Изчисляването е процес на преобразуване на входа на една форма в друга желана изходна форма с помощта на определени контролни действия. Според концепцията за изчисление входът се нарича антецедент, а изходът - последващ. Функция за картографиране преобразува въвеждането на една форма в друга форма на желания изход, използвайки определени контролни действия. Концепцията за изчисления е приложима главно за компютърни науки инженерство . Има два вида изчисления, твърди и меки. Твърдите изчисления са процес, при който програмираме компютъра да решава определени проблеми, използвайки математически алгоритми, които вече съществуват, което осигурява точна изходна стойност. Един от основните примери за твърди изчисления е численият проблем.
Какво е Soft Computing?
Меките изчисления са подход, при който изчисляваме решения на съществуващите сложни проблеми, където изходните резултати са неточни или размити по своята същност, една от най-важните характеристики на меките изчисления е, че трябва да бъдат адаптивни, така че всяка промяна в средата да не засяга настоящето процес. Следват характеристиките на меките изчисления.
- Не се изисква математическо моделиране за решаване на даден проблем
- Той дава различни решения, когато от време на време решаваме проблем с един вход
- Използва някои биологично вдъхновени методологии като генетика, еволюция, роене на частици, човешката нервна система и др.
- Адаптивен по природа.
Има три вида меки изчислителни техники които включват следното.
- Изкуствена невронна мрежа
- Размита логика
- Генетичен алгоритъм
Изкуствена невронна мрежа
Това е коннектикистично моделиране и паралелно разпределена мрежа. Има два вида ANN (Изкуствена невронна мрежа) и BNN (Биологична невронна мрежа). Невронна мрежа, която обработва един елемент, е известна като единица. The компоненти на единицата са, вход, тегло, обработващ елемент, изход. Той е подобен на нашата невронна система на човека. Основното предимство е, че те решават проблемите паралелно, изкуствените невронни мрежи използват електрически сигнали за комуникация. Но основният недостатък е, че те не са устойчиви на грешки, т.е. ако някой от изкуствените неврони се повреди, той вече няма да функционира.
Пример за ръкописен знак, при който персонажът е написан на хинди от много хора, те могат да напишат един и същ знак, но в различна форма. Както е показано по-долу, по който и начин да пишат, можем да разберем характера, защото човек вече знае как изглежда персонажът. Тази концепция може да се сравни с нашата невронна мрежова система.
![меки - изчислителни](http://jf-parede.pt/img/electrical/74/what-is-soft-computing.jpg)
меки - изчислителни
Размита логика
Размитият логически алгоритъм се използва за решаване на моделите, които се основават на логически разсъждения като неточни и неясни. Тя е въведена от Latzi A. Zadeh през 1965 г. Размитата логика предоставя определена стойност на истината със затворения интервал [0,1]. Където 0 = фалшива стойност, 1 = истинска стойност.
Пример за робот, който иска да се премести от едно място на друго за кратко време, където има много препятствия по пътя. Сега възниква въпросът как роботът може да изчисли движението си, за да достигне точката на местоназначението, без да се сблъска с някакво препятствие. Този тип проблеми имат проблем с несигурността, който може да бъде решен с помощта на размита логика.
![размита - логика](http://jf-parede.pt/img/electrical/74/what-is-soft-computing-2.jpg)
размита - логика
Генетичен алгоритъм в меките изчисления
Генетичният алгоритъм е въведен от проф. Джон Холанд през 1965 г. Той се използва за решаване на проблеми, основани на принципите на естествения подбор, които попадат в обхвата на еволюционния алгоритъм. Обикновено се използват за оптимизационни проблеми като максимизиране и минимизиране на целевите функции, които са от два вида мравка и роеви частици. Той следва биологични процеси като генетика и еволюция.
Функции на генетичния алгоритъм
Генетичният алгоритъм може да реши проблемите, които не могат да бъдат решени в реално време, известен също като NP-Hard проблем. Сложните задачи, които не могат да бъдат решени математически, могат лесно да бъдат решени чрез прилагане на генетичния алгоритъм. Това е евристично търсене или метод на рандомизирано търсене, който предоставя първоначален набор от решения и генерира решение на проблема ефективно и ефективно.
Един прост начин за разбиране на този алгоритъм е чрез разглеждане на следния пример за човек, който иска да инвестира пари в банката, знаем, че има различни банки с различни схеми и политики. Неговият индивидуален интерес колко сума да се инвестира в банката, за да може той да получи максимална печалба. Има определени критерии за човека, как той може да инвестира и как може да спечели, като инвестира в банката. Тези критерии могат да бъдат преодолени чрез алгоритъма „Еволюционно изчисляване“ като генетичните изчисления.
![генетичен - алгоритъм](http://jf-parede.pt/img/electrical/74/what-is-soft-computing-3.jpg)
генетичен - алгоритъм
Разлика между твърдо изчисляване и меко изчисление
Разликата между твърдите и меките изчисления са както следва
Твърди изчисления | Меки изчисления |
|
|
|
|
|
|
|
|
|
|
|
|
Предимства
Предимствата на меките изчисления са
- Извършва се простото математическо изчисление
- Добра ефективност
- Приложимо в реално време
- Въз основа на човешките разсъждения.
Недостатъци
Недостатъците на меките изчисления са
- Той дава приблизителна изходна стойност
- Ако възникне малка грешка, цялата система спира да работи, за да преодолее цялата си система трябва да бъде коригирана от самото начало, което отнема време.
Приложения
Следват приложенията на меките изчисления
- Управлява двигатели като асинхронен двигател , DC серво мотор автоматично
- Електроцентралите могат да се управляват с помощта на интелигентна система за управление
- При обработката на изображения, даденият вход може да бъде във всякаква форма, изображение или видео, които се манипулират с помощта на меки изчисления, за да се получи точен дубликат на оригиналното изображение или видео.
- В биомедицински приложения, където тя е тясно свързана с биологията и медицината, меките изчислителни техники могат да се използват за решаване на биомедицински проблеми като диагностика, мониторинг, лечение и терапия.
- Интелигентните инструменти са модерни в днешно време, когато интелигентните устройства автоматично комуникират с други устройства, използвайки определен набор от комуникационни протоколи за изпълнение на определени задачи, но проблемът тук е, че няма подходящ стандартен протокол за комуникация. Това може да бъде преодоляно чрез използване на меки изчислителни техники, при които интелигентните устройства се комуникират по множество протоколи, с висока поверителност и стабилност.
Изчисляването е техника, използвана за преобразуване на конкретен вход с помощта на контролно действие в желания изход. Има два вида изчислителни техники твърдо и меко изчисление. Тук в нашата статия ние се фокусираме главно върху меките изчисления, техниките им като размита логика, изкуствена невронна мрежа, генетичен алгоритъм, сравнение между твърди изчисления и меки изчисления, техники за меки изчисления, приложения и предимства. Ето въпроса „Как са меки изчислителна техника е приложимо в медицинската област? '