模糊推理系统调整
调谐员工函数和模糊系统规则
您可以使用模糊推理系统的成员函数参数和规则来使用全局优化工具箱调整方法，如遗传算法和粒子群优化。有关更多信息，请参阅调整模糊推理系统。
如果您的系统是单输出Type-1 Sugeno FIS，则可以使用神经自适应学习方法调整其成员函数参数。此调整方法不需要全局优化工具箱软件。有关更多信息，请参阅神经自适应学习和ANFIS。
应用
| 神经模糊设计师 | 设计，列车和测试Sugeno型模糊推理系统 |
职能
对象
话题
曲调模糊系统
- 调整模糊推理系统
tune模糊会员函数参数，并学习新的模糊规则。
- 曲调Mamdani模糊推理系统
了解Mamdani模糊系统的规则和调谐员工函数参数。 - 优化k折交叉验证的FIS参数
为防止在FIS参数优化期间过度拟合，您可以根据使用验证数据的型号的无偏见评估，早期停止调谐过程。 - 调整汽油里程预测的FIS树
调整互连的Sugeno模糊系统树的规则和成员函数参数。 - 使用Type-2 FIS预测混沌时间序列
调整具有类型2隶属函数的FIS的规则和成员身份参数。 - 使用定制成本函数的曲调模糊机器人障碍避免系统
当您没有培训数据时，您可以使用模拟FIS操作的自定义成本函数调整模糊系统。
火车ANFIS系统
- 神经自适应学习和ANFIS
您可以使用类似于用于培训神经网络的神经自适应学习技术来调整Sugeno模糊推理系统。 - 火车自适应神经模糊推理系统
交互式创建，列车和测试神经模糊系统使用Neuro-Fuzzy Designer应用程序。
- 使用ANFI预测混沌时间序列
使用该系统培训一个神经模糊系统的时间序列预测ANFIS.命令。 - 使用ANFIS的自适应噪声消除
使用该执行自适应非线性噪声消除ANFIS.和Genfis.命令。 - 使用减法聚类和ANFI模型郊区通勤
使用减法聚类生成从数据的模糊推理系统。 - 汽油里程预测
使用自适应神经模糊推理系统和先前记录的观察来预测汽车的燃料消耗。 - 非线性系统识别
您可以使用自适应神经模糊系统模拟非线性动态系统行为。
特色例子
您还可以从以下列表中选择一个网站：