Myk databehandling - Soft computing
I informatikk er myk databehandling (noen ganger referert til som beregningsintelligens , selv om CI ikke har en avtalt definisjon) bruken av upåklagelige løsninger på beregningsmessige harde oppgaver som løsningen av NP-komplette problemer, som det ikke er kjent algoritme for. som kan beregne en nøyaktig løsning i polynomisk tid . Myk databehandling skiller seg fra konvensjonell (hard) databehandling ved at den, i motsetning til hard databehandling, er tolerant for upresisjon, usikkerhet, delvis sannhet og tilnærming . I praksis forbilde for myk computing er den menneskelige sinn .
De viktigste bestanddelene av Soft Computing (SC) er Fuzzy Logic (FL), Evolutionary Computation (EF), Machine Learning (ML) og Probabilistic Reasoning (PR), med sistnevnte underlegge tros nettverk og deler av læringsteori.
Introduksjon
Soft Computing ble et formelt studieretning innen informatikk på begynnelsen av 1990-tallet. Tidligere beregningsmetoder kunne bare modellere og presist analysere relativt enkle systemer. Mer komplekse systemer som oppstår innen biologi , medisin , humaniora , ledelsesvitenskap og lignende felt forble ofte vanskelig å bruke til konvensjonelle matematiske og analytiske metoder. Det må imidlertid påpekes at systemers kompleksitet er relativ, og at mange konvensjonelle matematiske modeller har vært svært produktive til tross for deres kompleksitet.
Myk databehandling omhandler upresis, usikkerhet, delvis sannhet og tilnærming for å oppnå beregbarhet, robusthet og lave løsningskostnader. Som sådan danner det grunnlaget for en betydelig mengde maskinlæringsteknikker . Nyere trender har en tendens til å involvere evolusjonære og sverm intelligensbaserte algoritmer og bio-inspirert beregning.
komponenter
Komponenter til myk databehandling inkluderer:
-
Læring av maskiner , inkludert:
- Nevrale nettverk (NN)
- Support Vector Machines (SVM)
- Uklar logikk (FL)
- Evolusjonær beregning (EC), inkludert:
- Ideer om sannsynlighet inkludert:
Generelt ligner myke datateknikker biologiske prosesser nærmere enn tradisjonelle teknikker, som i stor grad er basert på formelle logiske systemer , for eksempel sentimental logikk og predikatlogikk , eller er avhengige av datamaskinstøttet numerisk analyse (som i endelig elementanalyse ). Myke datateknikker er ment å utfylle hverandre.
I motsetning til harde databehandlingsordninger, som streber etter nøyaktighet og full sannhet, utnytter myke datateknikker den gitte toleransen for upresisjon, delvis sannhet og usikkerhet for et bestemt problem. En annen vanlig kontrast kommer fra observasjonen at induktiv resonnement spiller en større rolle i myk databehandling enn i hard databehandling.
