Mehke nevronske mreže so programski sistemi, ki poskušajo približati način delovanja človeških možganov. To storijo z uporabo dveh ključnih raziskovalnih področij v tehnologiji računalništva – razvoj programske opreme z mehko logiko in arhitekturo obdelave nevronskih omrežij. Programska oprema z mehko logiko poskuša upoštevati sive površine v resničnem svetu v strukturi odločanja programov računalniške programske opreme, ki presegajo preproste izbire da ali ne. Oblikovanje umetne nevronske mreže ustvarja vozlišča programske opreme, ki posnemajo funkcionalnost in kompleksnost interakcije nevronov v človeških možganih. Mehka logika in oblikovanje nevronske mreže skupaj ustvarjata nevro-mehek sistem, ki ga raziskovalci uporabljajo za eksperimentiranje s kompleksnimi problemi, kot so podnebne spremembe, ali za razvoj robotike umetne inteligence.
Povprečni mikroračunalnik od leta 2011 izvaja izračune z neverjetno hitrostjo milijard ukazov na sekundo. To predstavlja eksponentno povečanje hitrosti obdelave od prvih dni razvoja računalnika, čeprav takšna rast ni pokazala sposobnosti sklepanja na zapletene načine, kot to počnejo celo preprosti biološki organizmi. To je deloma posledica osnovnih omejitev, s katerimi se še vedno sooča računalniška obdelava, in mehke nevronske mreže so poskus zaobiti te omejitve.
Ocenjuje se, da povprečni človeški možgani izvedejo 100,000,000,000,000 navodil vsako sekundo z uporabo svoje nevronske strukture, ki je analogna delovanju mikroprocesorja. Nasprotno pa je bil povprečni računalniški sistem od leta 1999 24,000-krat počasnejši od tega, zgodnji model iz leta 1981 pa je bil pri izvajanju izračunov 3,500,000-krat počasnejši od človeških možganov. Za približevanje hitrosti povprečnih človeških možganov bi bilo potrebnih 8,000 osebnih računalnikov, zapleteno povezanih v omrežje, skupaj z 2.1 gigahertznimi procesorji, ki so na voljo na trgu leta 2011. Vendar pa superračunalnik, ki je sposoben izvajati izračune tako hitro kot človeški možgani, ne bi ustrezal enaki moči razmišljanja za analizo nasprotujočih si podatkov iz resničnega sveta, kjer pridejo v poštev mehke nevronske mreže.
Ključni elementi, zaradi katerih so mehke nevronske mreže edinstvene od drugih vrst računalniške obdelave, so njihova sposobnost prepoznavanja vzorcev ob nezadostnih podatkih za dokončne zaključke in sposobnost prilagajanja okolju. Mehke nevronske mreže uporabljajo nevronske algoritme, ki so zasnovani tako, da se spreminjajo in rastejo, ko naletijo na nove nabore podatkov za obdelavo. To storijo tako, da problemom pristopijo z dveh različnih zornih kotov in rezultate združijo v smiselne rešitve problemov.
Fuzzy programska oprema temelji na programskih pravilih, ki omogočajo ocenjevanje ravni resnice, ko se pojavijo protislovja v podatkih, ki so očitna s človeškega vidika. Določanje, kdo je »visok« in kdo »nizek« v skupini ljudi, na primer z uporabo tradicionalne računalniške obdelave, bi ustvarilo dokončno črto, kjer sta bili obe skupini ločeni druga od druge in ni bilo vmesnega razpona. Nekdo, visok 6 čevljev (1.83 metra), bi bil kategoriziran kot nizek, če je pod povprečno višino, medtem ko bi bil nekdo, visok 6 čevljev in 1 palec (1.85 metra), visok kot visok. Z mehko obdelavo bi se razpon tega, kar se šteje za visokega in kratkega, nenehno spreminjal, ko se je skupina spreminjala in bi se odločitve sprejemale po bolj razumnem gradientu.
Nasprotno pa nevronske mreže nimajo vnaprej določenih pravil, na podlagi katerih bi delovale, in vse svoje sklepe sprejemajo na podlagi opazovanja. Delovanje brez vnaprej določenih pravil lahko ustvari edinstvene vpoglede v podatke, ki sicer niso očitni, če so bile narejene predhodne predpostavke v mehkem programiranju ali naborih pravil tradicionalnega programiranja. Rezultati mehke programske opreme in obdelave podatkov nevronske mreže so združeni v mehke nevronske sisteme na način, ki približa način, kako se biološki organizmi učijo in prilagajajo v svojem okolju. Ko se sistem prilagaja podatkom, ki jih zbira, spremeni način obdelave teh podatkov, da postane učinkovitejši pri reševanju prihodnjih težav.
Nevronska obdelava, bodisi iz nevronskega programiranja v računalniku ali iz bioloških možganov, je metoda, pri kateri se določenim podatkovnim točkam pripiše dodatna teža na podlagi rezultatov opazovanja. Mehki element mehkih nevronskih omrežij služi natančnejšemu modeliranju resničnih pogojev, kot je bilo mogoče v preteklosti s tradicionalnimi računalniškimi procesorji, čeprav ta fina raven modeliranja pogosto ne vodi do bistvenih izboljšav zmogljivosti, kjer se mehka logika uporablja kot nadzor nad običajnim računalnikom. kontrole. Končna prednost mehkih nevronskih mrež je, da imajo potencial za razvoj ravni osnovnega neodvisnega razmišljanja in odločanja, ki se prilagaja, ko se njihovo okolje spreminja okoli njih.