模糊逻辑工具箱
设计和模拟模糊逻辑系统
模糊逻辑设计
使用模糊逻辑设计器应用程序或命令行功能交互设计和测试模糊推理系统。您可以添加或删除输入和输出变量。您还可以指定输入和输出成员函数和模糊if-then规则。一旦你创建了模糊推理系统,你就可以对它进行评估和可视化。
Mamdani和Sugeno模糊推理系统
实现Mamdani和Sugeno模糊推理系统。你可以将Mamdani系统转换成Sugeno系统。您还可以使用模糊树将复杂的模糊推理系统实现为较小的相互关联的模糊系统的集合。
优化模糊系统
使用全局优化工具箱优化方法,如遗传算法和粒子群优化,调整模糊隶属函数参数和学习新的模糊规则。您可以对单个模糊推理系统或模糊树的参数和规则进行调优,该模糊树包含多个具有少量输入的分层fis。
训练自适应神经模糊推理系统
使用类似于训练神经网络的神经自适应学习技术来训练Sugeno模糊推理系统。您可以使用命令行函数或神经模糊设计器应用程序通过使用输入/输出数据训练成员函数而不是手工指定它们来塑造成员函数。
使用交互式集群工具或命令行函数从大型数据集中识别自然分组,以生成数据的简洁表示。你可以使用模糊c均值或减法聚类来识别输入/输出训练数据中的聚类。使用得到的聚类信息来生成sugeno型模糊推理系统来建模数据行为。
在Simulink中使用模糊逻辑控制器块评估和测试你的1型模糊推理系统的性能。金宝app您可以使用双、单和定点信号数据类型的输入信号来模拟模糊推理系统。
通过在Simulink或MATLAB中生成C代码来部署模糊推理系统。金宝app您还可以使用模糊逻辑控制器块为在Simulink中实现的模糊推理系统生成结构化文本。金宝app您可以生成单精度C代码来减少系统的内存占用。如果目标平台只支持定点算法,则可以生成定点代码。金宝app