全图预测性能更强
将模糊系统的可解释学习能力扩展到非欧几里得结构的图数据，为社交网络、交通路线等场景提供一种新的建模工具，并继承了主流图神经网络与经典模糊系统的双重优势。
Fuping, Hu · 邓赵红 · Wang, Guanjin · Xie, Zhenping · Choi, Kup Sze · 王士同
IEEE Transactions on Fuzzy Systems 2023
GFS 以图模糊规则库为核心，将图数据映射到模糊集上，保留了传统模糊系统可解释的学习机制，便于理解模型决策。
实验表明，GFS 在全图预测任务上超过了现有方法，同时继承了 GNN 和传统模糊系统的优点。
针对图数据的非欧几里得特性，GFS 定义了图模糊规则库、图模糊集和图后件处理单元 GCPU，形成完整的建模框架。