神经网络和模糊逻辑之间有什么联系(the Connection between Neural Networks and Fuzzy Logic)？

神经网络和模糊逻辑通常都是设计用来识别数据或事件中的模式并模拟人类自然反应和决策过程的软件系统，而传统的计算模型则利用离散计算从系统、神经网络和模糊逻辑开始的输出为了产生有意义的结果，需要一段时间的训练或...

神经网络和模糊逻辑通常都是设计用来识别数据或事件中的模式并模拟人类自然反应和决策过程的软件系统，而传统的计算模型则利用离散计算从系统、神经网络和模糊逻辑开始的输出为了产生有意义的结果，需要一段时间的训练或学习。从概念上讲，高级计算机系统中与神经网络和模糊逻辑相对立的是专家系统的应用，它是预先设定好的数据存储或知识库，是由某一领域的各种专家先前建立的理解的汇编而成的。人工控制计算机采用神经网络和模糊逻辑的自适应系统的固有优点和缺点都是其预测能力，它们是非线性统计数据建模工具，这意味着他们可能会根据分析问题的路径对同一个问题得出不同的结论。基于标准编程结构的专家系统将根据一个明确的临界点来决定一个人是否被认为是高的，比如说6英尺（1.83米）或更高的定义是高，其中5英尺11英寸（1.8米）没有，神经网络和模糊逻辑根据支持数据的分析，一个群体中个体的数量和每个个体的身高，群体内各子群体的平均身高如何影响对什么是高的整体感知，等等。人类的这种能力被称为直觉，或者说，以非线性的方式看待世界，并在决策时考虑规则的例外情况。用于神经网络和模糊逻辑系统的其他术语包括基于实例的推理、遗传算法、混沌理论在软件中的应用研究以及人工智能这两个系统在解决主观问题的方法上往往有所不同。神经网络是通过人工神经网络的生长周期来直接模拟神经元在人脑中的工作方式的一种尝试，人工神经网络在遇到问题时会进行分析。另一方面，模糊逻辑，是一个软件构造，它试图对自然世界中所有的灰色区域进行分析，事先用数学方法，它超越了二进制0/1布尔逻辑，将部分真理相互权衡以得出结论，模拟了人类在对条件做出简单的是或否反应时不断做出的价值判断