Hvad er fuzzy neurale netværk?

Uklar neurale netværk er softwaresystemer, der forsøger at tilnærme sig den måde, hvorpå den menneskelige hjerne fungerer. De gør dette ved at anvende to centrale forskningsområder inden for datalogi - fuzzy logic software software og neurale netværksbehandlingsarkitektur. Uklar logik-software forsøger at redegøre for grå områder i den virkelige verden i beslutningsprocessen for computersoftwareprogrammer, der går ud over enkle ja eller nej valg. Kunstigt neuralt netværksdesign skaber softwareknuder, der efterligner funktionaliteten og kompleksiteten af, hvordan neuroner interagerer i den menneskelige hjerne. Sammen skaber fuzzy logik og neuralt netværksdesign et neuro-fuzzy system, som forskere bruger til eksperimentering af komplekse problemer såsom klimaændringer eller til at udvikle kunstig intelligensrobotik.

Den gennemsnitlige mikrocomputer fra 2011 udfører beregninger med en utrolig hastighed på milliarder af instruktioner pr. Sekund. Dette repræsenterer en eksponentiel stigning i behandlingshastigheden fra de tidlige dage af computerudviklingen, skønt en sådan vækst ikke har vist nogen evne til at resonnere på de komplekse måder, som selv enkle biologiske organismer gør. Dette skyldes til dels grundlæggende begrænsninger, som computerbehandling stadig står overfor, og uklar neurale netværk er et forsøg på at omgå disse begrænsninger.

Det anslås, at den gennemsnitlige menneskelige hjerne udfører 100.000.000.000.000 instruktioner hvert sekund ved hjælp af dens neurale struktur, der er analog med, hvordan mikroprocessorer fungerer. I modsætning hertil var et gennemsnitligt computersystem i 1999 24.000 gange langsommere end dette, og en tidlig model fra 1981 var 3.500.000 gange langsommere end den menneskelige hjerne ved udførelse af beregninger. Det ville tage 8.000 personlige computere intrikat netværk sammen med 2,1 gigahertz-processorer tilgængelige på 2011-markedet for at tilnærme hastigheden af ​​en gennemsnitlig menneskelig hjerne. En supercomputer, der er i stand til at udføre beregninger så hurtigt som den menneskelige hjerne, vil imidlertid ikke sidestille med den samme ræsonnementskraft til at analysere modstridende data fra den virkelige verden, og det er her, fuzzy neurale netværk spiller ind.

De centrale elementer, der gør uklare neurale netværk unikke fra andre typer computerforarbejdning, er deres evne til at genkende mønster, da de får utilstrækkelige data til at drage endelige konklusioner og evnen til at tilpasse sig miljøet. Uklar neurale netværk bruger neurale algoritmer, der er designet til at ændre sig og vokse, når de støder på nye datasæt, der skal behandles. De gør dette ved at nærme sig problemer fra to forskellige synsvinkler og kombinere resultaterne i meningsfulde løsninger på problemer.

Fuzzy software er baseret på programmeringsregler, der giver mulighed for at estimere sandhedsniveauer, når modsætninger opstår i data, der er indlysende fra et menneskeligt perspektiv. At bestemme, hvem der er "høj", kontra hvem der er "kort" i en gruppe mennesker, f.eks. Ved hjælp af traditionel computerbehandling, ville skabe en definitiv linje, hvor begge grupper var adskilt fra hinanden, og der var intet mellemområde. Nogen på 1,83 meter i højden ville blive kategoriseret som kort, hvis under gennemsnitshøjden, mens nogen 6 meter og 1 tomme (1,85 meter) i højden ville blive kategoriseret som høj. Med fuzzy behandling ville rækkevidden af ​​hvad der betragtes som højt kontra kort konstant ændres, når gruppen ændrede sig, og beslutninger ville blive truffet langs en mere fornuftig gradient.

Neurale netværk har derimod ingen foruddefinerede regler, hvorpå de skal operere, og drager alle deres konklusioner baseret på observation. Betjening uden foruddefinerede regler kan skabe unik indsigt om data, der ellers ikke er synlige, når der er foretaget forudgående antagelser i enten fuzzy programmering eller traditionelle programmeringsregelsæt. Resultaterne af fuzzy software og databehandling af neuralt netværk kombineres i fuzzy neurale systemer på en måde, der tilnærmer sig, hvordan biologiske organismer lærer og tilpasser sig i deres miljøer. Når systemet tilpasser sig de data, det samler, ændrer det den måde, det behandler disse data til at blive mere effektive til at løse fremtidige problemer.

Neural behandling, hvad enten det drejer sig om neural programmering i en computer eller fra en biologisk hjerne, er en metode, hvor der tilføres vægt til visse datapunkter baseret på observationsresultater. Det fuzzy element i fuzzy neurale netværk tjener til mere præcist at modellere reelle forhold end tidligere var muligt med traditionelle computerprocessorer, skønt dette fine niveau af modellering ofte ikke fører til væsentlige forbedringer af ydeevnen, hvor fuzzy logik bruges som kontrol over konventionelle computere kontroller. Den ultimative fordel ved fuzzy neurale netværk er, at de har potentialet til at udvikle et niveau af rudimentær uafhængig tænkning og beslutningstagning, der tilpasser sig, når deres miljø ændrer sig omkring dem.