fuzzy-logic

本文介绍了一种结合IEEE关键气体法与优化模糊逻辑的方法，用于利用溶解气体分析诊断电力变压器故障，在实验验证中实现了高达98.6%的准确率。

iFuzz-Meta 是一个可解释的模糊学习框架，它结合自上而下的知识集成与自下而上的数据驱动适应，以增强神经模型的透明度和泛化能力。

本文介绍了一种专家引导的神经符号流程，该流程结合了用于语义归一化的LLMs和模糊逻辑，以评估脓毒症治疗方案的合规性，并从临床数据中提供分级见解。

本文提出了一种基于模糊逻辑的新的回答集编程（ASP）扩展，通过隶属函数将数值信息与定性推理相结合，并通过一个旅游推荐案例研究进行了演示。

本文提出了一种参数中性的Transformer前馈层替代方案，使用显式模糊集运算和序列上的量词。该方法在困惑度上与GELU基线相当，同时实现了可解释的语法许可检测器，尽管完全布尔FFN仍不稳定。

本文认为概率理论是一种历史演变的理性形式，追溯了其从组合博弈到贝叶斯推断的发展，并与模糊逻辑和深度学习进行了对比。

本文系统阐述了调解模糊逻辑从类型-1基础到类型-2、类型-3和量子扩展的统一描述，确立了可靠性、次协调性和保守性，并给出了自动驾驶制动传感器融合的例子。