13、动态演化神经网络模糊推理系统与个性化建模的转导推理

动态演化神经网络模糊推理系统与个性化建模的转导推理

1. 动态演化神经网络模糊推理系统（DENFIS）概述

DENFIS基于演化连接主义系统（ECOS）原理，受EFuNNs启发而发展。它与EFuNNs有相似的方法，尤其类似于EFuNNs的m - of - n模式，是一种动态的Takagi - Sugeno型模糊推理系统。

在DENFIS模型中，采用演化聚类方法（ECM）对输入空间进行划分，以创建模糊规则。它通过增量式、混合（有监督/无监督）学习不断演化，能够通过局部元素调整来适应新的输入数据，包括新特征、新类别等。在系统运行过程中，会动态创建和更新模糊规则。在每个时刻，DENFIS的输出通过基于m个最活跃模糊规则的模糊推理系统计算得出，这些规则是从现有模糊规则集中动态选择的。

模糊规则可以在DENFIS的学习过程之前或期间插入，也可以在学习过程中或之后提取。DENFIS中使用的模糊规则形式如下：
[
R_i: \text{if } X_1 \text{ is } F_{i1} \text{ and } X_2 \text{ is } F_{i2} \text{ and } \cdots \text{ and } X_p \text{ is } F_{iP}, \text{ then } y_i = b_{i0} + b_{i1}X_1 + b_{i2}X_2 + \cdots + b_{ip}X_p
]
其中，“(X_j \text{ is } F_{ij})”（(i = 1,2,\cdots,m)；(j = 1,2,\cdots,P)）是(M\times P)个模糊命题，分别构成(m)条模糊规则的前件；(X_j)（(j = 1,2,\cdots,