Beregning er en prosess for å konvertere inngangen til ett skjema til et annet ønsket utdataform ved å bruke visse kontrollhandlinger. I følge beregningskonseptet kalles inngangen et fortilfelle og utgangen kalles den påfølgende. En kartleggingsfunksjon konverterer inngangen til en form til en annen form for ønsket utgang ved bruk av visse kontrollhandlinger. Datakonseptet gjelder hovedsakelig for datavitenskapsteknikk . Det er to typer databehandling, hard databehandling og myk databehandling. Hard computing er en prosess der vi programmerer datamaskinen til å løse visse problemer ved hjelp av matematiske algoritmer som allerede finnes, som gir en presis utgangsverdi. Et av de grunnleggende eksemplene på hard databehandling er et numerisk problem.

Hva er myk databehandling?

Soft computing er en tilnærming der vi beregner løsninger på eksisterende komplekse problemer, hvor resultatene er upresise eller uklare, en av de viktigste funksjonene i soft computing er at den skal være adaptiv, slik at enhver endring i miljøet ikke påvirker nåtiden prosess. Følgende er kjennetegnene ved myk databehandling.

Det krever ingen matematisk modellering for å løse et gitt problem
Det gir forskjellige løsninger når vi løser et problem med ett innspill fra tid til annen
Bruker noen biologisk inspirerte metoder som genetikk, evolusjon, partikler som svermer, det menneskelige nervesystemet, etc.
Tilpasningsdyktig i naturen.

Det er tre typer myke databehandlingsteknikker som inkluderer følgende.

Kunstig nevralt nettverk

Det er en tilkoblingsmodellering og parallelt distribuert nettverk. Det er av to typer ANN (kunstig nevralt nettverk) og BNN (Biological Neural Network). Et nevralt nettverk som behandler et enkelt element er kjent som en enhet. De komponenter av enheten er, inngang, vekt, prosesseringselement, utgang. Det ligner vårt menneskelige nevrale system. Den største fordelen er at de løser problemene parallelt, kunstige nevrale nettverk bruker elektriske signaler for å kommunisere. Men den største ulempen er at de ikke er feiltolerante, det vil si at hvis noen av kunstige nevroner blir skadet, vil den ikke fungere lenger.

Et eksempel på et håndskrevet tegn, hvor et tegn er skrevet på hindi av mange mennesker, kan de skrive det samme tegnet, men i en annen form. Som vist nedenfor, uansett hvilken måte de skriver, kan vi forstå karakteren, fordi man allerede vet hvordan karakteren ser ut. Dette konseptet kan sammenlignes med vårt nevrale nettverkssystem.

“forskjellige typer fornybare ressurser ”

soft - databehandling

“hvordan lage en induksjonssmed ”

Fuzzy Logic

Den uklare logikkalgoritmen brukes til å løse modellene som er basert på logiske resonnementer som upresise og vage. Den ble introdusert av Latzi A. Zadeh i 1965. Fuzzy logic gir fastsatt sannhetsverdi med det lukkede intervallet [0,1]. Hvor 0 = falsk verdi, 1 = sann verdi.

Et eksempel på en robot som ønsker å bevege seg fra ett sted til et annet på kort tid der det er mange hindringer på vei. Nå oppstår spørsmålet at hvordan roboten kan beregne bevegelsen for å nå destinasjonspunktet uten å kollidere med noen hindring. Disse typer problemer har usikkerhetsproblemer som kan løses ved hjelp av uklar logikk.

uklar - logikk

Genetisk algoritme i myk databehandling

Den genetiske algoritmen ble introdusert av prof. John Holland i 1965. Den brukes til å løse problemer basert på prinsipper for naturlig seleksjon, som kommer under evolusjonær algoritme. De brukes vanligvis til optimaliseringsproblemer som maksimering og minimering av objektive funksjoner, som er av to typer maurkoloni og svermpartikkel. Den følger biologiske prosesser som genetikk og evolusjon.

Funksjoner til den genetiske algoritmen

Den genetiske algoritmen kan løse problemene som ikke kan løses i sanntid, også kjent som NP-Hard-problemet. De kompliserte problemene som ikke kan løses matematisk, kan enkelt løses ved å bruke den genetiske algoritmen. Det er en heuristisk søkemetode eller randomisert søkemetode, som gir et innledende sett med løsninger og genererer en løsning på problemet effektivt og effektivt.

En enkel måte å forstå denne algoritmen på er å vurdere følgende eksempel på en person som ønsker å investere penger i banken. Vi vet at det er forskjellige banker tilgjengelig med forskjellige ordninger og retningslinjer. Dens individuelle interesse er hvor mye beløp som skal investeres i banken, slik at han kan få maksimal fortjeneste. Det er visse kriterier for personen som er, hvordan han kan investere og hvordan kan han tjene penger på å investere i banken. Disse kriteriene kan overvinnes med algoritmen “Evolutional Computing” som genetisk databehandling.

“l298 motordriver kretsdiagram ”

genetisk algoritme

Forskjellen mellom hard databehandling og myk databehandling

Forskjellen mellom hard databehandling og myk databehandling er som følger

Hard databehandling	Myk databehandling
Den analytiske modellen som kreves av hard databehandling, må være nøyaktig representert	Den er basert på usikkerhet, delvis sannhetstoleranse for upresisjon og tilnærming.
Beregningstid er mer	Beregningstiden er mindre
Det avhenger av binær logikk, numeriske systemer, skarp programvare.	Basert på tilnærming og disposisjon.
Sekvensiell beregning	Parallell beregning
Gir nøyaktig produksjon	Gir passende utdata
Eksempler: Tradisjonelle metoder for databehandling ved hjelp av vår personlige datamaskin.	Eksempel: Nevrale nettverk som Adaline, Madaline, ART-nettverk, etc.

Fordeler

Fordelene med soft computing er

Den enkle matematiske beregningen utføres
God effektivitet
Gjelder i sanntid
Basert på menneskelig resonnement.

Ulemper

Ulempene med soft computing er

Det gir en omtrentlig utgangsverdi
Hvis det oppstår en liten feil, slutter hele systemet å fungere, for å overvinne hele systemet må det korrigeres fra begynnelsen, noe som er tidskrevende.

applikasjoner

Følgende er anvendelsene av soft computing

Kontrollerer motorer som induksjonsmotor , DC servomotor automatisk
Kraftverk kan styres ved hjelp av et intelligent kontrollsystem
Ved bildebehandling kan den gitte inngangen være av hvilken som helst form, enten bilde eller video som manipuleres ved hjelp av soft computing for å få et nøyaktig duplikat av det originale bildet eller videoen.
I biomedisinske applikasjoner der det er nært knyttet til biologi og medisin, kan myke databehandlingsteknikker brukes til å løse biomedisinske problemer som diagnose, overvåking, behandling og terapi.
Smart instrumentering er trendy i dag, hvor intelligente enheter automatisk kommuniserer med andre enheter ved hjelp av et bestemt sett med kommunikasjonsprotokoller å utføre visse oppgaver, men problemet her er at det ikke er noen ordentlig standardprotokoll å kommunisere. Dette kan overvinnes ved hjelp av myke databehandlingsteknikker, der smarte enheter kommuniseres over flere protokoller, med høy personvern og robusthet.

Computing er en teknikk som brukes til å konvertere bestemt input ved hjelp av kontrollhandling til ønsket output. Det er to typer datateknikker hard databehandling og myk databehandling. Her i vår artikkel fokuserer vi hovedsakelig på myk databehandling, dens teknikker som uklar logikk, kunstig nevralt nettverk, genetisk algoritme, sammenligning mellom hard databehandling og myk databehandling, myke databehandlingsteknikker, applikasjoner og fordeler. Her er spørsmålet “Hvordan er myke databehandling er aktuelt innen det medisinske feltet? ”