模糊神經網絡簡介

模糊神經網絡，前面已經有一些簡單細致的介紹了，相信大家對于這個概念應該不陌生，為什么筆者著重介紹這相應內容呢？為您道來：
由于被控對象的數學模型是動態變化的，且參數間具有耦合關系,經典控制控制算法難以獲得滿意的控制效果．而模糊控制可以不依賴被控對象的數學模型對其進行有效的控制,為實現非模型控制提供了一條可靠的途徑．
不過,在設計模糊控制系統的過程中，我們經常會遇到諸如系統穩定性的判定，輸入變量隸屬函數形狀及參數的確立，模糊規則的提取等問題.采用動態因子法雖然可以在一定程度上緩解這些問題，但由于動態因子的選取從某重程度上同樣依賴人的經驗，因此無法從根本上解決這些矛盾，系統也就無法實現較優控制．
而神經網絡是模擬人腦工作機能的數學模型，他具有很強的自適應性和自學習能力．于是．智能控制界的學者們不禁想到，如果能用神經網絡映像模糊邏輯，實現模糊推理，那么這種”大”不僅具有先驗知識，更重要的是它會通過自學習變得越來越聰明!這就是模糊神經網絡伊始的思想源泉．歷經十幾年的發展，
各國學者提出了許多模糊神經網絡的數學模型．我們根據前件和后件條件把它們分成兩類：一類是Sugeno-Type 型．另一類Mamdani 型，兩者的本質是一致的，都是通過神經網絡表達模糊推理，但同時它們也各具特點．在本論文中采用的模糊神經屬于Mamdani 型．
本文到這里就結束了，正航儀器后續關于網絡數學模型的介紹，我們將給您更細致的詳情。/