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函数交互式地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。
调整模糊系统
利用遗传算法、粒子群算法等全局优化工具箱优化方法,调整模糊隶属函数参数,学习新的模糊规则。您可以调整参数和规则的一个单一的模糊推理系统或一个模糊树,其中包含多个FISs分层连接与少量的输入。
训练自适应神经模糊推理系统
使用类似于神经网络训练的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Neuro-Fuzzy Designer应用程序,通过输入/输出数据来训练成员函数,而不是手动指定它们,从而形成成员函数。
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。
利用模糊逻辑控制器模块,在Simulink中对1型模糊推理系统的性能进行评估和测试。金宝app您可以使用具有双、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还可以使用模糊逻辑控制器块为Simulink中实现的模糊推理系统生成结构化文本。金宝app您可以生成单精度的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