Hva er Fuzzy Neural Networks?

October 20  by Eliza

Fuzzy nevrale nettverk er programvaresystemer som forsøker å approksimere den måten som de humane hjernefunksjoner. Dette gjør de ved å benytte to viktige forskningsområder i informatikk teknologi - fuzzy logikk utvikling av programvare og nettverk behandlingsarkitektur. Fuzzy logikk programvare prøver å ta hensyn til den virkelige verden gråsoner i beslutningsstrukturen av data programmer som går utover enkle ja eller ingen valg. Kunstige nevrale nettverk design skaper programvare noder som imitere funksjonaliteten og kompleksiteten av hvordan nerveceller kommuniserer i den menneskelige hjerne. Sammen skaper fuzzy logikk og nevrale nettverk design en neuro-fuzzy system som forskere bruker for eksperimentering på komplekse problemer som klimaendringer, eller å utvikle kunstig intelligens robotikk.

Gjennomsnittlig mikrodatamaskin som av 2011 utfører beregninger i en utrolig hastighet av milliarder instruksjoner per sekund. Dette representerer en eksponentiell økning i behandlingshastigheten fra de tidlige dager av datamaskin utvikling, selv om en slik vekst ikke har vist evne til resonnement i de komplekse måter at selv enkle biologiske organismer gjøre. Dette er delvis på grunn av grunnleggende begrensninger som databehandling fortsatt står overfor, og fuzzy nevrale nettverk er et forsøk på å omgå disse begrensningene.

Det er anslått at den gjennomsnittlige menneskelige hjerne utfører 100.000.000.000.000 instruksjoner hvert sekund ved hjelp av neurale struktur som er analog til hvordan mikroprosessorer funksjon. Derimot, en gjennomsnittlig datasystem som av 1999 var 24.000 ganger lavere enn dette, og en tidlig modell som 1981 var 3.500.000 ganger langsommere enn den menneskelige hjernen i å utføre beregninger. Det ville ta 8000 personlige datamaskiner intrikat nettverk sammen med 2,1 gigahertz prosessorer tilgjengelig på 2011-markedet for å tilnærme hastigheten på en gjennomsnittlig menneskelige hjerne. En superdatamaskin stand til å utføre beregninger så fort som den menneskelige hjerne, men ville ikke likestille til den samme resonnement makt for å analysere motstridende virkelige verden data, som er der fuzzy nevrale nettverk spiller inn.

De viktigste elementene som gjør fuzzy nevrale nettverk unik fra andre typer databehandling er deres evne til mønstergjenkjenning gitt tilstrekkelige data til å trekke endelige konklusjoner, og evnen til å tilpasse seg miljøet. Fuzzy nevrale nettverk utnytte nevrale algoritmer som er utformet for å forandre seg og vokse som de støter på nye datasett å behandle. Dette gjør de ved å nærme seg problemene fra to forskjellige synsvinkler og kombinere resultatene i meningsfulle løsninger på problemer.

Fuzzy programvaren er basert på programmerings regler som gir mulighet for å estimere nivåer av sannhet når motsetninger oppstår i data som er åpenbart fra et menneskelig perspektiv. Å bestemme hvem som er "høy" versus som "kort" i en gruppe mennesker, for eksempel, ved hjelp av tradisjonell databehandling, ville skape en definitiv linje hvor begge grupper ble skilt fra hverandre, og det var ikke noe mellomliggende område. Someone seks fot (1,83 meter) i høyden ville bli kategorisert som kort hvis under gjennomsnittlig høyde, mens noens 6 fot og 1 tomme (1,85 meter) i høyden ville bli kategorisert som høy. Med fuzzy behandling, ville omfanget av hva som regnes som høy versus kort være i kontinuerlig endring som gruppen endret og beslutninger vil bli gjort langs en mer fornuftig gradient.

Nevrale nettverk, derimot, har ingen forhåndsdefinerte regler som å operere, og trekke alle sine konklusjoner basert på observasjon. Opererer uten forhåndsdefinerte regler kan skape unike innsikt om data som ikke er ellers tydelig når tidligere forutsetninger er gjort i enten uklar programmering eller tradisjonelle programmerings regelsett. Resultatene av fuzzy programvare og nevrale nettverk databehandling er kombinert i fuzzy nervesystemer på en måte som er tilnærmet hvor biologiske organismer lære og tilpasse seg innenfor sine omgivelser. Ettersom systemet tilpasser seg data som det samler seg, forandrer det måten det behandler disse dataene til å bli mer effektiv på å løse fremtidige problemer.

Neural behandling, enten fra neural programmering i en datamaskin eller fra et biologisk hjernen, er en metode hvor det tilsatt vekt til visse datapunkter basert på observerte resultater. Den uklare element av fuzzy nevrale nettverk tjener til mer nøyaktig modell reelle forhold enn det som var mulig tidligere med tradisjonelle dataprosessorer, skjønt denne fine nivå av modellering kan ofte ikke føre til betydelige ytelsesforbedringer hvor fuzzy logikk blir brukt som en kontroll over konvensjonell datamaskin kontroller. Den ultimate fordelen av fuzzy nevrale nettverk er at de har potensial til å utvikle et nivå av rudimentær selvstendig tenkning og beslutningstaking som tilpasser seg som deres miljø forandrer seg rundt dem.