论文部分内容阅读
本文提出了基于加权模糊规则自适应神经-模糊推理机制的概念。初步阐述了这种新神经-模糊推理机制的基本思想、基本网络结构、基本特点。将基于加权模糊规则的推理机制映射成模糊神经网络，然后用改进的BP算法来训练模糊神经网络，最后将训练好的模糊神经网络实现模糊推理的推理机制，我们称之为基于加权模糊规则自适应神经-模糊推理机制。为了使叙述规范，文章首先提出了加权模糊规则命名准则。然后提出了加基于加权模糊规则自适应神经-模糊推理机制的基本概念。接着提出了五种新的加权模糊规则推理算法，并将其分别映射成相应的模糊神经网络，随后用改进的BP算法来训练。训练好的模糊神经网络即为一个模糊推理器。从而形成了五种基于加权模糊规则自适应神经-模糊推理算法，即min-mean自适应神经模糊推理、mean-mean自适应神经模糊推理、mean-max自适应神经模糊推理、mean-max-defuzzification自适应神经模糊推理、mean-defuzzification自适应神经模糊推理。相应的实验说明用自适应神经模糊推理机制可有效提高推理精度。这种新的自适应神经-模糊推理机制结构简单，有效提高推理精度，并且克服了ANFIS的要求所用规则必须是彼此独立的缺点，从而有很好的发展应用前景。