Fuzzy-Mengen eignen sich zur Modellierung von unscharfen Begriffen
wie "`ungefähr 100m"' oder "`ein wenig später"', die der Mensch
häufig bei Beschreibungen von Problemlösungen verwendet und oft
sogar gegenüber exakten Angaben bevorzugt. Auf diese Weise
läßt sich beispielsweise im Bereich Fuzzy Control menschliches
Regelverhalten relativ einfach implementieren, ohne daß ein
mathematisches Modell der Strecke erforderlich ist. Fuzzy-Methoden
erlauben aber nicht nur die Implementierung unscharf formulierter
Regeln, sondern auch umgekehrt die Gewinnung unscharfer Beschreibungen
aus einem zu analysierenden Datensatz.
Verschiedene Verfahren basierend auf neuronalen Netzen,
Regressionstechniken oder der Clusteranalyse erlauben die
automatische Generierung von Fuzzy-Reglern bzw. ganz allgemein das
Erlernen unscharfer Beschreibungen von funktionalen Zusammenh"angen.
Für die Lösung von Klassifikationsproblemen bieten sich
Neuro-Fuzzy-Methoden und spezielle Fuzzy-Clusteranalyse-Verfahren
an, die geeignet modifiziert auch in der Bilderkennung bei der
Detektion von geometrischen Konturen eingesetzt werden können.
Die Interpretation von Fuzzy-Mengen als Possibilitätsverteilungen,
bei denen die Zugehörigkeitswerte als Möglichkeitsgrade aufgefaßt
werden, ermöglicht das Erlernen sowohl der Struktur komplexer kausaler
Netze als auch der zugehöorigen Possibilitätsverteilungen aus
Datenbanken mit impräzisen Eintragungen oder Missing Values.