模糊神经网络模糊神经网络的用途

关于遗传算法，模糊数学，神经网络三种数学的区别和联系

遗传算法是一种智能计算方法，针对不同的实际问题可以设计不同的计算程序。

它主要有复制，交叉，变异三部分完成，是仿照生物进化过程来进行计算方法的设计。

模糊数学是研究现实生活中一类模糊现象的数学。

简单地说就是像好与坏怎样精确的描述，将好精确化，用数字来表达。

神经网络是一种仿生计算方法，仿照生物体中信息的传递过程来进行数学计算。

这三种知识都是近40年兴起的新兴学科，主要应用在智能模糊控制上面。

这三者可以结合起来应用。

如用模糊数学些遗传算法的程序，优化神经网络，最后用神经网络控制飞行器或其他物体

模糊神经网络中输入变量的一阶多项式p是指什么

请把问题再描述清楚些，给定什么条件，想要什么结果？ 最好能举个例子。

恐怕很多人对一元多项式对忘了差不多了。

程序已完成。

两个类,一个类Node。

封装多项式用的。

一个计算用的。

链表直接用java里面的ArraryList了，不用自己再写结构了。

基于MATLAB与fuzzyTECH的模糊与神经网络设计怎么样，好不好

《基于MATLAB与fuzzyTECH的模糊与神经网络设计》选材精炼，论述简明，介绍和分析了大量的应用实例，便于读者了解各种技术的应用对象、应用方法和应用效果。

《基于MATLAB与fuzzyTECH的模糊与神经网络设计》适合从事智能控制系统研发的高级工程技术人员阅读，也可作为高等学校相关专业本科生和研究生的教学用书。

模糊神经网络的摘要

模糊神经网络结合了神经网络系统和模糊系统的长处，它在处理非线性、模糊性等问题上有很大的优越性，在智能信息处理方面存在巨大的潜力；使得越来越多的专家学者投入到这个领域中来，并做出了卓有成效的研究成果。

但是，对模糊神经网络的研究，大都是基于算法的创新、改进和完善，少有综述性的文献对它进行概述，使初接触这一领域的人往往无所适从，很难在短时间内理解模糊神经网络的概念，也很难实际应用它。

作者在阅读了大量文献的基础上，对各种相关理论知识进行整理、归纳和研究，旨在对模糊神经网络做一个系统的概述和一些初步的探索。

本文实际上由两部分组成：第一部分是对模糊神经网络的概述；第二部分是一种算法的提出及其实现过程。

模糊神经网络是一个较新的概念，文章从神经网络系统与模糊系统的历史论述到它的起源与发展，论证了它产生的可能性与必要性，并简要介绍了国内外模糊逻辑神经网络软件硬件。

在模糊神经元概念的基础上，定义了模糊神经网络；从函数映射角度上，讨论了神经网络系统和模糊系统的函数逼近能力；二者都能以任意精度逼近任何连续实函数；对理论成熟的算法和模型，作了简洁的介绍。

针对模糊神经网终（络）实观时的具体问题，对网终（络）的学习能力、容量、结构分布等细节逆行了探讨。

本文提出了一种模糊神经网络的二步混合算法：第一步，采用模糊推理系统结合遗传算法根据训练样本确定隶属函数的参数，通过遗传算法搜索定义域范围内的参数最优解。

文中选用S-T模型作为模糊推理系统中的推理模型。

第二步，确定网络结构，根据训练样本采用BP算法训练网络，调整网络权值和偏差，为了避免局部最小观象和加快网络收敛速度，选用加动量因子变学习率的改进BP算法为训练算法。

为了更广泛地应用遗传算法，文中用C++,实现了通用遗传算法类库，在实观过程中结合使用了类模板，抽象类等技术。

该类库支持一维和多维函数的最优化。

对多维函数可以采用统一长度的或者各维长度不同的基因；支持固定和可变变异率，支持固定迭代代数结束迭代和满足一定条件结束迭代。

作者用MATLAB的Fuzzy Toolbox及NNetToolbox实现了算法，仿真结果表明，该算法效率高、收敛速度快、模型精度高

模糊神经网络的用途

模糊神经网络可用于模糊回归、模糊控制器、模糊专家系统、模糊谱系分析、模糊矩阵方程、通用逼近器。

在控制领域中，所关心的是由模糊神经网络构成的模糊控制器。

在这一章中．介绍模糊神经网络的基本结构、遗传算法、模糊神经网络的学习算法，以及模糊神经网络的应用