神經網絡和模糊邏輯之間有什么聯系(the Connection between Neural Networks and Fuzzy Logic)？

神經網絡和模糊邏輯通常都是設計用來識別數據或事件中的模式并模擬人類自然反應和決策過程的軟件系統，而傳統的計算模型則利用離散計算從系統、神經網絡和模糊邏輯開始的輸出為了產生有意義的結果，需要一段時間的訓練或...

神經網絡和模糊邏輯通常都是設計用來識別數據或事件中的模式并模擬人類自然反應和決策過程的軟件系統，而傳統的計算模型則利用離散計算從系統、神經網絡和模糊邏輯開始的輸出為了產生有意義的結果，需要一段時間的訓練或學習。從概念上講，高級計算機系統中與神經網絡和模糊邏輯相對立的是專家系統的應用，它是預先設定好的數據存儲或知識庫，是由某一領域的各種專家先前建立的理解的匯編而成的。人工控制計算機采用神經網絡和模糊邏輯的自適應系統的固有優點和缺點都是其預測能力，它們是非線性統計數據建模工具，這意味著他們可能會根據分析問題的路徑對同一個問題得出不同的結論。基于標準編程結構的專家系統將根據一個明確的臨界點來決定一個人是否被認為是高的，比如說6英尺（1.83米）或更高的定義是高，其中5英尺11英寸（1.8米）沒有，神經網絡和模糊邏輯根據支持數據的分析，一個群體中個體的數量和每個個體的身高，群體內各子群體的平均身高如何影響對什么是高的整體感知，等等。人類的這種能力被稱為直覺，或者說，以非線性的方式看待世界，并在決策時考慮規則的例外情況。用于神經網絡和模糊邏輯系統的其他術語包括基于實例的推理、遺傳算法、混沌理論在軟件中的應用研究以及人工智能這兩個系統在解決主觀問題的方法上往往有所不同。神經網絡是通過人工神經網絡的生長周期來直接模擬神經元在人腦中的工作方式的一種嘗試，人工神經網絡在遇到問題時會進行分析。另一方面，模糊邏輯，是一個軟件構造，它試圖對自然世界中所有的灰色區域進行分析，事先用數學方法，它超越了二進制0/1布爾邏輯，將部分真理相互權衡以得出結論，模擬了人類在對條件做出簡單的是或否反應時不斷做出的價值判斷