Fuzzy Logic vs Neural Network
Fuzzy Logic patrí do rodiny mnohonásobnej logiky. Zameriava sa na pevné a približné uvažovanie na rozdiel od pevného a presného uvažovania. Premenná vo fuzzy logike môže mať rozsah pravdivosti medzi 0 a 1, na rozdiel od prijímania true alebo false v tradičných binárnych množinách. Neurónové siete (NN) alebo umelé neurónové siete (ANN) je výpočtový model, ktorý je vyvinutý na základe biologických neurónových sietí. ANN je tvorený umelými neurónmi, ktoré sa navzájom spájajú. ANN typicky upravuje svoju štruktúru na základe informácií, ktoré k nej prichádzajú.
Čo je to Fuzzy Logic?
Fuzzy Logic patrí do rodiny mnohonásobnej logiky. Zameriava sa na pevné a približné uvažovanie na rozdiel od pevného a presného uvažovania. Premenná vo fuzzy logike môže mať rozsah pravdivosti medzi 0 a 1, na rozdiel od prijímania true alebo false v tradičných binárnych množinách. Pretože pravdivostná hodnota je rozsah, dokáže spracovať čiastočnú pravdu. Začiatok fuzzy logiky bol označený v roku 1956, kedy zaviedol teóriu fuzzy množín Lotfi Zadeh. Fuzzy logika poskytuje metódu na prijímanie konečných rozhodnutí na základe nepresných a nejednoznačných vstupných údajov. Fuzzy logika sa často používa v aplikáciách v riadiacich systémoch, pretože sa veľmi podobá tomu, ako sa človek rozhoduje, ale rýchlejšie. Fuzzy logiku je možné začleniť do riadiacich systémov založených na malých vreckových zariadeniach do veľkých pracovných staníc pre PC.
Čo sú to neurónové siete?
ANN je výpočtový model, ktorý je vyvinutý na základe biologických neurónových sietí. ANN je tvorený umelými neurónmi, ktoré sa navzájom spájajú. ANN typicky upravuje svoju štruktúru na základe informácií, ktoré k nej prichádzajú. Pri príprave ANN je potrebné dodržiavať súbor systematických krokov nazývaných pravidlá učenia. Ďalej, proces výučby si vyžaduje údaje o výučbe, aby sa našiel najlepší prevádzkový bod ANN. Pomocou ANN sa možno naučiť aproximačnú funkciu pre niektoré pozorované údaje. Ale pri aplikácii ANN je treba brať do úvahy niekoľko faktorov. V závislosti od údajov je potrebné model starostlivo vybrať. Používanie zbytočne zložitých modelov by proces učenia sťažilo. Dôležitý je aj výber správneho algoritmu výučby, pretože niektoré výukové algoritmy majú pri určitých druhoch údajov lepší výkon.
Aký je rozdiel medzi fuzzy logikou a neurónovými sieťami?
Fuzzy logika umožňuje prijímať konečné rozhodnutia na základe nepresných alebo nejednoznačných údajov, zatiaľ čo ANN sa snaží začleniť proces ľudského myslenia do riešenia problémov bez ich matematického modelovania. Aj keď obe tieto metódy možno použiť na riešenie nelineárnych problémov a problémov, ktoré nie sú správne špecifikované, navzájom nesúvisia. Na rozdiel od fuzzy logiky sa ANN snaží pri riešení problémov aplikovať proces myslenia v ľudskom mozgu. Ďalej obsahuje ANN proces výučby, ktorý zahŕňa výukové algoritmy a vyžaduje údaje o tréningu. Existujú však hybridné inteligentné systémy vyvinuté pomocou týchto dvoch metód, ktoré sa nazývajú Fuzzy Neural Network (FNN) alebo Neuro-Fuzzy System (NFS).
