Vad är kopplingen mellan nervnätverk och fuzzy logik?

Neurala nätverk och fuzzy logik är båda vanligtvis mjukvarusystem som är utformade för att känna igen mönster i data eller händelser och simulera naturliga mänskliga reaktioner och beslutsprocesser. Medan traditionella beräkningsmodeller använder diskreta beräkningar för output från början av att slå på systemet, kräver neurala nätverk och fuzzy logik en period av utbildning eller lärande för att ge meningsfulla resultat. Begreppsmässigt är antitesen mot neurala nätverk och fuzzy logik i avancerade datorsystem tillämpning av expertsystem, som är förinställda datalagrar eller kunskapsbaser som är sammanställningar av tidigare etablerad förståelse av olika experter inom ett område.

Både den inneboende fördelen och bristen i adaptiva system som använder neurala nätverk och fuzzy logik är deras förutsägbara förmåga. Det är icke-linjära statistiska datamodelleringsverktyg, vilket innebär att de kan komma till olika slutsatser om samma problem beroende på vilken väg som tagits för att analysera problemet. Där ett expertsystem baserat på standardiserade programmeringskonstruktioner skulle avgöra om en individ anses lång baserat på en klar avgränsningspunkt, säger 6 fot (1,83 meter) eller högre definierar hög, där 5 fot 11 tum (1,8 meter) inte gör det, neurala nätverk och otydlig logik fattar beslutet baserat på analys av underlag, antalet individer i en grupp och var och en av sina höjder, hur genomsnittliga höjder för undergrupper inom gruppen påverkar den totala uppfattningen om vad som är högt och så vidare. Denna förmåga hos människor kallas intuition, eller beskaffenheten av att titta på världen på ett icke-linjärt sätt och redogöra för undantag från regeln vid beslut.

Andra termer som används för neurala nätverk och fuzzy logicsystem inkluderar case-baserade resonemang, genetiska algoritmer, studier i kaosteori som det gäller programvara och artificiell intelligens i allmänhet. De två systemen tenderar att vara olika i sin inställning till att lösa subjektiva problem. Neurala nätverk är ett direkt försök att modellera hur neuroner fungerar i den mänskliga hjärnan genom en tillväxtcykel för ett konstgjordt neuralt nätverk som analyserar problem när de möter dem. Fuzzy logik, å andra sidan, är en mjukvarukonstruktion som försöker koda för analys av alla grå områden i den naturliga världen, matematiskt i förväg, och går utöver binär 0/1 boolesisk logik för att inkludera partiella sanningar som vägs mot varandra för att komma fram till en slutsats. Detta efterliknar spektrumet av värderingsbedömningar som människor ständigt gör när ett enkelt ja eller nej svar på förhållandena är otillräckligt.