Rozmyte reguły asocjacyjne z ewoluującym kontekstem W pracy zaprezentowano ramy metodologiczne w dziedzinie wyjaśnialnej sztucznej inteligencji (XAI), które umożliwiają generowanie reguł językowych z danych szeregów czasowych, nawet gdy znaczenie analizowanych pojęć (np. „wysoka inflacja”) zmienia się w czasie. Metoda opiera się na: - rozmytych wyrażeniach językowych, - regułach asocjacyjnych typu IF-THEN, - teorii kwantyfikatorów pośrednich. Dla każdego szeregu czasowego tworzony jest rozmyty kontekst językowy, który może być ustalony statycznie przez eksperta lub dynamicznie za pomocą modelu autoregresyjnego. W oparciu o te rozmyte dane stosowana jest metoda Fuzzy GUHA, umożliwiająca generację reguł postaci: „JEŚLI ton wypowiedzi Fed jest negatywny, TO oczekiwania inflacyjne są średnie.” Metoda została przedstawiona i przetestowana na danych rzeczywistych z komunkatów banku centralnego USA.