Cevabım, bulanık mantıktan ziyade bulanık kümelerle teknik olarak daha alakalı, ancak iki kavram pratik olarak ayrılmaz. Birkaç yıl önce SQL Server'da bulanık kümelerin uygulanması hakkında bir eğitim serisi yazmak için bulanık mantık üzerine akademik dergi makalelerini inceledim . Uzman olarak kabul edilememe rağmen, literatüre oldukça aşinayım ve pratik problemleri çözmek için teknikleri düzenli olarak kullanıyorum. Yayınlanan araştırmadan elde ettiğim güçlü izlenim, bulanık kümelerin pratik potansiyelinin, esas olarak tamamlayıcı soru setlerini çözebilecek düzinelerce başka teknik ailesi üzerinde yapılan bir araştırma nedeniyle hala kullanılmamış olmasıdır.
Veri Biliminde / Makine Öğreniminde vb. Kalabalık Fikirler Pazarı.
Destek Vektör Makinelerinde, sinir ağlarında, rastgele ormanlarda vb. O kadar hızlı ilerleme kaydedilmiştir ki, uzmanlar, analistler, veri bilimcileri, programcılar veya ürünlerinin tüketicilerinin hepsine ayak uydurması imkansızdır. Blog yazıları dizimde, bulanık kümeler ve mantıksal algoritmaların geliştirilmesinin mevcut yazılımdan genellikle 20 yıl önce nasıl olduğu hakkında konuşuyorum, ancak aynı şey birçok ilgili alan için de söylenebilir; Sinir ağları üzerine yoğun bir şekilde okudum ve onlarca yıl önce geliştirilen, ancak kolayca bulunmayan yazılımlarda kodlanan, asla geniş çapta uygulamaya konmayan değerli sinir mimarilerinin puanlarını düşünebiliyorum. Bununla birlikte, bulanık mantık ve kümeler, bu kalabalık fikir pazarında, özellikle de Lofti A. Zadeh onu icat ettiğinde tartışmalı olan manastırları nedeniyle garip bir dezavantajda. Bulanık tekniklerin amacı, basitçe sürekli ölçekler üzerindeki ayrı ayrı değer verilen veri sınıflarına yaklaşmaktır, ancak "yaklaşık sürekli değerli mantık" ve "dereceli kümeler" gibi terimler tam olarak dikkat çekici değildir. Zadeh, "bulanık" terimini kısmen dikkat çekici olduğu için kullandığını itiraf etti, ancak geriye dönüp baktığında, yanlış bir şekilde dikkat çekti.
"Fuzz" terimi nasıl geri teper
Bir veri bilimcisi, analisti veya programcısı için, bu "havalı teknoloji" vurgusunu uyandırabilecek bir terimdir; AI / veri madenciliği / vb. sadece iş problemlerini çözebildiği sürece, "bulanık" pratik olmayan bir güçlük gibi geliyor. Bir şirket yöneticisine, tıbbi araştırmaya dahil olan doktora veya bilmeyen başka herhangi bir tüketiciye, doldurulmuş hayvanların görüntülerini, 70'lerin polis gösterilerini veya George Carlin'in buzdolabından bir şey uyandırabilir. İki grup arasında endüstride her zaman bir gerilim olmuştur, ikincisi genellikle ilkinde kod yazmaktan ve sadece kardan ziyade entelektüel merak uğruna araştırma yapmaktan sıkılır; eğer ilk grup bu bulanık tekniklerin neden karlı olduğunu açıklayamazsa, ilkinin savaşı benimsenmesini engelleyecektir.
Belirsizlik Yönetimi ve Bulanık Küme Uygulamaları Ailesi
Bulanık küme tekniklerinin noktası için vardır kaldır"fuzz" ın eklediğiniz bir şey olduğu yaygın bir yanlış algılamanın aksine, pizzanın özel bir tepesi gibi, verilerin içinde doğal olarak bulunan fuzz, yaklaşık sürekli ölçeklerde daha iyi modellenebilen kesin olmayan ayrık değerler şeklinde. Bu ayrım basit olabilir, ancak doğal dil işlemeden Karar Teorisine, doğrusal olmayan sistemlerin kontrolüne kadar çok çeşitli potansiyel uygulamaları kapsar. Olasılık, Cliff AB'nin önerdiği gibi bulanık mantığı özümsememiştir çünkü bu, bulanık değerlere eklenebilecek yorumların sadece küçük bir alt kümesidir. Bulanık üyelik işlevleri oldukça basittir, çünkü bir kaydın belirli bir sete ne kadar ait olduğunu, genellikle 0 ila 1 ölçeğinde (veya bazı uygulamalar için -1 ila 1'in daha yararlı olabileceğini bulduk). Bu rakamlara atadığımız anlam bize bağlıdır, çünkü Bayes inanç dereceleri, belirli bir karara güven, olasılık dağılımları, sinirsel aktivasyonlar, ölçekli varyans, korelasyon vb. sadece PDF, EDF veya CDF değerleri değil. Blog serimde ve web sitesindeBu CV yazısı , en sevdiğim bulanık kaynak, George J. Klir ve Bo Yuan'ın Bulanık Kümeleri ve Bulanık Mantık: Teori ve Uygulamaları (1995) aracılığıyla çalışılarak elde edildi. “Belirsizlik Yönetimi” nin tüm programlarını bulanık kümelerden nasıl türetecekleri konusunda çok daha ayrıntılı ayrıntılara giriyorlar.
Bulanık mantık ve kümeler bir tüketici ürünü olsaydı, pazarlama ve ürün evanjelizasyonu eksikliği ve bir marka adının paradoksal bir seçimi nedeniyle bugüne kadar başarısız olduğunu söyleyebiliriz. Bunu araştırırken, Minksy ve Papert'in algılayıcılarla ilgili meşhur makalesine benzer bir şekilde bu uygulamalardan herhangi birini reddetmeye çalışan tek bir akademik dergi makalesinde çalıştığımı hatırlayamıyorum. Hızlı teknik ilerlemenin olumlu bir yan etkisi olan benzer sorun setlerine uygulanabilir ürünler için geliştiricilerin, teorisyenlerin, veri bilimcilerinin ve benzerlerinin dikkatini çekmek için bugünlerde fikir pazarında çok fazla rekabet var. Dezavantajı, özellikle en uygun oldukları veri modelleme alanında, seçilmemiş birçok düşük asılı meyvenin olmasıdır.