Fuzzy expertní systémy

Jak jsme uvedli na začátku přednášky, neurčitost, vágnost je součástí každodenního života. Navíc je to charakteristický rys mnohých systémů. Data získaná z těchto systémů potřebná pro řešení problému jsou nekonzistentní, nepřesná, mnohá jsou nedostupná, nespolehlivá atd. Navíc mohou být i znalosti potřebné pro řešení takovýchto problémů vágně definovány nebo mohou platit pouze v některých (vágně určených) případech. Velmi názorným příkladem vágně definovaných znalostí je schopnost onkologa odhalit na rentgenu nádor. Ve škále šedi nalezne místo, které je méně, nebo jinak šedé. Vágní pojmy, které se navíc vztahují ke konkrétnímu snímku. Jinak exponovaný snímek, byť jen nepatrně, může mít škálovatelnost odlišnou. V úvodu kapitoly jsme definovali rozdíl mezi klasickou a fuzzy množinou. Při použití klasického množinového přístupu bychom byli nuceni buďto přesně definovat hranice toho, co ještě nádor není a co už nádor je, nebo použít pravděpodobnostních či statistických metod, jako je např. Bayesovský přístup, kde je neurčitost závěru H v závislosti na předpokladu E být kvantifikována pomocí podmíněné pravděpodobnosti P(H | E). Další možností je využití fuzzy přístupu. V příkladu s karcinomem se nám dokonce přímo vnucuje použití fuzzy pravidel typu Takagi-Sugeno.  

Přístup na bázi Fuzzy logiky viz obr. dle zdroje (zav_prace_soubor_verejne.php (vut.cz))