Que sont les réseaux de neurones flous?
Les réseaux de neurones flous sont des systèmes logiciels qui tentent d'approximer la façon dont le cerveau humain fonctionne. Ils le font en utilisant deux domaines de recherche clés en technologie informatique - le développement de logiciels logiques floues et l'architecture de traitement de réseau neuronal. Le logiciel Fuzzy Logic tente de tenir compte des zones gris du monde réel dans la structure de la prise de décision des logiciels informatiques qui vont au-delà des choix simples oui ou non. La conception du réseau neuronal artificiel crée des nœuds logiciels qui imitent la fonctionnalité et la complexité de la façon dont les neurones interagissent dans le cerveau humain. Ensemble, la conception de la logique floue et du réseau neuronal crée un système neuro-fuzzy que les chercheurs utilisent pour l'expérimentation sur des problèmes complexes tels que le changement climatique, ou pour développer une robotique d'intelligence artificielle.
Le micro-ordinateur moyen effectue des calculs à un taux incroyable de milliards d'instructions par seconde. Cela représente une augmentation exponentielle de la vitesse de traitementm les premiers jours du développement informatique, bien que une telle croissance n'ait pas montré aucune capacité à raisonner de la manière complexe que même les organismes biologiques simples. Cela est en partie dû aux limitations de base auxquelles le traitement informatique est toujours confronté, et les réseaux de neurones flous sont une tentative de contourner ces limitations.
On estime que le cerveau humain moyen effectue 100 000 000 000 000 d'instructions à chaque seconde en utilisant sa structure neuronale qui sont analogues à la fonction des microprocesseurs. En revanche, un système informatique moyen en 1999 était 24 000 fois plus lent que cela, et un modèle précoce en 1981 était de 3 500 000 fois plus lent que le cerveau humain dans la réalisation de calculs. Il faudrait 8 000 ordinateurs personnels avec un réseau complexe avec 2,1 processeurs Gigahertz disponibles sur le marché 2011 pour approximer la vitesse d'un cerveau humain moyen. Un supercalculateur capable deLa formation de calculs aussi rapidement que le cerveau humain n'équivaurait pas au même pouvoir de raisonnement pour analyser les données conflictuelles du monde réel, où les réseaux neuronaux flous entrent en jeu.
Les éléments clés qui rendent les réseaux de neurones flous uniques à partir d'autres types de traitement informatique sont leur capacité à la reconnaissance de modèle étant donné des données insuffisantes pour tirer des conclusions définitives et la capacité de s'adapter à l'environnement. Les réseaux de neurones flous utilisent des algorithmes neuronaux qui sont conçus pour changer et se développer à mesure qu'ils rencontrent de nouveaux ensembles de données au processus. Ils le font en abordant les problèmes de deux points de vue distincts et en combinant les résultats en solutions significatives aux problèmes.
Le logicielFuzzy est basé sur des règles de programmation qui permettent d'estimer les niveaux de vérité lorsque des contradictions surviennent dans des données qui sont évidentes dans une perspective humaine. Déterminer qui est «grand» contre qui est «court» dans un groupe de personnes, par exemple, en utilisant un processus informatique traditionneling, créerait une ligne définitive où les deux groupes étaient séparés les uns des autres et il n'y avait pas de portée intermédiaire. Une personne de 6 pieds (1,83 mètre) de hauteur serait classée comme courte si la hauteur inférieure à la moyenne, tandis que quelqu'un de 6 pieds et 1 pouce (1,85 mètre) serait classé comme grand. Avec le traitement flou, la plage de ce qui est considéré comme grand et court serait en permanence à mesure que le groupe a changé et que les décisions seraient prises le long d'un dégradé plus raisonnable.
Les réseauxneuronaux, en revanche, n'ont pas de règles prédéfinies à partir desquelles opérer et tirer toutes leurs conclusions en fonction de l'observation. Le fonctionnement sans règles prédéfinis peut créer des informations uniques sur les données qui ne sont pas apparentes autrement lorsque des hypothèses antérieures ont été faites dans la programmation floue ou les ensembles de règles de programmation traditionnels. Les résultats des logiciels flous et du traitement des données du réseau neuronal sont combinés dans les systèmes neuronaux flous d'une manière qui se rapproche de la façon dont les organismes biologiques sontn et s'adapter dans leur environnement. Alors que le système s'adapte aux données qu'il rassemble, elle modifie la façon dont elle traite ces données pour devenir plus efficace pour résoudre les problèmes futurs.
Le traitement neuronal, que ce soit à partir de programmation neuronale dans un ordinateur ou à partir d'un cerveau biologique, est une méthode où un poids supplémentaire est donné à certains points de données basés sur les résultats d'observation. L'élément flou des réseaux de neurones flous sert à modéliser plus précisément les conditions réelles que possible dans le passé avec des processeurs informatiques traditionnels, bien que ce niveau de modélisation fin ne puisse souvent pas conduire à des améliorations de performances significatives où la logique floue est utilisée comme contrôle des contrôles informatiques conventionnels. L'avantage ultime des réseaux de neurones flous est qu'ils ont le potentiel de développer un niveau de pensée indépendante rudimentaire et de prise de décision qui s'adapte à mesure que leur environnement change autour d'eux.