Fuzzy logika vs neuronová síť
Fuzzy Logic patří do rodiny logiky mnoha hodnot. Zaměřuje se na fixní a přibližné uvažování na rozdíl od fixního a exaktního uvažování. Proměnná ve fuzzy logice může mít pravdivostní rozsah mezi 0 a 1, na rozdíl od toho, že v tradičních binárních množinách bereme hodnotu true nebo false. Neuronové sítě (NN) nebo umělé neuronové sítě (ANN) je výpočtový model, který je vyvinut na základě biologických neuronových sítí. ANN se skládá z umělých neuronů, které se vzájemně propojují. Typicky ANN přizpůsobuje svou strukturu na základě informací, které do ní přicházejí.
Co je to Fuzzy Logic?
Fuzzy Logic patří do rodiny logiky mnoha hodnot. Zaměřuje se na fixní a přibližné uvažování na rozdíl od fixního a exaktního uvažování. Proměnná ve fuzzy logice může mít pravdivostní rozsah mezi 0 a 1, na rozdíl od toho, že v tradičních binárních množinách bereme hodnotu true nebo false. Protože pravdivostní hodnota je rozsah, může zpracovat částečnou pravdu. Počátek fuzzy logiky byl označen v roce 1956 zavedením teorie fuzzy množin Lotfi Zadehem. Fuzzy logika poskytuje metodu pro definitivní rozhodnutí na základě nepřesných a nejednoznačných vstupních dat. Fuzzy logika je široce používána pro aplikace v řídicích systémech, protože se velmi podobá tomu, jak se člověk rozhoduje, ale rychleji. Fuzzy logiku lze začlenit do řídicích systémů založených na malých kapesních zařízeních až po velké pracovní stanice PC.
Co jsou neuronové sítě?
ANN je výpočtový model, který je vyvinut na základě biologických neuronových sítí. ANN se skládá z umělých neuronů, které se vzájemně propojují. Typicky ANN přizpůsobuje svou strukturu na základě informací, které k ní přicházejí. Při vývoji ANN je třeba dodržovat soubor systematických kroků nazývaných pravidla učení. Proces učení dále vyžaduje data učení, aby bylo možné zjistit nejlepší provozní bod ANN. ANN lze použít k naučení aproximační funkce pro některá pozorovaná data. Ale při aplikaci ANN je třeba vzít v úvahu několik faktorů. Model musí být pečlivě vybrán v závislosti na datech. Použití zbytečně složitých modelů by ztížilo proces učení. Výběr správného algoritmu učení je také důležitý, protože některé algoritmy učení fungují lépe s určitými typy dat.
Jaký je rozdíl mezi fuzzy logikou a neuronovými sítěmi?
Fuzzy logika umožňuje činit jednoznačná rozhodnutí na základě nepřesných nebo nejednoznačných dat, zatímco ANN se snaží začlenit proces lidského myšlení k řešení problémů, aniž by je matematicky modelovala. Přestože obě tyto metody lze použít k řešení nelineárních problémů a problémů, které nejsou správně specifikovány, spolu nesouvisí. Na rozdíl od Fuzzy logiky se ANN snaží aplikovat proces myšlení v lidském mozku k řešení problémů. ANN dále zahrnuje proces učení, který zahrnuje algoritmy učení a vyžaduje tréninková data. Existují však hybridní inteligentní systémy vyvinuté pomocí těchto dvou metod nazývaných Fuzzy Neural Network (FNN) nebo Neuro-Fuzzy System (NFS).
