Vad är fuzzy neurala nätverk?
fuzzy neurala nätverk är mjukvarusystem som försöker ungefärliga hur den mänskliga hjärnan fungerar. De gör detta genom att använda två viktiga forskningsområden inom datavetenskapsteknologi - fuzzy logic programvaruutveckling och neural nätverksbehandlingsarkitektur. Fuzzy Logic Software försöker redogöra för verkliga gråa områden i beslutsfattande struktur för datorprogram som går utöver enkla ja eller inga val. Konstgjord neural nätverksdesign skapar mjukvarumoder som imiterar funktionaliteten och komplexiteten i hur neuroner interagerar i den mänskliga hjärnan. Tillsammans skapar Fuzzy Logic and Neural Network Design ett neuro-fuzzy-system som forskare använder för experiment på komplexa problem som klimatförändringar eller för att utveckla artificiell intelligens robotik. Detta representerar en exponentiell ökning av bearbetningshastigheten frånM de tidiga dagarna av datorutveckling, även om en sådan tillväxt inte har visat någon förmåga mot resonemang på de komplexa sätt som till och med enkla biologiska organismer gör. Detta beror delvis på grundläggande begränsningar som datorbehandling fortfarande står inför, och fuzzy neurala nätverk är ett försök att arbeta kring dessa begränsningar.
Det uppskattas att den genomsnittliga mänskliga hjärnan utför 100 000 000 000 000 instruktioner varje sekund med sin neurala struktur som är analog med hur mikroprocessorer fungerar. Däremot var ett genomsnittligt datorsystem från 1999 24 000 gånger långsammare än detta, och en tidig modell från 1981 var 3 500 000 gånger långsammare än den mänskliga hjärnan i att utföra beräkningar. Det skulle ta 8 000 persondatorer intrikat nätverkade tillsammans med 2,1 Gigahertz -processorer tillgängliga på 2011 -marknaden för att ungefärliga hastigheten på en genomsnittlig mänsklig hjärna. En superdator som kan perAtt bilda beräkningar så snabbt som den mänskliga hjärnan skulle emellertid inte motsvara samma resonemang för att analysera motstridiga verkliga data, som är där fuzzy neurala nätverk spelar in.
De viktigaste elementen som gör fuzzy neurala nätverk unika från andra typer av datorbehandling är deras förmåga vid mönsterigenkänning med otillräckliga data 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 för att bearbeta. De gör detta genom att närma sig problem från två distinkta synpunkter och kombinera resultaten till meningsfulla lösningar på problem.
fuzzy programvara är baserad på programmeringsregler som möjliggör uppskattning av 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 datorprocessing, skulle skapa en definitiv linje där båda grupperna separerades från varandra och det fanns inget mellanområde. Någon 6 fot (1,83 meter) i höjd skulle kategoriseras som kort om under genomsnittlig höjd, medan någon 6 fot och 1 tum (1,85 meter) i höjd skulle kategoriseras som hög. Med fuzzy bearbetning skulle intervallet för det som anses vara högt kontra kort ständigt förändras när gruppen ändrades och beslut skulle fattas längs en mer rimlig lutning.
neurala nätverk, däremot, har inga fördefinierade regler att man ska fungera och dra alla sina slutsatser baserade på observation. Att fungera utan fördefinierade regler kan skapa unika insikter om data som inte på annat sätt framgår när tidigare antaganden har gjorts i antingen fuzzy programmering eller traditionella programmeringsregeluppsättningar. Resultaten av fuzzy mjukvara och behandling av neurala nätverk kombineras i fuzzy neuralsystem på ett sätt som approximerar hur biologiska organismer Lear Learn och anpassning inom sina miljöer. När systemet anpassar sig till de data som det samlar, ändrar det hur det bearbetar dessa data för att bli mer effektiva för att lösa framtida problem.
neural bearbetning, vare sig det är från neural programmering i en dator eller från en biologisk hjärna, är en metod där tillsatt vikt ges 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 modelleringsnivå ofta inte kan leda till betydande prestandaförbättringar där fuzzy logik används som en kontroll över konventionella datorkontroller. 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.