模糊逻辑工具箱
设计和模拟模糊逻辑系统
模糊逻辑工具箱™提供MATLAB®的功能，应用程序，和一个Simulink的金宝app®阻塞分析，设计，并基于模糊逻辑的模拟系统。该产品将引导您通过设计模糊推理系统的步骤。提供了很多常用的方法，包括模糊聚类和自适应模糊神经学习功能。
该工具箱，您可以使用简单的逻辑规则建模复杂系统的行为，然后实现在模糊推理系统这些规则。您可以使用它作为一个独立的模糊推理引擎。另外，您也可以在Simulink中使用模糊推理模块和整个动力系统的综合模型中模拟的模糊系统。金宝app
入门：
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式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。您也可以指定输入和输出隶属函数和模糊if-then规则。一旦你创建了模糊推理系统，您可以评估并进行可视化。
Mamdani型和Sugeno模糊推理系统
实施Mamdani型和Sugeno模糊推理系统。您可以马丹尼系统转换成关野系统。您也可以实现复杂的模糊推理系统，采用模糊树小关联模糊系统的集合。
创建于模糊逻辑设计应用Mamdani型和Sugeno模糊推理系统。
隶属函数为一2型模糊推理系统。
调整模糊系统
调整隶属函数的参数，并了解使用全局优化工具箱调整方法，如遗传算法和粒子群算法的模糊规则。您可以调整参数和一个模糊推理系统或其中含有的倍数连接的FIS与层次数少的投入模糊树的规则。
与调谐模糊推理系统预测的时间序列数据。
训练自适应神经模糊推理系统
使用类似于用于训练神经网络的神经自适应学习技术培训关野模糊推理系统。可以使用命令行功能或神经模糊设计器应用程序通过与输入/输出数据训练他们，而不是手工指定它们塑造隶属函数。
与神经模糊设计应用培训自适应神经模糊推理系统。
使用交互式聚类工具或命令行功能从大的数据集确定的自然分组，以产生数据的简洁表示。可以使用任一模糊C-均值或减法聚类到输入/输出训练数据内识别群集。使用所产生的集群信息来生成关野型模糊推理系统到数据行为进行建模。
模糊C-均值聚类。
评估和使用模糊逻辑控制器块在Simulink您的1型模糊推理系统的测试性能。金宝app您可以使用输入信号，双，单，和定点信号数据类型的模拟你的模糊推理系统。
模拟在Simulink模糊推理系统。金宝app
通过在任一的Simulink或MATLAB生成C代码部署一个模糊推理系统。金宝app您还可以生成用于使用模糊逻辑控制器模块在Simulink实现的模糊推理系统结构化文本。金宝app您可以生成单精度的C代码，以降低系统的内存占用。如果你的目标平台只支持定点算法可以生成定点代码。金宝app
用于装载和评估FIS作为静态/动态库生成的样本代码接口。
