Hvad er forbindelsen mellem neurale netværk og uklar logik?
Neurale netværk og uklar logik er begge normalt systemsystemer, der er designet til at genkende mønstre i data eller begivenheder og simulere naturlige menneskelige reaktioner og beslutningsprocesser. Mens traditionelle beregningsmodeller bruger diskrete beregninger til output fra starten af tænding af systemet, kræver neurale netværk og uklar logik en periode med træning eller læring for at give meningsfulde resultater. Konceptuelt er antitesen til neurale netværk og uklar logik i avancerede computersystemer anvendelsen af ekspertsystemer, som er forudindstillede datalagre eller videnbaser, der er sammenstillinger af tidligere etableret forståelse af en række eksperter på et felt.
Både den iboende fordel og mangel ved adaptive systemer, der anvender neurale netværk og uklar logik, er deres forudsigelsesevne. De er ikke-lineære statistiske datamodelleringsværktøjer, hvilket betyder, at de kan nå frem til forskellige konklusioner for det samme problem afhængigt af den sti, der er taget for at analysere problemet. Hvor et ekspertsystem, der er baseret på standard programmeringskonstruktioner, ville beslutte, om et individ blev betragtet som højt baseret på et klart afskæringspunkt, siger 6 fod (1,83 meter) eller højere definerer højt, hvor 5 fod 11 tommer (1,8 meter) ikke gør det, neurale netværk og fuzzy logik træffer beslutningen baseret på analyse af understøttende data, antallet af individer i en gruppe og hver enkeltes højde, hvordan gennemsnitlige højder for undergrupper i gruppen påvirker den samlede opfattelse af hvad der er højt og så videre. Denne evne hos mennesker omtales som intuition eller arten af at se på verden på en ikke-lineær måde og redegøre for undtagelser fra reglen ved at tage beslutninger.
Andre udtryk, der bruges til neurale netværk og uklar logiske systemer, inkluderer casebaseret ræsonnement, genetiske algoritmer, undersøgelser i kaosteori, som det gælder software, og kunstig intelligens generelt. De to systemer har en tendens til at være forskellige i deres tilgang til løsning af subjektive problemer. Neurale netværk er et direkte forsøg på at modellere den måde, hvorpå neuroner fungerer i den menneskelige hjerne gennem en vækstcyklus af et kunstigt neuralt netværk, der analyserer problemer, når de møder dem. Fuzzy logik er på den anden side en softwarekonstruktion, der forsøger at kode for analyse af alle de grå områder i den naturlige verden, matematisk på forhånd, og går ud over binær 0/1 boolsk logik for at inkludere delvise sandheder, der vejes mod hinanden at nå frem til en konklusion. Dette efterligner spektret af værdifulde vurderinger, som mennesker kontinuerligt foretager, når et enkelt ja eller nej svar på forholdene er utilstrækkelig.