用模糊选择性状态模型预测消费者偏好动态

研究用Mamba型选择性状态空间模型预测零售连锁客户的偏好变化，隐藏状态为三角模糊数，并在Matveev双分量模糊数代数中计算。一个仅107参数的轻量模型在合成示例中预测中心平均绝对误差为0.154，优于恒定惯性算子的0.163和朴素预测的0.179，且模糊度不随时间累积。该模型还能通过语言化读数识别客户永久转向竞争对手。