A computação é um processo de conversão da entrada de um formulário em algum outro formulário de saída desejado usando certas ações de controle. De acordo com o conceito de computação, a entrada é chamada de antecedente e a saída de conseqüente. Uma função de mapeamento converte a entrada de um formulário em outra forma de saída desejada usando certas ações de controle. O conceito de computação é principalmente aplicável a engenharia de ciência da computação . Existem dois tipos de computação, computação pesada e computação suave. A computação pesada é um processo no qual programamos o computador para resolver certos problemas usando algoritmos matemáticos já existentes, que fornecem um valor de saída preciso. Um dos exemplos fundamentais de computação pesada é um problema numérico.

O que é Soft Computing?

A computação suave é uma abordagem em que calculamos soluções para os problemas complexos existentes, onde os resultados de saída são imprecisos ou imprecisos por natureza, uma das características mais importantes da computação suave é que ela deve ser adaptativa para que qualquer mudança no ambiente não afete o presente processar. A seguir estão as características da computação suave.

Não requer nenhuma modelagem matemática para resolver qualquer problema
Ele oferece soluções diferentes quando resolvemos um problema de uma entrada de vez em quando
Usa algumas metodologias inspiradas biologicamente, como genética, evolução, enxame de partículas, sistema nervoso humano, etc.
Adaptável por natureza.

Existem três tipos de técnicas de computação suave que incluem o seguinte.

Rede neural artificial

É uma modelagem conexionista e rede paralela distribuída. Existem dois tipos ANN (Rede Neural Artificial) e BNN (Rede Neural Biológica). Uma rede neural que processa um único elemento é conhecida como unidade. O componentes da unidade são, entrada, peso, elemento de processamento, saída. É semelhante ao nosso sistema neural humano. A principal vantagem é que eles resolvem os problemas em paralelo, as redes neurais artificiais usam sinais elétricos para se comunicar. Mas a principal desvantagem é que eles não são tolerantes a falhas, ou seja, se algum dos neurônios artificiais for danificado, ele não funcionará mais.

Um exemplo de um caractere escrito à mão, em que um caractere é escrito em hindi por muitas pessoas, elas podem escrever o mesmo caractere, mas de uma forma diferente. Conforme mostrado a seguir, qualquer que seja a forma como escrevem podemos entender o personagem, pois já se sabe como é o personagem. Este conceito pode ser comparado ao nosso sistema de rede neural.

“projetos elétricos para fazer em casa ”

soft - computação

Fuzzy Logic

O algoritmo de lógica fuzzy é utilizado para resolver os modelos que se baseiam em raciocínios lógicos como imprecisos e vagos. Foi introduzido por Latzi A. Zadeh em 1965. A lógica fuzzy fornece um valor verdade estipulado com o intervalo fechado [0,1]. Onde 0 = valor falso, 1 = valor verdadeiro.

Um exemplo de um robô que quer se mover de um lugar para outro em um curto espaço de tempo, onde há muitos obstáculos no caminho. Agora a questão que se coloca é como o robô pode calcular seu movimento para chegar ao ponto de destino, sem colidir com nenhum obstáculo. Esses tipos de problemas têm problemas de incerteza que podem ser resolvidos usando lógica fuzzy.

fuzzy - lógica

Algoritmo Genético em Computação Soft

O algoritmo genético foi introduzido pelo Prof. John Holland em 1965. É utilizado para resolver problemas baseados em princípios de seleção natural, que vêm sob o algoritmo evolutivo. Geralmente são usados para problemas de otimização como maximização e minimização de funções objetivo, que são de dois tipos de colônia de formigas e partículas de enxame. Segue processos biológicos como genética e evolução.

Funções do Algoritmo Genético

O algoritmo genético pode resolver os problemas que não podem ser resolvidos em tempo real, também conhecido como problema NP-Hard. Os problemas complicados que não podem ser resolvidos matematicamente podem ser facilmente resolvidos aplicando o algoritmo genético. É uma busca heurística ou método de busca aleatória, que fornece um conjunto inicial de soluções e gera uma solução para o problema de forma eficiente e eficaz.

“Conversão trifásica para monofásica ”

Uma maneira simples de entender esse algoritmo é considerar o seguinte exemplo de uma pessoa que deseja investir algum dinheiro no banco, sabemos que existem diferentes bancos disponíveis com diferentes esquemas e políticas. É individual de interesse quanto valor será investido no banco, para que ele possa obter o máximo lucro. Existem certos critérios para a pessoa que é, como ela pode investir e como ela pode lucrar investindo no banco. Esses critérios podem ser superados pelo algoritmo “Computação Evolutiva” como a computação genética.

“como funcionam as luzes estroboscópicas ”

algoritmo genético

Diferença entre Hard Computing e Soft Computing

A diferença entre hard computing e soft computing são as seguintes

Hard Computing	Soft Computing
O modelo analítico exigido pela computação pesada deve ser representado com precisão	Baseia-se na incerteza, verdade parcial, tolerante à imprecisão e à aproximação.
O tempo de computação é mais	O tempo de computação é menor
Depende da lógica binária, sistemas numéricos, software crisp.	Com base na aproximação e disposição.
Computação sequencial	Computação paralela
Dá saída exata	Dá saída apropriada
Exemplos: Métodos tradicionais de computação usando nosso computador pessoal.	Exemplo: redes neurais como Adaline, Madaline, redes ART, etc.

Vantagens

Os benefícios da computação suave são

O cálculo matemático simples é realizado
Boa eficiência
Aplicável em tempo real
Baseado no raciocínio humano.

Desvantagens

As desvantagens da computação suave são

Fornece um valor aproximado de saída
Se ocorrer um pequeno erro, todo o sistema para de funcionar, para superar todo o seu sistema deve ser corrigido desde o início, que é um processo demorado.

Formulários

A seguir estão as aplicações de computação suave

Controla motores como motor de indução , Servo motor DC automaticamente
As usinas de energia podem ser controladas usando um sistema de controle inteligente
No processamento de imagens, a entrada fornecida pode ser de qualquer forma, imagem ou vídeo, que pode ser manipulada usando computação suave para obter uma duplicata exata da imagem ou vídeo original.
Em aplicações biomédicas onde está intimamente relacionado à biologia e medicina, as técnicas de computação suave podem ser usadas para resolver problemas biomédicos como diagnóstico, monitoramento, tratamento e terapia.
A instrumentação inteligente está na moda hoje em dia, onde dispositivos inteligentes se comunicam automaticamente com outros dispositivos usando um determinado conjunto de protocolos de comunicação para realizar certas tarefas, mas o problema aqui é que não existe um protocolo padrão adequado para se comunicar. Isso pode ser superado pelo uso de técnicas de computação suave, onde os dispositivos inteligentes são comunicados por meio de vários protocolos, com alta privacidade e robustez.

A computação é uma técnica usada para converter uma entrada específica usando uma ação de controle na saída desejada. Existem dois tipos de técnicas de computação computação pesada e computação suave. Aqui em nosso artigo, estamos nos concentrando principalmente em computação suave, suas técnicas como lógica fuzzy, rede neural artificial, algoritmo genético, comparação entre computação pesada e computação suave, técnicas de computação suave, aplicativos e vantagens. Aqui está a pergunta “Como são macios Informática é aplicável na área médica? ”