Che cos'è il soft computing: tecniche e differenze

Prova Il Nostro Strumento Per Eliminare I Problemi





Il calcolo è un processo di conversione dell'input di un modulo in un altro modulo di output desiderato utilizzando determinate azioni di controllo. Secondo il concetto di calcolo, l'input è chiamato antecedente e l'output è chiamato conseguente. Una funzione di mappatura converte l'input di un modulo in un altro modulo di output desiderato utilizzando determinate azioni di controllo. Il concetto di calcolo è principalmente applicabile a ingegneria informatica . Esistono due tipi di elaborazione, hard computing e soft computing. L'hard computing è un processo in cui programmiamo il computer per risolvere determinati problemi utilizzando algoritmi matematici già esistenti, che forniscono un preciso valore di output. Uno degli esempi fondamentali di hard computing è un problema numerico.

Cos'è il soft computing?

Il soft computing è un approccio in cui calcoliamo soluzioni ai problemi complessi esistenti, in cui i risultati di output sono di natura imprecisa o sfocata, una delle caratteristiche più importanti del soft computing è che dovrebbe essere adattivo in modo che qualsiasi cambiamento nell'ambiente non influenzi il presente processi. Le seguenti sono le caratteristiche del soft computing.




  • Non richiede alcun modello matematico per risolvere un dato problema
  • Fornisce soluzioni diverse quando risolviamo di volta in volta un problema di un input
  • Utilizza alcune metodologie biologicamente ispirate come la genetica, l'evoluzione, lo sciame di particelle, il sistema nervoso umano, ecc.
  • Di natura adattiva.

Esistono tre tipi di file tecniche di soft computing che includono quanto segue.

Rete neurale artificiale

È una modellazione connessionista e una rete distribuita parallela. Ce ne sono di due tipi ANN (Rete neurale artificiale) e BNN (Biological Neural Network). Una rete neurale che elabora un singolo elemento è nota come unità. Il componenti dell'unità sono, input, peso, elemento di elaborazione, output. È simile al nostro sistema neurale umano. Il vantaggio principale è che risolvono i problemi in parallelo, le reti neurali artificiali utilizzano segnali elettrici per comunicare. Ma lo svantaggio principale è che non sono tolleranti ai guasti, ovvero se qualcuno dei neuroni artificiali viene danneggiato non funzionerà più.



Un esempio di un carattere scritto a mano, in cui un carattere è scritto in hindi da molte persone, possono scrivere lo stesso carattere ma in una forma diversa. Come mostrato di seguito, qualunque sia il modo in cui scrivono possiamo capire il personaggio, perché si sa già come appare il personaggio. Questo concetto può essere paragonato al nostro sistema di rete neurale.

soft - computing

soft - computing

Logica fuzzy

L'algoritmo di logica fuzzy viene utilizzato per risolvere i modelli che si basano su un ragionamento logico come impreciso e vago. È stato introdotto da Latzi A. Zadeh nel 1965. La logica fuzzy fornisce il valore di verità stabilito con l'intervallo chiuso [0,1]. Dove 0 = valore falso, 1 = valore vero.


Un esempio di robot che vuole spostarsi da un luogo all'altro in breve tempo dove ci sono molti ostacoli sulla strada. Ora la domanda che sorge è come il robot possa calcolare il suo movimento per raggiungere il punto di destinazione, senza scontrarsi con alcun ostacolo. Questi tipi di problemi hanno problemi di incertezza che possono essere risolti utilizzando la logica fuzzy.

fuzzy: logica

fuzzy: logica

Algoritmo genetico nel soft computing

L'algoritmo genetico è stato introdotto dal Prof. John Holland nel 1965. Viene utilizzato per risolvere problemi basati su principi di selezione naturale, che rientrano nell'algoritmo evolutivo. Di solito vengono utilizzati per problemi di ottimizzazione come la massimizzazione e la minimizzazione delle funzioni obiettivo, che sono di due tipi di una colonia di formiche e una particella di sciame. Segue processi biologici come la genetica e l'evoluzione.

Funzioni dell'algoritmo genetico

L'algoritmo genetico può risolvere i problemi che non possono essere risolti in tempo reale noto anche come problema NP-Hard. I problemi complicati che non possono essere risolti matematicamente possono essere risolti facilmente applicando l'algoritmo genetico. È una ricerca euristica o un metodo di ricerca casuale, che fornisce una serie iniziale di soluzioni e genera una soluzione al problema in modo efficiente ed efficace.

Un modo semplice per comprendere questo algoritmo è considerare il seguente esempio di una persona che vuole investire del denaro in banca, sappiamo che ci sono diverse banche disponibili con diversi schemi e politiche. Il suo interesse individuale è l'importo da investire nella banca, in modo che possa ottenere il massimo profitto. Ci sono alcuni criteri per la persona, cioè come può investire e come può trarre profitto dall'investimento in banca. Questi criteri possono essere superati dall'algoritmo 'Evolutional Computing' come il calcolo genetico.

algoritmo genetico

algoritmo genetico

Differenza tra Hard Computing e Soft Computing

La differenza tra hard computing e soft computing è la seguente

Hard Computing Soft Computing
  • Il modello analitico richiesto dall'hard computing deve essere rappresentato con precisione
  • Si basa sull'incertezza, sulla verità parziale che tollera l'imprecisione e l'approssimazione.
  • Il tempo di calcolo è più
  • Il tempo di calcolo è inferiore
  • Dipende dalla logica binaria, dai sistemi numerici, dal software nitido.
  • Basato su approssimazione e disposizione.
  • Calcolo sequenziale
  • Calcolo parallelo
  • Fornisce un output esatto
  • Fornisce un output appropriato
  • Esempi: metodi tradizionali di elaborazione utilizzando il nostro personal computer.
  • Esempio: reti neurali come Adaline, Madaline, reti ART, ecc.

Vantaggi

I vantaggi del soft computing sono

  • Viene eseguito il semplice calcolo matematico
  • Buona efficienza
  • Applicabile in tempo reale
  • Basato sul ragionamento umano.

Svantaggi

Gli svantaggi del soft computing sono

  • Fornisce un valore di uscita approssimativo
  • Se si verifica un piccolo errore, l'intero sistema smette di funzionare, per superare il suo intero sistema deve essere corretto dall'inizio, il che richiede tempo.

Applicazioni

Le seguenti sono le applicazioni del soft computing

  • Controlla i motori come motore a induzione , Servomotore DC automaticamente
  • Le centrali elettriche possono essere controllate utilizzando un sistema di controllo intelligente
  • Nell'elaborazione delle immagini, l'input fornito può essere di qualsiasi forma, immagine o video che può essere manipolato utilizzando il soft computing per ottenere un duplicato esatto dell'immagine o del video originale.
  • Nelle applicazioni biomediche in cui è strettamente correlato alla biologia e alla medicina, le tecniche di soft computing possono essere utilizzate per risolvere problemi biomedici come diagnosi, monitoraggio, trattamento e terapia.
  • La strumentazione intelligente è di moda al giorno d'oggi, in cui i dispositivi intelligenti comunicano automaticamente con altri dispositivi utilizzando un determinato set di protocolli di comunicazione per eseguire determinate attività, ma il problema qui è che non esiste un protocollo standard appropriato per comunicare. Questo può essere superato utilizzando tecniche di soft computing, in cui i dispositivi intelligenti vengono comunicati su più protocolli, con elevata privacy e robustezza.

Il calcolo è una tecnica utilizzata per convertire un particolare input utilizzando l'azione di controllo nell'output desiderato. Esistono due tipi di tecniche di elaborazione: hard computing e soft computing. Qui nel nostro articolo, ci concentriamo principalmente sul soft computing, le sue tecniche come la logica fuzzy, la rete neurale artificiale, l'algoritmo genetico, il confronto tra hard computing e soft computing, tecniche di soft computing, applicazioni e vantaggi. Ecco la domanda 'Come sono morbidi informatica è applicabile in campo medico? '