Bulanık sinir ağları, insan beyninin çalışma şeklini yaklaşık olarak belirlemeye çalışan yazılım sistemleridir. Bunu, bilgisayar bilimi teknolojisinde iki anahtar araştırma alanını kullanarak - bulanık mantık yazılımı geliştirme ve sinir ağı işleme mimarisi kullanarak yaparlar. Bulanık mantık yazılımı, basit evet ya da hayır seçeneklerinin ötesine geçen bilgisayar yazılımı programlarının karar verme yapısında gerçek dünyadaki gri alanları hesaba katar. Yapay sinir ağı tasarımı, nöronların insan beyninde nasıl etkileşime girdiğinin işlevselliğini ve karmaşıklığını taklit eden yazılım düğümleri oluşturur. Birlikte bulanık mantık ve sinir ağı tasarımı, araştırmacıların iklim değişikliği gibi karmaşık problemleri denemek için ya da yapay zeka robotiği geliştirmek için kullandıkları bir sinir bulanıklığı sistemi yaratır.
2011 yılı itibariyle ortalama bir mikrobilgisayar, saniyede milyarlarca talimatla inanılmaz bir oranda hesaplamalar yapıyor. Bu gelişme, bilgisayar gelişiminin ilk günlerinden itibaren işlem hızında üssel bir artışı temsil etse de, bu tür bir büyüme basit biyolojik organizmaların bile yaptığı karmaşık yollarla akıl yürütme yeteneğine sahip olmadığını göstermiştir. Bu kısmen, bilgisayar işlemenin hala karşı karşıya olduğu temel sınırlamalar nedeniyle ve bulanık sinir ağları bu sınırlamaları aşmaya çalışmaktadır.
Ortalama insan beyninin, mikroişlemcilerin nasıl işlediğine benzeyen sinirsel yapısını kullanarak, saniyede 100.000.000.000.000 talimat verdiği tahmin edilmektedir. Buna karşılık, 1999'dan itibaren ortalama bir bilgisayar sistemi bundan 24.000 kat daha yavaş ve 1981'den önceki erken bir model, hesaplamalarda insan beyninden 3.500.000 kat daha yavaştı. Ortalama bir insan beyninin hızını yaklaşık olarak belirlemek için 2011 pazarında mevcut 2.1 gigahertz işlemcilerle birlikte ağa bağlanmış 8.000 kişisel bilgisayarı alacaktır. Bununla birlikte, insan beyninin olduğu kadar hızlı hesaplamalar yapabilen bir süper bilgisayar, bulanık sinir ağlarının devreye girdiği çelişkili gerçek dünya verilerini analiz etmek için aynı mantık gücüne eşit olmaz.
Bulanık sinir ağlarını diğer bilgisayar işlemlerinden benzersiz kılan kilit unsurlar, kesin sonuçlara varmak için yetersiz veri verilen örüntü tanıma yetenekleri ve çevreye uyum sağlama yetenekleridir. Bulanık sinir ağları, işlemek için yeni veri setleriyle karşılaştıkça değişmek ve büyümek için tasarlanmış sinir algoritmalarını kullanır. Bunu problemlere iki farklı bakış açısıyla yaklaştırarak ve sonuçları problemlere anlamlı çözümler olarak birleştirerek yaparlar.
Bulanık yazılım, insan bakış açısıyla açık olan verilerdeki çelişkiler ortaya çıktığında doğruluk seviyelerini tahmin etmeyi sağlayan programlama kurallarına dayanır. Örneğin, geleneksel bilgisayar işlemeyi kullanarak, bir grup insanda kimin "kısa" olduğuna "kimin" kısa "olduğunu belirlemek, her iki grubun birbirinden ayrıldığı ve ara aralığın bulunmadığı kesin bir çizgi oluşturacaktır. Yüksekliği 6 fit (1.83 metre) olan bir kişi ortalama yüksekliğin altındaysa kısa, kategorisi ise 6 feet ve 1. inç (1.85 metre) yüksekliğinde olacak şekilde sınıflandırılır. Bulanık işleme ile, kısa ve yüksek olarak düşünülenlerin aralığı, grup değiştikçe sürekli değişecek ve kararlar daha makul bir gradyan boyunca alınacaktır.
Yapay sinir ağları, aksine, çalışacakları ve gözlemlerine dayanarak bütün sonuçlarını çıkardıkları önceden tanımlanmış kuralları yoktur. Önceden tanımlanmış kurallar olmadan çalışmak, bulanık programlama veya geleneksel programlama kural kümelerinde önceki varsayımlar yapıldığında açıkça görülmeyen veriler hakkında benzersiz bilgiler yaratabilir. Bulanık yazılım ve sinir ağı veri işlemlerinin sonuçları, bulanık organizmalarda biyolojik organizmaların ortamlarında nasıl öğrendiklerini ve adapte olduklarını yaklaştıracak şekilde birleştirilir. Sistem, topladığı verilere uyum sağladığından, gelecekteki sorunları çözmede daha verimli hale gelmesi için bu verileri işleme biçimini değiştirir.
Sinirsel işlem, bilgisayardaki sinir programlamasından veya biyolojik bir beyinden olsun, gözlemsel sonuçlara dayanarak belirli veri noktalarına ilave ağırlık verilen bir yöntemdir. Bulanık sinir ağlarının bulanık elementi, geleneksel bilgisayar işlemcileri ile geçmişte mümkün olandan daha doğru gerçekleri modellemeye hizmet etse de, bu ince modelleme seviyesi genellikle bulanık mantığın geleneksel bilgisayar üzerinde kontrol olarak kullanıldığı durumlarda önemli performans iyileştirmelerine yol açmayabilir. kontrolleri. Bulanık sinir ağlarının nihai avantajı, çevreleri çevrelerinde değiştikçe uyum sağlayan ilkel bağımsız düşünme ve karar verme düzeyini geliştirme potansiyeline sahip olmalarıdır.
