调整模糊系统

调整模糊推理系统

调整模糊隶属函数参数，学习新的模糊规则。

• 调整模糊规则和隶属函数参数
• 调整模糊树
• 自定义FIS调整过程

Tune-Mamdani模糊推理系统

学习规则并调整Mamdani模糊系统的隶属函数参数。

通过k-折叠交叉验证优化FIS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。

用于汽油里程预测的调谐FIS树

调整相互关联的Sugeno模糊系统树的规则和隶属函数参数。

用2型FIS预测混沌时间序列

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。

用自定义代价函数调整模糊机器人避障系统

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。

列车ANFIS系统

神经适应性学习与ANFIS

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。

训练自适应神经模糊推理系统

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。

• 将训练错误数据保存到MATLAB工作区

基于ANFIS的混沌时间序列预测

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

基于ANFIS的自适应噪声抵消

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。

基于减法聚类和ANFIS的郊区通勤模型

使用减法聚类从数据生成模糊推理系统。

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测值预测汽车的燃油消耗量。

非线性系统辨识

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。