Klasyfikacja? Zastanawiałbym się więc w tym przypadku także nad systemami rozmyto-neuronowymi, ponieważ wtedy problem wag "rozwiązuje się sam" poprzez fakt nauki takiej sieci. Ty dostarczasz jej dane wejściowe i wyjściowe, a on na tej podstawie sam modyfikuje wagi węzłów, a co ciekawe, potrafi "wnioskować" już przy niepełnej ilości (uszkodzonych, brakujących) danych wejściowych, co akurat nie każdy system potrafi. A takimi danymi przecież będziesz dysponował

Na wejściu zestaw odpowiedzi, a na wyjściu konkretny numer rozwiązania (lub zestaw rozwiązań z różnym prawdopodobieństwem). Wrzucasz w system, ustawiasz ileś iteracji lub poziom błędu i system się uczy. Potem już tylko podstawiasz dla testów jakies z kosmosu zestawy odpowiedzi i patrzysz co wypluje system na wyjściu i jak ma się to do prawidłowego rozwiązania.A sam wspomniałeś, że teorię z neuronów już zacząłeś zgłębiać. Od razu zaznaczam, że logika rozmyta jest nieco zakręcona. Jest uogólnieniem logiki Boola dla zbiorów. Tu już nie masz bowiem stanów 0 i 1 ale cały zakres od 0 do 1 włącznie, czyli choćby 0.9 jako odpowiednik "wysoce prawdopodobny" lub 0.01 dla "niezwykle mało prawdopodobny". Własnie dlatego tystemy te służą do klasyfikacji, gdyż na wyjściu masz wyniki w stylu "0.9 prawdopodobieństwa dla rozwiązania A, 0.25 dla B i 0.01 dla C", a nie jak zazwyczaj, że coś "jest rozwiązaniem A", ale nie wiemy dokładnie jak bardzo ta informacja jest pewna.
EDIT: Jeśli chcesz wiedzieć na ten temat wiele rzeczy w stylu "kompendium", to polecam zajrzeć
tu oraz przyjrzeć pozycjom 4 i 6 (zwłaszcza ta druga), bo tam masz właśnie ów problem klasyfikacji ładnie opisany (w 6 na podstawie wspomnianego przez skowrona irysa). Co do ludzi to osoby w stylu Rutkowski, Cpałka czy Nowicki lub Starczewski czyli osoby związane z "polską sceną AI" to byli moi wykładowcy/ćwiczeniowcy, co do których wiem, że są w tym co robią dobrzy i potrafią rozwalić temat. A poza tym spoko kolesie.