Forskellen Mellem Fuzzy Logic Og Neuralt Netværk

Forskellen Mellem Fuzzy Logic Og Neuralt Netværk
Forskellen Mellem Fuzzy Logic Og Neuralt Netværk

Video: Forskellen Mellem Fuzzy Logic Og Neuralt Netværk

Video: Forskellen Mellem Fuzzy Logic Og Neuralt Netværk
Video: Review: Quiz 1 2024, Marts
Anonim

Fuzzy Logic vs Neural Network

Fuzzy Logic tilhører familien af mangeværdige logik. Det fokuserer på fast og tilnærmelig ræsonnement i modsætning til fast og nøjagtig ræsonnement. En variabel i fuzzy logik kan tage et sandhedsværdiområde mellem 0 og 1 i modsætning til at tage sandt eller falsk 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 den.

Hvad er Fuzzy Logic?

Fuzzy Logic tilhører familien med mangeværdige logik. Det fokuserer på fast og tilnærmelig ræsonnement i modsætning til fast og nøjagtig ræsonnement. En variabel i fuzzy logik kan tage et sandhedsværdiområde mellem 0 og 1 i modsætning til at tage sandt eller falsk i traditionelle binære sæt. Da sandhedsværdien er et interval, kan den håndtere delvis sandhed. Begyndelsen af fuzzy logik blev markeret i 1956 med introduktionen af fuzzy set teori af Lotfi Zadeh. Fuzzy logik giver en metode til at træffe bestemte beslutninger baseret på upræcise og tvetydige inputdata. Fuzzy-logik bruges i vid udstrækning til applikationer i kontrolsystemer, da det ligner meget hvordan et menneske træffer beslutning, men hurtigere. Fuzzy-logik kan inkorporeres 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 den. Et sæt systematiske trin kaldet læringsregler skal følges, når der udvikles et ANN. Yderligere kræver læringsprocessen læringsdata 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 unødvendigt komplekse modeller ville gøre læringsprocessen sværere. At vælge den rigtige læringsalgoritme er også vigtig, da nogle læringsalgoritmer klarer sig bedre med visse typer data.

Hvad er forskellen mellem Fuzzy Logic og Neural Networks?

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

Anbefalet: