Pues resulta que soy ingeniero industrial, asi que precisamente mi conociemiento es basicamente aplicado. Y se lo que se maneja en la industria.
A ver, para empezar, me estabas hablando de dos cosas distintas. Antes hablabamos de clasificacion, ahora me hablas de regulacion. Son dos problemas totalmente distintos. De hecho, son los dos problemas en aprendizaje.
Por otro lado, y eso es lo bonito de los sistemas basados en nucleos, un regulador (llamalo red neural, fuzzy o lo que quieras) que usa funciones lineales, puede dar una salida totalmente no lineal. Ya que la salida realmente es un funcion ponderada a trozos y recursiva de todas las funciones base que uses.
Esa es la gracia de los metodos de aprendizaje. Que con funciones base muy sencillas (gausianas, lineales, etc), puede producir una respuesta totalmente arbitraria.
Por ultimo, toda red neuronal se puede mapear (transformar) en un sistema fuzzy y viceversa, si se hace con cuidado. Solo hay que transformar bien las funciones base (funciones de pertencia en un lado y funciones de respuesta en otro). Las relaciones if...then del fuzzy te dan la conectividad de la red y viceversa.
Y como apunte final, una gaussiana alcanza el cero si le añades un offset adecuado. De hecho, puedes controlar el punto donde quieres que corte al cero.