Nieostrość w sieciach neuronowych
Sztuczna sieć neuronowa (SSN) to sieć wydajnych systemów obliczeniowych, których centralny temat został zapożyczony z analogii biologicznych sieci neuronowych. SSN są również nazywane „sztucznymi systemami neuronowymi”, równolegle rozproszonymi systemami przetwarzania ”,„ systemami koneksjonistycznymi ”. Sieć ANN pozyskuje duży zbiór jednostek, które są ze sobą połączone w pewien sposób, aby umożliwić komunikację między jednostkami. Jednostki te, nazywane również węzłami lub neuronami, to proste procesory działające równolegle.
Każdy neuron jest połączony z innym neuronem za pomocą łącza. Do każdego łącza połączeniowego przypisana jest waga zawierająca informacje o sygnale wejściowym. Jest to najbardziej przydatna informacja dla neuronów do rozwiązania konkretnego problemu, ponieważ waga zwykle hamuje przesyłany sygnał. Każdy neuron ma swój stan wewnętrzny, który nazywamy sygnałem aktywacji. Sygnały wyjściowe, które powstają po połączeniu sygnałów wejściowych i reguły aktywacji, mogą być wysyłane do innych jednostek. Składa się również z odchylenia „b”, którego waga zawsze wynosi 1.
Dlaczego warto korzystać z logiki rozmytej w sieci neuronowej
Jak omówiliśmy powyżej, każdy neuron w SSN jest połączony z innym neuronem za pomocą łącza połączeniowego, a to łącze jest powiązane z wagą zawierającą informacje o sygnale wejściowym. Dlatego możemy powiedzieć, że wagi mają przydatne informacje o danych wejściowych do rozwiązania problemów.
Oto kilka powodów, dla których warto używać logiki rozmytej w sieciach neuronowych:
Logika rozmyta jest szeroko stosowana do definiowania wag ze zbiorów rozmytych w sieciach neuronowych.
Gdy wyraźne wartości nie są możliwe do zastosowania, używane są wartości rozmyte.
Badaliśmy już, że szkolenie i uczenie się pomagają sieciom neuronowym działać lepiej w nieoczekiwanych sytuacjach. W tym czasie wartości rozmyte byłyby bardziej odpowiednie niż wartości wyraźne.
Kiedy używamy logiki rozmytej w sieciach neuronowych, wartości nie mogą być wyraźne, a przetwarzanie może odbywać się równolegle.
Rozmyta mapa poznawcza
Jest to forma rozmywania w sieciach neuronowych. Zasadniczo FCM jest jak dynamiczna maszyna stanów ze stanami rozmytymi (nie tylko 1 lub 0).
Trudność w korzystaniu z logiki rozmytej w sieciach neuronowych
Pomimo wielu zalet, istnieje również pewna trudność przy stosowaniu logiki rozmytej w sieciach neuronowych. Trudność wiąże się z regułami członkostwa, koniecznością zbudowania rozmytego systemu, ponieważ czasami trudno jest wydedukować go z danym zestawem złożonych danych.
Logika rozmyta trenowana przez neurony
Odwrotna zależność między siecią neuronową a logiką rozmytą, tj. Sieć neuronowa używana do uczenia logiki rozmytej, jest również dobrym obszarem badań. Oto dwa główne powody budowania logiki rozmytej opartej na neuronach:
Nowe wzorce danych można łatwo nauczyć się za pomocą sieci neuronowych, dzięki czemu można je wykorzystać do wstępnego przetwarzania danych w systemach rozmytych.
Sieć neuronowa, ze względu na jej zdolność do uczenia się nowych relacji z nowymi danymi wejściowymi, może służyć do udoskonalania rozmytych reguł w celu stworzenia rozmytego systemu adaptacyjnego.
Przykłady systemu rozmytego trenowanego neuronowo
Systemy rozmyte trenowane neuronowo są wykorzystywane w wielu zastosowaniach komercyjnych. Zobaczmy teraz kilka przykładów zastosowania systemu rozmytego trenowanego neuronowo -
Laboratorium Międzynarodowych Badań nad Inżynierią Rozmytą (LIFE) w Jokohamie w Japonii ma sieć neuronową z propagacją wsteczną, która wywodzi się z rozmytych reguł. System ten został z powodzeniem zastosowany w systemie handlu zagranicznego z około 5000 rozmytych reguł.
Ford Motor Company opracował rozmyte systemy, które można wyszkolić, do sterowania prędkością jałową samochodu.
NeuFuz, oprogramowanie firmy National Semiconductor Corporation, obsługuje generowanie reguł rozmytych za pomocą sieci neuronowej dla aplikacji sterujących.
Firma AEG Corporation of Germany wykorzystuje wyszkolony neuronowo rozmyty system sterowania w swojej maszynie oszczędzającej wodę i energię. Ma łącznie 157 rozmytych reguł.