Fuzzy Logic vs Neural Network
Fuzzy Logic tillhör familjen med många värderade logik. Det fokuserar på fast och ungefärligt resonemang motsatt fast och exakt resonemang. En variabel i suddig logik kan ta ett sanningsvärde mellan 0 och 1, i motsats till att ta sant eller falskt i traditionella binära uppsättningar. Neurala nätverk (NN) eller artificiella neurala nätverk (ANN) är en beräkningsmodell som utvecklas baserat på biologiska neurala nätverk. En ANN består av konstgjorda neuroner som ansluter till varandra. Vanligtvis anpassar ett ANN sin struktur baserat på den information som kommer till den.
Vad är Fuzzy Logic?
Fuzzy Logic tillhör familjen med många värderade logik. Det fokuserar på fast och ungefärligt resonemang motsatt fast och exakt resonemang. En variabel i suddig logik kan ta ett sanningsvärde mellan 0 och 1, i motsats till att ta sant eller falskt i traditionella binära uppsättningar. Eftersom sanningsvärdet är ett intervall kan det hantera partiell sanning. Början på suddig logik markerades 1956 med introduktionen av suddig uppsättningsteori av Lotfi Zadeh. Fuzzy logic tillhandahåller en metod för att fatta bestämda beslut baserat på exakta och tvetydiga indata. Fuzzy-logik används ofta för applikationer i styrsystem, eftersom det mycket liknar hur en människa fattar beslut men på snabbare sätt. Fuzzy-logik kan införlivas i styrsystem baserade på små handhållna enheter till stora PC-arbetsstationer.
Vad är neurala nätverk?
ANN är en beräkningsmodell som utvecklas baserat på biologiska neurala nätverk. En ANN består av konstgjorda nervceller som ansluter till varandra. Vanligtvis anpassar ett ANN sin struktur baserat på den information som kommer till den. En uppsättning systematiska steg som kallas inlärningsregler måste följas när man utvecklar ett ANN. Vidare kräver inlärningsprocessen inlärningsdata för att upptäcka ANN: s bästa driftspunkt. ANN kan användas för att lära sig en approximationsfunktion för vissa observerade data. Men när man använder ANN finns det flera faktorer man måste tänka på. Modellen måste väljas noga beroende på data. Att använda onödigt komplexa modeller skulle göra inlärningsprocessen svårare. Att välja rätt inlärningsalgoritm är också viktigt, eftersom vissa inlärningsalgoritmer fungerar bättre med vissa typer av data.
Vad är skillnaden mellan Fuzzy Logic och Neural Networks?
Fuzzy-logik gör det möjligt att fatta bestämda beslut baserat på exakta eller tvetydiga data, medan ANN försöker integrera mänsklig tänkande för att lösa problem utan att matematiskt modellera dem. Även om båda dessa metoder kan användas för att lösa icke-linjära problem och problem som inte är korrekt specificerade, är de inte relaterade. I motsats till Fuzzy-logik försöker ANN att tillämpa tänkprocessen i den mänskliga hjärnan för att lösa problem. Vidare inkluderar ANN en inlärningsprocess som involverar inlärningsalgoritmer och kräver träningsdata. Men det finns hybridintelligenta system som utvecklats med dessa två metoder som kallas Fuzzy Neural Network (FNN) eller Neuro-Fuzzy System (NFS).
