模糊逻辑允许用户定义规则并根据规则和隶属函数确定输出。它不需要数据集来学习(我知道它不会学习。有一个称为神经模糊系统的学习版本)。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，当我希望某些东西根据某些规则工作，但仍然具有一定的不确定性和智能时。
我想知道的是，是否有任何类似的人工智能/机器学习技术，我可以在其中定义一些规则(作为指导)，但它也应该具有超越某些 if-else 规则的智能。还有其他类似于模糊逻辑的技术吗？
请您参考如下方法:
是的。
您应该看看例如 https://dtai.cs.kuleuven.be/problog/ Problog 将编程语言序言与概率相结合。 这可以让你制定这样的想法
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，语义变得有点棘手。
巧妙的是，problog 还允许学习概率。
您还可以使用华盛顿大学的炼金术(Pedro Domingos)。它基于一阶逻辑(1)。然而，它使用权重而不是概率，这很难解释。
(1) 作者声称它是完整的 FOL，但是，由于仿函数的缺失/错误处理，这不是真的。
