您可以使用以下方法调优隶属函数参数和模糊推理系统的规则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,请参见调谐模糊推理系统.
如果你的系统是一个单输出的1型Sugeno FIS,你可以使用神经自适应学习方法调整它的隶属函数参数。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.
去噪的设计师 | 设计、训练和测试sugeno型模糊推理系统 |
调整模糊隶属函数参数,学习新的模糊规则。
对Mamdani模糊系统进行规则学习和隶属函数参数调整。
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。
调整规则和隶属函数参数的树互连Sugeno模糊系统。
调整具有类型2成员函数的FIS的规则和成员函数参数。
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。
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。
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。
训练神经模糊系统的时间序列预测使用简称anfis
命令。
执行自适应非线性噪声消除使用简称anfis
和genfis
命令。
用减法聚类从数据中生成一个模糊推理系统。
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。
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。