La lógica difusa no es un método de aprendizaje, per se. Es un modelo de representación del conocimiento para la pertenencia a un conjunto (clase) basado en probabilidades continuas que surgen de métodos de aprendizaje externos, como la regresión, las bases de reglas del árbol de decisión, el vecino más cercano, etc. El proceso de aprendizaje de conjuntos difusos se conoce como ‘fuzzificación’ y la resolución de la clase de salida, ‘defuzzificación’. Ambos pasos a menudo incluyen optimizaciones para reducir el ruido y rechazar información irrelevante.
Por el contrario, las redes neuronales sí contienen un método de aprendizaje (usu. Backpropagation) que da forma a las vías de la red para maximizar su respuesta a los atributos que son más informativos en los ejemplos etiquetados de los cuales fue entrenada. Las NN a menudo se usan para fines distintos de la clasificación.
Recomiendo usar redes neuronales, ya que es probable que ese conocimiento sea más útil para usted profesionalmente que los conjuntos difusos. Sin embargo, creo que los conjuntos difusos todavía se emplean en sistemas de control adaptativo para responder progresivamente y degradarse con gracia.
- ¿Cuáles son los requisitos previos para la inteligencia artificial?
- ¿Cómo puede la inteligencia artificial ayudar a las personas con Asperger o autismo?
- Como estudiar inteligencia artificial
- ¿De qué maneras (describa al menos tres) la AI alterará la práctica del desarrollo de sistemas?
- En el futuro, ¿la IA probablemente pertenezca a una pequeña élite, lo que hará innecesario al resto de la humanidad y los obligará a luchar por la supervivencia?
