O núcleo da computação suave está em sua capacidade de lidar com a imprecisão, a incerteza, a verdade parcial e a aproximação, a fim de alcançar a tratabilidade, a robustez e o baixo custo da solução. Não se trata de substituir a computação difícil tradicional, mas complementá -la, oferecendo soluções onde os métodos tradicionais lutam. Este núcleo é construído sobre vários componentes -chave:

* lógica difusa: Lida com informações imprecisas e vagas. Ele usa funções de associação para representar o grau em que um elemento pertence a um conjunto, em vez de uma classificação nítida sim/não. Isso permite a modelagem de raciocínio humano e variáveis ​​linguísticas.

* Redes neurais: Inspirados na estrutura e função do cérebro humano, esses sistemas aprendem com dados e se adaptam às mudanças nos ambientes. Eles são excelentes em reconhecimento de padrões, aproximação e otimização de funções.

* Raciocínio probabilístico: Incorpora incerteza e aleatoriedade usando modelos probabilísticos. Isso permite lidar com dados barulhentos e tomar decisões sob informações incompletas. Redes bayesianas e modelos de Markov são exemplos.

* Computação evolutiva: Utiliza princípios de seleção natural e algoritmos genéticos para encontrar soluções ideais ou quase ideais para problemas complexos. Isso inclui algoritmos genéticos, programação genética e estratégias evolutivas.

Esses quatro componentes não são mutuamente exclusivos; Eles costumam trabalhar juntos sinergicamente. Por exemplo, um sistema pode usar a lógica difusa para pré-processo, uma rede neural para reconhecimento de padrões e um algoritmo genético para otimizar os parâmetros da rede.

Em resumo, o núcleo da computação suave é sua tolerância para imprecisão e incerteza , e sua dependência de aproximação e adaptação Resolver problemas complexos do mundo real, onde métodos tradicionais e precisos podem ser inadequados ou impraticáveis. Ele enfatiza a praticidade e a robustez sobre a precisão absoluta.