mờ dựa trên ĐSGT.
Mô hình mờ (2.2) được xem như một tập hợp các “điểm mờ”, với việc sử dụng ánh xạ ngữ nghĩa định lượng v mỗi điểm của mô hình mờ trên có thể được biểu diễn bằng một “điểm thực”, và tập các điểm thực cho ta một mô hình ngữ nghĩa định lượng (SAM). Trong phương pháp lập luận xấp xỉ mờ dựa trên ĐSGT (HAR) việc sử dụng phép nội suy dựa trên các mốc là các điểm của mô hình SAM để xác định giá trị đầu ra từ giá trị định lượng đầu vàọ
Tuy nhiên, việc sử dụng các phép kết nhập AND = MIN, AND = PRODUCT còn có thể gây ra hiện tượng đa trị, có nghĩa là tồn tại những điểm có cùng hoành độ nhưng khác nhau về tung độ và việc sử dụng nguyên lý điểm trung bình để khắc phục điều này như đã làm chỉ là giải pháp tình thế. Mặt khác việc sử dụng các phép kết nhập để đưa mô hình SAM trong Rm+1về đường cong trong R2 sẽ gây mất mát thông tin nghiêm trọng. Để khắc phục điều này ta đưa ra giải pháp sau:
-Như chúng ta đã biết luôn tồn tại các mạng nơ ron RBF cho phép học và xấp xỉ các hàm có độ chính xác tùy ý, do đó nếu sử dụng mạng nơ ron RBF thích hợp để giải quyết bài toán nội suy và xấp xỉ hàm nhiều biến thì phương pháp lập luận sử dụng ĐSGT phụ thuộc chủ yếu vào hàm ĐLNN của mô hình định lượng ngữ nghĩa (SAM), một trong yếu tố ảnh hưởng đến phương pháp lập luận, cụ thể như sau: Sử dụng một mạng nơ ron RBF để học các mốc nội suy trong bảng SAM, phép nội suy được thực hiện nhờ mạng
-Như đã đề cập trên với giải pháp sử dụng mạng nơ ron RBF, ta quan niệm mô hình SAM cho ta n mốc nội suy và n giá trị đo tương ứng. Mạng nơ ron RBF được xây dựng với nhiệm vụ học các mốc cơ sở cho bởi mô hình ngữ nghĩa định lượng (SAM) và khi có các giá trị đầu vào ta sẽ nội suy được giá trị đo tương ứng nhờ mạng.