Contente

• Gráfico de comparação
• Definição de computação suave
• Agora, vamos discutir algumas das metodologias da computação leve com exemplos.
• Definição de Hard Computing
• Conclusão

Computação leve e computação pesada são métodos de computação em que a computação convencional é a metodologia convencional, baseada nos princípios de precisão, certeza e inflexibilidade.Por outro lado, a computação branda é uma abordagem moderna baseada na idéia de aproximação, incerteza e flexibilidade.

Antes de entender a computação branda e a computação bruta, devemos entender o que é computação? A computação em termos de tecnologia de computador é o processo de realizar uma tarefa específica com a ajuda de um computador ou dispositivo de computação. Existem várias características da computação, que devem fornecer soluções precisas, ações de controle precisas e claras, facilitar a solução dos problemas que podem ser resolvidos matematicamente.

O método de computação tradicional, a computação rígida é adequado para problemas matemáticos, embora possa ser usado para resolver problemas do mundo real, mas o principal demérito associado é que consome uma grande quantidade de tempo e custo de computação. Essa é a razão pela qual a computação flexível é a melhor alternativa para resolver os problemas do mundo real.

1. 1. Gráfico de comparação
   2. Definição
   3. Principais diferenças
   4. Conclusão

Gráfico de comparação

Base para comparação	Computação suave	Computação difícil
Basic	Tolerante à imprecisão, incerteza, verdade parcial e aproximação.	Usa modelo analítico declarado com precisão.
Baseado em	Lógica difusa e raciocínio probabilístico	Lógica binária e sistema nítido
Recursos	Aproximação e disposição	Precisão e categorização
Natureza	Estocástico	Determinístico
Trabalhos sobre	Dados ambíguos e ruidosos	Dados de entrada exatos
Computação	Pode executar cálculos paralelos	Sequencial
Resultado	Aproximado	Produz resultados precisos.

Definição de computação suave

Computação suave é um modelo de computação desenvolvido para resolver problemas não lineares que envolvem soluções incertas, imprecisas e aproximadas de um problema. Esses tipos de problemas são considerados problemas da vida real, nos quais a inteligência humana é necessária para resolvê-la. O termo computação mole é cunhado pelo Dr. Lotfi Zadeh, segundo ele, computação mole é uma abordagem que imita a mente humana para raciocinar e aprende em um ambiente de incerteza e impressão.

É criado através de dois elementos, adaptabilidade e conhecimento, e possui um conjunto de ferramentas como lógica fuzzy, redes neurais, algoritmo genético, etc. O modelo de computação flexível é diferente de seu modelo antecedente, conhecido como modelo de computação difícil, porque não funciona no modelo matemático de solução de problemas.

Agora, vamos discutir algumas das metodologias da computação leve com exemplos.

1. Lógica difusa lida com os problemas do sistema de tomada de decisão e controle que não podem ser convertidos em fórmulas matemáticas difíceis. Isso basicamente mapeia as entradas para as saídas logicamente de maneira não linear, da maneira que os humanos fazem. A lógica difusa é usada em subsistemas de automóveis, condicionadores de ar, câmeras, etc.

2. Redes neurais artificiais execute processos de classificação, mineração e previsão de dados e gerencie facilmente os dados de entrada ruidosos categorizando-os em grupos ou mapeando para uma saída esperada. Por exemplo, é usado no reconhecimento de imagem e caracteres, na previsão de negócios onde os padrões são aprendidos nos conjuntos de dados e um modelo é criado para reconhecer esses padrões.

3. Algorítmos genéticos e técnicas evolutivas são empregadas para resolver problemas relacionados à otimização e design, onde uma solução ideal pode ser reconhecida, mas nenhuma resposta correta predefinida seria fornecida. As aplicações reais do algoritmo genético que utiliza técnicas de pesquisa heurística são robótica, design automotivo, roteamento de telecomunicações otimizado, invenção biomimética e assim por diante.

Definição de Hard Computing

Computação difícil é a abordagem tradicional usada na computação que precisa de um modelo analítico declarado com precisão. Também foi proposto pelo Dr. Lotfi Zadeh antes do soft computing. A abordagem de computação rígida produz um resultado garantido, determinístico e preciso e define ações de controle definidas usando um modelo ou algoritmo matemático. Ele lida com lógica binária e nítida, que requer os dados de entrada exatos sequencialmente. No entanto, a computação rígida não é capaz de resolver problemas do mundo real, cujo comportamento é extremamente impreciso e onde as informações são alteradas de forma consistente.

Vamos dar um exemplo, se precisarmos descobrir se vai chover hoje ou não? A resposta pode ser sim ou não, o que significa que, de duas maneiras determinísticas possíveis, podemos responder à pergunta ou, em outras palavras, a resposta contém uma solução nítida ou binária.

1. O modelo de computação flexível é tolerante à imprecisão, verdade parcial, aproximação. Por outro lado, a computação rígida não funciona nos princípios acima mencionados; é muito preciso e certo.
2. A computação branda emprega lógica difusa e raciocínio probabilístico, enquanto a computação bruta é baseada em sistemas binários ou nítidos.
3. A computação rígida possui recursos como precisão e categorização. Por outro lado, aproximação e disposição são as características da computação leve.
4. A abordagem de computação branda é de natureza probabilística, enquanto a computação bruta é determinística.
5. A computação suave pode ser facilmente operada com dados barulhentos e ambíguos. Por outro lado, a computação rígida pode funcionar apenas com dados de entrada exatos.
6. Cálculos paralelos podem ser realizados em soft computing. Pelo contrário, na computação difícil, a computação seqüencial é realizada nos dados.
7. A computação leve pode produzir resultados aproximados, enquanto a computação pesada gera resultados precisos.

Conclusão

A abordagem da computação convencional é difícil quando se trata de resolver um problema determinístico, mas à medida que o problema cresce em tamanho e complexidade, o espaço de pesquisa de design também aumenta. Isso dificultava a solução de um problema incerto e impreciso por meio da computação difícil. Portanto, a computação branda surgiu como a solução para a computação rígida, que também oferece muitos benefícios, como computação rápida, baixo custo, eliminação do software predefinido, etc.