Zawartość

• Wykres porównania
• Definicja obliczeń miękkich
• Omówmy teraz niektóre metodologie obliczeń miękkich na przykładach.
• Definicja trudnych obliczeń
• Wniosek

Przetwarzanie miękkie i obliczanie twarde to metody obliczeniowe, w których obliczenia twarde są konwencjonalną metodologią opartą na zasadach dokładności, pewności i elastyczności.I odwrotnie, miękkie obliczenia to nowoczesne podejście oparte na idei zbliżenia, niepewności i elastyczności.

Przed zrozumieniem miękkiego i twardego przetwarzania powinniśmy zrozumieć, co to jest przetwarzanie? Informatyka pod względem technologii komputerowej to proces realizacji określonego zadania za pomocą komputera lub urządzenia komputerowego. Istnieje kilka cech obliczeń, które powinny zapewniać precyzyjne rozwiązanie, dokładne i jasne działania kontrolne, ułatwiać rozwiązywanie problemów, które można rozwiązać matematycznie.

Tradycyjna metoda obliczeniowa, obliczenia twarde, nadaje się do rozwiązywania problemów matematycznych, chociaż może być stosowana do rozwiązywania problemów w świecie rzeczywistym, ale główną związaną z tym wadą jest to, że zużywa ona dużą ilość czasu i kosztów obliczeń. To jest powód, dla którego obliczenia miękkie są lepszą alternatywą dla rozwiązywania rzeczywistych problemów.

1. 1. Wykres porównania
   2. Definicja
   3. Kluczowe różnice
   4. Wniosek

Wykres porównania

Podstawa do porównania	Soft computing	Trudne obliczenia
Podstawowy	Tolerancyjny na niedokładność, niepewność, częściową prawdę i przybliżenie.	Wykorzystuje precyzyjnie określony model analityczny.
Oparte na	Logika rozmyta i rozumowanie probabilistyczne	Logika binarna i ostry system
cechy	Zbliżenie i dyspozycyjność	Precyzja i kategoria
Natura	Stochastyczny	Deterministyczny
Działa na	Niejednoznaczne i hałaśliwe dane	Dokładne dane wejściowe
Obliczenie	Potrafi wykonywać obliczenia równoległe	Sekwencyjny
Wynik	Przybliżony	Daje precyzyjny wynik.

Definicja obliczeń miękkich

Soft computing jest modelem obliczeniowym opracowanym w celu rozwiązania nieliniowych problemów, które wiążą się z niepewnymi, nieprecyzyjnymi i przybliżonymi rozwiązaniami problemu. Tego rodzaju problemy są uważane za rzeczywiste problemy, w których inteligencja podobna do człowieka jest wymagana do ich rozwiązania. Według niego miękki termin komputerowy wymyślił dr Lotfi Zadeh. Według niego miękkie podejście to podejście, które naśladuje rozum ludzki i uczy się w środowisku niepewności i wrażeń.

Jest tworzony przez adaptację i wiedzę dwóch elementów i ma zestaw narzędzi, takich jak logika rozmyta, sieci neuronowe, algorytm genetyczny itp. Model obliczeń miękkich różni się od poprzedniego modelu znanego jako model obliczeń trudnych, ponieważ nie działa na matematycznym modelu rozwiązywania problemów.

Omówmy teraz niektóre metodologie obliczeń miękkich na przykładach.

1. Logika rozmyta zajmuje się problemami związanymi z podejmowaniem decyzji i systemem kontroli, których nie można przekształcić w twarde wzory matematyczne. Zasadniczo mapuje ono wejścia na wyjścia logicznie w sposób nieliniowy, tak jak robią to ludzie. Logika rozmyta jest stosowana w podsystemie samochodowym, klimatyzatorach, kamerach itp.

2. Sztuczne sieci neuronowe przeprowadzić klasyfikację, eksplorację danych i proces prognozowania oraz łatwo zarządzać hałaśliwymi danymi wejściowymi, dzieląc je na grupy lub odwzorowując na oczekiwany wynik. Na przykład jest wykorzystywany w rozpoznawaniu obrazów i znaków, w prognozowaniu biznesowym, gdzie wzorce są uczone z zestawów danych i tworzony jest model rozpoznający te wzorce.

3. Algorytmy genetyczne i stosowane są techniki ewolucyjne w celu rozwiązania problemów związanych z optymalizacją i projektowaniem, w których można rozpoznać optymalne rozwiązanie, ale nie zostanie dostarczona z góry określona poprawna odpowiedź. Rzeczywistymi zastosowaniami algorytmu genetycznego wykorzystującego heurystyczne techniki wyszukiwania są robotyka, projektowanie samochodów, zoptymalizowany routing telekomunikacyjny, wynalazek biomimetyczny i tak dalej.

Definicja trudnych obliczeń

Trudne obliczenia to tradycyjne podejście stosowane w informatyce, które wymaga dokładnie określonego modelu analitycznego. Dr Lotfi Zadeh zaproponował także przed miękkim przetwarzaniem. Podejście wymagające obliczeń daje gwarantowany, deterministyczny, dokładny wynik i definiuje określone działania kontrolne przy użyciu modelu matematycznego lub algorytmu. Zajmuje się binarną i wyraźną logiką, która wymaga dokładnych danych wejściowych sekwencyjnie. Trudne obliczenia nie są jednak w stanie rozwiązać rzeczywistych problemów, których zachowanie jest wyjątkowo nieprecyzyjne i gdzie informacje zmieniają się konsekwentnie.

Weźmy przykład, jeśli musimy dowiedzieć się, czy dzisiaj będzie padać, czy nie? Odpowiedź może brzmieć „tak” lub „nie”, co oznacza, że ​​na dwa możliwe deterministyczne sposoby możemy odpowiedzieć na pytanie lub innymi słowy, odpowiedź zawiera wyraźne lub binarne rozwiązanie.

1. Model obliczeń miękkich jest tolerancyjny na niedokładność, częściowo zgodny z prawdą, przybliżeniem. Z drugiej strony, ciężkie przetwarzanie nie działa zgodnie z powyższymi zasadami; jest bardzo dokładne i pewne.
2. Przetwarzanie miękkie wykorzystuje logikę rozmytą i rozumowanie probabilistyczne, natomiast obliczenia twarde oparte są na systemach binarnych lub ostrych.
3. Hard computing ma takie cechy, jak precyzja i kategoria. Przeciwnie, aproksymacja i dyspozycyjność są cechami miękkiego przetwarzania.
4. Podejście miękkie obliczeniowe ma charakter probabilistyczny, natomiast obliczenia twarde są deterministyczne.
5. Przetwarzanie miękkie może być łatwo obsługiwane na hałaśliwych i niejednoznacznych danych. W przeciwieństwie do tego, ciężkie przetwarzanie może działać tylko na dokładnych danych wejściowych.
6. Obliczenia równoległe można wykonywać w obliczeniach miękkich. Przeciwnie, w trudnych obliczeniach wykonywane są sekwencyjne obliczenia danych.
7. Przetwarzanie miękkie może dawać przybliżone wyniki, a przetwarzanie twarde - dokładne wyniki.

Wniosek

Konwencjonalne podejście obliczeniowe twarde obliczenia jest skuteczne, jeśli chodzi o rozwiązanie problemu deterministycznego, ale wraz ze wzrostem rozmiarów i złożoności problemu zwiększa się również przestrzeń wyszukiwania projektu. Utrudniało to rozwiązanie niepewnego i nieprecyzyjnego problemu za pomocą trudnych obliczeń. Tak więc miękkie obliczenia pojawiły się jako rozwiązanie do obliczeń trudnych, które zapewnia również wiele korzyści, takich jak szybkie obliczenia, niski koszt, eliminacja wstępnie zdefiniowanego oprogramowania itp.