演进中的智能系统

在计算机科学中，进化中的智能系统是一个模糊逻辑系统，它通过进化的规则来提高自身的性能。该技术从机器学习中得知，在机器学习中，外部模式是由算法学习的。基于模糊逻辑的机器学习与神经模糊系统一起工作。智能系统必须能够不断进化、自我发展和自我学习，以反映动态发展的环境。

EISs通过从可能的未知环境产生的数据流和系统自我监测中自主学习，发展其结构、功能和内部知识表示。EISs考虑的是基础（模糊或神经模糊）系统结构的逐步发展，与进化和遗传算法不同，后者考虑的是染色体交叉、变异、选择和繁殖、父母和后代等现象。进化的模糊和神经系统有时也被称为进化的，这导致了一些混淆。

其他对这一领域有进一步贡献的作品将其扩展到进化的参与式学习、进化的语法、进化的决策树、进化的人类行为模型、自校准（进化的）传感器、进化的基于模糊规则的分类器、进化的模糊控制器、自主故障检测器。最近，由结构学习和模糊加权递归最小平方参数更新方法组成的进化模糊规则系统的稳定性已被Rong证明。

广义EFS，允许规则在特征空间中任意旋转，从而提高其数据代表性，已被提出，并在规则库的”智能性”方面进行了重大扩展，允许更多的可解释性并减少维度的诅咒。广义的规则结构也被成功地用于不断发展的神经模糊系统中。

特别是基于进化模糊规则的分类器，是一个非常强大的新概念，它提供的功能远远超过简单的增量或在线分类器–它可以应对新的类别被添加或现有类别被合并。这远远超过了适应新的数据样本被添加或分类表面被进化的情况。基于模糊规则的分类器是深度学习的新方法的方法论基础，直到现在还被认为是多层神经网络的一种形式。深度学习提供了超越人类能力水平的高精确度，抓住了研究人员、工业界和广大公众的想象力。然而，它有一些内在的约束和限制。这些包括。黑箱，不透明的内部结构，有数以百万计的参数，涉及层数和算法参数的临时决定。