퍼지 로직의 초기 성공적인 응용 프로그램의 대부분은 일본에서 구현되었다. 첫 번째 주목할만한 응용 프로그램은 퍼지 논리가 승차의 경제, 편안함 및 정밀도를 향상시킬 수있는 센다이의 지하철 열차에 있었습니다. [11] 그것은 또한 소니 포켓 컴퓨터에 손으로 쓴 기호의 인식에 사용 되었습니다., 헬리콥터에 대 한 비행 원조, 운전 편의 성을 개선 하기 위해 지하철 시스템의 제어, 정지의 정밀도, 그리고 전력 경제, 향상 된 연료 소비에 대 한 자동차, 세탁기용 단일 버튼 제어, 표면 상태 및 오염 정도를 인식하는 진공 청소기용 자동 모터 제어, 지진학 연구소를 통한 지진 조기 인식 예측 시스템 기상국, 일본. [12] 퍼지 시스템 출력은 모든 입력과 모든 규칙의 합의이므로 입력 값을 사용할 수 없거나 신뢰할 수 없는 경우 퍼지 논리 시스템이 잘 행동할 수 있습니다. 가중치는 규칙베이스의 각 규칙에 선택적으로 추가할 수 있으며 가중치를 사용하여 규칙이 출력 값에 영향을 미치는 정도를 조절할 수 있습니다. 이러한 규칙 가중치는 각 규칙의 우선 순위, 안정성 또는 일관성을 기반으로 할 수 있습니다. 이러한 규칙 가중치는 정적이거나 다른 규칙의 출력에 따라 동적으로 변경될 수 있습니다. 퍼지 로직과 확률은 다양한 형태의 불확실성을 해결합니다. 퍼지 논리와 확률 이론은 특정 종류의 주관적인 믿음의 정도를 나타낼 수 있지만 퍼지 세트 이론은 퍼지 세트 멤버 자격의 개념을 사용합니다. 주관적인 확률의 개념, 즉, 일부 이벤트 또는 조건의 가능성[설명 필요]. 퍼지 세트의 개념은 버클리 [14]에서 20 세기 중반에 공동으로 불확실성과 모호성을 모델링하기위한 확률 이론의 부족에 대한 응답으로 개발되었다. [15] Bart Kosko는 확률 이론이 퍼지 논리의 하위 이론이라고 주장하며, 확률 이론에서 상호 배타적 세트 멤버십에 대한 믿음의 정도에 대한 질문이 특정 사례로 표현될 수 있습니다.

퍼지 이론에서 상호 배타적 등급의 멤버십. 이러한 맥락에서, 그는 또한 퍼지 하위 집합의 개념에서 베이즈의 정리를 파생. Lotfi A. Zadeh는 퍼지 논리가 확률과 성격이 다르며 이를 대체할 수 없다고 주장합니다. 그는 퍼지 확률에 확률을 퍼지하고 또한 가능성 이론에 일반화. [17] 수학의 변수는 일반적으로 수치 값을 취하지만, 퍼지 논리 응용 프로그램에서는 비숫자 값이 규칙과 사실의 표현을 용이하게 하기 위해 종종 사용됩니다. [8] 퍼지 세트는 종종 삼각형 또는 사다리꼴 모양의 곡선으로 정의되며, 각 값은 값이 증가하는 경사, 값이 1(길이가 0 이상일 수 있음)과 값이 감소하는 경사가 있는 피크를 갖습니다. [인용 필요] 그들은 또한 sigmoid 함수를 사용 하 여 정의될 수 있습니다. [9] 한 가지 일반적인 경우는 전산 이론가 Leslie Valiant로 정의된 표준 로지스틱 함수로 정의된 용어 인 Ecorithms를 사용하여 퍼지 로직 (및 «덜 강력한»논리)과 같은 덜 정확한 시스템과 기술을 학습 알고리즘에 적용 할 수있는 방법을 설명합니다. Valiant는 본질적으로 기계 학습을 진화로 재정의합니다. 일반적으로 ecorithms는 솔루션 논리를 일반화하고 근사화하며 단순화하기 위해 보다 복잡한 환경(따라서 에코)에서 학습하는 알고리즘입니다. 퍼지 로직과 마찬가지로 연속 변수 나 시스템을 너무 복잡하게 극복하여 완전히 열거하거나 이산또는 정확하게 이해하는 데 사용되는 방법입니다.

[18] Ecorithms와 퍼지 로직은 또한 확률보다 더 많은 가능성을 다루는 공통의 속성을 가지고 있지만 피드백과 피드 포워드, 기본적으로 확률 가중치는 예를 들어 동적 시스템을 다룰 때 둘 다의 특징입니다.