신경망과 퍼지 로직의 연결은 무엇입니까?

신경망 및 퍼지 로직은 일반적으로 데이터 또는 이벤트의 패턴을 인식하고 자연적인 인간 반응 및 의사 결정 프로세스를 시뮬레이션하도록 설계된 소프트웨어 시스템입니다. 전통적인 계산 모델이 시스템을 켤 때의 출력을 위해 이산 계산을 사용하는 반면, 신경망과 퍼지 로직은 의미있는 결과를 얻기 위해 훈련 또는 학습 기간이 필요합니다. 개념적으로, 고급 컴퓨터 시스템의 신경망 및 퍼지 로직에 대한 반박은 전문가 시스템의 응용 프로그램으로, 사전에 데이터 저장소 또는 지식 기반으로 사전 정의 된 데이터 저장소 또는 지식 기반으로, 해당 분야의 다양한 전문가가 이전에 확립 한 이해를 종합 한 것입니다.

신경망과 퍼지 논리를 사용하는 적응 시스템의 고유 한 장점과 결함은 모두 예측 능력입니다. 비선형 통계 데이터 모델링 도구이므로 문제 분석 경로에 따라 동일한 문제에 대해 다른 결론에 도달 할 수 있습니다. 표준 프로그래밍 구성을 기반으로 한 전문가 시스템이 명확한 컷오프 포인트를 기준으로 개인이 키가 큰 것으로 판단되는 경우 (1.83 미터) 이상은 키가 높고, 5 피트 11 인치 (1.8 미터)가 아닌 경우 신경망 퍼지 논리는 지원 데이터 분석, 그룹의 개인 수 및 각 키의 높이, 그룹 내 하위 그룹의 평균 키가 키가 큰 것에 대한 전반적인 인식 등에 어떤 영향을 미치는지에 따라 결정합니다. 인간의 이러한 능력은 직관, 또는 비선형 방식으로 세상을 바라보고 의사 결정의 규칙에 대한 예외를 설명하는 본질이라고합니다.

신경망 및 퍼지 논리 시스템에 사용되는 다른 용어에는 사례 기반 추론, 유전자 알고리즘, 소프트웨어에 적용되는 혼돈 이론 연구 및 일반적으로 인공 지능이 포함됩니다. 두 시스템은 주관적인 문제를 해결하는 방법이 다릅니다. 신경망은 문제가 발생할 때이를 분석하는 인공 신경망의 성장주기를 통해 인간의 뇌에서 뉴런이 기능하는 방식을 모델링하려는 직접적인 시도입니다. 반면 퍼지 로직은 수학적으로 사전에 자연계의 모든 회색 영역을 분석하기 위해 코딩을 시도하고 서로에 대해 가중치를 둔 부분 진리를 포함하기 위해 이진 0/1 부울 로직을 넘어서는 소프트웨어 구조입니다. 결론에 도달합니다. 이것은 조건에 대한 단순한 예 또는 대답이 부적절 할 때 인간이 지속적으로 행하는 가치 판단의 스펙트럼을 모방합니다.