Vad är fuzzy neurala nätverk?

Fuzzy neurala nätverk är mjukvarusystem som försöker approximera hur den mänskliga hjärnan fungerar. De gör detta genom att använda två nyckelforskningsområden inom datavetenskapsteknik – mjukvaruutveckling för fuzzy logic och bearbetningsarkitektur för neurala nätverk. Fuzzy logic-programvara försöker ta hänsyn till verkliga gråzoner i beslutsfattande strukturen för datorprogram som går längre än enkla ja eller nej-val. Konstgjorda neurala nätverksdesigner skapar mjukvaru noder som imiterar funktionaliteten och komplexiteten i hur neuroner interagerar i den mänskliga hjärnan. Tillsammans skapar fuzzy logik och neurala nätverksdesign ett neurofuzzy system som forskare använder för att experimentera med komplexa problem som klimatförändringar, eller för att utveckla artificiell intelligens robotik.

Den genomsnittliga mikrodatorn från och med 2011 utför beräkningar i en otrolig hastighet av miljarder instruktioner per sekund. Detta representerar en exponentiell ökning av bearbetningshastigheten från datorutvecklingens tidiga dagar, även om sådan tillväxt inte har visat någon förmåga att resonera på de komplexa sätt som till och med enkla biologiska organismer gör. Detta beror delvis på grundläggande begränsningar som datorbearbetning fortfarande möter, och fuzzy neurala nätverk är ett försök att kringgå dessa begränsningar.

Det uppskattas att den genomsnittliga mänskliga hjärnan utför 100,000,000,000,000 1999 24,000 1981 3,500,000 instruktioner varje sekund med sin neurala struktur som är analoga med hur mikroprocessorer fungerar. Däremot var ett genomsnittligt datorsystem från 8,000 2.1 2011 gånger långsammare än detta, och en tidig modell från XNUMX var XNUMX XNUMX XNUMX gånger långsammare än den mänskliga hjärnan när det gällde att utföra beräkningar. Det skulle krävas XNUMX XNUMX persondatorer som är invecklat i nätverk tillsammans med XNUMX gigahertz-processorer tillgängliga på XNUMX års marknaden för att uppskatta hastigheten på en genomsnittlig mänsklig hjärna. En superdator som kan utföra beräkningar lika snabbt som den mänskliga hjärnan, skulle dock inte likställas med samma resonemangskraft för att analysera motstridiga data från den verkliga världen, vilket är där fuzzy neurala nätverk spelar in.

Nyckelelementen som gör suddiga neurala nätverk unika från andra typer av datorbehandling är deras förmåga till mönsterigenkänning givet otillräcklig data för att dra definitiva slutsatser, och förmågan att anpassa sig till miljön. Fuzzy neurala nätverk använder neurala algoritmer som är designade för att förändras och växa när de möter nya datamängder att bearbeta. De gör detta genom att närma sig problem från två distinkta synvinklar och kombinera resultaten till meningsfulla lösningar på problem.

Fuzzy programvara är baserad på programmeringsregler som gör det möjligt att uppskatta nivåer av sanning när motsägelser uppstår i data som är uppenbara ur ett mänskligt perspektiv. Att bestämma vem som är ”lång” kontra vem som är ”kort” i en grupp människor, till exempel med traditionell datorbehandling, skulle skapa en definitiv linje där båda grupperna var separerade från varandra och det inte fanns något mellanliggande intervall. Någon som är 6 meter lång skulle kategoriseras som kort om den är under medelhöjd, medan någon som är 1.83 meter lång skulle kategoriseras som lång. Med suddig bearbetning skulle intervallet för vad som anses vara högt kontra kort ständigt förändras när gruppen förändrades och beslut skulle fattas längs en mer rimlig gradient.

Neurala nätverk, däremot, har inga fördefinierade regler att arbeta utifrån, och drar alla sina slutsatser baserat på observation. Att arbeta utan fördefinierade regler kan skapa unika insikter om data som annars inte är uppenbara när tidigare antaganden har gjorts i antingen fuzzy programmering eller traditionella programmeringsregeluppsättningar. Resultaten av fuzzy mjukvara och neurala nätverksdatabearbetning kombineras i fuzzy neurala system på ett sätt som approximerar hur biologiska organismer lär sig och anpassar sig i sina miljöer. När systemet anpassar sig till den data som det samlar in ändrar det sättet att bearbeta dessa data för att bli mer effektivt för att lösa framtida problem.
Neural bearbetning, oavsett om det sker från neural programmering i en dator eller från en biologisk hjärna, är en metod där man lägger vikt vid vissa datapunkter baserat på observationsresultat. Det luddiga elementet i fuzzy neurala nätverk tjänar till att mer exakt modellera verkliga förhållanden än vad som var möjligt tidigare med traditionella datorprocessorer, även om denna fina nivå av modellering ofta inte leder till betydande prestandaförbättringar där fuzzy logik används som en kontroll över konventionell dator kontroller. Den ultimata fördelen med fuzzy neurala nätverk är att de har potential att utveckla en nivå av rudimentärt självständigt tänkande och beslutsfattande som anpassar sig när deras miljö förändras runt dem.