计算机科学

首页 > 计算机科学

软计算

2018-07-27 09:48:03     所属分类:人工智能

传统计算(硬计算)的主要特征是严格、确定和精确。但是硬计算并不适合处理现实生活中的许多问题,例如驾驶汽车。软计算通过对不确定、不精确及不完全真值的容错以取得低代价的解决方案和强健性。它模拟自然界中智能系统的生化过程(人的感知、脑结构、进化和免疫等)来有效处理日常工作。软计算包括几种计算模式:模糊逻辑、人工神经网络、遗传算法和混沌理论。这些模式是互补及相互配合的,因此在许多应用系统中组合使用。

历史

  • 1943年,McClulloch和Pitts发表神经元的数学模型。
  • 1965年,L. Zadeh提出模糊逻辑理论。
  • 1975年,J. Holland提出遗传算法。
  • 1975年,J. Yorke和T.Y. Li给出"混沌"的严格定义。
  • 1991年,L. Zadeh指出人工神经网络、模糊逻辑及遗传算法与传统计算模式的区别,将它们命名为软计算。
  • 近年文献中将混沌理论、遗传算法和模拟退火算法等概率推理(Probabilistic Reasoning)归入软计算。

与传统人工智能的区别

传统人工智能进行符号操作,这基于一种假设:人的智能存储在符号化的知识库中。但是符号化知识的获得和表达限制了人工智能的应用(即符号主义的缺点)。一般的,软计算不进行太多的符号操作。因此,从某种意义上说,软计算是传统人工智能的补充。

软计算的应用

控制系统 模式识别 优化 自动决策 预测 分类

版权声明:本文由北城百科网创作,转载请联系管理获取授权,未经容许转载必究。https://www.beichengjiu.com/computerscience/338547.html

显示全文

取消

感谢您的支持,我会继续努力的!

扫码支持
支付宝扫一扫赏金或者微信支付5毛钱,阅读全文

打开微信扫一扫,即可进行阅读全文哦


上一篇:计算机视觉
下一篇:莫拉维克悖论
相关推荐
爱淘宝