위의 대부분은 일반적으로 퍼지 세트에 대한 진실 기반 확장으로 분류 될 수 있지만, 양극성 퍼지 세트 이론은 철학적, 논리적으로 다른, 퍼지 세트의 평형 기반 일반화를 제시한다. [21] [22] [23] 퍼지 토폴로지는 1968년에 C.L. Chang[9]에 의해 소개되었고, 더 많은 논문에서 공부되었다. [10] 퍼지 세트 이론은 모호하고 주관적이며 부정확한 판단과 관련된 문제를 해결할 수 있는 연구 접근법이며, 개인 또는 그룹 의사 결정에 대한 사용 가능한 데이터의 언어적 측면과 선호도를 정량화할 수 있습니다(Shan et al., 2015a). 베즈데크, J.C. (1978). „퍼지 파티션 및 관계 및 클러스터링에 대한 축색 기반“. 퍼지 세트 및 시스템. 1: 111–127. doi:10.1016/0165-0114(78)90012-X. 여기에는 의사 결정 시스템을 제어하기 위해 전문가가 제공하는 모든 규칙과 if-then 조건이 포함되어 있습니다. 퍼지 이론의 최근 업데이트는 퍼지 컨트롤러의 설계 및 튜닝을 위한 다양한 방법을 제공합니다. 이 업데이트는 퍼지 규칙 집합의 수를 크게 줄입니다.

퍼지 논리 알고리즘은 사용 가능한 모든 데이터를 고려한 후 문제를 해결하는 데 도움이 됩니다. 그런 다음 주어진 입력에 대해 최상의 결정을 내합니다. FL 방법은 디지털 값 T와 F. 퍼지 논리 사이의 모든 가능성을 고려 인간에서 의사 결정의 방법을 모방하는 것은 정확한보다는 근사 지식을 표현하기위한 L.A. Zadeh에 의해 개발 된 퍼지 세트 이론을 기반으로하는 방법입니다 선명한 방법으로 표현할 수 없는 지식입니다. 퍼지 집합은 요소 값의 범위가 0에서 1 사이일 수 있는 멤버 자격 함수로 표시됩니다. 요소 값이 True 또는 False일 수 있는 기존의 선명한 이중 논리(부울 논리)와는 달리 어느 정도는 진실입니다. 실제 응용 프로그램에서 수집된 정보는 불완전하고 부정확할 수 있습니다. 일부 수량은 주관적이고 근사하며 질적(예: `크다`, `따뜻한`, `약한`, `느리다`)과 같이 경향이 있습니다.

퍼지 로직은 이러한 불확실성을 기반으로 효율적인 추론과 결정을 내리는 데 사용할 수 있습니다. 11.14. 면 색 그레이딩을위한 퍼지 추론 시스템. 퍼지 세트 이론은 고전 세트 이론의 파생입니다. 첫째, 세계를 흑백으로 보는 고전적 세트 이론을 기억하십시오.

퍼지이론 예제