Вычисление - это процесс преобразования ввода одной формы в другую желаемую форму вывода с использованием определенных управляющих действий. Согласно концепции вычислений, вход называется антецедентом, а выходной - консеквентом. Функция сопоставления преобразует ввод одной формы в другую форму желаемого вывода, используя определенные управляющие действия. Концепция вычислений в основном применима к информатика . Есть два типа вычислений: жесткие вычисления и мягкие вычисления. Жесткие вычисления - это процесс, в котором мы программируем компьютер для решения определенных задач с использованием уже существующих математических алгоритмов, что обеспечивает точное выходное значение. Один из основных примеров сложных вычислений - это числовая проблема.

Что такое мягкие вычисления?

Мягкие вычисления - это подход, при котором мы вычисляем решения существующих сложных проблем, где выходные результаты неточны или нечеткие по своей природе, одна из наиболее важных особенностей мягких вычислений заключается в том, что они должны быть адаптивными, чтобы любые изменения в окружающей среде не влияли на настоящее. процесс. Ниже приведены характеристики мягких вычислений.

Для решения какой-либо задачи не требуется математического моделирования.
Он дает разные решения, когда мы время от времени решаем проблему с одним входом.
Использует некоторые биологически вдохновленные методологии, такие как генетика, эволюция, роение частиц, нервная система человека и т. Д.
Адаптивный характер.

Есть три типа методы мягких вычислений которые включают следующее.

Искусственная нейронная сеть

Это коннекционистское моделирование и параллельная распределенная сеть. Бывают двух типов ИНС (искусственная нейронная сеть) и BNN (биологическая нейронная сеть). Нейронная сеть, обрабатывающая отдельный элемент, называется блоком. В составные части единицы: вход, вес, элемент обработки, выход. Он похож на нашу нервную систему человека. Главное преимущество в том, что они решают задачи параллельно, искусственные нейронные сети используют для связи электрические сигналы. Но основным недостатком является то, что они не отказоустойчивы, то есть, если какой-либо из искусственных нейронов будет поврежден, он больше не будет работать.

Пример рукописного символа, когда персонаж написан на хинди многими людьми, они могут написать тот же символ, но в другой форме. Как показано ниже, независимо от того, как они пишут, мы можем понять персонажа, потому что каждый уже знает, как персонаж выглядит. Эту концепцию можно сравнить с нашей нейросетевой системой.

“калькулятор расчета активного фильтра нижних частот ”

soft - вычисления

“что делает коробка cdi ”

Нечеткая логика

Алгоритм нечеткой логики используется для решения моделей, основанных на логических рассуждениях, таких как неточные и неопределенные. Он был введен Латци А. Заде в 1965 году. Нечеткая логика обеспечивает заданное значение истинности с закрытым интервалом [0,1]. Где 0 = ложное значение, 1 = истинное значение.

Пример робота, который хочет переместиться с одного места на другое за короткое время, когда на пути много препятствий. Теперь возникает вопрос, как робот может рассчитать свое движение, чтобы достичь точки назначения, не столкнувшись с какими-либо препятствиями. Проблемы такого типа имеют проблему неопределенности, которую можно решить с помощью нечеткой логики.

нечеткая логика

Генетический алгоритм в мягких вычислениях

Генетический алгоритм был представлен профессором Джоном Холландом в 1965 году. Он используется для решения задач, основанных на принципах естественного отбора, которые подпадают под эволюционный алгоритм. Они обычно используются для задач оптимизации, таких как максимизация и минимизация целевых функций, которые относятся к двум типам колонии муравьев и частиц роя. Он следует за биологическими процессами, такими как генетика и эволюция.

Функции генетического алгоритма

Генетический алгоритм может решать проблемы, которые не могут быть решены в реальном времени, также известные как проблема NP-Hard. Сложные проблемы, которые не могут быть решены математически, могут быть легко решены с помощью генетического алгоритма. Это эвристический поиск или метод рандомизированного поиска, который предоставляет начальный набор решений и эффективно и действенно генерирует решение проблемы.

Простой способ понять этот алгоритм - рассмотреть следующий пример человека, который хочет вложить немного денег в банк. Мы знаем, что существуют разные банки с разными схемами и политиками. Его индивидуально интересует, какую сумму вложить в банк, чтобы он мог получить максимальную прибыль. Есть определенные критерии для человека: как он может инвестировать и как он может получить прибыль, инвестируя в банк. Эти критерии могут быть преодолены с помощью алгоритма «эволюционных вычислений», такого как генетические вычисления.

генетический алгоритм

Разница между жесткими вычислениями и мягкими вычислениями

Разница между жесткими вычислениями и мягкими вычислениями заключается в следующем.

Жесткие вычисления	Мягкие вычисления
Аналитическая модель, требуемая жесткими вычислениями, должна быть точно представлена.	Он основан на неопределенности, частичной истине, терпимой к неточности и приближению.
Время вычисления больше	Время вычисления меньше
Это зависит от двоичной логики, числовых систем, четкого программного обеспечения.	Основываясь на приближении и диспозиции.
Последовательные вычисления	Параллельное вычисление
Дает точный результат	Дает соответствующий результат
Примеры: традиционные методы вычислений с использованием нашего персонального компьютера.	Пример: нейронные сети, такие как Adaline, Madaline, сети ART и т. Д.

Преимущества

Преимущества мягких вычислений:

Выполняется простой математический расчет
Хорошая эффективность
Применимо в реальном времени
Основано на человеческих рассуждениях.

Недостатки

Недостатки мягких вычислений:

“однополупериодный выпрямитель с конденсаторным фильтром ”

Это дает приблизительное выходное значение
Если возникает небольшая ошибка, вся система перестает работать, для ее устранения необходимо исправить всю систему с самого начала, что требует времени.

Приложения

Ниже приведены приложения мягких вычислений.

Управляет такими двигателями, как Индукционный двигатель , Серводвигатель постоянного тока автоматически
Электростанциями можно управлять с помощью интеллектуальной системы управления
При обработке изображений данный ввод может иметь любую форму, будь то изображение или видео, которыми можно управлять с помощью мягких вычислений, чтобы получить точную копию исходного изображения или видео.
В биомедицинских приложениях, где это тесно связано с биологией и медициной, методы мягких вычислений могут использоваться для решения биомедицинских проблем, таких как диагностика, мониторинг, лечение и терапия.
В наши дни в моде интеллектуальные приборы, когда интеллектуальные устройства автоматически связываются с другими устройствами, используя определенный набор протоколы связи для выполнения определенных задач, но проблема здесь в том, что нет надлежащего стандартного протокола для связи. Это можно преодолеть с помощью методов мягких вычислений, когда интеллектуальные устройства обмениваются данными по нескольким протоколам с высокой конфиденциальностью и надежностью.

Вычисления - это метод, используемый для преобразования конкретного ввода с помощью управляющего воздействия в желаемый результат. Существует два типа вычислительных методов: жесткие вычисления и мягкие вычисления. В нашей статье мы в основном сосредоточиваемся на мягких вычислениях, их методах, таких как нечеткая логика, искусственная нейронная сеть, генетический алгоритм, сравнении жестких вычислений и мягких вычислений, методах мягких вычислений, приложениях и преимуществах. Вот вопрос «Как мягкие вычисление применимо в области медицины? »