Los modelos que utilizan conjuntos difusos como herramienta para el análisis de datos permiten representar el conocimiento de una forma muy cercana al lenguaje natural. Adicionalmente, tienen la capacidad de modelar escenarios complejos como pueden ser aquellos con falta de datos o incertidumbre.

En la actualidad, el núcleo del análisis de datos no sólo tiene como objetivo lograr la mayor precisión posible, sino también hacerla explicable. En este sentido, los métodos de análisis de datos basados en sistemas difusos y sistemas evolutivos difusos mantienen la esencia original de la comprensibilidad establecida por Zadeh aumentando sus habilidades para el análisis de datos. Esto proporciona ventajas sobre otros paradigmas para la obtención de modelos de aprendizaje XAI, como la transparencia, la comprensión y la comprensibilidad.

Entre las líneas de trabajo actuales en sistemas difusos destacan la optimización de componentes en sistemas difusos, el modelado difuso en escenarios emergentes en análisis de datos como problemas singulares o no estándar, big data o propuestas en el ámbito de la Inteligencia Artificial Explicable.

FUENTES: https://dasci.es/es/linea-investigacion/sistemas-difusos-para-el-analisis-de-datos/
AUTOR: Antonio Gonzalez Muñoz