La lógica difusa le da el grado de pertenencia a la función. Por ejemplo, estás detectando rostros humanos. digamos, “la cara de John está pálida”, ahora cuánto está pálida su cara, esto está determinado por la lógica difusa. antes lo que detectaríamos es, ¿tiene la cara pálida o no? pero con lógica difusa podemos dar un número de valores múltiples de 0 a 1 que representa cuánto es pálido. Esta es la idea central detrás de la lógica difusa.
el aprendizaje automático es un campo más amplio de Inteligencia Artificial donde realmente ayudamos a la computadora a aprender cosas y les permitimos hacer tareas. Podría ser un aprendizaje supervisado donde primero conocemos tanto la entrada como la salida, o podría ser un aprendizaje no supervisado donde no conocemos la salida y necesitamos identificar patrones y formar grupos. Podemos aplicar la lógica difusa al aprendizaje automático, ya que la lógica difusa da una respuesta multivalor y ayudar a identificar la lógica difusa es solo una forma de alcanzar y representar el conocimiento en valores múltiples, que es una mejor manera. Por lo tanto, podemos decir que el procesamiento y los algoritmos reales están presentes en el aprendizaje automático y en la lógica difusa es la representación del conocimiento o los datos.
Para obtener más información, visite Introducción a la lógica difusa
- ¿Cuál es una buena manera de entender la maldición de la alta dimensión en el aprendizaje automático?
- ¿Cuál es la diferencia entre CNN y RNN?
- ¿Dónde empiezo a aprender Machine Learning?
- ¿Qué especificaciones de computadora se recomiendan para entrenar redes neuronales?
- ¿Qué temas se deben aprender bajo ciencia de datos?
[1] Lógica difusa
[2] Para otros relacionados con IA
Notas al pie
[1] Introducción a la lógica difusa
[2] DeveloperCoding – Inicio -TensorFlow, Kotlin, Java