Разлика између неизразите логике и неуронске мреже

Фуззи Логиц вс Неурал Нетворк

Нејасна логика припада породици вишевредних логика. Фокусира се на фиксно и приближно резоновање које је супротно фиксном и тачном резоновању. Променљива у нејасној логици може узети распон вредности истине између 0 и 1, за разлику од прихватања истине или лажи у традиционалним бинарним скуповима. Неуронске мреже (НН) или вештачке неуронске мреже (АНН) је рачунски модел који је развијен на основу биолошких неуронских мрежа. АНН се састоји од вештачких неурона који се повезују један са другим. Типично, АНН прилагођава своју структуру на основу информација које долазе до њих.

Шта је нејасна логика?

Нејасна логика припада породици вишевредних логика. Фокусира се на фиксно и приближно резоновање које је супротно фиксном и тачном резоновању. Променљива у нејасној логици може узети распон вредности истине између 0 и 1, за разлику од прихватања истине или лажи у традиционалним бинарним скуповима. Пошто је вредност истине распон, она може да се носи са делимичном истином. Почетак нејасне логике обележен је 1956. године, Лотфи Задех је увео теорију неизразитих скупова. Нејасна логика пружа метод доношења дефинитивних одлука на основу непрецизних и двосмислених улазних података. Нејасна логика се широко користи за апликације у контролним системима, јер јако подсећа на начин на који човек доноси одлуку, али на бржи начин. Нејасна логика се може уградити у системе управљања засноване на малим ручним уређајима на великим ПЦ радним станицама.

Шта су неуронске мреже?

АНН је рачунски модел који је развијен на основу биолошких неуронских мрежа. АНН се састоји од вештачких неурона који се повезују један са другим. Типично, АНН прилагођава своју структуру на основу информација које долазе до њих. Приликом израде АНН-а потребно је следити низ системских корака који се називају правила учења. Надаље, процес учења захтијева податке о учењу како би се открила најбоља радна тачка АНН-а. АНН-ови се могу користити за учење апроксимацијске функције за неке посматране податке. Али код примене АНН мора се узети у обзир неколико фактора. Модел мора бити пажљиво изабран у зависности од података. Употреба непотребно сложених модела отежала би процес учења. Одабир исправног алгоритма учења такође је важан, јер неки алгоритми учења боље раде са одређеним типовима података.

Која је разлика између неизразите логике и неуронске мреже?

Нејасна логика омогућава доношење дефинитивних одлука на основу непрецизних или двосмислених података, док АНН покушава уградити процес људског размишљања у решавање проблема без математичког моделирања. Иако се ове обе методе могу користити за решавање нелинеарних проблема и проблема који нису правилно наведени, нису повезане. Насупрот нејасној логици, АНН покушава примијенити процес размишљања у људском мозгу за рјешавање проблема. Надаље, АНН укључује процес учења који укључује алгоритме учења и захтијева податке о обуци. Али постоје хибридни интелигентни системи развијени помоћу ове две методе назване Фуззи Неурал Нетворк (ФНН) или Неуро-Фуззи Систем (НФС).