Fuzzy Logic vs Neural Network
Fuzzy Logic tilhører familien av logikk med mange verdier. Den fokuserer på fast og tilnærmet resonnement i motsetning til fast og eksakt resonnement. En variabel i fuzzy logic 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 forbinder med hverandre. Vanligvis tilpasser en ANN strukturen sin basert på informasjonen som kommer til den.
Hva er Fuzzy Logic?
Fuzzy Logic tilhører familien av logikk med mange verdier. Den fokuserer på fast og tilnærmet resonnement i motsetning til fast og eksakt resonnement. En variabel i fuzzy logic 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 av fuzzy logic ble markert i 1956, med introduksjonen av fuzzy set theory av Lotfi Zadeh. Fuzzy logic gir en metode for å ta klare avgjørelser basert på upresise og tvetydige inndata. Fuzzy logic er mye brukt for applikasjoner i kontrollsystemer, siden den ligner mye på hvordan et menneske tar avgjørelser, men på en raskere måte. Fuzzy logikk kan inkorporeres i kontrollsystemer basert på små håndholdte enheter til store PC-arbeidsstasjoner.
Hva er nevrale nettverk?
ANN er en beregningsmodell som er utviklet basert på de biologiske nevrale nettverkene. En ANN består av kunstige nevroner som forbinder med hverandre. Vanligvis tilpasser en ANN sin struktur basert på informasjonen som kommer til den. Et sett med systematiske trinn k alt læringsregler må følges når du utvikler en ANN. Videre krever læringsprosessen læringsdata for å oppdage det beste driftspunktet til ANN. ANN-er kan brukes til å lære en tilnærmingsfunksjon for noen observerte data. Men når man bruker ANN, er det flere faktorer man må vurdere. Modellen må velges nøye avhengig av dataene. Å bruke unødvendig komplekse modeller ville gjøre læringsprosessen vanskeligere. Å velge riktig læringsalgoritme er også viktig, siden noen læringsalgoritmer gir bedre resultater med visse typer data.
Hva er forskjellen mellom Fuzzy Logic og Neural Networks?
Fuzzy logic gjør det mulig å ta klare avgjørelser basert på upresise eller tvetydige data, mens ANN prøver å innlemme menneskelig tankeprosess for å løse problemer uten matematisk modellering av dem. Selv om begge disse metodene kan brukes til å løse ikke-lineære problemer, og problemer som ikke er riktig spesifisert, er de ikke relatert. I motsetning til Fuzzy logic, prøver ANN å bruke tankeprosessen i den menneskelige hjernen for å løse problemer. Videre inkluderer ANN en læringsprosess som involverer læringsalgoritmer og krever treningsdata. Men det er hybride intelligente systemer utviklet ved hjelp av disse to metodene k alt Fuzzy Neural Network (FNN) eller Neuro-Fuzzy System (NFS).
