Yanal hesaplama - Lateral computing

Yanal hesaplama , hesaplama problemlerini çözmeye yönelik bir yanal düşünme yaklaşımıdır . Yanal düşünme, Edward de Bono tarafından popüler hale getirildi . Bu düşünme tekniği, yaratıcı fikirler üretmek ve sorunları çözmek için uygulanır. Benzer şekilde, bir probleme yanal hesaplama teknikleri uygulayarak, hesaplama açısından ucuz, uygulaması kolay, verimli, yenilikçi veya geleneksel olmayan bir çözüme ulaşmak çok daha kolay hale gelebilir.

Hesaplama problemlerini çözmeye yönelik geleneksel ya da geleneksel yaklaşım, ya matematiksel modeller oluşturmak ya da EĞER- İSE- ELSE yapısına sahip olmaktır . Örneğin, birçok satranç motorunda kaba kuvvet araması kullanılır , ancak bu yaklaşım hesaplama açısından pahalıdır ve bazen zayıf çözümlere ulaşabilir. Bunun gibi problemler için yanal hesaplama daha iyi bir çözüm oluşturmak için faydalı olabilir.

Yanal hesaplamayı göstermek için basit bir kamyon yedekleme problemi kullanılabilir. Bu, geleneksel hesaplama teknikleri için zor görevlerden biridir ve bulanık mantık (yanal bir hesaplama tekniği olan) kullanılarak verimli bir şekilde çözülmüştür . Yanal hesaplama bazen, insanlar, karıncalar ve bal arıları gibi canlı varlıkların bir sorunu nasıl çözdüğü modelini kullanarak belirli bir hesaplama sorunu için yeni bir çözüme ulaşır; tavlama veya canlıların evrimi veya kuantum mekaniği vb. ile saf kristallerin nasıl oluşturulduğu.

Yanal düşünmeden yan hesaplamaya

Yanal düşünme , problem çözmek için yaratıcı düşünme tekniğidir. Beyin, düşünme merkezi olarak kendi kendini organize eden bir bilgi sistemine sahiptir. Kalıplar yaratma eğilimindedir ve geleneksel düşünme süreci bunları sorunları çözmek için kullanır. Yanal düşünme tekniği, yeni fikirler yoluyla daha iyi çözümlere ulaşmak için bu kalıptan kaçmayı önerir. Bilgi işlemenin kışkırtıcı kullanımı, yanal düşünmenin altında yatan temel ilkedir.

Kışkırtıcı operatör (PO) yanal düşünme karakterize eden bir şeydir. İşlevi, kışkırtarak yeni fikirler üretmek ve eski fikirlerden kaçış yolu sağlamaktır. Geçici bir bilgi düzenlemesi yaratır.

Su mantığı , geleneksel veya kaya mantığının zıttıdır . Su mantığının koşullara ve koşullara bağlı sınırları vardır, kaya mantığının ise katı sınırları vardır. Su mantığı bir şekilde bulanık mantığa benzer .

Yanal hesaplamaya geçiş

Yanal hesaplama, yanal düşünmeye benzer şekilde bilgi işlemenin kışkırtıcı bir kullanımını yapar . Bu, çok kullanışlı bir yanal hesaplama tekniği olan evrimsel hesaplamanın kullanımıyla açıklanmaktadır. Evrim, değişim ve seçilim yoluyla ilerler. Rastgele mutasyon değişimi sağlarken , seçim, en uygun olanın hayatta kalmasıyla gerçekleşir . Rastgele mutasyon, kışkırtıcı bir bilgi işleme işlevi görür ve bilgi işlem sorununa daha iyi çözümler üretmek için yeni bir yol sağlar. "Yanal Hesaplama" terimi ilk olarak Prof CR SUTHIKSHN Kumar tarafından önerildi ve Birinci Dünya Yanal Hesaplama Kongresi WCLC 2004 , Aralık 2004'te uluslararası katılımcılarla düzenlendi.

Yanal hesaplama, analojileri aşağıdakiler gibi gerçek dünya örneklerinden alır:

Sıcak gaz halinin ne kadar yavaş soğutulması saf kristallerle sonuçlanır ( Tavlama )
Beyindeki sinir ağları , yüz ve konuşma tanıma gibi sorunları nasıl çözüyor?
Karıncalar ve bal arıları gibi basit böcekler bazı karmaşık sorunları nasıl çözüyor?
Nasıl evrim moleküler yaşam formlarından insanın evrimsel hesaplama tarafından taklit edilmiştir
Canlı organizmalar kendilerini hastalıklara karşı nasıl savunur ve yaralarını nasıl iyileştirir?
Elektriğin şebekeler tarafından nasıl dağıtıldığı

"Yatay hesaplamanın" ayırt edici faktörleri:

Probleme doğrudan matematiksel yollarla yaklaşmaz.
Problemi çözmek için dolaylı modeller kullanır veya analojiler arar.
Optik hesaplamada bilgi işlem için "fotonların" kullanılması gibi, moda olandan kökten farklıdır. Çoğu geleneksel bilgisayar, sinyalleri taşımak için elektronları kullandığından, bu nadirdir.
Bazen Yanal Hesaplama teknikleri şaşırtıcı derecede basittir ve çok karmaşık sorunlara yüksek performanslı çözümler sunar.
Yanal hesaplamadaki bazı teknikler "açıklanamayan sıçramalar" kullanır. Bu sıçramalar mantıklı görünmeyebilir. Örnek, genetik algoritmalarda "Mutasyon" operatörünün kullanılmasıdır.

Sözleşme – yanal

Geleneksel ve yanal hesaplama arasında net bir sınır çizmek çok zordur. Bir süre sonra, bazı geleneksel olmayan hesaplama teknikleri, ana akım hesaplamanın ayrılmaz bir parçası haline geldi. Dolayısıyla geleneksel ve yanal hesaplama arasında her zaman bir örtüşme olacaktır. Şekilde gösterildiği gibi bir hesaplama tekniğini geleneksel veya yanal hesaplama tekniği olarak sınıflandırmak zor olacaktır. Sınırlar bulanıktır ve bulanık kümelerle yaklaşılabilir.

Resmi tanımlama

Yanal hesaplama, geleneksel olmayan hesaplama yaklaşımını kullanan tüm hesaplama tekniklerinin bulanık bir kümesidir . Dolayısıyla Yanal hesaplama, yarı geleneksel veya hibrit hesaplama kullanan teknikleri içerir. Yanal hesaplama teknikleri için üyelik derecesi, bulanık geleneksel olmayan hesaplama teknikleri kümesinde 0'dan büyüktür.

Aşağıdakiler, yanal hesaplama için bazı önemli farklılaştırıcıları ortaya koymaktadır.

geleneksel bilgi işlem

Problem ve teknik doğrudan ilişkilidir .
Problemi titiz matematiksel analizlerle ele alır.
Matematiksel modeller oluşturur.
Hesaplama tekniği matematiksel olarak analiz edilebilir.

yanal hesaplama

Problemin kullanılan hesaplama tekniğiyle pek bir ilgisi olmayabilir.
Problemlere insan bilgi işlem modeli, tavlama vb. benzetmelerle yaklaşır .
Bazen hesaplama tekniği matematiksel olarak analiz edilemez.

Yanal hesaplama ve paralel hesaplama

Paralel hesaplama , çeşitli hesaplama öğelerinin (işleme öğeleri gibi) kullanılması yoluyla bilgisayarların/algoritmaların performansını iyileştirmeye odaklanır. Hesaplama hızı, çeşitli bilgi işlem öğeleri kullanılarak artırılır. Paralel hesaplama, geleneksel sıralı hesaplamanın bir uzantısıdır . Bununla birlikte, yanal hesaplamada sorun, sıralı veya paralel hesaplama kullanılarak geleneksel olmayan bilgi işleme kullanılarak çözülür.

Yanal hesaplama tekniklerinin gözden geçirilmesi

Yanal hesaplama paradigmasına uyan birkaç hesaplama tekniği vardır. Yanal Hesaplama tekniklerinden bazılarının kısa bir açıklaması:

Sürü zekası

Sürü zekası (SI), çevreleriyle yerel olarak etkileşime giren (sofistike olmayan) ajanların kolektif davranışlarının, tutarlı işlevsel küresel kalıpların ortaya çıkmasına neden olduğu bir sistemin özelliğidir. SI, merkezi kontrol veya küresel bir modelin sağlanması olmadan toplu (veya dağıtılmış) problem çözmeyi keşfetmenin mümkün olduğu bir temel sağlar.

İlginç bir sürü zekası tekniği, Karınca Kolonisi algoritmasıdır :

Karıncalar davranışsal olarak karmaşık değildir; topluca karmaşık görevleri yerine getirirler. Karıncalar son derece gelişmiş karmaşık işaret tabanlı iletişime sahiptir.
Karıncalar feromon kullanarak iletişim kurar; diğer karıncaların izleyebileceği yollar döşenir.
Yönlendirme Problemi Karıncalar, kaynaktan hedef(ler)e "en kısa" yolu hesaplamak için kullanılan farklı feromonlar bırakırlar.

Ajan tabanlı sistemler

Aracılar, belirli bir ortama yerleştirilmiş ve tasarım hedeflerini karşılamak için bu ortamda esnek, özerk eylem yapabilen kapsüllenmiş bilgisayar sistemleridir. Etmenler özerk (bağımsız, kontrol edilemez), reaktif (olaylara tepki veren), proaktif (kendi iradeleriyle eylemleri başlatan) ve sosyal (iletişimsel) olarak kabul edilir. Ajanlar yeteneklerine göre değişir: statik veya hareketli olabilirler veya zeki olabilirler veya olmayabilirler. Her temsilcinin kendi görevi ve/veya rolü olabilir. Aracılar ve çok aracılı sistemler, karmaşık dağıtılmış süreçleri modellemek için bir metafor olarak kullanılır . Bu tür ajanlar, karşılıklı bağımlılıklarını yönetmek için her zaman birbirleriyle etkileşime girmeye ihtiyaç duyarlar . Bu etkileşimler, ajanların birbirleriyle işbirliği yapmasını, müzakere etmesini ve koordine etmesini içerir.

Ajan tabanlı sistemler, bir iş sisteminin bileşenlerini temsil eden sanal "aracılar" aracılığıyla çeşitli karmaşık fenomenleri simüle etmeye çalışan bilgisayar programlarıdır. Bu temsilcilerin davranışları, işin nasıl yürütüldüğünü gerçekçi bir şekilde gösteren kurallarla programlanmıştır. Çok çeşitli bireysel ajanlar modelde etkileşime girdikçe, simülasyon toplu davranışlarının tüm sistemin performansını nasıl yönettiğini gösterir - örneğin, başarılı bir ürünün ortaya çıkması veya optimal bir program. Bu simülasyonlar, "ne olursa olsun" senaryo analizi için güçlü stratejik araçlardır: yöneticiler aracı özelliklerini veya "kuralları" değiştirdikçe, değişikliğin etkisi model çıktısında kolayca görülebilir.

ızgara hesaplama

By benzetme , bir hesaplama ızgara bir olan donanım ve yazılım üst seviye hesaplama yetenekleri, güvenilir, tutarlı, yaygın ve ucuz erişim sağlar altyapısı. Izgara hesaplama uygulamaları şunlardır:

Çip tasarımı, kriptografik problemler, tıbbi aletler ve süper bilgi işlem .
Dağıtılmış süper bilgi işlem uygulamaları, tek bir sistemde çözülemeyen sorunların üstesinden gelmek için önemli hesaplama kaynaklarını bir araya getirmek için ızgaraları kullanır.

otonom bilgi işlem

Otonom sinir sistemi dolayısıyla bu ve diğer birçok düşük seviyeli, henüz hayati, fonksiyonları ile uğraşan yükünden bilinçli beyin azat eden kalp hızı ve vücut ısısı, yönetir. Otonom bilgi işlemin özü , amacı sistem yöneticilerini sistem işletimi ve bakımının ayrıntılarından kurtarmak olan kendi kendini yönetmedir.

Otonom hesaplamanın dört yönü şunlardır:

Kendi kendine yapılandırma
Kendi kendine optimizasyon
kendi kendini iyileştirme
Nefs-i müdafaa

Bu, IBM tarafından teşvik edilen büyük bir zorluktur .

optik bilgi işlem

Optik hesaplama , hesaplama için geleneksel elektronlar yerine fotonları kullanmaktır. Optik bilgisayarların birkaç örneği ve başarılı kullanımı vardır. Geleneksel mantık kapıları , sinyalleri taşımak için elektronları kullanan yarı iletkenleri kullanır. Optik bilgisayarlar söz konusu olduğunda, bir ışık demetindeki fotonlar hesaplama yapmak için kullanılır.

Elektromanyetik girişime karşı bağışıklık , geniş bant genişliği vb. gibi bilgi işlem için optik cihazları kullanmanın sayısız avantajı vardır .

DNA hesaplama

DNA hesaplama , problemin örneğini kodlamak ve varsa problemin çözümünü seçen işlemleri simüle etmek için herhangi bir moleküler biyoloji laboratuvarında yaygın olarak bulunan teknikleri kullanarak onları manipüle etmek için DNA ipliklerini kullanır.

DNA molekülü de bir kod olduğu ve bunun yerine öngörülebilir bir şekilde eşlenen dört baz dizisinden oluştuğu için, birçok bilim adamı moleküler bir bilgisayar yaratma olasılığını düşünmüştür. Bu bilgisayarlar, tamamlayıcılarıyla bağlanan DNA nükleotidlerinin çok daha hızlı reaksiyonlarına, günümüzün en hızlı PC'sinden 100 milyar kat daha hızlı olacak yeni nesil bilgisayarlar oluşturmak için muazzam bir potansiyele sahip bir kaba kuvvet yöntemine güveniyor . DNA hesaplama, "gerçek nanoteknolojinin ilk örneği " ve hatta bilgisayar bilimi ile yaşam bilimi arasında benzeri görülmemiş bir bağlantı kuran "yeni bir çağın başlangıcı " olarak müjdelendi .

DNA hesaplamanın örnek uygulamaları, bilinen bir NP tam olan Hamiltonian yol problemi için çözümdedir. DNA kullanılarak gerekli laboratuvar işlemlerinin sayısı, grafiğin köşelerinin sayısı ile doğrusal olarak büyür. Kriptografik problemi polinom sayıda adımda çözen moleküler algoritmalar rapor edilmiştir . Bilindiği gibi, büyük sayıları çarpanlara ayırmak birçok kriptografik uygulamada önemli bir problemdir.

Kuantum hesaplama

Bir kuantum bilgisayarda , temel bilgi birimi (kuantum biti veya kübit olarak adlandırılır ), ikili değil, daha çok dörtlüdür . Bu kübit özelliği, klasik fizik yasalarından kökten farklı olan kuantum mekaniği yasalarına bağlılığının doğrudan bir sonucu olarak ortaya çıkar. Bir kübit, yalnızca klasik bitte olduğu gibi 0 veya 1 mantıksal durumuna karşılık gelen bir durumda değil, aynı zamanda bu klasik durumların bir karışımına veya kuantum süperpozisyonuna karşılık gelen durumlarda da var olabilir. Başka bir deyişle, bir kübit, her durum için olasılığı temsil eden sayısal bir katsayı ile sıfır, bir veya aynı anda hem 0 hem de 1 olarak var olabilir. Bir kuantum bilgisayarı , her biri tek bir kübit veya bir çift kübit üzerinde hareket eden üniter bir dönüşüm olan bir dizi kuantum kapısı yürüterek kübitleri manipüle eder . Bu kapıları art arda uygularken, bir kuantum bilgisayar, bazı başlangıç durumlarında bir dizi kübite karmaşık bir üniter dönüşüm gerçekleştirebilir.

Yeniden yapılandırılabilir bilgi işlem

Alanda programlanabilir kapı dizileri (FPGA), gerçekten yeniden yapılandırılabilir bilgisayarlar oluşturmayı mümkün kılıyor . Bilgisayar mimarisi, FPGA devresinin anında yeniden yapılandırılmasıyla dönüştürülür. Mimari ve algoritma arasındaki optimum eşleşme, yeniden yapılandırılabilir bilgisayarın performansını artırır. Anahtar özellik, donanım performansı ve yazılım esnekliğidir.

Parmak izi eşleştirme, DNA dizi karşılaştırması vb. gibi çeşitli uygulamalar için, yeniden yapılandırılabilir bilgisayarların geleneksel bilgisayarlardan birkaç kat daha iyi performans gösterdiği gösterilmiştir.

Benzetimli tavlama

Simüle tavlama algoritması kristalleri, bir ısıtılmış den nasıl oluştuğunu bakarak tasarlanmıştır gaz halinde , sistem yavaş şekilde soğutulur ise. Hesaplama problemi simüle edilmiş bir tavlama alıştırması olarak yeniden tasarlanır ve çözümlere ulaşılır. Simüle edilmiş tavlamanın çalışma prensibi metalurjiden ödünç alınmıştır: bir metal parçası ısıtılır (atomlara termal ajitasyon verilir) ve daha sonra metal yavaşça soğumaya bırakılır. Metalin yavaş ve düzenli soğuması, atomların kademeli olarak en kararlı ("minimal enerji") konumlarına kaymasına izin verir. (Hızlı soğutma, o sırada hangi konumda olurlarsa olsunlar onları "dondurur".) Metalin ortaya çıkan yapısı daha güçlü ve daha kararlıdır. Tavlama işlemini bir bilgisayar programı içinde simüle ederek, zor ve çok karmaşık problemlere cevap bulmak mümkündür. Bir metal bloğun enerjisini en aza indirmek veya gücünü en üst düzeye çıkarmak yerine, program eldeki problemle ilgili bazı hedefleri en aza indirir veya en üst düzeye çıkarır.

Yumuşak bilgi işlem

"Yanal hesaplama"nın ana bileşenlerinden biri , insan bilgi işleme modeliyle ilgili sorunlara yaklaşan yumuşak hesaplamadır . Yumuşak Hesaplama tekniği, Bulanık mantık, nöro-bilgisayar, evrimsel-bilgisayar, makine öğrenimi ve olasılıksal-kaotik hesaplamayı içerir.

nöro bilgi işlem

Bir problemi lineer olmayan bir denklem modeli oluşturarak çözmek yerine, problemin çözümü için biyolojik sinir ağı analojisi kullanılır. Sinir ağı, belirli bir sorunu çözmek için bir insan beyni gibi eğitilmiştir. Bu yaklaşım, bazı örüntü tanıma problemlerinin çözümünde oldukça başarılı olmuştur .

evrimsel bilgi işlem

Genetik algoritma (GA) evrensel bir optimizasyon sağlamak için doğal evrimini benzer. Genetik algoritmalar, çeşitli çözümleri temsil eden bir kromozom popülasyonu ile başlar. Çözümler bir uygunluk fonksiyonu kullanılarak değerlendirilir ve bir seçim süreci, yarışma süreci için hangi çözümlerin kullanılacağını belirler. Bu algoritmalar, arama ve optimizasyon problemlerini çözmede oldukça başarılıdır. Yeni çözümler, mutasyon ve çaprazlama gibi evrimsel ilkeler kullanılarak oluşturulur.

Bulanık mantık

Bulanık mantık , Lotfi Zadeh tarafından önerilen bulanık küme kavramlarına dayanmaktadır . Üyelik kavramının derecesi bulanık kümelerin merkezindedir. Bulanık kümeler, bir elemanın bir kümeye bir dereceye kadar (üyelik derecesi) ait olmasına izin verdiği için kesin kümelerden farklıdır. Bu yaklaşım, kontrol problemleri için iyi uygulamalar bulur. Bulanık mantık muazzam uygulamalar buldu ve çamaşır makineleri, mikrodalga fırınlar, cep telefonları, Televizyonlar, Camcoders vb. gibi tüketici elektroniğinde zaten büyük bir pazar varlığı buldu.

Olasılıksal/kaotik hesaplama

Olasılıksal hesaplama motorları, örneğin Bayes ağı gibi olasılıksal grafik modelin kullanımı . Bu tür hesaplama tekniklerine, olasılıksal algoritmalar veren rasgeleleştirme denir. Klasik istatistiksel termodinamik yoluyla fiziksel bir fenomen olarak yorumlandığında, bu tür teknikler, her bir ilkel hesaplama adımının doğru olduğunun garanti edildiği (veya eşdeğer hata olasılığına, (1-p)), olasılık p ile orantılı olan enerji tasarruflarına yol açar. Kaotik Hesaplama, kaos teorisine dayanmaktadır.

Fraktallar

Fraktal Hesaplama , farklı ölçeklerde kendi kendine benzerlik gösteren nesnelerdir . Fraktal üretimi, küçük yinelemeli algoritmalar içerir. Fraktallar, topolojik boyutlarından daha büyük boyutlara sahiptir. Fraktalın uzunluğu sonsuzdur ve boyutu ölçülemez. Basit bir formülle verilen Öklid şeklinin aksine yinelemeli bir algoritma ile tanımlanır. Birkaç tür fraktal vardır ve Mandelbrot kümeleri çok popülerdir.

Fraktallar, görüntü işleme, görüntü sıkıştırma müzik üretimi, bilgisayar oyunları vb. alanlarda uygulamalar bulmuştur. Mandelbrot seti, yaratıcısının adını taşıyan bir fraktaldır. Diğer fraktallardan farklı olarak, Mandelbrot kümesi büyütülmüş ölçeklerde kendine benzer olsa da, küçük ölçekli ayrıntılar bütünle aynı değildir. Yani, Mandelbrot kümesi sonsuz karmaşıktır. Ancak onu üretme süreci son derece basit bir denkleme dayanmaktadır. Mandelbrot M kümesi , karmaşık sayıların bir koleksiyonudur. M'ye ait olan Z sayıları , Mandelbrot denkleminin yinelemeli olarak test edilmesiyle hesaplanır. C bir sabittir. Seçilen için denklem yakınsak ise Z , daha sonra Z aittir M . Mandelbrot denklemi:

rastgele algoritma

Bir Randomize algoritması yürütümü sırasında keyfi seçimler yapar. Bu, bir programın başlangıcında yürütme süresinde tasarruf sağlar. Bu yöntemin dezavantajı, yanlış bir çözümün ortaya çıkma olasılığıdır. İyi tasarlanmış bir rasgele algoritma, çok yüksek bir doğru cevap verme olasılığına sahip olacaktır. Rastgele algoritmaların iki kategorisi şunlardır:

Bulmak için bir algoritma düşünün k ^inci bir dizi unsuru. Belirleyici bir yaklaşım, listenin medyanına yakın bir pivot eleman seçmek ve listeyi bu eleman etrafında bölmek olacaktır. Bu soruna rastgele yaklaşım, rastgele bir pivot seçmek ve böylece sürecin başında zamandan tasarruf etmek olacaktır. Yaklaşım algoritmaları gibi, zorlu NP tam problemlerini daha hızlı çözmek için kullanılabilirler. Bununla birlikte, yaklaşıklık algoritmalarına göre bir avantaj, eğer yeterince kez çalıştırılırsa, rastgele bir algoritmanın sonunda kesin bir cevap vermesidir.

Makine öğrenme

İnsanlar/hayvanlar yeni beceriler, diller/kavramlar öğrenirler. Benzer şekilde, makine öğrenimi algoritmaları, eğitim verilerinden genelleme yapma yeteneği sağlar. İki Makine Öğrenimi (ML) sınıfı vardır:

Denetimli Makine Öğrenimi
Denetimsiz Makine Öğrenimi

İyi bilinen makine öğrenme tekniklerinden biri Geri Yayılım Algoritmasıdır. Bu, insanların örneklerden nasıl öğrendiğini taklit eder. Eğitim kalıpları tekrar tekrar ağa sunulur. Hata geri yayılır ve ağ ağırlıkları gradyan inişi kullanılarak ayarlanır. Ağ, birkaç yüzlerce yinelemeli hesaplama yoluyla yakınsar.

Vektör makineleri desteklemek

Bu, metin sınıflandırma, konuşmacı tanıma , görüntü tanıma vb. görevlere başarıyla uygulanan oldukça başarılı makine öğrenimi tekniklerinin bir başka sınıfıdır .

Örnek uygulamalar

Yanal hesaplama tekniklerinin birkaç başarılı uygulaması vardır. Yanal hesaplamayı gösteren küçük bir uygulama seti:

Kabarcık sıralama : Burada sıralama hesaplama sorununa suda yükselen kabarcıkların bir analojisi ile yaklaşılır. Bu, sayıları baloncuklar olarak ele alarak ve onları doğal konumlarına kaydırarak yapılır.
Kamyon yedekleme sorunu: Bu, bir kamyonu geri döndürmek ve belirli bir yere park etmekle ilgili ilginç bir sorundur. Geleneksel hesaplama teknikleri bu sorunu çözmeyi zor bulmuştur. Bu, Fuzzy sistemi tarafından başarıyla çözüldü.
Ters bir sarkacın dengelenmesi: Bu problem, dengeleme ve ters sarkaç içerir. Bu problem, sinir ağları ve bulanık sistemler tarafından verimli bir şekilde çözülmüştür.
Cep telefonları için akıllı ses kontrolü: Cep telefonlarındaki ses kontrolü, arka plan gürültü seviyelerine, gürültü sınıflarına, kullanıcının işitme profiline ve diğer parametrelere bağlıdır. Gürültü seviyesi ve ses seviyesi ölçümü, kesin olmayan ve subjektif ölçümler içerir. Yazarlar, mobil telefonlarda ses kontrolü için bulanık mantık sisteminin başarılı kullanımını göstermişlerdir.
Genetik algoritmalar ve benzetilmiş tavlama kullanılarak optimizasyon : Gezgin satıcı problemi gibi problemlerin NP tam problemler olduğu gösterilmiştir . Bu tür problemler, buluşsal yöntemlerden yararlanan algoritmalar kullanılarak çözülür. Uygulamalardan bazıları VLSI yönlendirme, bölümleme vb.'dir. Genetik algoritmalar ve Simüle tavlama bu tür optimizasyon problemlerinin çözümünde başarılı olmuştur.
Programlama Programlanamayan (PTU), hücresel otomatlar , çoklu ajan sistemleri , paralel sistemler , sahada programlanabilir kapı dizileri , sahada programlanabilir analog diziler, karınca kolonileri, sürü zekası , dağıtılmış sistemler gibi geleneksel olmayan bilgi işlem cihazları için bilgisayar programlarının otomatik olarak oluşturulmasını içerir. , ve benzerleri.

Özet

Yukarıda yanal hesaplama tekniklerinin bir incelemesi bulunmaktadır. Yanal hesaplama, yanal düşünme yaklaşımına dayanır ve hesaplama problemlerini çözmek için geleneksel olmayan teknikleri uygular. Problemlerin çoğu geleneksel tekniklerle çözülürken, yanal hesaplama gerektiren problemler de vardır. Yanal hesaplama, çeşitli problemler için geleneksel hesaplamaya kıyasla hesaplama verimliliği, düşük uygulama maliyeti ve daha iyi çözümler sunar. Yanal hesaplama, izlenebilirlik, sağlamlık ve düşük çözüm maliyeti elde etmek için kesinlik, belirsizlik ve kısmi gerçeğe karşı toleranstan yararlanarak bir sınıf sorunu başarıyla çözer. İnsan benzeri bilgi işleme modellerini kullanan yanal hesaplama teknikleri literatürde “Yumuşak Hesaplama” olarak sınıflandırılmıştır.

Yanal hesaplama, matematiksel modelleri mevcut olmayan çok sayıda hesaplama problemini çözerken değerlidir. Çok Yüksek Makine IQ'lu (VHMIQ) akıllı sistemlerle sonuçlanan yenilikçi çözümler geliştirmenin bir yolunu sunarlar. Bu makale, yanal düşünceden yanal hesaplamaya geçişin izini sürdü. Daha sonra çeşitli yanal hesaplama teknikleri anlatılmış ve bunların uygulamaları yapılmıştır. Yanal hesaplama, geleneksel olmayan işlemeye dayalı yeni nesil yapay zeka oluşturmak içindir.

Ayrıca bakınız

Referanslar

Kaynaklar

de Bono, E. (2003). "Edward de Bono" . Arşivlenmiş orijinal 2001-02-01 tarihinde.
Proceedings of IEEE (2001): Soft Computing Kullanan Endüstriyel Yenilikler Özel Sayısı , Eylül.
T. Ross (2004): Mühendislik Uygulamaları ile Bulanık Mantık , McGraw-Hill Inc Publishers.
B. Kosko (1994); Bulanık Düşünme, Flamingo Yayıncıları.
E. Aarts ve J. Krost (1997); Simüle Edilmiş Tavlama ve Boltzmann Makineleri, John Wiley And Sons Publishers.
KV Palem (2003); Olasılıksal Anahtarlama ile Enerjiye Duyarlı Hesaplama: Limitler üzerine bir çalışma , Teknik Rapor GIT-CC-03-16 Mayıs 2003.
M. Sima, S. Vassiliadis, S. Cotofona, JTJ Van Eijndoven ve KA Vissers (2000); Proceedings of the Progress atölyesinde, Ekim ayında özel bilgi işlem makinelerinin bir sınıflandırması.
J. Gleick (1998); Choas: Yeni Bir Bilim Yaratmak, Vintage Yayıncılar.
B. Mandelbrot (1997); Doğanın Fraktal Geometrisi, Freeman Publishers, New York.
DR Hofstadter (1999); Gödel, Escher, Bach: Bir Ebedi Altın Örgü , Harper Collins Publishers.
RA Aliev ve RR Aliev (2001); Yumuşak Hesaplama ve Uygulamaları , World Scientific Publishers.
Jyh-Shing Roger Jang, Chuen-Tsai Sun & Eiji Mizutani (1997); Neuro-Fuzzy ve Soft Computing: Öğrenme ve Makine Zekasına Hesaplamalı Bir Yaklaşım, Prentice Hall Publishers.
John R. Koza, Martin A. Keane, Matthew J. Streeter, William Mydlowec, Jessen Yu ve Guido Lanza (2003); Genetik Programlama IV: Rutin İnsan-Rekabetçi Makine Zekası, Kluwer Academic.
James Allen (1995); Doğal Dil Anlayışı, 2. Baskı, Pearson Education Publishers.
R. Herken (1995); Evrensel Turing Makinesi, Springer-Verlag 2. Baskı.
Harry R. Lewis, Christos H. Papadimtrou (1997); Elements of Theory of Computation, 2. baskı, Prentice Hall Publishers.
M. Garey ve D. Johnson (1979); Bilgisayarlar ve İnatçılık: NP Bütünlüğü Teorisi, WH Freeman ve Şirket Yayıncıları.
M. Sipser (2001); Hesaplama Teorisine Giriş, Thomson/Brooks/Cole Publishers.
K. Compton ve S. Hauck (2002); Yeniden Yapılandırılabilir Hesaplama: Bir Sistem ve Yazılım araştırması, ACM Computing Surveys, Vo. 34, No.2, Haziran 2002, s. 171–210.
DW Patterson (1990); Yapay Zeka ve Uzman Sistemlere Giriş, Prentice Hall Inc. Publishers.
E. Charniak ve D. Mcdermott (1999); Yapay Zekaya Giriş, Addison Wesley.
Hameroff, SR (1997). Nihai Bilgi İşlem . Elsevier Bilim Yayıncıları. ISBN'si 978-0-444-70283-8.
RL Epstein ve WA Carnielli (1989); Hesaplanabilirlik, Hesaplanabilir Fonksiyonlar, Mantık ve Matematiğin Temelleri, Wadsworth & Brooks/Cole Advanced Books and Software.
T. Joachims (2002); Destek Vektör Makinelerini Kullanarak Metni Sınıflandırmayı Öğrenmek , Kluwer Academic Publishers.
T. Mitchell (1997); Makine Öğrenimi, McGraw Hill Publishers.
R. Motwani ve P. Raghavan (1995); Rastgele Algoritmalar , Paralel Hesaplamada Cambridge Uluslararası Serisi, Cambridge University Press.
Sun Microsystems (2003); Verimli Hesaplamaya Giriş, Teknik Rapor.

Konferanslar

Birinci Dünya Yanal Hesaplama Kongresi , IISc, Bangalore Hindistan, Aralık 2004 WCLC 2004
İkinci Dünya Yanal Hesaplama Kongresi , WCLC 2005, PESIT, Bangalore, Hindistan

Languages

In other projects