论文部分内容阅读
模糊推理系统能处理和利用不精确的知识,是一种有效的智能建模方法.但是模糊推理系统缺乏有效的设计方法.神经网络有很好的学习能力,能映射非线性输入输出关系,这两种方法是互补的.把神经网络的学习算法引入模糊推理系统建模过程中,能把模糊推理系统的结构和参数调整转化为神经网络的学习.该文研究基于神经网络的模糊推理系统建模,这种系统同时具有神经网络的学习能力和模糊推理系统的知识表达能力.论文阐述了模糊推理系统的几种类型及其建模方法,研究如何将神经网络和模糊推理系统相互结合,构造神经模糊推理系统,分析了一种典型的神经模糊推理系统:基于自适应网络的模糊推理系统ANFIS,讨论了它的结构和学习算法.在此基础上建立了一种新的Mamdani类型的神经模糊推理系统模型MNFIS.通过仿真实例,表明了它在非线性系统建模中应用的有效性.最后,采用遗传算法来优化神经模糊推理系统的结构和参数.