模糊逻辑

在逻辑中，模糊逻辑是多值逻辑的一种形式，其中变量的真值可以是0到1之间的任何实数。它用于处理部分真值的概念，其中真值可能介于完全真值之间并且完全错误。相比之下，在布尔逻辑中，变量的真值可能只是整数值0或1。

模糊逻辑一词是由阿塞拜疆科学家LotfiZadeh在1965年提出的模糊集理论中引入的。然而，模糊逻辑自1920年代以来一直被研究为无限值逻辑——尤其是Łukasiewicz和Tarski。

模糊逻辑基于人们根据不精确和非数字信息做出决策的观察。模糊模型或集合是表示模糊性和不精确信息的数学方法（因此术语模糊）。这些模型具有识别、表示、操纵、解释和利用模糊和缺乏确定性的数据和信息的能力。

模糊逻辑已经应用于许多领域，从控制理论到人工智能。

经典逻辑只允许结论为真或假。然而，也有一些具有可变答案的命题，例如在要求一群人识别颜色时可能会发现。在这种情况下，真理是从不精确或部分知识进行推理的结果，其中抽样答案被映射到频谱上。

两个真实度的和概率的范围0到1之间，并因此可能看起来在xxx相似，但模糊逻辑使用真实度为的数学模型的模糊性，而概率是一个数学模型无知。

在数理逻辑中，有几种形式系统“模糊逻辑”，其中大部分属于t范数模糊逻辑家族。

一旦定义了模糊关系，就可以开发模糊关系数据库。xxx个模糊关系数据库FRDB出现在MariaZemankova的论文(1983)中。后来，出现了其他一些模型，如Buckles-Petry模型、Prade-Testemale模型、Umano-Fukami模型或JMMedina、MAVila等人的GEFRED模型。

已经定义了模糊查询语言，例如P.Bosc等人的SQLf。以及J.Galindo等人的FSQL。这些语言定义了一些结构，以便在SQL语句中包含模糊方面，如模糊条件、模糊比较器、模糊常量、模糊约束、模糊阈值、语言标签等。

模糊逻辑和概率处理不同形式的不确定性。虽然模糊逻辑和概率论都可以表示某种主观信念的程度，但模糊集合论使用模糊集合隶属度的概念，即一个观察值在一个模糊定义的集合中的程度，而概率论使用主观概率的概念，即某些事件或情况的发生频率或可能性。模糊集的概念是在20世纪中叶在伯克利发展起来的，作为对缺乏用于联合建模不确定性和模糊性的概率理论的回应。

BartKosko在Fuzzinessvs.Probability中声称概率论是模糊逻辑的一个子理论，因为概率论中互斥集合隶属度的置信度问题可以表示为非互斥分级隶属度的某些情况在模糊理论中。在这种情况下，他还从模糊子集的概念中推导出了贝叶斯定理。LotfiA.Zadeh认为模糊逻辑在性质上与概率不同，不能替代它。他将概率模糊化为模糊概率，并将其推广到可能性论。

更一般地说，模糊逻辑是经典逻辑的许多不同扩展之一，旨在处理经典逻辑范围之外的不确定性问题、概率论在许多领域的不适用性以及Dempster-Shafer理论的悖论。

计算理论家LeslieValiant使用术语生态算法来描述有多少不太精确的系统和技术，如模糊逻辑（和“不太稳健”的逻辑）可以应用于学习算法。Valiant本质上将机器学习重新定义为进化的。在一般用途中，生态算法是从更复杂的环境（因此是生态）中学习以概括、近似和简化解决方案逻辑的算法。与模糊逻辑一样，它们是用于克服连续变量或系统过于复杂而无法完全枚举或离散或精确理解的方法。Ecorithms和模糊逻辑也具有处理可能性而不是概率的共同属性，尽管反馈和前馈，基本上是随机权重，在处理例如动态系统时是两者的特征。

补偿模糊逻辑(CFL)是模糊逻辑的一个分支，具有修改的合取和析取规则。当合取或析取的一个成分的真值增加或减少时，另一个成分会减少或增加以进行补偿。真值的这种增加或减少可能会被另一个分量的增加或减少所抵消。当满足某些阈值时，可以阻止偏移。支持者[谁？]声称CFL允许更好的计算语义行为并模仿自然语言。

补偿模糊逻辑由四个连续算子组成：合取(c)；分离（d）；模糊严格顺序（或）；和否定（n）。合取是几何平均值及其作为合取运算符和析取运算符的对偶。