以下是近似推理的不同模式-

分类推理

在这种近似推理模式下，不包含模糊量词和模糊概率的前提被假定为典范形式。

定性推理

在这种近似推理模式下，前因和后因具有模糊的语言变量。系统的输入输出关系表示为模糊IF-THEN规则的集合。这种推理主要用于控制系统分析。

三段论推理

在这种近似推理模式下，带有模糊量词的先行词与推理规则有关。这表示为-

x = S ₁ A是B

y = S ₂ C是D

————————

z = S ₃ E是F

在此，A，B，C，D，E，F是模糊谓词。

• S ₁和S ₂被赋予模糊量词。

• S ₃是必须确定的模糊量词。

倾向性推理

在这种近似推理模式下，先行词是可能“通常”包含模糊量词的性格。量词通常将性格推理和三段论推理联系在一起。因此它起着重要的作用。

例如，在配置推理中的推论的投影规则可以给出如下-

通常((L，M)是R)⇒通常(L是[R↓L])

这里[R↓L]是模糊关系R在L上的投影

模糊逻辑规则库

众所周知的事实是，人们总是很自然地用自然语言进行对话。人类知识的表示可以借助以下自然语言表达来完成-

如果先有，那么

如上所述的表达式被称为模糊IF-THEN规则库。

规范形式

以下是模糊逻辑规则库的规范形式-

规则1-如果条件为C1，则限制为R1

规则2-如果条件为C1，则限制为R2

。

。

。

规则n-如果条件为C1，则限制为Rn

模糊IF-THEN规则的解释

模糊IF-THEN规则可以以下四种形式解释-

转让声明

这些语句使用“ =”(等于符号)进行赋值。它们具有以下形式-

你好

气候=夏天

条件语句

这些语句出于条件的目的使用“ IF-THEN”规则库形式。它们具有以下形式-

如果温度高，则气候炎热

如果食物是新鲜的，那就吃。

无条件陈述

它们具有以下形式-

转到10

关掉风扇

语言变量

我们已经研究了模糊逻辑使用语言变量，即自然语言中的单词或句子。例如，如果我们说温度，它是一个语言变量。其值是非常热或很冷，稍热或很冷，非常暖和，稍暖等。非常，稍等是语言树篱。

语言变量的表征

以下四个术语表征语言变量-

• 变量的名称，通常用x表示。
• 变量的术语集，通常用t(x)表示。
• 用于生成变量x的值的语法规则。
• 连接x的每个值及其含义的语义规则。

模糊逻辑中的命题

我们知道，命题是用任何语言表达的句子，通常以以下规范形式表达：

s P

在这里， s是主语， P是谓语。

例如，“德里是印度的首都”，这是一个命题，其中“德里”是主体，“是印度的首都”是表明主体性质的谓词。

我们知道逻辑是推理的基础，模糊逻辑通过在模糊命题中使用模糊谓词，模糊谓词修饰语，模糊量词和模糊限定词来扩展推理能力，这与经典逻辑产生了差异。

模糊逻辑的命题包括以下内容-

模糊谓词

自然语言中几乎每个谓词本质上都是模糊的，因此，模糊逻辑具有诸如高，短，暖，热，快等谓词。

模糊谓词修饰语

我们在上面讨论了语言对冲；我们也有许多模糊谓词修饰语可以用作树篱。它们对于产生语言变量的值非常重要。例如，“非常”一词是修饰语，这些命题可以像“水有点热” 。

模糊量词

可以将其定义为模糊数，对一个或多个模糊或非模糊集的基数进行模糊分类。它可以用来影响模糊逻辑中的概率。例如，许多，大多数，经常使用的词被用作模糊量词，并且命题可能像“大多数人对此过敏”。

模糊预选赛

现在让我们了解模糊限定符。模糊限定符也是模糊逻辑的命题。模糊资格具有以下形式-

基于真相的模糊资格

它声称模糊命题的真实程度。

表达式-表示为x为t 。在此， t是模糊真值。

示例-(汽车是黑色的)不是很正确。

基于概率的模糊资格

它要求模糊命题的概率，无论是数值上的还是区间上的。

表达式-表示为x为λ 。在此， λ是模糊概率。

示例-(汽车是黑色的)可能。

基于可能性的模糊资格

它声称存在模糊命题的可能性。

表达式-表示为x为π 。在此， π是模糊的可能性。

示例-(汽车是黑色的)几乎是不可能的。