V oblasti umělé inteligence se neurofuzzy vztahuje na kombinace umělých neuronových sítí a fuzzy logiky. Výsledkem neurofuzzy hybridizace je hybridní inteligentní systém, který tyto dvě techniky synergicky kombinuje způsobem uvažování podobným člověku u fuzzy systémů s učením a konektionistickou strukturou neuronových sítí. Neuro-fuzzy hybridizace je v literatuře široce označována jako Fuzzy Neural Network (FNN) nebo Neuro-Fuzzy System (NFS). Neuro-fuzzy systém (od nynějška se používá populárnější termín) zahrnuje způsob uvažování lidí u fuzzy systémů pomocí fuzzy množin a lingvistického modelu sestávajícího ze souboru IF-THEN fuzzy pravidel. Hlavní síla neuro-fuzzy systémů spočívá v tom, že jsou univerzálními aproximatory se schopností vyžádat si interpretovatelná IF-THEN pravidla.
Síla neuro-fuzzy systémů zahrnuje dva protichůdné požadavky v fuzzy modelování: interpretabilita versus přesnost. V praxi převažuje jedna ze dvou vlastností. Neuro-fuzzy v fuzzy modelování výzkumný obor je rozdělen do dvou oblastí: lingvistické fuzzy modelování, které je zaměřeno na interpretabilitu, hlavně Mamdaniho model; a přesné fuzzy modelování, které je zaměřeno na přesnost, hlavně Takagi-Sugeno-Kang (TSK) model.
Ačkoli se obecně předpokládá realizace fuzzy systému prostřednictvím konektionistických sítí, tento termín se používá i pro popis některých dalších konfigurací včetně:
Je třeba zdůraznit, že interpretabilita neurofuzzy systémů typu Mamdani se může ztratit. Ke zlepšení interpretability neurofuzzy systémů je třeba přijmout určitá opatření, v nichž jsou rovněž diskutovány důležité aspekty interpretability neurofuzzy systémů.
Pseudo fuzzy neuronové sítě založené na vnějších produktech
Pseudo outer-product-based fuzzy neural networks („POPFNN“), je rodina neuro-fuzzy systémů, které jsou založeny na lingvistickém fuzzy modelu.
V literatuře existují tři členové POPFNN:
Architektura „POPFNN“ je pětivrstvá neuronová síť, kde se vrstvy od 1 do 5 nazývají: vstupní lingvistická vrstva, kondiční vrstva, vrstva pravidel, následná vrstva, výstupní lingvistická vrstva. Fuzzifikace vstupů a defuzzifikace výstupů jsou prováděny vstupními lingvistickými a výstupními lingvistickými vrstvami, zatímco fuzzy inference je prováděna společně vrstvami pravidel, podmínek a důsledků.
Lze použít různé fuzzy algoritmy generování členství: Learning Vector Quantization (LVQ), Fuzzy Kohonen Partitioning (FKP) nebo Discrete Incremental Clustering (DIC). Obecně se k identifikaci fuzzy pravidel používá POP algoritmus a jeho varianta LazyPOP.