Una breve introducción a las redes neuronales artificiales y las redes neuronales difusas
De hecho, la enciclopedia lo presenta en detalle, como: "La red neuronal artificial es una función de pensamiento que simula la estructura del cerebro humano. Tiene fuertes funciones de autoaprendizaje y asociación, menos intervención manual, Alta precisión y rara vez se utiliza la aplicación de conocimientos expertos, pero la desventaja es que no puede procesar y describir información confusa y no puede hacer un buen uso del conocimiento empírico existente. En particular, el aprendizaje y la resolución de problemas tienen características de caja negra. , y su trabajo no es interpretable. Los requisitos son mayores en comparación con la red neuronal, el sistema difuso tiene las ventajas de un proceso de razonamiento fácil de entender, una mejor utilización del conocimiento experto y menores requisitos de muestras. mucha intervención manual, velocidad de razonamiento lenta y baja precisión. Tales deficiencias dificultan la realización de la función de aprendizaje adaptativo, y cómo generar y ajustar automáticamente funciones de membresía y reglas difusas también es un problema espinoso ". p> Es decir, al tiempo que garantiza la capacidad de aprendizaje de la propia red neuronal artificial, la teoría difusa se utiliza para resolver señales difusas, de modo que los coeficientes de peso de la red neuronal sean pesos difusos o la entrada sean cantidades difusas.
Por ejemplo, la red neuronal original procesa datos continuos (dobles) y no es adecuada para resolver datos difusos. En este momento, es necesario introducir la teoría difusa para construir una red neuronal adecuada para resolver este tipo de datos. datos borrosos.