Arvutamine on protsess, mis muudab teatud vormi sisendi teiseks soovitud väljundvormiks, kasutades teatud juhtimistoiminguid. Arvutamise mõiste järgi nimetatakse sisendit eelkäijaks ja väljundit tagajärjeks. Kaardistamisfunktsioon teisendab teatud juhtimistoimingute abil ühe vormi sisendi soovitud väljundi teiseks vormiks. Arvutuskontseptsioon on peamiselt rakendatav infotehnoloogia . Arvutamist on kahte tüüpi, raske arvutamine ja pehme arvutus. Raske arvutamine on protsess, mille käigus programmeerime arvuti teatud probleemide lahendamiseks juba olemasolevate matemaatiliste algoritmide abil, mis annab täpse väljundväärtuse. Raske arvutamise üks põhinäiteid on arvuline probleem.

Mis on pehme arvutus?

Pehme arvutus on lähenemisviis, kus arvutame lahendused olemasolevatele keerukatele probleemidele, kus väljunditulemused on ebatäpsed või ebamäärased. Pehme arvutamise üks olulisemaid omadusi on see, et see peaks olema adaptiivne, nii et keskkonnamuutused ei mõjutaks praegust protsess. Järgnevad pehme arvutamise tunnused.

See ei nõua konkreetse probleemi lahendamiseks matemaatilist modelleerimist
See annab erinevaid lahendusi, kui lahendame aeg-ajalt ühe sisendi probleemi
Kasutab mõningaid bioloogiliselt inspireeritud metoodikaid, nagu geneetika, evolutsioon, osakeste sülemlemine, inimese närvisüsteem jne.
Oma olemuselt kohanemisvõimeline.

Neid on kolme tüüpi pehmed arvutustehnikad mis sisaldavad järgmist.

Kunstnärvivõrk
Hägus loogika
Geneetiline algoritm

Kunstnärvivõrk

See on konstantionistlik modelleerimine ja paralleelselt hajutatud võrk. Neid on kahte tüüpi ANN (kunstlik närvivõrk) ja BNN (bioloogiline närvivõrk). Üksikut elementi töötlev närvivõrk on tuntud kui üksus. The komponendid ühikut on sisend, kaal, töötlemiselement, väljund. See sarnaneb meie inimese närvisüsteemiga. Peamine eelis on see, et nad lahendavad probleeme paralleelselt, kunstlikud närvivõrgud kasutavad suhtlemiseks elektrilisi signaale. Kuid peamine puudus on see, et nad ei ole veatalulised, see tähendab, et kui keegi kunstneuronitest kahjustub, siis see enam ei toimi.

Näide käsitsi kirjutatud tegelasest, kus tähemärki kirjutavad hindi keeles paljud inimesed, võivad nad kirjutada sama tähemärgi, kuid erineval kujul. Nagu allpool näidatud, võime tegelaskuju mõista, olenemata sellest, kuidas nad kirjutavad, sest inimene juba teab, kuidas tegelane välja näeb. Seda kontseptsiooni saab võrrelda meie närvivõrgusüsteemiga.

“mis on auto trafo ”

pehme - arvutamine

“kust tulevad juhtseadmete juhised? ”

Hägus loogika

Hägusa loogika algoritmi kasutatakse selliste mudelite lahendamiseks, mis põhinevad loogilistel arutlustel nagu ebatäpsed ja ebamäärased. Selle võttis kasutusele Latzi A. Zadeh 1965. aastal. Hägus loogika annab suletud intervalliga ette nähtud tõeväärtuse [0,1]. Kus 0 = valeväärtus, 1 = tõene väärtus.

Näide robotist, kes soovib lühikese aja jooksul liikuda ühest kohast teise, kus teel on palju takistusi. Nüüd tekib küsimus, et kuidas saab robot arvutada oma liikumise sihtpunkti jõudmiseks ilma ühtegi takistust põrkamata. Seda tüüpi probleemidel on ebakindluse probleem, mille saab lahendada uduse loogika abil.

hägune - loogika

Geneetiline algoritm pehmetes arvutites

Geneetilise algoritmi tutvustas prof John Holland 1965. aastal. Seda kasutatakse loodusliku valiku põhimõtetel põhinevate probleemide lahendamiseks, mis kuuluvad evolutsioonilise algoritmi alla. Neid kasutatakse tavaliselt optimeerimisprobleemide jaoks, näiteks objektiivsete funktsioonide maksimeerimine ja minimeerimine, mis on kahte tüüpi sipelgakoloonia ja sülemiosakest. See järgib bioloogilisi protsesse nagu geneetika ja evolutsioon.

Geneetilise algoritmi funktsioonid

Geneetiline algoritm suudab lahendada probleemid, mida pole võimalik reaalajas lahendada, mida nimetatakse ka NP-Hard probleemiks. Keerulised probleemid, mida ei saa matemaatiliselt lahendada, saab hõlpsasti lahendada geneetilise algoritmi rakendamisega. See on heuristiline otsing või randomiseeritud otsimismeetod, mis annab esialgse lahenduste komplekti ja genereerib probleemile lahenduse tõhusalt ja tulemuslikult.

Lihtne viis selle algoritmi mõistmiseks on järgmine näide inimesest, kes soovib panka natuke raha investeerida, ja me teame, et saadaval on erinevad pangad, millel on erinevad skeemid ja põhimõtted. Selle individuaalne huvi, kui palju panka investeerida, et ta saaks maksimaalset kasumit. Inimesele on seatud kindlad kriteeriumid, mis tähendab, kuidas ta saab investeerida ja kuidas pangas investeerimisega kasumit teenida. Nendest kriteeriumidest saab üle saada evolutsioonilise arvutamise algoritmiga nagu geneetiline arvutus.

“kuidas testida trafo mähiseid ”

geneetiline - algoritm

Erinevus kõvaarvutamise ja pehmearvutamise vahel

Kõva arvutamise ja pehme arvutamise erinevus on järgmine

Raske arvutamine	Pehme arvutus
Raske arvutamise jaoks vajalik analüütiline mudel peab olema täpselt esindatud	See põhineb ebakindlusel, ebatäpsuse ja lähendamise suhtes sallival osalisel tõel.
Arvutusaega on rohkem	Arvutusaega on vähem
See sõltub binaarsest loogikast, arvsüsteemidest, tarkast tarkvarast.	Põhineb lähendamisel ja dispositsioonil.
Järjestikune arvutus	Paralleelarvutamine
Annab täpse väljundi	Annab sobiva väljundi
Näited: traditsioonilised arvutimeetodid meie personaalarvuti abil.	Näide: närvivõrgud nagu Adaline, Madaline, ART võrgud jne.

Eelised

Pehme arvutamise eelised on

Tehakse lihtne matemaatiline arvutus
Hea efektiivsus
Rakendatav reaalajas
Põhineb inimese arutluskäigul.

Puudused

Pehme arvutamise puudused on

See annab ligikaudse väljundväärtuse
Väikese vea ilmnemisel lakkab töötamast kogu süsteem, et kogu süsteem ületada tuleb algusest peale, see on aeganõudev protsess.

Rakendused

Järgnevad on pehme arvutamise rakendused

Juhib mootoreid nagu asünkroonmootor , Alalisvoolu servomootor automaatselt
Elektrijaamu saab juhtida intelligentse juhtimissüsteemi abil
Kujutiste töötlemisel võib antud sisend olla mis tahes vormis, kas pilt või video, mida saab pehme arvutamise abil manipuleerida, et saada algse pildi või video täpne duplikaat.
Biomeditsiinilistes rakendustes, kus see on tihedalt seotud bioloogia ja meditsiiniga, saab pehmete arvutustehnikaid kasutada biomeditsiiniliste probleemide lahendamiseks, nagu diagnoosimine, jälgimine, ravi ja teraapia.
Nutikas seadmestik on tänapäeval trendikas, kus intelligentsed seadmed suhtlevad automaatselt teiste seadmetega, kasutades teatud komplekti sideprotokollid teatud ülesannete täitmiseks, kuid probleem on selles, et suhtlemiseks pole õiget standardprotokolli. Sellest saab üle, kui kasutada pehmeid arvutustehnikaid, kus nutiseadmeid edastatakse mitme protokolli kaudu, kõrge privaatsuse ja töökindlusega.

Arvutamine on tehnika, mida kasutatakse konkreetse sisendi teisendamiseks juhtimistoimingu abil soovitud väljundiks. Arvutustehnikaid on kahte tüüpi: kõva ja pehme. Siinkohal keskendume oma artiklis peamiselt pehmele arvutamisele, selle tehnikatele nagu hägune loogika, kunstlik närvivõrk, geneetiline algoritm, kõva arvutamise ja pehme arvutamise võrdlus, pehme arvutustehnika, rakendused ja eelised. Siin on küsimus “Kuidas on pehmed arvutamine on rakendatav meditsiinivaldkonnas? '