계산 지능이란 무엇입니까?

Computational Intelligence (CI)는 프로젝트가 최신 구조 부족으로 인해 순서가 나오는 프로젝트가 최하위로 진화하는 컴퓨터 과학 분야입니다. 이것은 자연 세계에서 볼 수있는 많은 과정과 유사합니다. 계산 지능에는 진화 과정의 모델을 사용하여 문제가 해결되는 진화 계산과 같은 개념이 포함되며 기계 학습에 적용될 때 로봇이 경험을 통해 배울 수 있습니다. 인간의 의사 결정과 유사한 시스템 인 퍼지 논리는 모호함이나 불확실성이있는 문제를 해결하는 데 사용될 수 있습니다. 신경망은 인간의 뇌 기능을 기반으로하는 시스템이며 복잡한 데이터의 패턴과 경향을 감지하는 데 사용될 수 있습니다.

엄격한 조건에 따라 솔루션이 보장되고 문제가 제한되는 하드 컴퓨팅과 달리 계산 지능은 소프트 컴퓨팅의 제목 하에서 성공한 결과가 항상 발생하지 않습니다. 계산 지능은 종종 영감을 얻습니다M Nature, 예를 들어, 복잡한 문제를 해결하기 위해 진화하는 시스템이 생성되는 진화 계산 분야에서. 이것은 인공 또는 합성 지능에 적용될 수있어 경험을 통해 배우고 시간이 지남에 따라 발전하는 로봇을 일으킨다.

퍼지 논리를 기반으로 한

시스템은 계산 지능에 사용하여 인간의 사고 방식을 시뮬레이션 할 수 있습니다. 그들은인지 로봇 공학 분야의 생물학적으로 영감을 얻은 신경망과 결합하여 인간의 사고 과정과 유사한 방식으로 생각할 수있는 로봇을 만듭니다. 생각할뿐만 아니라 그러한 로봇은 인간처럼 불확실성에 직면 할 때 배우고, 기억하고, 인식하고, 결정을 내릴 수 있습니다. 이를 통해 로봇은 인간의 요청을 더 잘 이해할 수있어 사용 된 단어의 의미를 감지 할 수 있습니다. 국내 작업을 수행하는 기계에 필수적 일 수 있습니다.

신경망S는 일반적으로 전산 인텔리전스의 일부로 간주됩니다. 인간의 뇌와 마찬가지로, 그들은 신경과 비슷한 수많은 상호 연결된 개별 부분으로 구성됩니다. 이것은 신경 간의 연결과 같이 요소들 사이의 연결이 조절 될 수 있기 때문에 문제를 해결하기 위해 함께 작동합니다.

일단 신경망이 데이터를 분석하는 방법을 배운 후에는 분야의 전문가가 될 수 있으며 다른 시나리오에서 결과를 예측하는 데 사용될 수 있습니다. 이러한 유형의 계산 지능의 단점은 많은 컴퓨팅 성능이 필요하며 예측할 수없는 방식으로 작동 할 수 있다는 것입니다. 신경망은 사전 결정된 규칙 세트를 사용하여 결정을 내리고 데이터에 맞게 조정하지 않는 전문가 시스템과 혼동되어서는 안됩니다.