您可以使用以下方法调优隶属函数参数和模糊推理系统的规则全局优化工具箱优化方法,如遗传算法和粒子群优化。有关详细信息,请参阅调整模糊推理系统.
如果您的系统是单输出1型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。此调优方法不需要全局优化工具箱软件有关详细信息,请参阅神经适应性学习与ANFIS.
去噪的设计师 | 设计、训练和测试Sugeno型模糊推理系统 |
调整模糊隶属函数参数,学习新的模糊规则。
学习规则并调整Mamdani模糊系统的隶属函数参数。
为了防止FIS参数优化过程中的过度拟合,可以根据使用验证数据对模型进行无偏评估,提前停止调整过程。
调整规则和隶属函数参数的树互连Sugeno模糊系统。
调整具有2类成员资格函数的FIS的规则和成员资格函数参数。
当没有训练数据时,可以使用模拟FIS操作的自定义成本函数调整模糊系统。
您可以使用类似于用于训练神经网络的神经自适应学习技术来调整Sugeno模糊推理系统。
使用neuro fuzzy Designer应用程序以交互方式创建、训练和测试neuro fuzzy系统。
利用神经网络训练时间序列预测的神经模糊系统自适应神经模糊推理系统
命令
使用以下命令执行自适应非线性噪声消除:自适应神经模糊推理系统
和根菲斯
命令。
这个例子展示了如何使用先前记录的观察数据来预测汽车的燃料消耗(每加仑英里数)。
您可以使用自适应神经模糊系统对非线性动态系统行为建模。