โลโก้
ยูเนี่ยนพีเดีย
การสื่อสาร
ดาวน์โหลดได้จาก Google Play
ใหม่! ดาวน์โหลด ยูเนี่ยนพีเดีย บน Android ™ของคุณ!
ติดตั้ง
เร็วกว่าเบราว์เซอร์!
 

ตรรกศาสตร์คลุมเครือและแบ็กแกมมอน

ทางลัด: ความแตกต่างความคล้ายคลึงกันค่าสัมประสิทธิ์การเปรียบเทียบ Jaccardการอ้างอิง

ความแตกต่างระหว่าง ตรรกศาสตร์คลุมเครือและแบ็กแกมมอน

ตรรกศาสตร์คลุมเครือ vs. แบ็กแกมมอน

ตรรกศาสตร์คลุมเครือ หรือ ฟัซซี่ลอจิก (fuzzy logic) พัฒนาจาก ทฤษฎีเซตวิภัชนัย โดยเป็นการใช้เหตุผลแบบประมาณ ซึ่งแตกต่างจากการใช้เหตุผลแบบเด็ดขาดในลักษณะ ถูก/ผิด ใช่/ไม่ใช่ ของ ตรรกศาสตร์แบบฉบับ (classical logic) ตรรกศาสตร์คลุมเครือนั้นสามารถถือเป็นการประยุกต์ใช้งานเซตวิภัชนัย เพื่อจำลองการตัดสินใจของผู้เชี่ยวชาญ ต่อปัญหาที่ซับซ้อน ค่าระดับความจริง ในตรรกศาสตร์คลุมเครือนั้นมักจะสับสนกับ ค่าความน่าจะเป็น ซึ่งมีแนวความคิดที่แตกต่างกัน ค่าระดับความจริงคลุมเครือนั้นใช้ในการระบุ ค่าความเป็นสมาชิก ของเซต แต่ค่าความน่าจะเป็นนั้นระบุความเป็นไปได้ของสภาพการณ์แต่ละรูปแบบที่อาจจะเกิดขึ้น ตัวอย่างเช่น สมมติว่า นาย ก กำลังเดินเข้าบ้าน สถานะของนาย ก ตามตรรกศาสตร์แบบฉบับ คือ "อยู่ในบ้าน" หรือ "อยู่นอกบ้าน" แต่หากเขากำลังยืนอยู่ระหว่างช่องประตู เราอาจพิจารณาได้ว่าเขา "อยู่ในบ้านบางส่วน" ระดับของสถานะกึ่งนี้ จะระบุด้วยค่าความเป็นสมาชิกของเซตวิภัชนัย สมมุติเขาเพิ่งจะก้าวปลายนิ้วเท้าผ่านข้ามธรณีประตูเข้าบ้าน เราอาจกล่าวว่า นาย ก นั้น 0.99 "อยู่นอกบ้าน" ซึ่งต่างจากความน่าจะเป็นของเหตุการณ์สุ่ม (เช่น ความน่าจะเป็นระบุผลลัพธ์ของการโยนเหรียญ แต่ผลลัพธ์จะออก หัว หรือ ก้อย) หากพิจารณาความน่าจะเป็นที่นาย ก "อยู่นอกบ้าน" และ "อยู่ในบ้าน" จะออกผลลัพธ์เป็น นาย ก อยู่นอกบ้าน หรือ ในบ้าน ไม่ได้จำลองสถานะกึ่ง คือ กำลังยืนอยู่ที่ประตู เซตวิภัชนัยนั้นมีหลักการพื้นฐานจากเซตที่มีขอบเขตคลุมเครือไม่ชัดเจน ไม่ได้มีพื้นฐานจากการสุ่ม ตรรกศาสตร์คลุมเครือนั้น สามารถระบุค่าความเป็นสมาชิกของเซต (set membership values) ด้วยค่าระหว่าง 0 และ 1 ทำให้เกิดระดับกึ่งในลักษณะของ สีเทา นอกจาก ขาว และ ดำ ซึ่งมีประโยชน์ในการจำลองระดับซึ่งสามารถระบุด้วยคำพูด "เล็กน้อย" "ค่อนข้าง" "มาก" โดยใช้ค่าความเป็นสมาชิกของเซตบางส่วน ตรรกศาสตร์คลุมเครือนี้มีความสัมพันธ์กับ เซตวิภัชนัย (en:fuzzy set) และ ทฤษฎีความเป็นไปได้ (en:possibility theory) ซึ่งคิดค้นขึ้นในปี ค.ศ. 1965 โดยศาสตราจารย์ ลอตฟี ซาเดห์ แห่งมหาวิทยาลัยแห่งรัฐแคลิฟอร์เนีย เบิร์กลีย์ ตรรกศาสตร์คลุมเครือ ถึงแม้ว่าจะได้รับการยอมรับค่อนข้างกว้างขวาง แต่ก็ยังถูกโต้แย้งจากบางกลุ่ม เช่น จากวิศวกรระบบควบคุม ในเรื่องของการอธิบายพฤติกรรมต่างๆ และ จากนักสถิติบางกลุ่ม ซึ่งถือมั่นว่าทฤษฎีความน่าจะเป็น เป็นวิธีทางคณิตศาสตร์ที่เคร่งครัดเพียงวิธีเดียว ในการจำลองความไม่แน่นอน (en:uncertainty) นอกจากนั้นแล้ว ก็ยังมีการวิเคราะห์วิจารณ์ว่า เซตวิภัชนัย นั้นไม่ได้เป็นซุปเปอร์เซตของ ทฤษฎีเซตสามัญ เนื่องจาก ฟังก์ชันภาวะสมาชิก นั้นกำหนดในรูปของ เซตแบบดั้งเดิม. แบ็กแกมมอน (Backgammon) คือ เกมกระดานสำหรับสองคนซึ่งใช้เบี้ยในการเดินและใช้ลูกเต๋าสองลูกในการเดินซึ่งผู้เล่นจะสลับกันเดินเพื่อนำเบี้ยของตนออกจากกระดาน.

ความคล้ายคลึงกันระหว่าง ตรรกศาสตร์คลุมเครือและแบ็กแกมมอน

ตรรกศาสตร์คลุมเครือและแบ็กแกมมอน มี 1 สิ่งที่เหมือนกัน (ใน ยูเนี่ยนพีเดีย): ความน่าจะเป็น

ความน่าจะเป็น

วามน่าจะเป็น คือการวัดหรือการประมาณความเป็นไปได้ว่า บางสิ่งบางอย่างจะเกิดขึ้นหรือถ้อยแถลงหนึ่ง ๆ จะเป็นจริงมากเท่าใด ความน่าจะเป็นมีค่าตั้งแต่ 0 (โอกาส 0% หรือ จะไม่เกิดขึ้น) ไปจนถึง 1 (โอกาส 100% หรือ จะเกิดขึ้น) ระดับของความน่าจะเป็นที่สูงขึ้น คือความเป็นไปได้มากขึ้นที่เหตุการณ์นั้นจะเกิด หรือถ้ามองจากเงื่อนเวลาของการสุ่มตัวอย่าง คือจำนวนครั้งมากขึ้นที่เหตุการณ์เช่นนั้นคาดหวังว่าจะเกิด มโนทัศน์เหล่านี้มาจากการแปลงคณิตศาสตร์เชิงสัจพจน์ในทฤษฎีความน่าจะเป็น ซึ่งใช้กันอย่างแพร่หลายในขอบเขตการศึกษาต่าง ๆ เช่น คณิตศาสตร์ สถิติศาสตร์ การเงิน การพนัน วิทยาศาสตร์ ปัญญาประดิษฐ์/การเรียนรู้ของเครื่อง และปรัชญา เพื่อร่างข้อสรุปเกี่ยวกับความถี่ที่คาดหวังของเหตุการณ์ต่าง ๆ เป็นอาทิ ทฤษฎีความน่าจะเป็นก็ยังนำมาใช้เพื่ออธิบายกลไกรากฐานและความสม่ำเสมอของระบบซับซ้อน.

ความน่าจะเป็นและตรรกศาสตร์คลุมเครือ · ความน่าจะเป็นและแบ็กแกมมอน · ดูเพิ่มเติม »

รายการด้านบนตอบคำถามต่อไปนี้

การเปรียบเทียบระหว่าง ตรรกศาสตร์คลุมเครือและแบ็กแกมมอน

ตรรกศาสตร์คลุมเครือ มี 21 ความสัมพันธ์ขณะที่ แบ็กแกมมอน มี 5 ขณะที่พวกเขามีเหมือนกัน 1, ดัชนี Jaccard คือ 3.85% = 1 / (21 + 5)

การอ้างอิง

บทความนี้แสดงความสัมพันธ์ระหว่าง ตรรกศาสตร์คลุมเครือและแบ็กแกมมอน หากต้องการเข้าถึงบทความแต่ละบทความที่ได้รับการรวบรวมข้อมูลโปรดไปที่:

Hey! เราอยู่ใน Facebook ตอนนี้! »