优化模糊系统

调谐模糊推理系统

调整模糊隶属函数参数，学习新的模糊规则。

• 调整模糊规则和隶属函数参数
• 优化模糊树
• 自定义FIS调优流程

Tune Mamdani模糊推理系统

对Mamdani模糊系统进行规则学习和隶属函数参数调整。

利用k-Fold交叉验证优化FIS参数

为了防止FIS参数优化期间的过拟合，可以根据使用验证数据对模型的无偏评估，提前停止调优过程。

调整FIS树的汽油里程预测

调整规则和隶属函数参数的树互连Sugeno模糊系统。

利用2型FIS预测混沌时间序列

调整具有类型2成员函数的FIS的规则和成员函数参数。

用自定义代价函数优化模糊机器人避障系统

当您没有训练数据时，您可以使用模拟FIS操作的自定义成本函数来调整模糊系统。

简称ANFIS训练系统

神经适应学习和ANFIS

你可以使用类似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

使用神经模糊设计师应用程序交互式地创建、训练和测试神经模糊系统。

• 保存训练误差数据到MATLAB工作空间

利用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。

ANFIS自适应噪声消除

执行自适应非线性噪声消除使用简称anfis和genfis命令。

基于减法聚类和ANFIS的城郊通勤模型

用减法聚类从数据中生成一个模糊推理系统。

一加仑汽油所行驶的里程的预测

使用自适应神经模糊推理系统和先前记录的观察预测汽车的燃料消耗。

非线性系统辨识

你可以用自适应神经模糊系统来模拟非线性动态系统的行为。