počítačového zpracování, by vytvořilo definitivní linii, kde by obě skupiny byly od sebe odděleny a neexistoval žádný mezilehlý rozsah. Někdo o výšce 1,83 metru by byl kategorizován jako krátký, kdyby byl pod průměrnou výškou, zatímco někdo o výšce 6 stop a 1 palci (1,85 metru) by byl klasifikován jako vysoký. Při fuzzy zpracování by se rozsah toho, co se považuje za vysoké versus krátké, neustále měnil s tím, jak se skupina měnila a rozhodnutí by se dělala v rozumnějším gradientu.
Neuronové sítě naproti tomu nemají žádná předdefinovaná pravidla, z nichž mají fungovat, a na základě pozorování vyvozují všechny své závěry. Provoz bez předdefinovaných pravidel může vést k jedinečným poznatkům o datech, která nejsou jinak zřejmá, pokud byly učiněny předchozí předpoklady buď ve fuzzy programování, nebo v tradičních programovacích pravidlech. Výsledky fuzzy softwaru a zpracování dat neuronové sítě jsou kombinovány ve fuzzy neuronových systémech způsobem, který přibližuje, jak se biologické organismy učí a přizpůsobují ve svém prostředí. Jak se systém přizpůsobuje datům, která shromažďuje, mění způsob, jakým zpracovává tato data, aby se stal efektivnějším při řešení budoucích problémů.
Neuronové zpracování, ať už z neuronového programování v počítači nebo z biologického mozku, je metoda, při níž se určitým datovým bodům na základě pozorovacích výsledků přikládá větší váha. Fuzzy prvek fuzzy neuronových sítí slouží k přesnějšímu modelování reálných podmínek, než bylo možné v minulosti u tradičních počítačových procesorů, i když tato jemná úroveň modelování nemusí často vést k významným zlepšením výkonu, kde se fuzzy logika používá jako kontrola nad konvenčním počítačem. řízení. Konečnou výhodou fuzzy neuronových sítí je, že mají potenciál vyvinout úroveň základního nezávislého myšlení a rozhodování, které se přizpůsobuje změnám prostředí kolem nich.