Vad är fuzzy nervnätverk?
Fuzzy neuralnätverk är mjukvarusystem som försöker närma sig det sätt på vilket den mänskliga hjärnan fungerar. De gör detta genom att använda två viktiga forskningsområden inom datavetenskapsteknologi - fuzzy logic software development och neuralt nätverksbearbetningsarkitektur. Fuzzy logic-programvara försöker redovisa gråområden i den verkliga världen i beslutsstrukturen för datorprogram som går utöver enkla ja eller nej val. Konstgjord neuralt nätverksdesign skapar mjukvarunoder som imiterar funktionaliteten och komplexiteten i hur neuroner interagerar i den mänskliga hjärnan. Tillsammans skapar fuzzy logik och neuralt nätverksdesign ett neuro-fuzzy system som forskare använder för experiment på komplexa problem som klimatförändringar eller för att utveckla artificiell intelligensrobotik.
Den genomsnittliga mikrodatorn från och med 2011 gör beräkningar med en otrolig mängd miljarder instruktioner per sekund. Detta representerar en exponentiell ökning av bearbetningshastigheten från de första dagarna av datorutvecklingen, även om en sådan tillväxt inte har visat någon förmåga att resonera på de komplexa sätt som även enkla biologiska organismer gör. Detta beror delvis på grundläggande begränsningar som datorbehandling fortfarande står inför, och fuzzy neurala nätverk är ett försök att lösa dessa begränsningar.
Det uppskattas att den genomsnittliga mänskliga hjärnan utför 100.000.000.000.000 instruktioner varje sekund med hjälp av dess neurala struktur som är analoga med hur mikroprocessorer fungerar. Däremot var ett genomsnittligt datorsystem från och med 1999 24 000 gånger långsammare än detta, och en tidig modell från 1981 var 3 500 000 gånger långsammare än den mänskliga hjärnan när man utför beräkningar. Det skulle ta 8 000 persondatorer intrikat nätverkade tillsammans med 2,1 gigahertz-processorer tillgängliga på 2011-marknaden för att ungefärliga hastigheten för en genomsnittlig mänsklig hjärna. En superdator som kan utföra beräkningar lika snabbt som den mänskliga hjärnan skulle dock inte motsvara samma resonemang för att analysera motstridiga data från verkliga världen, och det är där fuzzy neurala nätverk spelar in.
De viktigaste elementen som gör fuzzy neurala nätverk unika från andra typer av datorbehandling är deras förmåga till mönsterigenkänning med tanke på otillräcklig information för att dra definitiva slutsatser och förmågan att anpassa sig till miljön. Fuzzy neurala nätverk använder neurala algoritmer som är utformade för att förändras och växa när de möter nya datamängder att bearbeta. De gör detta genom att närma sig problem ur två olika synvinklar och kombinera resultaten till meningsfulla lösningar på problem.
Fuzzy programvara är baserad på programmeringsregler som gör det möjligt att uppskatta sanningsnivåer när motsägelser uppstår i data som är uppenbara ur ett mänskligt perspektiv. Att bestämma vem som är ”lång” kontra vem som är ”kort” i en grupp människor, till exempel med traditionell datorbehandling, skulle skapa en definitiv rad där båda grupperna var separerade från varandra och det fanns inget mellanområde. Någon höjd av 6 fot (1,83 meter) skulle kategoriseras som kort om under genomsnittlig höjd, medan någon 6 meter och 1 tum (1,85 meter) i höjd skulle kategoriseras som hög. Med fuzzy bearbetning skulle intervallet för vad som anses vara högt kontra kort ständigt förändras när gruppen förändras och beslut skulle fattas längs en mer rimlig gradient.
Neurala nätverk har däremot inga fördefinierade regler att använda, och drar alla sina slutsatser baserade på observation. Att arbeta utan fördefinierade regler kan skapa unika insikter om data som annars inte syns när tidigare antaganden har gjorts i antingen fuzzy programmering eller traditionella programmeringsregeluppsättningar. Resultaten av fuzzy mjukvara och databehandling för neuralt nätverk kombineras i fuzzy neurala system på ett sätt som motsvarar hur biologiska organismer lär sig och anpassar sig inom sina miljöer. När systemet anpassar sig till de data som det samlas in förändras det hur det bearbetar dessa data för att bli mer effektiva för att lösa framtida problem.
Neuralbearbetning, vare sig det kommer från neural programmering i en dator eller från en biologisk hjärna, är en metod där man tillför vikt till vissa datapunkter baserat på observationsresultat. Det fuzzy elementet i fuzzy neurala nätverk tjänar till att mer exakt modellera verkliga förhållanden än vad som tidigare var möjligt med traditionella datorprocessorer, även om denna fina nivå av modellering ofta inte kan leda till betydande prestandaförbättringar där fuzzy logik används som en kontroll över konventionell dator kontroller. Den ultimata fördelen med fuzzy neurala nätverk är att de har potential att utveckla en nivå av rudimentärt oberoende tänkande och beslutsfattande som anpassar sig när deras miljö förändras runt dem.