Lògica difusa vs xarxa neuronal
La lògica difusa pertany a la família de la lògica de molts valors. Se centra en el raonament fix i aproximat oposat al raonament fix i exacte. Una variable en lògica difusa pot prendre un rang de valors de veritat entre 0 i 1, en lloc de prendre vertader o fals en conjunts binaris tradicionals. Les xarxes neuronals (NN) o xarxes neuronals artificials (ANN) són un model computacional que es desenvolupa a partir de les xarxes neuronals biològiques. Una RNA està formada per neurones artificials que es connecten entre si. Normalment, una ANN adapta la seva estructura en funció de la informació que li arriba.
Què és la lògica difusa?
La lògica difusa pertany a la família de la lògica de molts valors. Se centra en el raonament fix i aproximat oposat al raonament fix i exacte. Una variable en lògica difusa pot prendre un rang de valors de veritat entre 0 i 1, en lloc de prendre vertader o fals en conjunts binaris tradicionals. Com que el valor de veritat és un interval, pot gestionar la veritat parcial. L'inici de la lògica difusa es va marcar el 1956, amb la introducció de la teoria de conjunts difusos per part de Lotfi Zadeh. La lògica difusa proporciona un mètode per prendre decisions definides basades en dades d'entrada imprecíses i ambigües. La lògica difusa s'utilitza àmpliament per a aplicacions en sistemes de control, ja que s'assembla molt a com un ésser humà pren decisions, però d'una manera més ràpida. La lògica difusa es pot incorporar als sistemes de control basats en petits dispositius portàtils a grans estacions de treball de PC.
Què són les xarxes neuronals?
ANN és un model computacional que es desenvolupa a partir de les xarxes neuronals biològiques. Una RNA està formada per neurones artificials que es connecten entre si. Normalment, una ANN adapta la seva estructura en funció de la informació que li arriba. Cal seguir un conjunt de passos sistemàtics anomenats regles d'aprenentatge quan es desenvolupen una ANN. A més, el procés d'aprenentatge requereix dades d'aprenentatge per descobrir el millor punt de funcionament de l'ANN. Les ANN es poden utilitzar per aprendre una funció d'aproximació per a algunes dades observades. Però quan apliqueu ANN, hi ha diversos factors que cal tenir en compte. El model s'ha de seleccionar acuradament en funció de les dades. L'ús de models innecessàriament complexos dificultaria el procés d'aprenentatge. També és important escollir l'algoritme d'aprenentatge correcte, ja que alguns algorismes d'aprenentatge funcionen millor amb determinats tipus de dades.
Quina diferència hi ha entre la lògica difusa i les xarxes neuronals?
La lògica difusa permet prendre decisions definides basades en dades imprecises o ambigües, mentre que ANN intenta incorporar el procés de pensament humà per resoldre problemes sense modelar-los matemàticament. Tot i que aquests dos mètodes es poden utilitzar per resoldre problemes no lineals i problemes que no s'especifiquen correctament, no estan relacionats. A diferència de la lògica difusa, ANN intenta aplicar el procés de pensament al cervell humà per resoldre problemes. A més, ANN inclou un procés d'aprenentatge que implica algorismes d'aprenentatge i requereix dades d'entrenament. Però hi ha sistemes intel·ligents híbrids desenvolupats amb aquests dos mètodes anomenats Xarxa Neural Difusa (FNN) o Sistema Neuro-Fuzzy (NFS).
