Obliczenia to proces przekształcania danych wejściowych z jednej postaci w inną pożądaną postać wyjściową przy użyciu określonych działań kontrolnych. Zgodnie z koncepcją obliczeń, dane wejściowe nazywane są poprzednikami, a dane wyjściowe - następnikami. Funkcja odwzorowania przekształca dane wejściowe z jednej postaci na inną postać żądanego wyniku przy użyciu określonych działań kontrolnych. Koncepcja obliczeniowa ma zastosowanie głównie do inżynieria informatyczna . Istnieją dwa rodzaje obliczeń: twarde i miękkie. Przetwarzanie twarde to proces, w którym programujemy komputer do rozwiązywania pewnych problemów za pomocą już istniejących algorytmów matematycznych, które zapewniają precyzyjną wartość wyjściową. Jednym z podstawowych przykładów trudnych obliczeń jest problem numeryczny.

Co to jest oprogramowanie komputerowe?

Soft computing to podejście, w którym obliczamy rozwiązania istniejących złożonych problemów, gdzie wyniki wyjściowe są nieprecyzyjne lub rozmyte, jedną z najważniejszych cech soft computing jest to, że powinny być adaptacyjne, aby jakakolwiek zmiana w środowisku nie miała wpływu proces. Poniżej przedstawiono cechy obliczeń miękkich.

Nie wymaga żadnego modelowania matematycznego w celu rozwiązania dowolnego problemu
Daje różne rozwiązania, gdy od czasu do czasu rozwiązujemy problem jednego wejścia
Wykorzystuje metodologie inspirowane biologicznie, takie jak genetyka, ewolucja, rój cząstek, ludzki układ nerwowy itp.
Charakter adaptacyjny.

Istnieją trzy typy plików techniki obliczeń miękkich które obejmują następujące.

Sztuczna sieć neuronowa

Jest to modelowanie łącznikowe i równoległa sieć rozproszona. Istnieją dwa rodzaje ANN (sztuczna sieć neuronowa) i BNN (biologiczna sieć neuronowa). Sieć neuronowa, która przetwarza pojedynczy element, nazywana jest jednostką. Plik składniki jednostki to wkład, waga, element przetwarzający, wyjście. Jest podobny do naszego ludzkiego układu nerwowego. Główną zaletą jest to, że rozwiązują problemy równolegle, sztuczne sieci neuronowe wykorzystują do komunikacji sygnały elektryczne. Ale główną wadą jest to, że nie są odporne na błędy, to znaczy, że jeśli którykolwiek ze sztucznych neuronów zostanie uszkodzony, przestanie on działać.

Przykład znaku odręcznego, gdzie znak jest pisany w języku hindi przez wiele osób, mogą napisać ten sam znak, ale w innej formie. Jak pokazano poniżej, niezależnie od tego, w jaki sposób piszą, możemy zrozumieć postać, ponieważ już wiemy, jak postać wygląda. Koncepcję tę można porównać do naszego systemu sieci neuronowych.

“jak zrobić kuchenkę z panelem słonecznym ”

soft - computing

Logika rozmyta

Algorytm logiki rozmytej służy do rozwiązywania modeli opartych na logicznym rozumowaniu, takich jak nieprecyzyjne i niejasne. Został on wprowadzony przez Latziego A. Zadeha w 1965 r. Logika rozmyta dostarcza określonej wartości prawdy z zamkniętym przedziałem [0,1]. Gdzie 0 = wartość fałszywa, 1 = wartość prawdziwa.

Przykład robota, który chce w krótkim czasie przemieścić się z jednego miejsca do drugiego, gdy na drodze jest wiele przeszkód. Teraz pojawia się pytanie, w jaki sposób robot może obliczyć swój ruch, aby dotrzeć do punktu docelowego, bez zderzania się z żadną przeszkodą. Tego typu problemy mają problem niepewności, który można rozwiązać za pomocą logiki rozmytej.

logika rozmyta

Algorytm genetyczny w komputerach miękkich

Algorytm genetyczny został wprowadzony przez prof. Johna Hollanda w 1965 r. Służy do rozwiązywania problemów opartych na zasadach doboru naturalnego, które podlegają algorytmowi ewolucyjnemu. Są one zwykle używane do problemów optymalizacji, takich jak maksymalizacja i minimalizacja funkcji celu, które są dwoma typami kolonii mrówek i cząstek roju. Śledzi procesy biologiczne, takie jak genetyka i ewolucja.

“inżynier elektryk starsze pomysły projektowe ”

Funkcje algorytmu genetycznego

Algorytm genetyczny może rozwiązać problemy, których nie można rozwiązać w czasie rzeczywistym, znane również jako problem NP-trudny. Złożone problemy, których nie da się rozwiązać matematycznie, można łatwo rozwiązać stosując algorytm genetyczny. Jest to metoda wyszukiwania heurystycznego lub wyszukiwania losowego, która zapewnia wstępny zestaw rozwiązań i skutecznie i skutecznie generuje rozwiązanie problemu.

Prostym sposobem zrozumienia tego algorytmu jest rozważenie następującego przykładu osoby, która chce zainwestować trochę pieniędzy w banku, wiemy, że są dostępne różne banki z różnymi schematami i politykami. Jego indywidualne interesuje ile kwoty należy zainwestować w bank, aby mógł uzyskać maksymalny zysk. Istnieją pewne kryteria dla osoby, to znaczy, w jaki sposób może inwestować i jak może zyskać, inwestując w banku. Kryteria te mogą zostać przezwyciężone przez algorytm „Evolutional Computing”, taki jak obliczenia genetyczne.

“jak przetestować uzwojenia transformatora ”

algorytm genetyczny

Różnica między obliczeniami twardymi i miękkimi

Różnica między obliczeniami twardymi i miękkimi jest następująca

Hard Computing	Soft Computing
Model analityczny wymagany przez hard computing musi być dokładnie odwzorowany	Opiera się na niepewności, częściowej prawdzie toleruje nieprecyzyjność i przybliżenie.
Czas obliczeń to więcej	Czas obliczeń jest krótszy
Zależy to od logiki binarnej, systemów numerycznych, dobrego oprogramowania.	Oparty na przybliżeniu i dyspozycyjności.
Obliczenia sekwencyjne	Obliczenia równoległe
Daje dokładną wydajność	Daje odpowiednią wydajność
Przykłady: Tradycyjne metody obliczania przy użyciu naszego komputera osobistego.	Przykład: sieci neuronowe, takie jak Adaline, Madaline, sieci ART itp.

Zalety

Korzyści z soft computing są

Wykonywane są proste obliczenia matematyczne
Dobra wydajność
Obowiązujące w czasie rzeczywistym
Oparte na ludzkim rozumowaniu.

Niedogodności

Wady oprogramowania komputerowego to

Daje przybliżoną wartość wyjściową
Jeśli pojawi się mały błąd, cały system przestaje działać, aby przezwyciężyć cały system, musi zostać naprawiony od początku, co jest procesem czasochłonnym.

Aplikacje

Poniżej przedstawiono aplikacje obliczeń miękkich

Steruje silnikami takimi jak silnik indukcyjny , Silnik serwo DC automatycznie
Elektrownie można sterować za pomocą inteligentnego systemu sterowania
W przetwarzaniu obrazu dane wejście może mieć dowolną postać, zarówno obraz, jak i wideo, które można przetworzyć za pomocą oprogramowania komputerowego w celu uzyskania dokładnej kopii oryginalnego obrazu lub wideo.
W zastosowaniach biomedycznych, które są ściśle związane z biologią i medycyną, techniki obliczeń miękkich mogą być wykorzystywane do rozwiązywania problemów biomedycznych, takich jak diagnostyka, monitorowanie, leczenie i terapia.
Inteligentne oprzyrządowanie jest obecnie modne, w którym inteligentne urządzenia automatycznie komunikują się z innymi urządzeniami za pomocą określonego zestawu protokoły komunikacyjne do wykonywania pewnych zadań, ale problem polega na tym, że nie ma odpowiedniego standardowego protokołu do komunikacji. Można temu zaradzić, stosując techniki obliczeń miękkich, w których inteligentne urządzenia są przesyłane za pośrednictwem wielu protokołów, z zachowaniem dużej prywatności i niezawodności.

Obliczanie to technika używana do konwersji określonych danych wejściowych za pomocą akcji sterującej na żądane dane wyjściowe. Istnieją dwa rodzaje technik obliczeniowych: twardy i miękki. W naszym artykule skupiamy się głównie na komputerach miękkich, ich technikach, takich jak logika rozmyta, sztuczna sieć neuronowa, algorytm genetyczny, porównanie obliczeń twardych i miękkich, techniki obliczeń miękkich, aplikacje i zalety. Oto pytanie „Jak są miękkie przetwarzanie danych ma zastosowanie w medycynie? ”