Fuzzy Logic vs Neural Network
Fuzzy Logic tilhører familien af mange værdsatte logikker. Den fokuserer på faste og tilnærmede ræsonnementer i modsætning til faste og nøjagtige ræsonnementer. En variabel i fuzzy logic kan tage et sandhedsværdiområde mellem 0 og 1, i modsætning til at tage sand eller falsk i traditionelle binære sæt. Neurale netværk (NN) eller kunstige neurale netværk (ANN) er en beregningsmodel, der er udviklet baseret på de biologiske neurale netværk. En ANN består af kunstige neuroner, der forbinder med hinanden. Typisk tilpasser en ANN sin struktur baseret på den information, der kommer til den.
Hvad er Fuzzy Logic?
Fuzzy Logic tilhører familien af mange værdsatte logikker. Den fokuserer på faste og tilnærmede ræsonnementer i modsætning til faste og nøjagtige ræsonnementer. En variabel i fuzzy logic kan tage et sandhedsværdiområde mellem 0 og 1, i modsætning til at tage sand eller falsk i traditionelle binære sæt. Da sandhedsværdien er et interval, kan den håndtere delvis sandhed. Begyndelsen af fuzzy logik blev markeret i 1956, med introduktionen af fuzzy set theory af Lotfi Zadeh. Fuzzy logic giver en metode til at træffe konkrete beslutninger baseret på upræcise og tvetydige inputdata. Fuzzy logic er meget udbredt til applikationer i kontrolsystemer, da det ligner meget, hvordan et menneske træffer beslutninger, men på en hurtigere måde. Fuzzy logik kan inkorporeres i styresystemer baseret på små håndholdte enheder til store pc-arbejdsstationer.
Hvad er neurale netværk?
ANN er en beregningsmodel, der er udviklet baseret på de biologiske neurale netværk. En ANN består af kunstige neuroner, der forbinder med hinanden. Typisk tilpasser en ANN sin struktur baseret på den information, der kommer til den. Et sæt systematiske trin kaldet læringsregler skal følges, når man udvikler en ANN. Yderligere kræver læringsprocessen indlæringsdata for at opdage det bedste driftspunkt for ANN. ANN'er kan bruges til at lære en tilnærmelsesfunktion for nogle observerede data. Men når man anvender ANN, er der flere faktorer, man skal overveje. Modellen skal vælges omhyggeligt afhængigt af dataene. Brug af unødvendigt komplekse modeller ville gøre læringsprocessen sværere. Det er også vigtigt at vælge den korrekte indlæringsalgoritme, da nogle indlæringsalgoritmer klarer sig bedre med visse typer data.
Hvad er forskellen mellem Fuzzy Logic og Neurale netværk?
Fuzzy logik gør det muligt at træffe konkrete beslutninger baseret på upræcise eller tvetydige data, hvorimod ANN forsøger at inkorporere menneskelig tankeproces for at løse problemer uden matematisk modellering af dem. Selvom begge disse metoder kan bruges til at løse ikke-lineære problemer, og problemer, der ikke er korrekt specificeret, er de ikke relaterede. I modsætning til Fuzzy logic forsøger ANN at anvende tankeprocessen i den menneskelige hjerne til at løse problemer. Yderligere inkluderer ANN en læreproces, der involverer indlæringsalgoritmer og kræver træningsdata. Men der er hybride intelligente systemer udviklet ved hjælp af disse to metoder kaldet Fuzzy Neural Network (FNN) eller Neuro-Fuzzy System (NFS).
