Cosa sono le reti neurali fuzzy?
Le reti neurali fuzzy sono sistemi software che tentano di approssimare il modo in cui funziona il cervello umano. Lo fanno utilizzando due aree di ricerca chiave nella tecnologia informatica: sviluppo del software logico fuzzy e architettura di elaborazione della rete neurale. Fuzzy Logic Software tenta di tenere conto delle aree grigie del mondo reale nella struttura decisionale dei programmi software che vanno oltre le semplici scelte sì o no. Il design della rete neurale artificiale crea nodi software che imitano la funzionalità e la complessità di come i neuroni interagiscono nel cervello umano. Insieme, la logica fuzzy e il design della rete neurale crea un sistema neuro-fuzzy che i ricercatori usano per la sperimentazione su problemi complessi come i cambiamenti climatici o per sviluppare robotica di intelligenza artificiale.
Il microcomputer medio a partire dal 2011 esegue calcoli a un incredibile tasso di miliardi di istruzioni al secondo. Ciò rappresenta un aumento esponenziale della velocità di elaborazioneM I primi giorni dello sviluppo del computer, sebbene tale crescita non abbia mostrato alcuna capacità nei confronti del ragionamento nei modi complessi che fanno anche semplici organismi biologici. Ciò è in parte dovuto alle limitazioni di base che l'elaborazione del computer deve ancora affrontare e le reti neurali sfocate sono un tentativo di aggirare queste limitazioni.
Si stima che il cervello umano medio effettui 100.000.000.000.000 di istruzioni ogni secondo usando la sua struttura neurale analoga a come funzionano i microprocessori. Al contrario, un sistema informatico medio a partire dal 1999 era 24.000 volte più lento di questo, e un modello iniziale a partire dal 1981 era 3.500.000 volte più lento del cervello umano nell'esecuzione dei calcoli. Ci vorrebbero 8.000 personal computer in rete insieme a processori a 2,1 Gigahertz disponibili sul mercato del 2011 per approssimare la velocità di un cervello umano medio. Un supercomputer in grado di perFormare calcoli velocemente come il cervello umano, tuttavia, non equivalerebbe allo stesso potere di ragionamento per l'analisi dei dati in conflitto del mondo reale, che è dove entrano in gioco le reti neurali sfocate.
Gli elementi chiave che rendono unici reti neurali fuzzy da altri tipi di elaborazione del computer sono la loro capacità di riconoscimento del modello date dati insufficienti per trarre conclusioni definitive e la capacità di adattarsi all'ambiente. Le reti neurali fuzzy utilizzano algoritmi neurali progettati per cambiare e crescere mentre incontrano nuovi set di dati da elaborare. Lo fanno affrontando i problemi da due punti di vista distinti e combinando i risultati in soluzioni significative ai problemi.
Il software fuzzy si basa su regole di programmazione che consentono di stimare i livelli di verità quando si verificano contraddizioni in dati che sono evidenti dal punto di vista umano. Determinare chi è "alto" rispetto a chi è "corto" in un gruppo di persone, ad esempio, utilizzando il tradizionale processo informaticoing, creerebbe una linea definitiva in cui entrambi i gruppi fossero separati l'uno dall'altro e non vi era un intervallo intermedio. Qualcuno di 6 piedi (1,83 metri) di altezza sarebbe classificato come breve se al di sotto della media, mentre qualcuno di 6 piedi e 1 pollice (1,85 metri) di altezza sarebbe classificato come alto. Con l'elaborazione fuzzy, l'intervallo di ciò che è considerato alto rispetto a corto sarebbe continuamente cambiando man mano che il gruppo cambiava e le decisioni verrebbero prese lungo un gradiente più ragionevole.
Le reti neurali, al contrario, non hanno regole predefinite da cui operare e trarre tutte le loro conclusioni basate sull'osservazione. Operando senza regole predefinite può creare approfondimenti unici sui dati che non sono altrimenti evidenti quando sono state fatte ipotesi precedenti in una programmazione fuzzy o set di regole di programmazione tradizionali. I risultati del software fuzzy e dell'elaborazione dei dati della rete neurale sono combinati nei sistemi neurali fuzzy in modo da approssimare come gli organismi biologici apprendonon e adattarsi nei loro ambienti. Man mano che il sistema si adatta ai dati che raccoglie, cambia il modo in cui elabora i dati per diventare più efficienti nel risolvere problemi futuri.
La lavorazione neurale, sia dalla programmazione neurale in un computer o da un cervello biologico, è un metodo in cui viene dato un peso aggiunto a determinati punti di dati in base ai risultati di osservazione. L'elemento fuzzy delle reti neurali fuzzy serve a modellare più accuratamente le condizioni reali di quanto fosse possibile in passato con i tradizionali processori informatici, sebbene questo livello fine di modellazione possa spesso non portare a miglioramenti significativi delle prestazioni in cui la logica fuzzy viene utilizzata come controllo sui controlli di computer convenzionali. Il massimo vantaggio delle reti neurali sfocate è che hanno il potenziale per sviluppare un livello di pensiero rudimentale indipendente e processo decisionale che si adatta quando il loro ambiente cambia intorno a loro.