模糊推理系统调优
模糊系统的优化隶属函数和规则
您可以调整您的模糊推理系统的隶属函数参数和规则使用全局优化工具箱调谐方法如遗传算法和粒子群优化。有关更多信息，请参见优化模糊推理系统．
如果您的系统是一个单输出的1型Sugeno FIS，您可以使用神经自适应学习方法调整其隶属函数参数。此调优方法不需要全局优化工具箱软件有关更多信息，请参见神经自适应学习和ANFIS．
应用程序
| 去噪的设计师 | 设计、训练和测试sugeno型模糊推理系统 |
功能
对象
主题
优化模糊系统
- 优化模糊推理系统
优化模糊隶属函数参数，学习新的模糊规则。
- 调Mamdani模糊推理系统
学习Mamdani模糊系统的规则和优化隶属函数参数。 - 用k-Fold交叉验证优化FIS参数
为了防止FIS参数优化过程中的过拟合，您可以基于使用验证数据的模型的无偏评估尽早停止调优过程。 - 调整FIS树的汽油里程预测
优化相互关联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
为具有类型-2成员函数的FIS调优规则和成员函数参数。 - 利用自定义代价函数优化模糊机器人避障系统
当没有训练数据时，可以使用模拟FIS操作的定制成本函数来优化模糊系统。
简称ANFIS训练系统
- 神经自适应学习和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优化Sugeno模糊推理系统。 - 训练自适应神经模糊推理系统
交互式创建，训练和测试神经模糊系统使用神经模糊设计者应用程序。
- 利用ANFIS预测混沌时间序列
训练用于时间序列预测的神经模糊系统简称anfis命令。 - 基于ANFIS的自适应噪声消除
执行自适应非线性噪声消除使用简称anfis而且genfis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中生成一个模糊推理系统。 - 一加仑汽油所行驶的里程的预测
利用自适应神经模糊推理系统和先前记录的观察结果预测汽车的燃油消耗。 - 非线性系统辨识
你可以使用自适应神经模糊系统建模非线性动态系统行为。
特色的例子
您也可以从以下列表中选择网站: