Was sind unscharfe neuronale Netzwerke?
Fuzzy Neural Networks sind Softwaresysteme, die versuchen, die Art und Weise zu approximieren, wie das menschliche Gehirn funktioniert. Dies tun dies, indem sie zwei wichtige Forschungsbereiche in der Informatik -Technologie verwenden - Fuzzy Logic Software Development und Neural Network Processing Architecture. Fuzzy Logic Software versucht, in der Entscheidungsstruktur von Computer-Softwareprogrammen, die über einfache Ja- oder Nein-Auswahlmöglichkeiten hinausgehen, in realen Grauzonen zu berücksichtigen. Das künstliche neuronale Netzwerkdesign erzeugt Softwareknoten, die die Funktionalität und Komplexität dessen, wie Neuronen im menschlichen Gehirn interagieren, nachahmen. Zusammen schafft Fuzzy Logic und Neural Network Design ein Neuro-Fuzzy-System, das Forscher für Experimente zu komplexen Problemen wie Klimawandel verwenden oder um künstliche Intelligenz-Robotik zu entwickeln. Dies stellt eine exponentielle Erhöhung der Verarbeitungsgeschwindigkeit ausM Die frühen Tage der Computerentwicklung, obwohl ein solches Wachstum nicht in der Lage ist, auf komplexe Weise zu argumentieren, wie auch einfache biologische Organismen dies tun. Dies ist zum Teil auf grundlegende Einschränkungen zurückzuführen, mit denen die Computerverarbeitung noch immer ausgesetzt ist, und unscharfe neuronale Netzwerke sind ein Versuch, diese Einschränkungen zu umgehen.
Es wird geschätzt, dass das durchschnittliche menschliche Gehirn jede Sekunde mit seiner neuronalen Struktur 100.000.000.000.000 Anweisungen durchführt, die analog zu der Funktionsweise von Mikroprozessoren entspricht. Im Gegensatz dazu war ein durchschnittliches Computersystem ab 1999 24.000 -mal langsamer als dieses, und ein frühes Modell von 1981 war 3.500.000 -mal langsamer als das menschliche Gehirn bei der Durchführung von Berechnungen. Es würde 8.000 Personalcomputer mit 2,1 Gigahertz -Prozessoren, die auf dem Markt 2011 erhältlich sind, dauern, um die Geschwindigkeit eines durchschnittlichen menschlichen Gehirns zu approximieren. Ein Supercomputer in der Lage zu werdenDie Bildung von Berechnungen wie das menschliche Gehirn würde jedoch nicht der gleichen Argumentationskraft für die Analyse widersprüchlicher Daten der realen Welt gleichsetzen, in denen unscharfe neuronale Netzwerke ins Spiel kommen.
Die Schlüsselelemente, die Fuzzy -neuronale Netzwerke aus anderen Arten der Computerverarbeitung einzigartig machen, sind ihre Fähigkeit zur Mustererkennung angesichts unzureichender Daten, um endgültige Schlussfolgerungen zu ziehen, und die Fähigkeit, sich an die Umwelt anzupassen. Fuzzy -neuronale Netze verwenden neuronale Algorithmen, die sich ändern und wachsen sollen, wenn sie auf neue Datensätze stoßen, um zu verarbeiten. Sie tun dies, indem sie sich Probleme aus zwei unterschiedlichen Sichtweisen nähern und die Ergebnisse zu sinnvollen Lösungen für Probleme kombinieren.
Fuzzy -Software basiert auf Programmierregeln, die es ermöglichen, die Wahrheit zu schätzen, wenn Widersprüche in Daten auftreten, die aus menschlicher Sicht offensichtlich sind. Bestimmen Sie, wer „groß“ ist, gegen wer in einer Gruppe von Menschen „kurz“ ist, zum Beispiel unter Verwendung eines herkömmlichen ComputerprozessesIng würde eine endgültige Linie schaffen, in der beide Gruppen voneinander getrennt waren und es keinen Zwischenbereich gab. Jemand, der eine Höhe von 1,83 Metern in einer Höhe von 6 Fuß (6 Fuß) als kurz, wenn auch unterdurchschnittlich eingestuft wird, während jemand eine Höhe von 6 Fuß und 1 Zoll (1,85 Meter) als groß eingestuft wird. Bei der Fuzzy -Verarbeitung würde sich die Reichweite des als hoch angesehenen und kurzen Verhältnisses ständig ändern, da sich die Gruppe änderte und Entscheidungen entlang eines vernünftigen Gradienten getroffen werden.
neuronale Netzwerke dagegen haben keine vordefinierten Regeln für den Betrieb und alle ihre Schlussfolgerungen auf der Grundlage der Beobachtung. Der Betrieb ohne vordefinierte Regeln kann einzigartige Erkenntnisse über Daten erstellen, die nicht ansonsten ersichtlich sind, wenn frühere Annahmen entweder in Fuzzy -Programmierungen oder in herkömmlichen Programmierregelsätzen getroffen wurden. Die Ergebnisse der Fuzzy -Software und der Datenverarbeitung neuronaler Netzwerk werden in Fuzzy Neural Systems so kombiniert, wie biologische Organismen lerntn und passen Sie sich in ihren Umgebungen an. Wenn sich das System an die Daten anpasst, die es sammelt, ändert es die Art und Weise, wie es Daten verarbeitet, um zukünftige Probleme effizienter zu lösen.
neuronale Verarbeitung, sei es aus neuronalen Programmierungen in einem Computer oder aus einem biologischen Gehirn, ist eine Methode, bei der bestimmte Datenpunkte auf der Grundlage der Beobachtungsergebnisse zugesetzt werden. Das Fuzzy -Element von Fuzzy Neural Networks dient dazu, reale Bedingungen genauer zu modellieren als in der Vergangenheit bei herkömmlichen Computerprozessoren möglich, obwohl diese feine Modellierungsgrenze häufig nicht zu erheblichen Leistungsverbesserungen führen kann, bei denen die Fuzzy -Logik als Kontrolle über herkömmliche Computersteuerungen verwendet wird. Der endgültige Vorteil von unscharfen neuronalen Netzwerken besteht darin, dass sie das Potenzial haben, ein Maß an rudimentärem unabhängigem Denken und Entscheidungsfindung zu entwickeln, die sich anpassen, wenn sich ihre Umgebung um sie herum verändert.