模糊逻辑允许用户定义规则并根据规则和成员函数确定输出。它不需要数据集来学习(我知道它不会学习。有一个学习版本称为神经模糊系统(。我发现它在我的一些项目中非常有用,因为使用模糊逻辑比使用机器学习算法有更多的控制权。例如,当我希望某些东西基于某些规则工作,但仍然有一些不确定性和智慧时。
我想知道的是,是否有任何类似的AI/机器学习技术,我可以在其中定义一些规则(作为指导(,但它应该具有一些超越某些if-else规则的智能。还有其他类似于模糊逻辑的技术吗?
是的,有。
例如,您应该查看 https://dtai.cs.kuleuven.be/problog/Problog将编程语言Prolog与概率相结合。这使您可以制定类似的想法
0.3 :: cancer :- smokes.
0.2 :: cancer :- drinks.
0.1 :: cancer.
您可以链接规则
0.2 :: dead :- cancer
你甚至可以使用变量,但是,语义变得更加棘手。
巧妙的是,problog还允许表单学习概率。
您也可以使用华盛顿大学(佩德罗·多明戈斯(的炼金术。它基于一阶逻辑(1(。但是,它使用权重而不是难以解释的概率。
(1(作者声称它是完整的FOL,但是,由于函子的缺失/错误处理,这不是真的。