模糊推理系统调整
模糊系统的隶属函数和规则优化
您可以调整模糊推理系统的隶属函数参数和规则使用全局优化工具箱优化方法如遗传算法和粒子群优化。有关更多信息，请参见调整模糊推理系统．
如果您的系统是单输出type-1 Sugeno FIS，您可以使用神经自适应学习方法调整其隶属函数参数。这种调优方法不需要全局优化工具箱软件有关更多信息，请参见神经适应学习和ANFIS．
应用程序
| 去噪的设计师 | 设计、训练和测试sugeno型模糊推理系统 |
功能
对象
主题
调整模糊系统
- 调整模糊推理系统
调整模糊隶属函数参数，学习新的模糊规则。
- 调Mamdani模糊推理系统
Mamdani模糊系统的规则学习和隶属函数参数调优。 - 利用k-Fold交叉验证优化FIS参数
为了防止FIS参数优化过程中的过拟合，您可以在使用验证数据对模型进行无偏倚评估的基础上尽早停止调优过程。 - 调整燃油里程预测的FIS树
优化互联Sugeno模糊系统树的规则和隶属度函数参数。 - 利用Type-2 FIS预测混沌时间序列
为具有type-2隶属函数的FIS调优规则和隶属函数参数。 - 利用自定义代价函数优化模糊机器人避障系统
当你没有训练数据时，你可以使用一个自定义的代价函数来模拟FIS操作来优化你的模糊系统。
培训ANFIS系统
- 神经适应学习和ANFIS
您可以使用类似于用于训练神经网络的神经自适应学习技术来调整Sugeno模糊推理系统。 - 训练自适应神经模糊推理系统
使用神经模糊设计器应用程序交互式地创建、训练和测试神经模糊系统。
- 用ANFIS预测混沌时间序列
训练神经模糊系统的时间序列预测使用简称anfis命令。 - 基于ANFIS的自适应噪声消除
执行自适应非线性噪声消除使用简称anfis而且genfis命令。 - 基于减法聚类和ANFIS的郊区通勤模型
利用减法聚类从数据中生成模糊推理系统。 - 燃油里程预测
使用自适应神经模糊推理系统和先前记录的观察数据预测汽车的燃油消耗。 - 非线性系统辨识
你可以用自适应神经模糊系统建模非线性动态系统行为。
特色的例子
您也可以从以下列表中选择一个网站: