Fuzzy Logic vs Neural Network
Fuzzy Logic tilhører familien til mangeverdige logikk. Den fokuserer på fast og tilnærmet resonnement i motsetning til fast og eksakt resonnement. En variabel i uklar logikk kan ta et sannhetsverdiområde mellom 0 og 1, i motsetning til å ta sant eller usant i tradisjonelle binære sett. Nevrale nettverk (NN) eller kunstige nevrale nettverk (ANN) er en beregningsmodell som er utviklet basert på de biologiske nevrale nettverkene. En ANN består av kunstige nevroner som kobler seg til hverandre. Vanligvis tilpasser et ANN sin struktur basert på informasjonen som kommer til den.
Hva er Fuzzy Logic?
Fuzzy Logic tilhører familien til mangeverdige logikk. Den fokuserer på fast og tilnærmet resonnement i motsetning til fast og eksakt resonnement. En variabel i uklar logikk kan ta et sannhetsverdiområde mellom 0 og 1, i motsetning til å ta sant eller usant i tradisjonelle binære sett. Siden sannhetsverdien er et område, kan den håndtere delvis sannhet. Begynnelsen på uklar logikk ble markert i 1956, med innføringen av uklar mengde teori av Lotfi Zadeh. Fuzzy logic gir en metode for å ta bestemte avgjørelser basert på upresise og tvetydige inndata. Fuzzy-logikk er mye brukt for applikasjoner i kontrollsystemer, siden det ligner hvordan et menneske tar en beslutning, men på en raskere måte. Fuzzy-logikk kan innlemmes i styringssystemer basert på små håndholdte enheter til store PC-arbeidsstasjoner.
Hva er nevrale nettverk?
ANN er en beregningsmodell som er utviklet basert på biologiske nevrale nettverk. En ANN består av kunstige nevroner som kobler seg til hverandre. Vanligvis tilpasser et ANN sin struktur basert på informasjonen som kommer til den. Et sett med systematiske trinn som kalles læringsregler, må følges når man utvikler et ANN. Videre krever læringsprosessen læringsdata for å oppdage det beste driftspunktet for ANN. ANN kan brukes til å lære en tilnærmingsfunksjon for noen observerte data. Men når du bruker ANN, er det flere faktorer man må vurdere. Modellen må velges nøye avhengig av data. Bruk av unødvendig komplekse modeller vil gjøre læringsprosessen vanskeligere. Å velge riktig læringsalgoritme er også viktig, siden noen læringsalgoritmer fungerer bedre med visse typer data.
Hva er forskjellen mellom Fuzzy Logic og Neural Networks?
Fuzzy logikk tillater å ta bestemte avgjørelser basert på upresise eller tvetydige data, mens ANN prøver å innlemme menneskelig tenkeprosess for å løse problemer uten å matematisk modellere dem. Selv om begge disse metodene kan brukes til å løse ikke-lineære problemer og problemer som ikke er spesifisert, er de ikke relatert. I motsetning til Fuzzy-logikk prøver ANN å bruke tankeprosessen i den menneskelige hjerne for å løse problemer. Videre inkluderer ANN en læringsprosess som involverer læringsalgoritmer og krever opplæringsdata. Men det er hybrid intelligente systemer utviklet ved hjelp av disse to metodene kalt Fuzzy Neural Network (FNN) eller Neuro-Fuzzy System (NFS).
