Sisältö

• Vertailutaulukko
• Määritelmä Pehmeä laskenta
• Keskustelemme nyt eräistä pehmeän laskennan menetelmistä esimerkkien avulla.
• Määritelmä Hard computing
• johtopäätös

Pehmeä laskenta ja kova laskenta ovat laskentamenetelmiä, joissa kova laskenta on perinteinen menetelmä, joka perustuu tarkkuuden, varmuuden ja joustamattomuuden periaatteisiin.Toisaalta, pehmeä laskenta on nykyaikainen lähestymistapa, joka perustuu lähestymistapaan, epävarmuuteen ja joustavuuteen.

Ennen kuin ymmärrämme pehmeää ja kovaa laskentaa, meidän pitäisi ymmärtää, mikä on laskenta? Laskenta tietotekniikan kannalta on prosessi, jolla tietty tehtävä suoritetaan tietokoneen tai laskentalaitteen avulla. Laskennalla on useita ominaisuuksia, kuten sen, että sen pitäisi tarjota tarkka ratkaisu, tarkat ja selkeät ohjaustoimet, helpottaa matemaattisesti ratkaistavien ongelmien ratkaisemista.

Perinteinen laskentamenetelmä, kova laskenta, soveltuu matemaattisiin ongelmiin, vaikka sitä voidaan käyttää reaalimaailman ongelmien ratkaisemiseen, mutta suurin siihen liittyvä haitta on, että se vie suuren määrän laskenta-aikaa ja kustannuksia. Tästä syystä pehmeä laskenta on parempi vaihtoehto reaalimaailman ongelmien ratkaisemiseen.

1. 1. Vertailutaulukko
   2. Määritelmä
   3. Keskeiset erot
   4. johtopäätös

Vertailutaulukko

Vertailun perusteet	Pehmeä laskenta	Kova laskenta
perustiedot	Toleranssi epätarkkuudelle, epävarmuudelle, osittaiselle totuudelle ja lähentämiselle.	Käyttää tarkasti määriteltyä analyyttistä mallia.
Perustuen	Sumuinen logiikka ja todennäköisyysperusteet	Binaarilogiikka ja terävä järjestelmä
ominaisuudet	Lähestymistapa ja dispositionality	Tarkkuus ja kategoria
luonto	stokastinen	deterministinen
Toimii	Moniselitteisiä ja meluisia tietoja	Tarkat syöttötiedot
laskeminen	Osaa suorittaa rinnakkaislaskutoimituksia	peräkkäinen
Tulos	Lähentää	Tuottaa tarkan tuloksen.

Määritelmä Pehmeä laskenta

Pehmeä laskenta on laskentamalli, joka on kehitetty ratkaisemaan epälineaariset ongelmat, joihin liittyy epävarma, epätarkka ja likimääräinen ratkaisu ongelmaan. Tämäntyyppisiä ongelmia pidetään tosielämän ongelmina, joissa tarvitaan ihmisen kaltaista älykkyyttä sen ratkaisemiseksi. Pehmeän laskennan termin on keksi tohtori Lotfi Zadeh, hänen mukaansa pehmeä laskenta on lähestymistapa, joka jäljittelee ihmisen mieltä järkevyyteen ja oppii epävarmuuden ja vaikutelman ympäristössä.

Se luodaan kahden elementin adaptiivisuuden ja tiedon avulla, ja siinä on joukko työkaluja, kuten sumea logiikka, hermoverkot, geneettinen algoritmi, ym. Pehmeä laskentamalli eroaa sen edeltävästä mallista, jota kutsutaan kovan laskennan malliksi, koska se ei toimi ongelmanratkaisun matemaattisen mallin kanssa.

Keskustelemme nyt eräistä pehmeän laskennan menetelmistä esimerkkien avulla.

1. Sumea logiikka käsittelee päätöksenteko- ja ohjausjärjestelmän ongelmia, joita ei voida muuntaa koviksi matemaattisiksi kaavoiksi. Tämä kuvaa pohjimmiltaan tulot lähtöihin loogisesti epälineaarisella tavalla, tavalla, jolla ihmiset tekevät sen. Sumuista logiikkaa käytetään autojen alajärjestelmässä, ilmastointilaitteissa, kameroissa ja muissa laitteissa.

2. Keinotekoiset hermoverkot suorittaa luokittelu-, tiedon louhinta- ja ennustusprosessit ja hallita meluisaa syöttötietoa helposti luokittelemalla se ryhmiin tai kartoittamalla odotettuun tuotokseen. Sitä käytetään esimerkiksi kuvan ja merkkien tunnistamisessa, liiketoiminnan ennustamisessa, jossa kuviot opitaan tietojoukoista ja luodaan malli näiden kuvioiden tunnistamiseksi.

3. Geneettiset algoritmit ja evoluutiomenetelmiä käytetään optimointiin ja suunnitteluun liittyvien ongelmien ratkaisemiseen, jos optimaalinen ratkaisu voidaan tunnistaa, mutta ennalta määritettyä oikeaa vastausta ei tarjota. Heuristisia hakutekniikoita käyttävän geneettisen algoritmin tosielämän sovelluksia ovat robotiikka, autosuunnittelu, optimoitu tietoliikenteen reititys, biomimeettinen keksintö ja niin edelleen.

Määritelmä Hard computing

Kova laskenta on laskennassa käytetty perinteinen lähestymistapa, joka tarvitsee tarkasti määritellyn analyyttisen mallin. Sitä ehdotti myös tohtori Lotfi Zadeh ennen pehmeää laskentaa. Hard computing -lähestymistapa tuottaa taatun, deterministisen, tarkan tuloksen ja määrittelee tietyt ohjaustoimet matemaattisen mallin tai algoritmin avulla. Se käsittelee binaarista ja terävää logiikkaa, jotka edellyttävät tarkkaa syöttötietoa peräkkäin. Kova laskenta ei kuitenkaan pysty ratkaisemaan todellisen maailman ongelmia, joiden käyttäytyminen on erittäin epätarkkaa ja joissa tieto muuttuu jatkuvasti.

Otetaan esimerkki, jos meidän on selvitettävä, onko tänään sadetta vai ei? Vastaus voi olla kyllä ​​tai ei, mikä tarkoittaa kahdella mahdollisella deterministisellä tavalla, että voimme vastata kysymykseen tai toisin sanoen vastaus sisältää terävän tai binaarisen ratkaisun.

1. Pehmeä laskentamalli on epätarkkuuden suvaitseva, osittainen totuus, likiarvo. Toisaalta kova laskenta ei toimi yllä annettujen periaatteiden mukaisesti; se on erittäin tarkka ja varma.
2. Pehmeä laskenta käyttää sumeaa logiikkaa ja todennäköisyysperusteita, kun taas kova laskenta perustuu binaarisiin tai teräviin järjestelmiin.
3. Kovaan tietojenkäsittelyyn sisältyy ominaisuuksia, kuten tarkkuus ja kategoria. Toisin kuin lähentäminen ja dispositiivisuus ovat pehmeän laskennan ominaisuuksia.
4. Pehmeä laskentatapa on luonteeltaan todennäköinen, kun taas kova laskenta on deterministinen.
5. Pehmeää laskentaa voidaan käyttää helposti meluisassa ja epäselvässä tiedossa. Sen sijaan kova laskenta voi toimia vain tarkkojen syöttötietojen kanssa.
6. Rinnakkaislaskenta voidaan suorittaa pehmeällä laskennalla. Päinvastoin, kovassa laskennassa data suoritetaan peräkkäinen laskenta.
7. Pehmeä laskenta voi tuottaa likimääräisiä tuloksia, kun taas kova laskenta tuottaa tarkkoja tuloksia.

johtopäätös

Tavanomainen laskentatapa kova laskenta on tehokasta deterministisen ongelman ratkaisemiseksi, mutta ongelman kasvaessa ja monimutkaistuessa myös suunnittelun hakutila kasvaa. Tämä vaikeutti epävarman ja epätarkan ongelman ratkaisemista kovalla laskennalla. Joten, pehmeä laskenta on noussut ratkaisuksi kovaan tietojenkäsittelyyn, joka tarjoaa myös paljon etuja, kuten nopea laskenta, alhaiset kustannukset, ennalta määritetyn ohjelmiston poistaminen, jne.