Forskellen mellem Fuzzy Logic og Neural Network

Fuzzy Logic vs Neural Network

Fuzzy Logic hører til familien med mange værdsatte logikker. Det fokuserer på faste og omtrentlige begrundelser i modsætning til faste og nøjagtige resonnementer. En variabel i uklar logik kan tage et sandhedsværdiområde mellem 0 og 1, i modsætning til at tage sandt eller falskt i traditionelle binære sæt. Neurale netværk (NN) eller kunstige neurale netværk (ANN) er en beregningsmodel, der er udviklet baseret på de biologiske neurale netværk. Et ANN består af kunstige neuroner, der forbinder hinanden. Typisk tilpasser et ANN sin struktur baseret på de oplysninger, der kommer til det.

Hvad er Fuzzy Logic?

Fuzzy Logic hører til familien med mange værdsatte logikker. Det fokuserer på faste og omtrentlige begrundelser i modsætning til faste og nøjagtige resonnementer. En variabel i uklar logik kan tage et sandhedsværdiområde mellem 0 og 1, i modsætning til at tage sandt eller falskt i traditionelle binære sæt. Da sandhedsværdien er en rækkevidde, kan den håndtere delvis sandhed. Begyndelsen af ​​fuzzy logik blev markeret i 1956 med introduktionen af ​​fuzzy set teori af Lotfi Zadeh. Uklar logik tilvejebringer en metode til at tage klare beslutninger baseret på upræcise og tvetydige inputdata. Fuzzy logik er vidt brugt til applikationer i kontrolsystemer, da den ligner meget, hvordan et menneske træffer beslutning, men på hurtigere måde. Uklar logik kan integreres i kontrolsystemer baseret på små håndholdte enheder til store pc-arbejdsstationer.

Hvad er neurale netværk?

ANN er en beregningsmodel, der er udviklet baseret på de biologiske neurale netværk. Et ANN består af kunstige neuroner, der forbinder hinanden. Typisk tilpasser et ANN sin struktur baseret på de oplysninger, der kommer til det. Et sæt systematiske trin kaldet læringsregler skal følges, når man udvikler et ANN. Yderligere kræver læringsprocessen indlæringsdata for at finde det bedste driftspunkt for ANN. ANN'er kan bruges til at lære en tilnærmelsesfunktion for nogle observerede data. Men når man anvender ANN, er der flere faktorer, man skal overveje. Modellen skal vælges omhyggeligt afhængigt af dataene. Brug af unødigt komplekse modeller ville gøre læringsprocessen sværere. Det er også vigtigt at vælge den korrekte læringsalgoritme, da nogle indlæringsalgoritmer klarer sig bedre med visse typer data.

Hvad er forskellen mellem Fuzzy Logic og Neural Networks?

Uklar logik gør det muligt at træffe konkrete beslutninger baseret på upræcise eller tvetydige data, mens ANN forsøger at inkorporere menneskelig tænkningsproces for at løse problemer uden matematisk at modellere dem. Selvom begge disse metoder kan bruges til at løse ikke-lineære problemer, og problemer, der ikke er korrekt specificeret, er de ikke relateret. I modsætning til Fuzzy-logik forsøger ANN at anvende tænkningsprocessen i den menneskelige hjerne for at løse problemer. Yderligere inkluderer ANN en læringsproces, der involverer indlæringsalgoritmer og kræver træningsdata. Men der er hybrid intelligente systemer udviklet ved hjælp af disse to metoder, der kaldes Fuzzy Neural Network (FNN) eller Neuro-Fuzzy System (NFS).