Fuzziness dalam Neural Networks

Rangkaian saraf buatan (ANN) adalah rangkaian sistem pengkomputeran yang efisien tema utama yang dipinjam dari analogi rangkaian saraf biologi. ANN juga dinamakan sebagai "sistem saraf buatan," sistem pemprosesan yang diedarkan selari, "" sistem sambungan. "ANN memperoleh koleksi besar unit yang saling berhubungan dalam beberapa corak untuk membolehkan komunikasi antara unit. Unit-unit ini, juga dirujuk sebagai nod atau neuron, adalah pemproses mudah yang beroperasi selari.

Setiap neuron dikaitkan dengan neuron lain melalui sambungan sambungan. Setiap pautan sambungan dikaitkan dengan berat yang mempunyai maklumat mengenai isyarat input. Ini adalah maklumat yang paling berguna untuk neuron untuk menyelesaikan masalah tertentu kerana berat badan biasanya menghalang isyarat yang disampaikan. Setiap neuron mempunyai keadaan dalamannya yang dipanggil isyarat pengaktifan. Isyarat output, yang dihasilkan selepas menggabungkan isyarat masukan dan peraturan pengaktifan, boleh dihantar ke unit lain. Ia juga terdiri daripada bias 'b' yang beratnya sentiasa 1.

Model Rangkaian Neural

Kenapa perlu menggunakan Logik Fuzzy dalam Rangkaian Neural

Seperti yang telah kita bincangkan di atas bahawa setiap neuron di ANN berkaitan dengan neuron lain melalui pautan sambungan dan pautan itu dikaitkan dengan berat yang mempunyai maklumat mengenai isyarat masukan. Oleh itu, kita boleh mengatakan bahawa berat mempunyai maklumat berguna tentang input untuk menyelesaikan masalah.

Berikut adalah beberapa sebab untuk menggunakan logik kabur dalam rangkaian saraf -

  • Logik kabur digunakan terutamanya untuk menentukan berat, dari set kabur, dalam rangkaian saraf.

  • Apabila nilai-nilai jernih tidak boleh digunakan, maka nilai-nilai fuzzy digunakan.

  • Kami telah mempelajari bahawa latihan dan pembelajaran membantu rangkaian saraf melakukan lebih baik dalam situasi yang tidak dijangka. Pada masa itu nilai-nilai fuzzy akan lebih banyak digunakan daripada nilai-nilai rumit.

  • Apabila kita menggunakan logik kabur dalam rangkaian saraf maka nilai-nilai itu tidak boleh menjadi rumit dan pemprosesan boleh dilakukan selari.

Peta Kognitif kabur

Ia adalah satu bentuk kekaburan dalam rangkaian saraf. Pada dasarnya FCM adalah seperti mesin keadaan dinamik dengan keadaan kabur (bukan hanya 1 atau 0).

Kesukaran menggunakan Logik Fuzzy dalam Rangkaian Neural

Walaupun mempunyai banyak kelebihan, terdapat juga kesukaran semasa menggunakan logik kabur dalam rangkaian saraf. Kesukaran itu berkaitan dengan peraturan keanggotaan, keperluan untuk membina sistem kabur, kerana kadang-kadang rumit untuk menyimpulkannya dengan set data rumit yang diberikan.

Logik Fuzzy yang Dilatih Neural

Hubungan sebaliknya antara rangkaian saraf dan logik fuzzy, iaitu, rangkaian neural yang digunakan untuk melatih logik kabur juga merupakan bidang kajian yang baik. Berikut adalah dua sebab utama untuk membina logik fuzzy neuraltrained -

  • Corak data baru boleh dipelajari dengan mudah dengan bantuan rangkaian saraf maka ia boleh digunakan untuk memproses data dalam sistem kabur.

  • Rangkaian neural, kerana kemampuan untuk mempelajari hubungan baru dengan data input baru, boleh digunakan untuk memperbaiki peraturan kabur untuk mewujudkan sistem penyesuaian kabur.

Contoh Sistem Fuzzy Dilatih Neural

Sistem fuzzy terlatih Neural sedang digunakan dalam banyak aplikasi komersil. Marilah kita lihat beberapa contoh di mana sistem Fuzzy Dilatih Neural digunakan -

  • Makmal untuk Penyelidikan Kejuruteraan Fuzzy Antarabangsa (LIFE) di Yokohama, Jepun mempunyai rangkaian neural belakang propagasi yang menghasilkan peraturan kabur. Sistem ini telah berjaya diterapkan kepada sistem perdagangan pertukaran asing dengan kira-kira 5000 peraturan kabur.

  • Ford Motor Company telah membangunkan sistem kabur yang boleh dilatih untuk mengawal kelajuan tanpa pemandu kereta.

  • NeuFuz, produk perisian National Semiconductor Corporation, menyokong penjanaan peraturan kabur dengan rangkaian neural untuk aplikasi kawalan.

  • AEG Corporation of Germany menggunakan sistem kawalan fuzzy terlatih saraf untuk airnya - dan mesin penjimatan tenaga. Ia mempunyai sejumlah 157 peraturan kabur.