Qué es Soft Computing: técnicas y diferencias

Qué es Soft Computing: técnicas y diferencias

La computación es un proceso de convertir la entrada de un formulario en algún otro formulario de salida deseado usando ciertas acciones de control. Según el concepto de cálculo, la entrada se llama antecedente y la salida se llama consecuente. Una función de mapeo convierte la entrada de una forma en otra forma de salida deseada usando ciertas acciones de control. El concepto de computación es principalmente aplicable a Ingeniería en ciencias de la computación . Hay dos tipos de computación, computación dura y computación blanda. La computación dura es un proceso en el que programamos la computadora para resolver ciertos problemas utilizando algoritmos matemáticos que ya existen, lo que proporciona un valor de salida preciso. Uno de los ejemplos fundamentales de la informática dura es un problema numérico.

¿Qué es Soft Computing?

La computación blanda es un enfoque en el que calculamos soluciones a los problemas complejos existentes, donde los resultados de salida son imprecisos o difusos por naturaleza, una de las características más importantes de la computación blanda es que debe ser adaptativa para que cualquier cambio en el entorno no afecte el presente. proceso. Las siguientes son las características de la computación blanda.


  • No requiere ningún modelo matemático para resolver ningún problema dado.
  • Da diferentes soluciones cuando resolvemos un problema de una entrada de vez en cuando
  • Utiliza algunas metodologías inspiradas biológicamente como la genética, la evolución, el enjambre de partículas, el sistema nervioso humano, etc.
  • Adaptable por naturaleza.

Hay tres tipos de técnicas de computación blanda que incluyen lo siguiente.



Red neuronal artificial

Es un modelado conexionista y una red distribuida en paralelo. Hay de dos tipos ANN (Red neuronal artificial) y BNN (Biological Neural Network). Una red neuronal que procesa un solo elemento se conoce como unidad. los componentes de la unidad son, entrada, peso, elemento de procesamiento, salida. Es similar a nuestro sistema neuronal humano. La principal ventaja es que resuelven los problemas en paralelo, las redes neuronales artificiales utilizan señales eléctricas para comunicarse. Pero la principal desventaja es que no son tolerantes a fallas, es decir, si alguna de las neuronas artificiales se daña, dejará de funcionar.

Un ejemplo de un carácter escrito a mano, donde un carácter está escrito en hindi por muchas personas, pueden escribir el mismo carácter pero en una forma diferente. Como se muestra a continuación, de cualquier forma que escriban podemos entender al personaje, porque uno ya sabe cómo se ve el personaje. Este concepto se puede comparar con nuestro sistema de red neuronal.

soft - informática

soft - informática

Lógica difusa

El algoritmo de lógica difusa se utiliza para resolver los modelos que se basan en razonamientos lógicos como imprecisos y vagos. Fue introducido por Latzi A. Zadeh en 1965. La lógica difusa proporciona un valor de verdad estipulado con el intervalo cerrado [0,1]. Donde 0 = valor falso, 1 = valor verdadero.


Un ejemplo de robot que quiere moverse de un lugar a otro en poco tiempo donde hay muchos obstáculos en el camino. Ahora surge la pregunta es cómo el robot puede calcular su movimiento para llegar al punto de destino, sin chocar con ningún obstáculo. Estos tipos de problemas tienen un problema de incertidumbre que se puede resolver mediante lógica difusa.

lógica difusa

lógica difusa

Algoritmo genético en Soft Computing

El algoritmo genético fue introducido por el profesor John Holland en 1965. Se utiliza para resolver problemas basados ​​en principios de selección natural, que se encuentran bajo el algoritmo evolutivo. Por lo general, se utilizan para problemas de optimización como la maximización y minimización de funciones objetivas, que son de dos tipos de colonia de hormigas y partículas de enjambre. Sigue procesos biológicos como la genética y la evolución.

Funciones del algoritmo genético

El algoritmo genético puede resolver los problemas que no se pueden resolver en tiempo real, también conocido como problema NP-Hard. Los problemas complicados que no se pueden resolver matemáticamente se pueden resolver fácilmente aplicando el algoritmo genético. Es un método de búsqueda heurística o de búsqueda aleatoria, que brinda un conjunto inicial de soluciones y genera una solución al problema de manera eficiente y efectiva.

Una forma sencilla de entender este algoritmo es considerando el siguiente ejemplo de una persona que quiere invertir algo de dinero en el banco, sabemos que hay diferentes bancos disponibles con diferentes esquemas y políticas. Su interés individual es la cantidad a invertir en el banco, para que pueda obtener el máximo beneficio. Hay ciertos criterios para la persona, es decir, cómo puede invertir y cómo puede beneficiarse invirtiendo en el banco. Estos criterios pueden superarse mediante el algoritmo de “Computación evolutiva” como la computación genética.

algoritmo genético

algoritmo genético

Diferencia entre computación dura y computación blanda

La diferencia entre la computación dura y la computación blanda es la siguiente

Computación dura Computación blanda
  • El modelo analítico requerido por la computación dura debe estar representado con precisión
  • Se basa en la incertidumbre, la verdad parcial tolerante a la imprecisión y la aproximación.
  • El tiempo de computación es más
  • El tiempo de computación es menor
  • Depende de lógica binaria, sistemas numéricos, software nítido.
  • Basado en aproximación y disposicional.
  • Computación secuencial
  • Cálculo paralelo
  • Da un resultado exacto
  • Da un resultado apropiado
  • Ejemplos: métodos tradicionales de computación utilizando nuestra computadora personal.
  • Ejemplo: redes neuronales como Adaline, Madaline, redes ART, etc.

Ventajas

Los beneficios de la computación blanda son

  • Se realiza el cálculo matemático simple
  • Buena eficiencia
  • Aplicable en tiempo real
  • Basado en el razonamiento humano.

Desventajas

Las desventajas de la computación blanda son

  • Da un valor de salida aproximado
  • Si se produce un pequeño error todo el sistema deja de funcionar, para superarlo se debe corregir todo el sistema desde el principio, que es un proceso que toma tiempo.

Aplicaciones

Las siguientes son las aplicaciones de la computación blanda.

  • Controla motores como Motor de inducción , Servomotor DC automáticamente
  • Las plantas de energía se pueden controlar mediante un sistema de control inteligente
  • En el procesamiento de imágenes, la entrada dada puede ser de cualquier forma, ya sea imagen o video, que puede manipularse mediante computación suave para obtener un duplicado exacto de la imagen o video original.
  • En aplicaciones biomédicas en las que está estrechamente relacionada con la biología y la medicina, las técnicas de computación blanda se pueden utilizar para resolver problemas biomédicos como el diagnóstico, la monitorización, el tratamiento y la terapia.
  • La instrumentación inteligente está de moda hoy en día, donde los dispositivos inteligentes se comunican automáticamente con otros dispositivos utilizando un determinado conjunto de protocolos de comunicacion para realizar ciertas tareas, pero el problema aquí es que no existe un protocolo estándar adecuado para comunicarse. Esto se puede superar mediante el uso de técnicas de computación blanda, donde los dispositivos inteligentes se comunican a través de múltiples protocolos, con alta privacidad y robustez.

La computación es una técnica que se utiliza para convertir una entrada particular mediante una acción de control en la salida deseada. Hay dos tipos de técnicas de computación, computación dura y computación blanda. Aquí en nuestro artículo, nos enfocamos principalmente en la computación blanda, sus técnicas como lógica difusa, red neuronal artificial, algoritmo genético, comparación entre computación dura y computación blanda, técnicas de computación blanda, aplicaciones y ventajas. Aquí está la pregunta '¿Cómo son suaves informática es aplicable en el campo médico? '