Neaiškieji neuroniniai tinklai yra programinės įrangos sistemos, bandančios apytiksliai įvertinti žmogaus smegenų veikimo būdą. Jie tai daro naudodami dvi pagrindines kompiuterių mokslo technologijų tyrimų sritis – neaiškios logikos programinės įrangos kūrimą ir neuroninio tinklo apdorojimo architektūrą. Neaiškios logikos programinė įranga bando atsižvelgti į realaus pasaulio pilkąsias sritis kompiuterių programinės įrangos programų sprendimų priėmimo struktūroje, kuri neapsiriboja paprastu „taip“ arba „ne“ pasirinkimu. Dirbtinio neuroninio tinklo projektavimas sukuria programinės įrangos mazgus, kurie imituoja neuronų sąveikos žmogaus smegenyse funkcionalumą ir sudėtingumą. Neaiškios logikos ir neuroninio tinklo projektavimas kartu sukuria neuro-neaiškią sistemą, kurią mokslininkai naudoja eksperimentuodami su sudėtingomis problemomis, tokiomis kaip klimato kaita, arba kurdami dirbtinio intelekto robotiką.
2011 m. vidutinis mikrokompiuteris atlieka skaičiavimus neįtikėtinu milijardų instrukcijų per sekundę greičiu. Tai rodo eksponentinį apdorojimo greičio padidėjimą nuo pirmųjų kompiuterių kūrimo dienų, nors toks augimas neparodė gebėjimo mąstyti tokiais sudėtingais būdais, kaip tai daro net paprasti biologiniai organizmai. Taip yra iš dalies dėl pagrindinių kompiuterinio apdorojimo apribojimų, o neryškūs neuroniniai tinklai yra bandymas apeiti šiuos apribojimus.
Apskaičiuota, kad vidutinės žmogaus smegenys kas sekundę vykdo 100,000,000,000,000 1999 24,000 1981 3,500,000 instrukcijų, naudodamos savo nervinę struktūrą, kuri yra analogiška mikroprocesorių veikimui. Priešingai, 8,000 m. vidutinė kompiuterinė sistema buvo 2.1 2011 kartų lėtesnė už šią, o ankstyvasis XNUMX m. modelis buvo XNUMX XNUMX XNUMX kartų lėtesnis už žmogaus smegenis atliekant skaičiavimus. Reikėtų XNUMX asmeninių kompiuterių, sudėtingai sujungtų į tinklą ir XNUMX gigahercų procesorius, esančius XNUMX m. rinkoje, kad būtų galima apytiksliai prilygti vidutinio žmogaus smegenų greičiui. Tačiau superkompiuteris, galintis atlikti skaičiavimus taip pat greitai, kaip ir žmogaus smegenys, neprilygtų tokiai pačiai samprotavimo galiai analizuoti prieštaringus realaus pasaulio duomenis, todėl čia atsiranda neryškūs neuroniniai tinklai.
Pagrindiniai elementai, dėl kurių neryškūs neuroniniai tinklai yra išskirtiniai iš kitų kompiuterinio apdorojimo tipų, yra jų gebėjimas atpažinti šabloną, kai nepakanka duomenų, kad būtų galima padaryti galutines išvadas, ir gebėjimas prisitaikyti prie aplinkos. Neaiškiuose neuroniniuose tinkluose naudojami neuroniniai algoritmai, kurie skirti keistis ir augti, kai susiduria su naujais apdorotų duomenų rinkiniais. Jie tai daro žvelgdami į problemas dviem skirtingais požiūriais ir derindami rezultatus į prasmingus problemų sprendimus.
Apytikslė programinė įranga yra pagrįsta programavimo taisyklėmis, kurios leidžia įvertinti tiesos lygį, kai atsiranda duomenų prieštaravimų, kurie yra akivaizdūs iš žmogaus perspektyvos. Pavyzdžiui, nustatant, kas yra „aukštas“ ir kas „žemas“ žmonių grupėje, pavyzdžiui, naudojant tradicinį kompiuterinį apdorojimą, būtų sukurta galutinė linija, kurioje abi grupės būtų atskirtos viena nuo kitos ir nebūtų tarpinio diapazono. 6 pėdų (1.83 metro) ūgio asmuo būtų priskirtas žemo ūgio kategorijai, jei ūgis mažesnis už vidutinį, o 6 pėdų ir 1 colio (1.85 metro) ūgio asmuo būtų priskirtas aukštų kategorijų kategorijai. Apdorojant neaiškią informaciją, aukšto ir žemo ūgio diapazonas nuolat keistųsi, keičiantis grupei ir sprendimai būtų priimami pagal pagrįstesnį gradientą.
Neuroniniai tinklai, priešingai, neturi iš anksto nustatytų taisyklių, pagal kurias galėtų veikti, ir daro visas išvadas remiantis stebėjimu. Veikiant be iš anksto nustatytų taisyklių, galima sukurti unikalių įžvalgų apie duomenis, kurie kitu atveju nėra akivaizdūs, kai buvo daromos išankstinės prielaidos naudojant neaiškią programavimą arba tradicinių programavimo taisyklių rinkinius. Neaiškios programinės įrangos ir neuroninio tinklo duomenų apdorojimo rezultatai sujungiami neaiškiose neuroninėse sistemose taip, kad apytiksliai būtų galima nustatyti, kaip biologiniai organizmai mokosi ir prisitaiko savo aplinkoje. Kai sistema prisitaiko prie renkamų duomenų, ji keičia tų duomenų apdorojimo būdą, kad būtų veiksmingiau sprendžiamos būsimos problemos.
Neuronų apdorojimas, nesvarbu, ar tai būtų neuroninis programavimas kompiuteryje, ar iš biologinių smegenų, yra metodas, kai, remiantis stebėjimo rezultatais, tam tikriems duomenų taškams suteikiamas papildomas svoris. Neaiškių neuroninių tinklų neryškus elementas padeda tiksliau modeliuoti realias sąlygas, nei buvo įmanoma anksčiau naudojant tradicinius kompiuterių procesorius, nors šis puikus modeliavimo lygis dažnai gali nepadidinti našumo, kai neaiškioji logika naudojama kaip įprastinio kompiuterio valdymas. valdikliai. Didžiausias neaiškių neuroninių tinklų pranašumas yra tas, kad jie turi potencialą išvystyti pradinį nepriklausomo mąstymo ir sprendimų priėmimo lygį, kuris prisitaiko, kai keičiasi aplinka.