Разлика между размита логика и невронна мрежа

Размита логика срещу невронна мрежа

Fuzzy Logic принадлежи към семейството на многозначната логика. Той се фокусира върху фиксирани и приблизителни разсъждения, противопоставени на фиксирани и точни разсъждения. Променлива в размита логика може да приеме диапазон на стойност на истината между 0 и 1, за разлика от приемането на вярно или невярно в традиционните двоични множества. Невронните мрежи (NN) или изкуствените невронни мрежи (ANN) е изчислителен модел, който е разработен на базата на биологичните невронни мрежи. ANN се състои от изкуствени неврони, които се свързват помежду си. Обикновено ANN адаптира структурата си въз основа на информацията, идваща до него.

Какво е Fuzzy Logic?

Fuzzy Logic принадлежи към семейството на многозначната логика. Той се фокусира върху фиксирани и приблизителни разсъждения, противопоставени на фиксирани и точни разсъждения. Променлива в размита логика може да приеме диапазон на стойност на истината между 0 и 1, за разлика от приемането на вярно или невярно в традиционните двоични множества. Тъй като стойността на истината е диапазон, тя може да се справи с частичната истина. Началото на размитата логика е белязано през 1956 г., с въвеждането на теорията за размитите множества от Lotfi Zadeh. Размитата логика предоставя метод за вземане на категорични решения въз основа на неточни и нееднозначни входни данни. Размитата логика се използва широко за приложения в системите за контрол, тъй като тя много прилича на това как човек взема решение, но по-бърз начин. Размитата логика може да бъде включена в контролните системи, базирани на малки ръчни устройства, до големи работни станции на компютър.

Какво е невронни мрежи?

ANN е изчислителен модел, който е разработен на базата на биологичните невронни мрежи. ANN се състои от изкуствени неврони, които се свързват помежду си. Обикновено ANN адаптира структурата си въз основа на информацията, идваща до него. При разработването на ANN трябва да се спазват набор от систематични стъпки, наречени правила за обучение. Освен това процесът на обучение изисква учебни данни, за да се открие най-добрата работна точка на ANN. ANN могат да се използват за научаване на апроксимационна функция за някои наблюдавани данни. Но когато се прилага ANN, трябва да се имат предвид няколко фактора. Моделът трябва да бъде внимателно подбран в зависимост от данните. Използването на ненужно сложни модели би затруднило процеса на обучение. Изборът на правилен алгоритъм за обучение също е важен, тъй като някои алгоритми за обучение се представят по-добре с определени видове данни.

Каква е разликата между Fuzzy Logic и Neural Networks?

Размитата логика позволява да се вземат определени решения въз основа на неточни или нееднозначни данни, докато ANN се опитва да включи човешкия мисловен процес за решаване на проблеми, без да ги моделира математически. Въпреки че и двата метода могат да се използват за решаване на нелинейни проблеми и проблеми, които не са посочени правилно, те не са свързани. За разлика от неясната логика, ANN се опитва да приложи мисловния процес в човешкия мозък за решаване на проблеми. Освен това ANN включва процес на обучение, който включва алгоритми за обучение и изисква данни за обучение. Но има хибридни интелигентни системи, разработени по тези два метода, наречени Fuzzy Neural Network (FNN) или Neuro-Fuzzy System (NFS).