16、神经自适应学习与自适应神经模糊推理系统（ANFIS）

神经自适应学习与自适应神经模糊推理系统（ANFIS）

1. 引言

在许多场景中，我们希望将模糊推理应用于已有输入/输出数据的系统，用于建模、模型跟踪等。当缺乏基于系统变量特征的预定模型结构，且难以从数据中辨别隶属函数参数时，可使用神经自适应学习技术来调整隶属函数参数，使模糊推理系统（FIS）更好地拟合输入/输出数据。Fuzzy Logic Toolbox 软件提供了命令行函数 anfis 和交互式应用程序 Neuro - Fuzzy Designer 来训练自适应神经模糊推理系统（ANFIS）。

2. FIS 结构

使用 ANFIS 训练方法，可训练具有以下特性的 Sugeno 系统：
- 单输出
- 加权平均去模糊化
- 一阶或零阶系统，即所有输出隶属函数必须为相同类型，要么是“线性”，要么是“常量”
- 无规则共享，不同规则不能使用相同的输出隶属函数，即输出隶属函数的数量必须等于规则的数量
- 每个规则的权重为 1
- 无自定义隶属函数或去模糊化方法

在 MATLAB 工作区创建这样的模糊系统，可采用以下方法：
- 使用 genfis 函数，可通过网格划分或减法聚类创建系统。当输入数量达到四五个时，网格划分会产生大量规则，可考虑使用减法聚类方法减少规则数量。
- 使用 Fuzzy Logic Designer 应用程序，并将 FIS 导出到 MATLAB 工作区。
- 使用 sugfis 函数。
- 使用 readfis 函数从文件加载