چه تفاوتی بین منطق فازی و شبکه‎های عصبی وجود دارد؟
26 خرداد 1397
منطق فازی متعلق به خانواده منطق چند ارزشی است و برخلاف استدلال ثابت و دقیق تمرکز آن بر استدلال ثابت و تقریبی است. یک متغیر در منطق فازی می‌تواند ارزش حقیقی را در محدوده بین 0 و 1 به دست آورد، در حالی که در مجموعه‎های باینری سنتی درست یا غلط بودن مطرح است. شبکه‎های عصبیNN) ) یا شبکه‎های عصبی مصنوعیANN) ) یک مدل محاسباتی است که بر اساس شبکه‎های عصبی بیولوژیکی توسعه یافته است. یک شبکه عصبی مصنوعی از نورون‎هایی مصنوعی تشکیل شده است که به یک دیگر متصل شده‎اند. معمولا یک ANN ساختار خود را بر اساس اطلاعات ورودی به آن مطابقت می‌دهد.

منطق فازی چیست؟

منطق فازی متعلق به خانواده منطق چند ارزشی است و برخلاف استدلال ثابت و دقیق تمرکز آن بر استدلال ثابت و تقریبی است. یک متغیر در منطق فازی می‌تواند ارزش حقیقی را در محدوده بین 0 و 1 به دست آورد، در حالی که در مجموعه‎های باینری سنتی درست یا غلط بودن مطرح است. از آنجا که ارزش حقیقی از یک محدوده تشکیل می‌شود، می‌تواند حقایق جزئی را اداره کند. آغاز منطق فازی به سال 1956 و با معرفی نظریه مجموعه فازی توسط پرفسور لطفی زاده باز می‌گردد. منطق فازی روشی را برای تصمیم گیری قطعی بر اساس داده‎های ورودی نامشخص و مبهم فراهم می‌کند. از آنجا که منطق فازی بسیار شبیه به تصمیم گیری‎های انسانی اما به شیوه‎ای سریع‎تر عمل می‌کند از آن به طور گسترده‎ای در کاربردهای سیستم‎های کنترلی استفاده می‌شود. می‌توان از منطق فازی برای مشارکت در کنترل سیستم‎های موجود در دستگاه‎های کوچک دستی تا ایستگاه‎های کاری بزرگ استفاده کرد.

شبکه عصبی چیست؟

شبکه عصبی مصنوعی یا به اختصار ANN یک نوع مدل محاسباتی است که بر مبنای شبکه‎های عصبی بیولوژیکی توسعه پیدا کرده است. یک ANN از نورون‎هایی مصنوعی تشکیل شده است که به یک دیگر متصل شده‎اند. معمولا یک ANN ساختار خود را بر اساس اطلاعات ورودی به آن مطابقت می‌دهد. مجموعه‎ای از مراحل سیستماتیک به نام قوانین یادگیری باید در هنگام توسعه یک ANN مورد توجه قرار گیرد. علاوه بر این، این فرآيند یادگیری برای یافتن بهترین وضعیت عملیاتی ANN نیاز به یادگیری و درک داده‎ها دارد. از شبکه‎های عصبی مصنوعی می‌توان برای یادگیری یک عملکرد تقریبی در مورد برخی از داده‎های مشاهده شده استفاده کرد. اما وقتی ANN به کار گرفته می‌شود، عوامل متعددی باید مورد توجه قرار گیرد. این مدل باید با توجه به نوع داده با دقت انتخاب شود. استفاده از مدل‎های پیچیده غیرضروری می‌تواند فرآیند یادگیری را مشکل‎تر کند. انتخاب الگوریتم یادگیری درست نیز از اهمیت زیادی برخوردار است، زیرا برخی از الگوریتم‎های یادگیری با انواع خاصی از داده‎ها بهتر عمل می‌کنند.

چه تفاوتی بین منطق فازی و شبکه‎های عصبی وجود دارد؟

منطق فازی این امکان را فراهم می‌کند تا بر اساس اطلاعات نامشخص و یا مبهم تصمیم گیری‎های قطعی اتخاذ شود، در حالی که ANN تلاش دارد تا با مشارکت فرآیند تفکر انسانی مشکلات را بدون مدل سازی ریاضی آنها حل کند. اگر چه از هر دو این روش‎ها می‌توان برای حل مشکلات غیر خطی و مشکلاتی که به درستی مشخص نشده‎اند استفاده کرد، اما آنها هیچ ارتباطی باهم ندارند. بر خلاف منطق فازی، ANN قصد دارد برای حل مسائل از فرآیند تفکر مغز انسان کمک بگیرد. علاوه بر این، ANN شامل یک فرآیند یادگیری است که الگوریتم‎های یادگیری را شامل می‌شود و نیاز به اطلاعات آموزشی دارد. سیستم‎های ترکیبی هوشمندی با استفاده از این دو روش توسعه داده شده‎اند که تحت عنوان شبکه عصبی فازی (FNN) یا سیستم عصبی – فازی (NFS) نامگذاری شده است.

برچسب: