《表1 NN与FS发展对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《面向可解释性人工智能与大数据的模糊系统发展展望》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

另外，FS可以针对NN的不足，利用自身优势完成突破。本文对比了NN和FS的发展历程（见表1），尽管NN在识别、分类、回归等问题上的精度比FS好，但它需要大量的训练，而且随着层数的增加，人们难以解释NN的结构和参数。在最近一期的Nature子刊中，Zador[42]批判了人工NN的不足，他认为先天结构比后天训练更加重要。而FS的先天结构具有很强的可解释性，无需大量的训练，可以很好地弥补NN的缺点。