模糊神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
 
模糊神經(jīng)網(wǎng)絡(luò)，前面已經(jīng)有一些簡(jiǎn)單細(xì)致的介紹了，相信大家對(duì)于這個(gè)概念應(yīng)該不陌生，為什么筆者著重介紹這相應(yīng)內(nèi)容呢？為您道來：
由于被控對(duì)象的數(shù)學(xué)模型是動(dòng)態(tài)變化的，且參數(shù)間具有耦合關(guān)系,經(jīng)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(duì)象的數(shù)學(xué)模型對(duì)其進(jìn)行有效的控制,為實(shí)現(xiàn)非模型控制提供了一條可靠的途徑．
不過,在設(shè)計(jì)模糊控制系統(tǒng)的過程中，我們經(jīng)常會(huì)遇到諸如系統(tǒng)穩(wěn)定性的判定，輸入變量隸屬函數(shù)形狀及參數(shù)的確立，模糊規(guī)則的提取等問題.采用動(dòng)態(tài)因子法雖然可以在一定程度上緩解這些問題，但由于動(dòng)態(tài)因子的選取從某重程度上同樣依賴人的經(jīng)驗(yàn)，因此無法從根本上解決這些矛盾，系統(tǒng)也就無法實(shí)現(xiàn)較優(yōu)控制．
而神經(jīng)網(wǎng)絡(luò)是模擬人腦工作機(jī)能的數(shù)學(xué)模型，他具有很強(qiáng)的自適應(yīng)性和自學(xué)習(xí)能力．于是．智能控制界的學(xué)者們不禁想到，如果能用神經(jīng)網(wǎng)絡(luò)映像模糊邏輯，實(shí)現(xiàn)模糊推理，那么這種”大”不僅具有先驗(yàn)知識(shí)，更重要的是它會(huì)通過自學(xué)習(xí)變得越來越聰明!這就是模糊神經(jīng)網(wǎng)絡(luò)伊始的思想源泉．歷經(jīng)十幾年的發(fā)展，
各國學(xué)者提出了許多模糊神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型．我們根據(jù)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(zhì)是一致的，都是通過神經(jīng)網(wǎng)絡(luò)表達(dá)模糊推理，但同時(shí)它們也各具特點(diǎn)．在本論文中采用的模糊神經(jīng)屬于Mamdani 型．
本文到這里就結(jié)束了，正航儀器后續(xù)關(guān)于網(wǎng)絡(luò)數(shù)學(xué)模型的介紹，我們將給您更細(xì)致的詳情。http://www.sz-dkm.com/