Fuzzy logika vs neurónová sieť
Fuzzy Logic patrí do rodiny mnohohodnotnej logiky. Zameriava sa na pevné a približné uvažovanie na rozdiel od pevného a presného uvažovania. Premenná vo fuzzy logike môže nadobudnúť rozsah pravdivostných hodnôt medzi 0 a 1, na rozdiel od berania true alebo false v tradičných binárnych množinách. Neurónové siete (NN) alebo umelé neurónové siete (ANN) sú výpočtový model, ktorý je vyvinutý na základe biologických neurónových sietí. ANN sa skladá z umelých neurónov, ktoré sa navzájom spájajú. ANN zvyčajne prispôsobuje svoju štruktúru na základe informácií, ktoré do nej prichádzajú.
Čo je fuzzy logika?
Fuzzy Logic patrí do rodiny mnohohodnotnej logiky. Zameriava sa na pevné a približné uvažovanie na rozdiel od pevného a presného uvažovania. Premenná vo fuzzy logike môže nadobudnúť rozsah pravdivostných hodnôt medzi 0 a 1, na rozdiel od berania true alebo false v tradičných binárnych množinách. Keďže pravdivostná hodnota je rozsah, dokáže spracovať čiastočnú pravdu. Začiatok fuzzy logiky bol poznačený v roku 1956 zavedením teórie fuzzy množín Lotfi Zadehom. Fuzzy logika poskytuje metódu na prijímanie jednoznačných rozhodnutí na základe nepresných a nejednoznačných vstupných údajov. Fuzzy logika je široko používaná pre aplikácie v riadiacich systémoch, pretože sa veľmi podobá tomu, ako sa človek rozhoduje, ale rýchlejšie. Fuzzy logiku možno začleniť do riadiacich systémov založených na malých ručných zariadeniach až po veľké pracovné stanice PC.
Čo sú neurónové siete?
ANN je výpočtový model, ktorý je vyvinutý na základe biologických neurónových sietí. ANN sa skladá z umelých neurónov, ktoré sa navzájom spájajú. Typicky ANN prispôsobuje svoju štruktúru na základe informácií, ktoré k nej prichádzajú. Pri vývoji ANN je potrebné dodržiavať súbor systematických krokov nazývaných pravidlá učenia. Okrem toho proces učenia vyžaduje učenie sa údajov, aby sa zistil najlepší operačný bod ANN. ANN možno použiť na naučenie aproximačnej funkcie pre niektoré pozorované údaje. Pri aplikácii ANN je však potrebné zvážiť niekoľko faktorov. Model musí byť starostlivo vybraný v závislosti od údajov. Používanie zbytočne zložitých modelov by sťažilo proces učenia. Výber správneho algoritmu učenia je tiež dôležitý, pretože niektoré algoritmy učenia fungujú lepšie s určitými typmi údajov.
Aký je rozdiel medzi fuzzy logikou a neurónovými sieťami?
Fuzzy logika umožňuje robiť definitívne rozhodnutia na základe nepresných alebo nejednoznačných údajov, zatiaľ čo ANN sa snaží začleniť proces ľudského myslenia na riešenie problémov bez ich matematického modelovania. Aj keď obe tieto metódy možno použiť na riešenie nelineárnych problémov a problémov, ktoré nie sú správne špecifikované, nesúvisia. Na rozdiel od Fuzzy logiky sa ANN snaží aplikovať proces myslenia v ľudskom mozgu na riešenie problémov. Okrem toho ANN zahŕňa proces učenia, ktorý zahŕňa algoritmy učenia a vyžaduje tréningové údaje. Existujú však hybridné inteligentné systémy vyvinuté pomocou týchto dvoch metód nazývaných Fuzzy Neural Network (FNN) alebo Neuro-Fuzzy System (NFS).
