Fuzzy Logic vs Neural Network
Fuzzy Logic patří do rodiny mnohohodnotné logiky. Zaměřuje se na pevné a přibližné uvažování na rozdíl od pevného a přesného uvažování. Proměnná ve fuzzy logice může nabývat hodnot pravdivosti mezi 0 a 1, na rozdíl od přijímání true nebo false v tradičních binárních sadách. Neuronové sítě (NN) nebo umělé neuronové sítě (ANN) je výpočetní model, který je vyvinut na základě biologických neuronových sítí. ANN se skládá z umělých neuronů, které se navzájem spojují. ANN typicky upravuje svou strukturu na základě informací, které k ní přicházejí.
Co je to Fuzzy Logic?
Fuzzy Logic patří do rodiny mnohohodnotné logiky. Zaměřuje se na pevné a přibližné uvažování na rozdíl od pevného a přesného uvažování. Proměnná ve fuzzy logice může nabývat hodnot pravdivosti mezi 0 a 1, na rozdíl od přijímání true nebo false v tradičních binárních sadách. Protože pravdivostní hodnota je rozsah, zvládne částečnou pravdu. Začátek fuzzy logiky byl označen v roce 1956 zavedením teorie fuzzy množin Lotfi Zadeh. Fuzzy logika poskytuje metodu k definitivnímu rozhodování 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 ručních zařízeních a na velkých pracovních stanicích PC.
Co jsou neuronové sítě?
ANN je výpočetní model, který je vyvinut na základě biologických neuronových sítí. ANN se skládá z umělých neuronů, které se navzájem spojují. ANN typicky upravuje 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 k objevení nejlepšího provozního bodu ANN. Pomocí ANN lze zjistit aproximační funkci pro některá pozorovaná data. Ale při aplikaci ANN je třeba vzít v úvahu několik faktorů. Model musí být pečlivě vybrán v závislosti na datech. Používání zbytečně složitých modelů by proces učení ztížilo. Výběr správného algoritmu učení je také důležitý, protože některé algoritmy učení fungují s určitými typy dat lépe.
Jaký je rozdíl mezi Fuzzy Logic a Neural Networks?
Fuzzy logika umožňuje přijímat definitivní rozhodnutí na základě nepřesných nebo nejednoznačných údajů, zatímco ANN se snaží začlenit proces lidského myšlení k řešení problémů bez jejich matematického modelování. I když obě tyto metody lze použít k řešení nelineárních problémů a problémy, které nejsou správně specifikovány, nesouvisí. Na rozdíl od fuzzy logiky se ANN snaží použít 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 zvaných Fuzzy Neural Network (FNN) nebo Neuro-Fuzzy System (NFS).
