Mikä on pehmeä laskenta: tekniikat ja erot

Mikä on pehmeä laskenta: tekniikat ja erot

Laskenta on prosessi, jolla yhden lomakkeen syöte muunnetaan joksikin muuksi halutuksi lähtömuodoksi käyttämällä tiettyjä ohjaustoimintoja. Laskennan käsitteen mukaan tuloa kutsutaan ennakkotiedoksi ja lähtöä seuraukseksi. Kartoitustoiminto muuntaa yhden lomakkeen syötteen toiseksi halutun tuotoksen muodoksi käyttämällä tiettyjä ohjaustoimintoja. Laskentakonsepti soveltuu pääasiassa tietojenkäsittelytiede . Laskentatapoja on kahta tyyppiä, kova laskenta ja pehmeä laskenta. Hard computing on prosessi, jossa ohjelmoimme tietokoneen ratkaisemaan tietyt ongelmat jo olemassa olevien matemaattisten algoritmien avulla, mikä antaa tarkan lähtöarvon. Yksi perustavista esimerkeistä kovasta laskemisesta on numeerinen ongelma.



Mikä on pehmeä laskenta?

Pehmeä laskenta on lähestymistapa, jossa laskemme ratkaisuja olemassa oleviin monimutkaisiin ongelmiin, joissa tulosteet ovat luonteeltaan epätarkkoja tai epäselviä, yksi pehmeän laskennan tärkeimmistä piirteistä on, että sen tulisi olla mukautuva, jotta ympäristön muutokset eivät vaikuta nykyiseen prosessi. Seuraavassa on pehmeän laskennan ominaisuuksia.


  • Se ei vaadi matemaattista mallintamista minkään ongelman ratkaisemiseksi
  • Se antaa erilaisia ​​ratkaisuja, kun ratkaisemme ajoittain yhden syötteen ongelman
  • Käyttää joitain biologisesti innoittamia menetelmiä, kuten genetiikkaa, evoluutiota, partikkeleita, ihmisen hermostoa jne.
  • Mukautuva luonteeltaan.

Niitä on kolmea tyyppiä pehmeät laskentatekniikat jotka sisältävät seuraavat.





Keinotekoinen hermoverkko

Se on yhteyshenkilömallinnus ja rinnakkainen hajautettu verkko. Niitä on kahta tyyppiä ANN (keinotekoinen hermoverkko) ja BNN (Biological Neural Network). Yksittäistä elementtiä käsittelevä hermoverkko tunnetaan yksikkönä. komponentit yksiköstä ovat syöttö, paino, käsittelyelementti, lähtö. Se on samanlainen kuin ihmisen hermojärjestelmä. Suurin etu on, että ne ratkaisevat ongelmat rinnakkain, keinotekoiset hermoverkot käyttävät sähköisiä signaaleja viestintään. Mutta suurin haitta on, että ne eivät ole vikasietoisia, eli jos joku keinotekoisista hermosoluista vahingoittuu, se ei enää toimi.

Esimerkki käsinkirjoitetusta hahmosta, jossa monet ihmiset kirjoittavat merkin hindiksi, he voivat kirjoittaa saman merkin, mutta eri muodossa. Kuten alla on esitetty, ymmärrämme merkin riippumatta siitä, miten he kirjoittavat, koska tiedetään jo, miltä hahmo näyttää. Tätä konseptia voidaan verrata hermoverkkojärjestelmäämme.



pehmeä - laskenta

pehmeä - laskenta

Sumea logiikka

Sumean logiikan algoritmia käytetään ratkaisemaan mallit, jotka perustuvat loogisiin päättelyihin, kuten epätarkkoihin ja epämääräisiin. Sen otti käyttöön Latzi A. Zadeh vuonna 1965. Sumea logiikka antaa määrätyn totuusarvon suljetulla aikavälillä [0,1]. Missä 0 = väärä arvo, 1 = todellinen arvo.


Esimerkki robotista, joka haluaa siirtyä paikasta toiseen lyhyessä ajassa, jossa matkalla on monia esteitä. Nyt herää kysymys, kuinka robotti voi laskea liikkeensä päästäkseen määränpäähän törmäämättä mihinkään esteeseen. Tämän tyyppisillä ongelmilla on epävarmuusongelma, joka voidaan ratkaista sumean logiikan avulla.

sumea logiikka

sumea logiikka

Geneettinen algoritmi pehmeässä laskennassa

Geneettisen algoritmin esitteli professori John Holland vuonna 1965. Sitä käytetään ongelmien ratkaisemiseen luonnollisen valinnan periaatteiden pohjalta, jotka kuuluvat evoluutioalgoritmin piiriin. Niitä käytetään yleensä optimointiongelmiin, kuten objektiivisten toimintojen maksimointiin ja minimointiin, jotka ovat kahden tyyppisiä muurahaiskolonioita ja parvihiukkasia. Se seuraa biologisia prosesseja, kuten genetiikkaa ja evoluutiota.

Geneettisen algoritmin toiminnot

Geneettinen algoritmi voi ratkaista ongelmat, joita ei voida ratkaista reaaliajassa, joka tunnetaan myös nimellä NP-Hard-ongelma. Monimutkaiset ongelmat, joita ei voida ratkaista matemaattisesti, voidaan helposti ratkaista soveltamalla geneettistä algoritmia. Se on heuristinen haku tai satunnaistettu hakumenetelmä, joka tarjoaa aloitusjoukon ratkaisuja ja tuottaa ratkaisun ongelmaan tehokkaasti.

Yksinkertainen tapa ymmärtää tämä algoritmi on tarkastella seuraavaa esimerkkiä henkilöstä, joka haluaa sijoittaa rahaa pankkiin. Tiedämme, että on olemassa erilaisia ​​pankkeja, joilla on erilaiset järjestelmät ja käytännöt. Sen henkilökohtainen etu, kuinka paljon pankkiin on sijoitettava, jotta hän voi saada parhaan voiton. Henkilölle on tiettyjä kriteerejä, jotka koskevat sitä, miten hän voi sijoittaa ja miten hän voi saada voittoa sijoittamalla pankkiin. Nämä kriteerit voidaan voittaa ”Evolutional Computing” -algoritmilla, kuten geenilaskennalla.

geneettinen algoritmi

geneettinen algoritmi

Ero kovan ja pehmeän tietojenkäsittelyn välillä

Ero kovan ja pehmeän laskennan välillä on seuraava

Kova tietojenkäsittely Pehmeä laskenta
  • Kovan laskennan edellyttämä analyyttinen malli on esitettävä tarkasti
  • Se perustuu epävarmuuteen, epätarkkuuteen ja lähentämiseen suvaitsevaan osittaiseen totuuteen.
  • Laskenta-aika on enemmän
  • Laskenta-aika on lyhyempi
  • Se riippuu binaarilogiikasta, numeerisista järjestelmistä, terävästä ohjelmistosta.
  • Perustuu likiarvoon ja disposition.
  • Peräkkäinen laskenta
  • Rinnakkaislaskenta
  • Antaa tarkan tuotoksen
  • Antaa sopivan tuotoksen
  • Esimerkkejä: Perinteiset laskentamenetelmät henkilökohtaisen tietokoneemme avulla.
  • Esimerkki: Neuraaliverkot, kuten Adaline, Madaline, ART-verkot jne.

Edut

Pehmeän laskennan edut ovat

  • Suoritetaan yksinkertainen matemaattinen laskenta
  • Hyvä hyötysuhde
  • Käytettävissä reaaliajassa
  • Perustuu ihmisen päättelyyn.

Haitat

Pehmeän laskennan haitat ovat

  • Se antaa likimääräisen lähtöarvon
  • Jos ilmenee pieni virhe, koko järjestelmä lakkaa toimimasta, jotta koko järjestelmä voidaan voittaa alusta alkaen, mikä vie aikaa.

Sovellukset

Seuraavat ovat pehmeän laskennan sovelluksia

  • Ohjaa moottoreita, kuten induktiomoottori , DC-servomoottori automaattisesti
  • Voimalaitoksia voidaan ohjata älykkäällä ohjausjärjestelmällä
  • Kuvankäsittelyssä annettu syöttö voi olla missä tahansa muodossa, joko kuvana tai videona, jota voidaan käsitellä pehmeällä laskennalla tarkan kopion saamiseksi alkuperäisestä kuvasta tai videosta.
  • Biolääketieteellisissä sovelluksissa, joissa se liittyy läheisesti biologiaan ja lääketieteeseen, pehmeitä laskentatekniikoita voidaan käyttää biolääketieteellisten ongelmien ratkaisemiseen, kuten diagnoosi, seuranta, hoito ja hoito.
  • Älykäs instrumentointi on nykyään trendikästä, jolloin älylaitteet kommunikoivat automaattisesti muiden laitteiden kanssa tietyn joukon avulla tiedonsiirtoprotokollat tiettyjen tehtävien suorittamiseksi, mutta ongelmana on, ettei kommunikointiin ole asianmukaista vakioprotokollaa. Tämä voidaan voittaa käyttämällä pehmeitä laskentatekniikoita, joissa älylaitteet kommunikoidaan useiden protokollien kautta korkealla yksityisyydellä ja kestävyydellä.

Laskenta on tekniikka, jota käytetään muuntaa tietty tulo ohjaustoiminnolla haluttuun lähtöön. Laskentatekniikoita on kahta tyyppiä: kova ja pehmeä laskenta. Tässä artikkelissamme keskitymme pääasiassa pehmeään laskentaan, sen tekniikoihin, kuten sumea logiikka, keinotekoinen hermoverkko, geneettinen algoritmi, kovan ja pehmeän laskennan vertailu, pehmeän laskennan tekniikat, sovellukset ja edut. Tässä on kysymys “Kuinka pehmeät ovat laskenta on sovellettavissa lääketieteen alalla? '