对于单输入模糊推理系统,输入信号是一个标量。对于多输入模糊系统,将输入矢量信号使用块,如:

对于FIS,输出信号是一个标量。对于一个多输出FIS,输出信号是一个矢量。将系统输出标量信号,使用多路分配器(金宝app模型)块。

Fuzzified输入值,通过评估每个规则的输入隶属函数在当前输入值。

1型金融中间人,fi是一个N_R——- - - - - -N_U矩阵信号,N_R是FIS的数量的规则。元素(我,j)fi的输入隶属函数的值是jth的输入我规则。

2型金融中间人,fi是一个N_R————(2 *N_U)矩阵信号。第一个N_U列包含fuzzified上面的隶属函数的值对于每个规则,和最后一个N_U列包含fuzzified隶属函数值低。

有关不分明化输入值的更多信息,请参阅Fuzzify输入。

依赖关系

要启用这个端口,选择Fuzzified输入(fi)参数。

射击规则的优势,通过评估每个规则的前提;运用模糊算子,fuzzified输入的值。

1型金融中间人,rfs是一个列向量长度的信号吗N_R,在那里N_R是规则的数量,和元素我的发射强度吗我规则。

2型金融中间人,rfs是一个N_R2矩阵信号。第一列包含使用上隶属度函数生成规则解雇的优势,第二列包含规则发射的优点使用较低的隶属度函数生成。

应用模糊运算符的更多信息,请参阅应用模糊算子。

依赖关系

要启用这个端口,选择规则解雇的优势(rfs)参数。

规则输出,通过应用规则解雇优势输出隶属度函数用暗示的方法中指定的金融中间人。

1型Mamdani FIS,罗依是一个N_年代————(N_RN_Y)矩阵信号,N_R是规则的数量,N_Y是输出的数量,和N_年代采样点的数量用于评估输出变量范围。每一列的罗依包含一个规则的输出模糊集。第一个N_R列包含规则输出第一输出变量N_R列对应第二个输出变量,等等。

2型Mamdani FIS,罗依是一个N_年代————(2 *N_R*N_Y)矩阵信号。第一个N_R*N_Y使用上生成的列包含规则输出隶属度函数,最后N_R*N_Y列包含规则输出生成使用较低的隶属度函数。

对于1型Sugeno系统,每个规则的输出是一个标量值。在这种情况下,罗依是一个N_R——- - - - - -N_Y矩阵信号。元素(j,k)罗依的价值吗k的输出变量j规则。

对于2型Sugeno系统,罗依是一个N_R————(3 *N_Y)数组。第一个N_Y列包含规则的输出水平。下一个N_Y列包含相应的规则发射的优点使用上隶属度函数生成。最后一个N_Y列包含规则发射的优点使用较低的隶属度函数生成。例如,在三个的输出系统中,列4和7包含发射的产量水平的优势第一列。

有关模糊含义的更多信息,请参阅运用暗示法。

依赖关系

获得的总输出为每个输出变量,结合相应的输出从所有的规则使用中指定FIS的聚合方法。

对于1型Mamdani模糊推理系统,每个输出变量的总体结果是模糊集合。在这种情况下,ao是作为一个N_年代——- - - - - -N_Y矩阵信号,N_Y输出的数量和吗N_年代采样点的数量用于评估输出变量范围。每一列的ao包含一个输出变量的总模糊集。

2型Mamdani FIS,每个输出变量的总体结果是模糊集合。在这种情况下,ao是作为一个N_年代————(2 *N_Y)矩阵信号。第一个N_Y列包含聚合使用上生成输出隶属度函数,最后N_Y列包含聚合生成输出使用较低的隶属度函数。

对于1型Sugeno系统,每个输出变量的总体结果是一个标量值。在这种情况下,ao是一个行向量的长度N_Y,元素k是规则的输出的总和k输出变量。

对于2型Sugeno系统,ao是一个N_R————(3 *N_Y)数组。aggregatedOut包含相同的数据罗依基于输出水平的列排序。例如,在三个的输出系统中,当第1列排序,输出水平相应的发射的优势列4和7的相应调整。

有关模糊聚合的更多信息,请参阅聚合所有输出。

依赖关系