什么是软计算：技术和差异
计算是使用某些控制操作将一个形式的输入转换为其他所需输出形式的过程。根据计算的概念，输入称为前一种，输出称为结果。使用某些控制操作，映射函数将一个表单的输入转换为另一种形式的所需输出。计算概念主要适用于计算机科学工程。有两种类型的计算，硬计算和软计算。硬计算是我们编程计算机以解决已经存在的数学算法来解决某些问题的过程，该算法提供了精确的输出值。硬计算的基本示例之一是数值问题。
什么是软计算？
软计算是一种方法，其中我们计算了现有复杂问题的解决方案，其中输出结果本质上是不精确的或模糊的，软计算的最重要特征之一是它应该是自适应，以便环境的任何变化都不会影响当前的任何变化处理。以下是软计算的特点。
- 它不需要任何数学建模来解决任何给定的问题
- 当我们不时解决一个输入问题时，它给出了不同的解决方案
- 使用一些生物启发方法，例如遗传，进化，颗粒蜂拥，人体神经系统等。
- 自然自适应。
有三种类型的软计算技术其中包括以下内容。
人工神经网络
它是一个连接主义建模和并行分布式网络。有两种类型安（人工神经网络）和BNN（生物神经网络）。处理单个元素的神经网络被称为单位。该组件该装置是输入，重量，处理元件，输出。它类似于我们的人类神经系统。主要优点是它们在并行解决问题，人工神经网络使用电信号来通信。但主要的缺点是，如果任何人造神经元都损坏，它们就不会容错，这将不再起作用。
手写字符的一个例子，其中一个字符由许多人用印地语写入，它们可以编写相同的字符，但以不同的形式。如下所示，无论他们写的方式，我们都可以理解角色，因为一个人已经知道角色是如何看起来的。这种概念可以与我们的神经网络系统进行比较。
模糊逻辑
模糊逻辑算法用于解决基于逻辑推理的模型，如不精确和模糊。它是由Latzi A. Zadeh于1965年介绍的。模糊逻辑通过封闭间隔提供规定的真值值[0,1]。其中0 =假值，1 =真值。
想要在短时间内从一个地方移动到另一个地方的机器人的一个例子，其中在途中存在许多障碍物。现在，问题是机器人如何计算其移动到达目的地的运动，而不会碰撞任何障碍。这些类型的问题具有不确定性问题，可以使用模糊逻辑来解决。
软计算遗传算法
1965年John Holland教授引入了遗传算法。它用于根据进化算法的自然选择原则来解决问题。它们通常用于优化问题，如最大化和最小化客观函数，这是两种类型的蚁群和群体粒子。它遵循遗传和演化等生物过程。
遗传算法的功能
遗传算法可以解决实时无法解决的问题也被称为NP难题。通过应用遗传算法可以容易地解决了数学上无法解决的复杂问题。它是一种启发式搜索或随机搜索方法，它提供了初始的解决方案，并有效且有效地生成解决问题。
一种简单的理解方式，通过考虑一个想要在银行投资一些钱的人的以下示例，我们知道有不同的银行提供不同的计划和政策。其个人利息在银行投资多少金额，以便他可以获得最大的利润。人们有一定的标准，他可以如何投资以及如何通过投资银行获得利润。可以通过遗传计算等“进化计算”算法来克服这些标准。
硬计算与软计算之间的差异
硬计算和软计算之间的差异如下
| 硬计算 | 软计算 |
|
|
|
|
|
|
|
|
|
|
|
|
优点
软计算的好处是
- 执行简单的数学计算
- 良好的效率
- 适用于实时
- 基于人工推理。
缺点
软计算的缺点是
- 它给出了近似的输出值
- 如果整个系统发生较小的错误，则会停止工作，以克服其整个系统必须从一开始就纠正，这是时间拍摄过程。
应用程序
以下是软计算的应用
- 控制电机如图感应电动机，直流伺服电机自动
- 可以使用智能控制系统控制发电厂
- 在图像处理中，给定的输入可以是任何形式，使用软计算来操纵的图像或视频，以获得原始图像或视频的精确副本。
- 在与生物学和医学密切相关的生物医学应用中，软计算技术可用于解决诊断，监测，治疗和治疗等生物医学问题。
- 智能仪器现在是时尚，智能设备使用某一组自动与其他设备通信bob的是什么网站通信协议要执行某些任务，但此处的问题在于没有正确的标准协议以进行通信。这可以通过使用软计算技术来克服，其中智能设备通过多种协议传送，具有高隐私和鲁棒性。
计算是用于将特定输入转换为所需输出的特定输入的技术。有两种类型的计算技术硬计算和软计算。在我们的文章中，我们主要关注软计算，其技术如模糊逻辑，人工神经网络，遗传算法，硬计算和软计算之间的比较，软计算技术，应用和优点。这是“如何软的问题计算适用于医疗领域吗？“
分享这个帖子：
